Attributie: pas op, reken jezelf niet rijk!

Als we kijken naar de attributiemodellen die tot op heden veel gebruikt zijn, dan kom je grofweg op 6 varianten uit:

• Last click: het laatste kanaal in het conversiepad krijgt alle conversiewaarde toegekend.
• First click: het eerste kanaal in het conversiepad krijgt alle conversiewaarde toegekend.
• Lineair: alle kanalen in het conversiepad krijgen een evenredig deel van de conversiewaarde toegekend.
• Position-based: het eerste en laatste kanaal in het conversiepad krijgen beide 40% van de conversiewaarde toegekend. De overige 20% wordt verdeeld over de tussenliggende kanalen in het conversiepad.
• Time decay: hoe dichter het kanaal aan het einde van het conversiepad zit, hoe meer waarde het toegekend krijgt.
• Data-driven: een lerend model dat op basis van machine learning waardes toekent aan de kanalen in het conversiepad.

De afgelopen jaren is het data-driven attributiemodel de nieuwe standaard geworden doordat het zelflerend is. Daardoor kijkt het flexibeler naar het toekennen van de conversiewaarde ten opzichte van de klassieke modellen. Echter is het data-driven model, net als de andere attributiemodellen, afhankelijk van data over interacties (klikken, video-engagement, etc). Hierdoor zullen de kanalen die op een andere manier impact maken, bijvoorbeeld door zichtbaarheid, worden ondergewaardeerd.

Laten we de attributie-uitdaging eens vertalen naar de dagelijkse praktijk. Stel je een hypothetische aankoop van €140 voor. De bezoeker die de order heeft geplaatst, is via Google Ads op de website gekomen als laatste kanaal. In het conversiepad zit onder andere ook een Facebook-klik. De rapportage zou er daarom als volgt uit kunnen zien:

GA4 rapporteert wellicht €0 voor Facebook op basis van last-click, terwijl de Facebook Pixel de volledige orderwaarde claimt. Google Ads claimt, los van de Facebook-klik, €90 vanwege het data-driven model dat hier ingesteld is. Tellen we beide bij elkaar op, dan zouden we €230 verdiend moeten hebben. Echter zegt ons kassasysteem wat anders…

Dit voorbeeld illustreert waarom attributie belangrijk is. We willen de aankoopwaarde van €140 over de kanalen verdelen, in plaats van dat alle kanalen los van elkaar tot een hogere totaalsom (€230) optellen. Attributietooling kan hierin een oplossing bieden. Eén van onze best-practices luister je in de podcast AM Talks, waar we verder ingaan op de uitdagingen rondom Performance Marketing.

Door het veranderende landschap omtrent cookies en privacy, wordt het vastleggen van conversies steeds lastiger. Oftewel: we kunnen steeds minder data meten. Daarom zijn er technieken in opkomst om niet-meetbare conversies te modelleren. Denk bijvoorbeeld aan Consent Mode van Google.

Door het modelleren van niet-meetbare data zorgen we ervoor dat een groot deel van het conversievolume behouden blijft. Dit stelt algoritmes in staat om effectief te blijven optimaliseren, omdat deze afhankelijk zijn van volumedrempels. Denk hierbij bijvoorbeeld aan biedstrategieën voor advertenties. Attributie omvat, wat ons betreft, ook deze modelleringstechnieken, omdat het ons in staat stelt om de bijdrage van kanalen aan het totaal in kaart te brengen.

Ondanks de verschuiving van observeren naar modelleren, is het startpunt van attributie echter nog steeds de data die we kunnen vastleggen. Omdat dit via cookies steeds meer aan banden gelegd wordt, proberen we ook steeds vaker data uit andere bronnen met elkaar te combineren.

Het kassasysteem van jouw webshop legt bijvoorbeeld alle transactiedata vast. Hiermee is dit een belangrijkere bron van data die we daadwerkelijk kunnen meten. Daarnaast gebruiken we GA4 voor verdiepende inzichten over verkeer en gebruikersgedrag. Dit is deels waarneembare data, maar ook hier zien we dat er steeds meer modellering wordt toegepast om de privacy van webgebruikers te beschermen.

Een belangrijke beperking van bijvoorbeeld GA4-data is dat deze click-based is. Oftewel: je hebt alleen een datapunt als iemand op jouw website is geweest. Onderstaande grafiek laat echter zien dat websitebezoek geen directe afgeleide is van hoe de media-euro wordt besteed.

Ook uit advertentiekanalen, zoals Google en Meta Ads, kun je datapunten voor attributie gebruiken. Dit gebruiken we vaak voor het doorvoeren van optimalisaties binnen het kanaal. Het eerder gegeven voorbeeld van de Facebook-klik illustreert echter dat dit tot silo’s kan leiden, waarin het kanaal zoveel mogelijk waarde naar zichzelf probeert toe te schrijven. De vraag die we vooral zouden moeten willen beantwoorden, is wat een kanaal aan totale impact heeft gerealiseerd, los van directe bezoekers en aankopen. Natuurlijk willen we graag resultaat zien, het liefst ook zo snel mogelijk. Maar toch gaat bijna 20% van het mediabudget naar digitale video, terwijl de directe bezoekers en omzet daar niet in die mate vandaan komen.

Dit illustreert nog maar eens dat attributie meer omvat dan alleen het vastleggen van klikdata en de directe uitkomsten daarvan. Een belangrijke uitdaging die dit met zich meebrengt, is dat we van een feitelijk model overstappen naar een methode waarin we allerlei aannames doen. Bovendien zijn er verschillende manieren om data te modelleren. Met andere woorden: er is geen single version of the truth meer.

Ben je benieuwd naar de verschillende methodes en laat je graag een paar extra ogen meekijken? Ik, Dennis van Rooden, Performance Marketeer bij Maxlead, help je graag verder. Neem contact op met mij, of een van onze Maxlead specialisten.