Hoe meet je de echte waarde van marketing?

Anno 2020 zijn er tal van online marketingkanalen die organisaties kunnen gebruiken om hun producten en diensten aan te prijzen. Het wordt daarom steeds belangrijker om de effectiviteit van marketinguitgaven goed in beeld te brengen. Maar hoe meet je de return on investment van digitale marketing?  Drie modellen die onder marketers veel populariteit genieten. 

1. Last Click Model

Misschien wel de oudste, maar tegelijkertijd ook wel de meest gebruikte meettechniek is het last click model. In dit model wordt de waarde van een conversie toegeschreven aan het marketingkanaal dat verantwoordelijk is voor de aankoopstap (de ‘do’ fase in de customer journey). Hierdoor krijgen de performancekanalen (de kanalen die zich focussen op de aankoop stap van de customer journey) vaak de meeste waarde. Tegelijkertijd worden de marketingkanalen met een branding doelstelling (begin van de customer journey) vaak ondergewaardeerd. 

Methodiek

Neem als voorbeeld bovenstaande (online) customer journey. Binnen deze (online) customer journey gaat een consument drie keer naar de website van een bedrijf. De eerste keer via Facebook, de tweede keer wordt er op een display banner geklikt en de derde keer via een Googleadvertentie (SEA). Via het last click model krijgt het Google ads-kanaal alle waarde. Facebook en de displayadvertentie krijgen geen waarde toegeschreven via dit model. 

Dit bedrijf zal waarschijnlijk stoppen met de Facebook- en displaycampagnes. Tegelijkertijd zal het budget van de SEA-campagne verhoogd worden. 

Voordelen

Een belangrijk voordeel van het last click model is dat het al door veel organisaties gebruikt wordt. Hierdoor is het niet nodig dat er nieuwe methodieken geïmplementeerd te worden. Daarnaast is er vaak al veel begrip bij marketeers hoe dit model werkt, omdat het in de basis eenvoudig te begrijpen is. Ten slotte is de methode makkelijk te implementeren, omdat het model vrij beschikbaar is in de meeste analytics-oplossingen (zoals Google Analytics).

Nadelen

Een nadeel van het last click model is dat niet alle online touchpoints meegenomen worden. Er wordt in deze methodiek namelijk alleen gekeken naar websitebezoekers en bijvoorbeeld niet naar social media posts. Dit komt omdat deze wel gezien worden maar niet tot website bezoekers leiden. Verder is deze methodiek vaak niet geschikt voor organisaties die veel adverteren op tv of radio. Omdat deze offline touchpoints niet leiden tot aanwijsbare websitebezoekers worden deze door het model gemist. Ten slotte er is vanuit deze methodiek een sterke focus op sales en hierdoor krijgen de kanalen met een focus op sales een (te) hoge waardering. 

2. Conversie Attributie Model

Het tweede model is het conversie attributie model. In dit model wordt de toewijzing van de waarde, aan de verschillende touchpoints binnen een customer journey, gedaan op basis van een algoritme. Vaak wordt hiervoor het Shapley-algoritme gebruikt, dat uitgaat van een bepaald gaming theory model. 

Het conversie attributie model heeft de laatste jaren veel aan populariteit gewonnen. Echter, nu recentelijk het meten van websitegedrag (via cookies) onder druk is komen te staan, is het de vraag of de populariteit van deze methodiek zich doorzet.

Methodiek

Neem als voorbeeld weer bovenstaande (online) customer journey. In tegenstelling tot het last click model, wordt de waarde van een conversie niet toegewezen aan een enkel marketingkanaal. In plaats daarvan wordt de waarde verdeeld over de verschillende marketingkanalen op basis van een algoritme. De waarde van deze variabelen (X, Y en Z in het voorbeeld), wordt voor elke customer journey apart berekend. 

Vervolgens wordt de data van alle customer journeys geaggregeerd, zodat je onderstaand voorbeeld krijgt.

In deze grafiek zie je dat de SEA-campagnes een veel lagere waardering krijgen dan via het last click model. Vaak zie je hetzelfde patroon terug bij de websitebezoekers die zelf de URL in de browser invullen, de ‘directe bezoekers’. Daarnaast zie je terug dat kanalen die vaak aan het begin van de customer journey zitten (zoals display, Facebook en Youtube) veel meer waarde krijgen dan via het last click model. 

Voordelen

Een belangrijk voordeel van het conversie attributie model is dat er geen aannames in het model verstopt zitten, zoals bij het last click model (of bijvoorbeeld het first click model). Het algoritme bepaalt immers of het eerste of laatste touchpoint meer of minder waarde krijgt. Verder zijn de gegevens veel meer gedetailleerd beschikbaar, zo kun je deze analyse bijvoorbeeld ook op zoekwoordniveau doen in plaats van kanaalniveau. 

Ten slotte zijn de cijfers vaak realtime beschikbaar, waardoor je direct kunt bijsturen op campagnes. 

Nadelen

Een belangrijk nadeel van deze methodiek zijn de meetfouten die vaak optreden om de hele customer journey inzichtelijk te krijgen. Ten eerste is het lastig om klanten die meerdere apparaten gebruiken, zoals laptop en mobiel, aan elkaar te koppelen. Daarnaast zijn er veel mensen die tegenwoordig geen cookies accepteren, waardoor het lastiger wordt om terugkerende bezoekers te identificeren. 

Ten slotte zijn de internetbrowsers zoals Safari en Chrome druk in de weer om het volgen van bezoekers te beperken. Door deze drie redenen kan het zijn dat je meerdere conversiepaden in je analyse hebt zitten, terwijl er in werkelijkheid maar één heeft plaatsgevonden. 

3. Media Effect Model

Het media effect model of media mix model (zo wordt het ook vaak genoemd) is het derde model. In dit model wordt uitgegaan van statistiek om het effect van marketinginspanningen te bepalen. Hierdoor worden veel van de meetfouten van het vorige model omzeild. Het media effect model wordt al langere tijd gebruikt, maar lijkt nu definitief een vlucht te hebben genomen.

Methodiek

Het media effect model gaat uit van het basisbeginsel dat wanneer je vandaag meer marketinginspanningen doet, je de gevolgen hiervan merkt in het aantal conversies. Het verband tussen de input (mediabudget) en output (conversies) wordt via een correlatieanalyse aangetoond.

Vervolgens kun je een aantal externe factoren toevoegen aan de analyse om deze te verbeteren. Hiermee wordt bedoeld dat wanneer je op maandag altijd meer omzet hebt op je website, je het succes van een tv-campagne op maandag moet corrigeren voor de factor ‘dag van de week’. Op deze manier krijg je een erg betrouwbaar beeld van het daadwerkelijke effect van je media-inspanningen. Daarnaast krijg je tevens inzicht in deze externe factoren. Dit kan vervolgens helpen om er bijvoorbeeld voor de kiezen om juist wel of niet op maandag te adverteren.

Wanneer je het media effect model toepast op het voorbeeld uit de vorige twee hoofdstukken kun je goed zien dat het vaak een heel ander beeld geeft. Zo zijn de offlinekanalen niet aanwezig in het last click of conversie attributie model. Met het media effect model kun je juist ook deze kanalen meenemen. Daarnaast krijgen kanalen zoals YouTube vaak meer waarde via het media effect model. Dit komt doordat YouTube campagnes vaak niet direct leiden tot meer websitebezoekers maar wel een effect hebben op het uiteindelijk aantal conversies.

Voordelen

Een belangrijk voordeel van het media effect model is dat zowel de online als de offline mediakanalen meegenomen worden. Naast de bekende offline kanalen zoals televisie en radio kunnen ook kanalen zoals out of home, folder of direct mail meegenomen worden. Daarnaast heb geen last van de tracking issues die ontstaan bij met name het conversie attributie model. Omdat je websitebezoekers niet over meerdere website bezoeken volgt, maar vanuit statistische verbanden het effect aantoont, omzeilen we dit probleem. 

Nadelen

Een nadeel van deze methodiek is dat er historische data nodig is om de analyse uit te voeren. Verder is het raadzaam om altijd de conclusies die uit deze analyse komen in de praktijk te testen. Er bestaat een kans dat er tussen een marketingkanaal en het aantal conversies wel een correlatie aanwezig is maar geen causaliteit. Hiermee wordt bedoeld dat er mogelijk op hetzelfde moment nog een andere factor voor de verhoging van het aantal conversies heeft gezorgd. 

Deze analyse wordt vaak één keer per jaar, kwartaal of campagne uitgevoerd door het strategische karakter van deze methode.

Over de auteur: Olivier van Hees is oprichter van Amsterdam Web Consulting.