Het one size fits all attributiemodel bestaat niet: wat nu?

Attributiemodellen geven belangrijk inzicht in de effectiviteit van het marketingbudget en het rendement per kanaal. Op basis van die data is te bepalen hoe het budget het beste over de kanalen verdeeld kan worden. Maar is er een juiste how-to om het rendement vast te stellen? We spreken met René Bulthuis van Relay42, gespecialiseerd in datamanagement.

Wat maakt vaststelling van het rendement van marketing juist nu zo ingewikkeld?

Zowel het vinden van juiste technologie als methodologie is volgens Bulthuis nog een uitdaging. Aan het correleren van data kleeft een statistisch bezwaar: het is immers op data geaggregeerd, niet op individueel niveau. Een alternatief is het meten van de ‘single source’. Hierbij worden de data uit zoveel mogelijk contactmomenten gerelateerd aan één individu. ‘Maar technisch is het nog altijd ontzettend lastig om álle mediaconsumptie en contactmomenten op individueel niveau in kaart te brengen.’

‘Waar ik in geloof is vooral zoveel mogelijk data, bij voorkeur op bronniveau, samen te brengen en dat te analyseren in plaats van er een standaard analysemodel op los te laten. Nog geregeld kijken mediabureau’s naar de correlatie tussen media-uitgaven en een piek in verkopen. Die aanpak heeft niet alleen statistische beperkingen, de consument is door die talloze kanalen en apparaten ook steeds minder goed direct te bereiken.’

Doordat campagnes steeds meer ‘always on’ zijn, zijn er minder duidelijke pieken die gebruikt kunnen worden voor analyses. Het is dus lastig te zeggen of een bezoeker misschien ook een reclame op televisie heeft gezien of een spotje op de radio heeft gehoord. En iemand waarvan het lijkt dat die in één sessie converteerde, heeft misschien een uur lang op kieskeurig.nl prijzen vergeleken, maar werd op een heel ander apparaat bereikt.

Een aandachtspunt is dat marketeers de koppeling met de back-end maken zodat ze kunnen nagaan hoeveel een kanaal nu echt oplevert. Bulthuis: ‘Ik heb situaties meegemaakt dat 90 procent van de conversie uit één kanaal afkomstig was, maar daarvan bijna niets een verkoop werd. Attributie is niet alleen de kunst van het verdelen van waarde, maar ook de juiste waarde daarvoor gebruiken.’

Hoe vorm je dan het ideale attributiemodel of kom je tot die waarde?

Alle attributiemodellen hebben zo hun beperkingen, zegt Bulthuis. ‘Zeer recent zag ik nog een aantal vrij geavanceerde modellen, maar het verschil tussen die modellen en de standaard last click en first click methode was minimaal.’

Het gaat vaak mis als het verkeer op merknaam, direct verkeer en ander non branded verkeer niet goed zijn uitgesplitst of het verkeer niet goed is getagged – ofwel gecategoriseerd.

Er is in zijn ogen dan ook geen ideaal model. Hij gelooft in analyses: het herkennen van patronen in je eigen dataset. Die analyses zorgen ervoor dat zoveel mogelijk kanalen aan elkaar kunnen worden geknoopt.

Toch houden die modellen een hoop organisaties bezig. De verwachtingen zijn volgens de expert vaak erg hoog. ‘Marketeers en analisten zoeken naar een model dat ze in één klap vertelt wat de ideale marketingmix is. Zo werkt dat gewoon niet. Het is een proces waarin – naarmate er meer wordt getest – meer complexe factoren kunnen worden toegevoegd. Pas als je goed weet wat je met een simpel model moet doen, kun je een volgende stap nemen.’

Zo’n stap kan bijvoorbeeld het toevoegen van kostendata zijn. Want conversie-attributie is leuk, maar met alleen omzettoekenning ben je er niet. Je wilt inzicht in de ROAS – de opbrengst voor iedere uitgegeven euro.

Tot welke inzichten dat uiteindelijk leidt verschilt per adverteerder. Soms blijkt een campagne veel beter of op een andere manier te presteren dan je denkt.

Maar het meest opvallend vindt Bulthuis dat veel adverteerders ook binnen de conversie-attributie nog steeds op kanaalniveau beoordelen: ‘Zo kun je dat niet zien. De ene campagne is veel effectiever dan de ander, retargeting heeft een andere rol dan branding en Adwords is op ene niveau veel effectiever dan het andere.’

Je moet vooral een goede taxonomie hanteren om dit onderscheid voldoende gedetailleerd uit je dataset te halen. ‘Het belangrijkste nu is om vooral voor ieder kanaal ongesampelde data te verzamelen van begin – de impressies – tot eind – bijvoorbeeld de spin-off naar het callcenter. Pas dan zijn er met logica en regels analyses te maken.’

Foto: r2hox (cc)