Je werkt al een tijdje hard om meer traffic naar je website te krijgen. Natuurlijk wil je weten welke verkeersbronnen bijdragen aan je conversies. Je kan echter niet alleen kijken naar de verkeersbronnen van de sessies met een conversie. Vaak hebben bezoekers namelijk meerdere bezoeken nodig voordat ze een aankoop doen. Lees in deze blogpost hoe je conversieattributie wel moet aanpakken.
Deze blogpost behandelt de volgende onderwerpen:
- Betekenis van Conversie Attributie
- Waarom is conversie attributie belangrijk?
- Wat maakt conversie attributie complex?
- Conversie Attributiemodellen
- Hoe kies je het perfecte conversie attributiemodel?
Betekenis van Conversie Attributie
Attribution zien we in vele verschillende vormen terugkomen binnen het digitale domein. Zo kennen we attribution bijvoorbeeld onder marketing attribution, cross device attribution, cross channel attribution, multi-channel attribution, campaign attribution en conversion attribution. Laat je niet afleiden of intimideren door al deze termen. Ze hebben allemaal hetzelfde doel en dat is het toekennen van de juiste waarde aan verschillende marketing activiteiten en verkeersbronnen.
Het woord attributie staat namelijk voor ‘toekennen’ en ‘toeschrijven’. Je zoekt dus naar een oorzaak of reden van een gebeurtenis. Binnen het digitale domein willen we de conversies binnen de customer journeys toekennen aan de marketing activiteiten en verkeersbronnen die het team uitvoert.
Waarom is conversie attributie belangrijk?
Het is eigenlijk heel simpel. Als je weet wat de bijdragen zijn van je verschillende activiteiten, kan je deze beter optimaliseren en kan je de marketingbudgetten beter verdelen over de marketingactiviteiten. Met andere woorden, je wilt dus de juiste conversiewaarde toekennen aan je marketingactiviteiten.
Een bezoeker kan een webshop meerdere malen via verschillende kanalen bezoeken voordat er een verkoop plaats vindt. Hierdoor is het niet eerlijk als je de verkoop alleen toekent aan de laatste verkeersbron. Net als met voetbal zorgt niet één persoon voor het winnen van een wedstrijd, je hebt een heel team nodig om een wedstrijd te winnen. Zonder assists wordt het namelijk lastig om te scoren. Zorg er dus voor dat je niet alleen je doelpunten beloont binnen je customer journey, maar ook de assists en andere belangrijke events die uiteindelijk voor de winst zorgen!
Wat maakt conversie attributie complex?
So-far so good. Je weet wat conversie attributie is en waarom conversie attributie belangrijk is. Tot nu toe klinkt het nog redelijk simpel. Het is echter de hoeveelheid aan verschillende variabelen wat conversieattributie complex maakt. Zo kan een bezoeker meerdere bezoeken doen voordat ze een aankoop doen, bezoeken ze je website via verschillende devices en maken ze gebruik van verschillende verkeersbronnen. Daarnaast ziet je doelgroep ook nog eens je offline marketingcampagnes die voor naamsbekendheid en verkeer zorgen voor je platform. Met al deze variabelen wordt het lastiger om de juiste waarde toe te kennen aan de marketingactiviteiten en verkeersbronnen. Hieronder staan vier veelvoorkomende variabelen waarmee je rekening moet houden bij conversieattributie:
Conversies na meerdere bezoeken
Niet alle bezoekers converteren tijdens hun eerste bezoek. Sommige bezoekers hebben twee, drie of meer bezoeken nodig voordat ze overgaan tot hun conversie. Het hangt natuurlijk ook af van je business case. Een auto verkoop je niet binnen één bezoek en je maakt geen 20 bezoeken voordat je een kaartje online koopt voor de bioscoop.
Cross devices attributie
Bezoekers kunnen je platform bereiken via meerdere devices. Zo kan je Netflx afspelen via je smart TV, laptop en je mobiel of tablet. Als je niet alle devices koppelt aan hetzelfde account, telt je analytics tool deze devices als 4 gebruikers, terwijl je eigenlijk maar met één gebruiker te maken hebt.
Bij conversie attributie is het belangrijk dat je niet alleen het device van de conversie erkent, maar ook de andere devices die eerder tijdens de customer journey gebruikt zijn. Dit wordt ook wel cross device attribution genoemd.
Alle bezoeken zijn uniek
Elke bezoeker bezoekt je website weer anders. De één vindt je website voor het eerst via Google en doet haar aankoop na een re-marketing banner van Facebook. De ander doet een aankoop op z’n 12e bezoek na het zien van de reviews op een externe blog. Met een simpele traffic pie-chart ben je niet instaat om al deze customer journeys te begrijpen en je conversie attributie te bepalen. Je zult toch echt dieper in de data moeten duiken om deze verschillende customer journeys boven water te krijgen.
Campagne attributie
Niet alleen je verkeersbronnen zijn verschillend, per campagne heb je ook nog eens verschillende boodschappen die je overbrengt. Kan je Facebook banners beter inzetten om je naamsbekendheid te vergroten? Of zet je de banners juist in voor je re-marketing campagne? In welk onderdeel van de customer journey kan je beide banner-soorten het beste inzetten? Met welke andere verkeersbronnen kan je deze banners het beste combineren? Zorg ervoor dat je ook de campagnes meet bij je conversie attributie.
Conversie attributiemodellen
Een attributiemodel is als het ware de verdeelsleutel van je conversie. Je hebt meerder methodes om je conversiewaarde te verdelen over je verschillende marketingactiviteiten. Je kan de marketing-attributiemodellen onderverdelen in drie soorten; standaard attributiemodellen, custom attributiemodellen en wetenschappelijke attributiemodellen. Hieronder staan de drie attributie soorten beschreven:
Standaard attributiemodellen
Standaard attributiemodellen worden ook wel default attribution models genoemd in het Engels en zijn vaak standaard in je Analytics tooling beschikbaar, zoals die van Google Analytics. Via het Google Analytics keuzemenu van de onderstaande afbeelding kan je de standaard attributiemodellen selecteren. Hiervan bespreken we vier veelvoorkomende attributiemodellen verder.
Last interaction attribution model
Alle waarde wordt toegekend aan het laatste bezoek waarbij de conversie was gepleegd. Als bezoekers al drie keer op je website zijn geweest, krijgen de eerste drie bezoeken geen conversiewaarde toegekend. Dit zorgt vaak tot een vertekend beeld, omdat je in dit geval 3 andere bezoeken nodig had om tot een verkoop te komen.
First interaction attribution model
Hierbij wordt alle waarde toegekend aan het eerste bezoek. De verkeersbronnen van de vervolgbezoeken krijgen hierbij geen conversie-waarde toegekend.
Linear attribution model
Bij het lineaire attributie model worden de conversiewaarde over alle bezoeken gelijk verdeelt. Als een bezoeker na vier bezoeken met elk een andere verkeersbron een conversie pleegt, krijgt elke verkeersbron 25% van de conversiewaarde toegekend.
Position based attribution model
Dit model is een combinatie van de last interaction en first interaction attributie model. Het geeft niet alle conversiewaarde aan het eerste of laatste bezoek, maar verdeelt de waarde over de verschillende bezoeken. Als een bezoeker na vier bezoeken een aankoop doet, kan het attributiemodel bijvoorbeeld 40% van de conversiewaarde toekennen aan het eerste en laatste bezoek en 30% conversiewaarde toekennen aan de twee middelste bezoeken.
Custom attribution models
Als je de standaard attributiemodellen hebt uitgespeeld kan je ervoor kiezen om je eigen attributie model te maken (in Google analytics). Google Analytics biedt je echter al een breed aanbod van standaard attributiemodellen en als je nog niet veel hebt gewerkt met custom attributiemodellen, raad ik je aan om hier eerst mee aan de slag te gaan.
Bij custom attributiemodellen kan je een attributiemodel echt op je eigen customer journey aanpassen. Wellicht wil je micro-conversions erin verwerken of specifiek gedrag van je doelgroep belonen. Het kan je dus vele voordelen bieden om je verkeersbronnen via een custom attributionmodel te analyseren.
Als jezelf aan de slag wilt gaan met custom attributiemodellen raad ik je aan om de volgende blog van Avinash Kausik te lezen. De blog legt je onder andere uit hoe je een eigen custom attributiemodel kan maken.
Wetenschappelijke attributiemodellen
Met de bovenstaande standaard en custom attributiemodellen kom je een heel eind. Marketing zou marketing niet zijn als er ook niet een wetenschappelijk attributiemodel zou bestaan. Met behulp van wetenschappelijke attributiemodellen ben je in staat om dieper in je conversie attributie te duiken en de impact per marketingactiviteit nauwkeurig te meten. Zo vertelt het wetenschappelijke attributiemodel van Markov je wat er gebeurd met je conversie als je verkeersbronnen weghaalt.
Markov attributiemodel
Het Markov model berekent de attributie van zowel de verkeersbronnen als de attributie van de paden naar de conversie toe. Het model geeft de mogelijke paden weer in één overzicht door de touchpoints en de verkeersbronnen met elkaar te combineren. Vervolgens toont het de kans dat een bezoeker het pad tussen twee punten aflegt.
In het onderstaande model zie je een voorbeeld om het Markov model uit te leggen. Om het voorbeeld simpel te houden gebruiken we slechts drie verkeersbronnen. De bezoekers bezoeken een website als eerste via een FB banner of Email banner. Bij hun tweede bezoek, bezoeken ze de website via SEO en maken ze hun conversie. Natuurlijk kan je duizenden varianten verzinnen en meten, maar om het voorbeeld simpel te houden maken we gebruik van het onderstaande model.
De kans dat je in de bovenstaande situatie een conversie krijgt via een FB banner is 5.4% (60% * 30% * 30%) en de kans dat je een conversie krijgt via Email is 7,2% (40% * 60 * 30%). In de bovenstaande situatie is de kans dat je een conversie krijgt dus 12,6% (60% * 30% * 30% + 40% * 60 * 30%).
Vervolgens passen we het removal effect toe door één van de verkeersbronnen te verwijderen. Het onderstaande voorbeeld geeft weer hoe de situatie eruitziet als je de FB Banner verkeersbron verwijdert. We nemen alleen de conversies via Email mee in de berekeningen door het removal effect. Hierdoor is de converisie-kans in de onderstaande situatie slechts 7,2% (40% * 60 * 30%).
Als je de FB Banner zou verwijderen als verkeersbron, verlies je 42,9% (5.4% / 12.6%) van je conversies. In het geval dat je email als verkeersbron zou verwijderen zou je 57,1% (7,2% / 12,6%) van je conversies verliezen en als je SEO zou verwijderen zou je 100% (12,6% / 12,6%) van je conversies verliezen.
Dankzij het removal effect wat we zojuist hebben berekent, kan je de volgende attributieberekeningen maken:
- FB Banner: 42,9% / (42,9 + 57,1% + 100%) = 21,5% Conversie Attributie
- Email: 57,1% / (42,9 + 57,1% + 100%) = 28,6% Conversie Attributie
- SEO: 100% / (42,9 + 57,1% + 100%) = 50% Conversie Attributie
Volgens het bovenstaande attributiemodel heb je dus 50% van je conversies te danken aan SEO, 28,6% aan Emails en 21,5% aan FB banners. That’s it!
Als je ook aan de slag wilt gaan met het attributiemodel van Markov raad ik je aan om de volgende blog van R bloggers te lezen. Hierbij leggen ze je uit hoe je het Markov attributiemodel kunt berekenen via R.
Hoe kies je het perfecte conversie attributiemodel?
Maar liefst zes conversie attributiemodellen verder ben je eindelijk aangekomen tot het moment van de waarheid, het kiezen van het perfecte conversie attributiemodel. Helaas bestaat er niet één perfecte attributiemodel wat iedereen standaard kan gebruiken.
Er zit namelijk een hoop verschil tussen jouw customer journey en die van andere websites, apps en webshops. Bij sommige customer journeys duurt het meer dan 90 dagen voordat je een conversie krijgt. Wat is dan nog de waarde van je eerste touchpoint? Bij andere customer journeys moet je nog naamsbekendheid genereren omdat 99% van de markt je nog niet kent als startup. Hierbij is het eerste contactpunt juist super belangrijk. Daarnaast wil je gewoonweg weten hoe je conversie funnel eruit ziet. Waar stromen de meeste mensen weg? Moet je vaak mensen terug de funnel insturen via vervolgbezoeken? Of wandelen de meeste mensen de conversie funnel in één keer uit? Kortom, het kiezen van jouw perfecte attributiemodel hangt echt af van je eigen customer journey. En hoe kan je je eigen customer journey beter leren begrijpen dan via kwalitatief en kwantitatief onderzoek.
Het helpt namelijk enorm als je meer informatie verzamelt rondom je eigen customer journey, zodat je het juiste attributiemodel kan kiezen.
Na hoeveel dagen en bezoeken doet je doelgroep een aankoop? Hoe gedragen je bezoekers zich op je platform? Welke features zijn onmisbaar? Welke emotie en cognitie zit er achter hun customer behavior? Via welke devices bezoeken ze je platform? Deze input helpt je bij het kiezen (of zelfs maken) van je perfecte conversie attributiemodel.
Credits Foto
Bronnen
- Sergey Bryl – Marketing Multi-Channel Attribution model with R
- Avinash Kaushik – Multi-Channel Attribution Modeling: The Good, Bad and Ugly Models
- Alex Brikett – How to Do Conversion Attribution Modeling
- Google – About the default attribution models
- René Kulka – Multichannel conversie-attributie