De toekomst van data driven attributie modellen en hoe TAGGRS hierbij kan helpen 

Het bijhouden van data en conversies wordt steeds lastiger. Het is een nieuwe realiteit waar bedrijven en marketeers wereldwijd mee worstelen:

• Niet alle conversies worden gemeten.
• Uitfasering van third party cookies
• Bestellingen komen niet overeen met Analytics data.
• Minder data in de campagnes waarvan het algoritme kan leren.

Dit heeft veelal te maken met nieuwe regelgeving van third party cookies en tracking preventie mechasnismes zoals die van Safari. Hierdoor stappen bedrijven over op steeds geanvaceerdere tracking technieken.

Een probleem hierbij is dat door steeds geavanceerde dataverzameling kleine bedrijven niet meer mee kunnen met grote bedrijven. In deze blog nemen we je mee door de evolutie van data driven attributie modellen en hoe TAGGRS hierbij kan helpen.

Hoe bepaalt een advertentieplatform dat een blootstelling aan een advertentie resulteerde in een conversie?

Het proces behelst dat er een specifiek stukje informatie nodig is om een link te leggen tussen het zien van een advertentie en een conversie. Daarom moet de adverteerder een kenmerkend gegeven doorsturen, zoals een e-mailadres, telefoonnummer, IP-adres of een ander kenmerk dat de koper of de persoon die heeft geconverteerd identificeert naar platforms als Google of Facebook. Deze platforms kunnen vervolgens de koppeling maken, aangezien de kans groot is dat de persoon die de advertentie heeft gezien en tot actie overging, ingelogd was op hun systemen

Wat is Data-Driven Attribution?

De klantreis van eerste interactie tot aan conversie kan aanzienlijk verschillen van bedrijf tot bedrijf en van gebruiker tot gebruiker.

Aan het ene uiteinde van het spectrum bevinden zich gebruikers die een zoekopdracht uitvoeren, jouw bedrijf voor het eerst zien, op je advertentie klikken en direct een aankoop doen. Deze gebruiker heeft slechts één contactmoment voor de aankoop.

Aan het andere uiteinde van het spectrum zijn er gebruikers die maandenlang interactie hebben met jouw bedrijf, waarbij ze in contact komen met displayadvertenties, organische en betaalde vermeldingen van Google, e-mails en andere contactpunten, voordat ze uiteindelijk hun aankoop doen. Deze gebruikers gaan door vele contactpunten voor ze tot aankoop overgaan.

Vanuit een attributieperspectief is de eerste situatie vrij eenvoudig. Er is slechts één contactmoment dat de credits krijgt. Wanneer je echter meerdere contactpunten introduceert, wordt het veel moeilijker om met enige redelijke zekerheid te zeggen welke contactpunten daadwerkelijk invloed hadden op de uiteindelijke aankoop en in welke mate.

Data driven attribution binnen Google Ads

Datagedreven attributie binnen Google Ads is een geavanceerde functionaliteit die het mogelijk maakt conversies toe te wijzen op basis van de interactie van gebruikers met jouw advertenties. Deze methode analyseert de gehele dataset van je advertentieaccount om te identificeren welke zoekwoorden, advertenties en campagnes de grootste impact hebben op je resultaten. Het neemt alle interacties en betrokkenheid binnen je betaalde advertentiegeschiedenis in ogenschouw, om zo een dieper inzicht te verkrijgen in de effectiviteit van je advertentiecampagnes bij het stimuleren van conversies en verkopen.

Jouw datagedreven model is uniek en afgestemd op jouw specifieke situatie, waardoor je in staat bent om:

• Te ontdekken welke zoekwoorden, advertenties, advertentiegroepen en campagnes de meeste conversies genereren.
• Je biedingen te optimaliseren op basis van deze prestatiegegevens.
• Het juiste attributiemodel voor jouw bedrijf te kiezen.

Met datagedreven attributie in je betaalde rapportage krijg je inzicht in welke advertenties het meest bijdragen aan het bereiken van je zakelijke doelstellingen. Bovendien, als je gebruikmaakt van een geautomatiseerde biedstrategie om meer conversies te behalen, zal je bieding deze cruciale informatie benutten om je te helpen meer conversies te realiseren. Deze benadering stelt je in staat om met meer precisie te bepalen hoe je advertentie-uitgaven bijdragen aan het eindresultaat, waardoor je marketingstrategie efficiënter en effectiever wordt.

Data-Driven Attribution is de oplossing die Google voorstelt voor deze onzekerheid

Data-Driven Attribution kent waarde toe aan advertenties door te modelleren welke advertenties de kans vergrootten dat een gebruiker converteert. Het vergelijkt de trajecten van gebruikers die hebben geconverteerd met die van gebruikers die dat niet deden, om zo de toegevoegde waarde van verschillende contactpunten te beoordelen.

Zo kan het bijvoorbeeld een groep gebruikers die op een winkeladvertentie klikte vergelijken met degenen die zowel op een winkeladvertentie als op een aanvullende remarketingadvertentie klikten, om het extra voordeel van die advertentie te begrijpen. Hierdoor kan het systeem beter de toegevoegde waarde van verschillende contactpunten inschatten. 

Statistieken over de toepassing en het gebruik van datagestuurde attributie (DDA):

En niet alleen Google denkt dat datagedreven attributie (DDA) de oplossing is.

• 60% van de toonaangevende marketeers gelooft dat DDA essentieel is om de reizen van klanten met hoge waarde te begrijpen.
• 50% van de marketeers zegt dat DDA hen heeft geholpen hun marketing-ROI te verbeteren.
• 70% van de marketeers zegt dat DDA nauwkeuriger is dan traditionele attributiemodellen.
• De gemiddelde marketeer besteedt 15 uur per maand aan het beheren van hun marketingattributiedata.
• De gemiddelde marketeer geeft $10.000 per jaar uit aan software voor marketingattributie.
• Deze statistieken suggereren dat DDA een groeiende trend is in de marketingindustrie en dat het een waardevol hulpmiddel is voor marketeers die hun ROI willen verbeteren.

Voorbeelden van hoe marketeers DDA gebruiken:

• Om de impact van verschillende marketingkanalen op conversies te begrijpen.
• Om de meest effectieve marketingcampagnes te identificeren.
• Om hun marketingbudgetten te optimaliseren.
• Om hun marketingboodschappen te personaliseren voor individuele klanten.

Conversion Modelling

In navolging van de eerder gepresenteerde Consent Mode V2 komt Google met Conversion Modelling, welke gefocused is op Google Ads. Deze tool heeft het vermogen om te voorspellen wat de kans op een conversie aan de hand van een advertentie in Google is, voornamelijk gevoed door geanonimiseerde data. 

Na het correct instellen van Consent Mode V2 wordt veel data niet meer verzameld, Google vult dit aan met voorspelde data

Deze data vergelijkt de tool met data van bezoekers die wel toestemming hebben gegeven en geven daardoor een compleet plaatje van het gedrag op jouw website. Op deze manier is de data in rapportage meer accuraat en kunnen bepaalde vervolgacties beter worden onderbouwd. Google Ads voert zelf Conversion Modelling door in accounts, daarvoor hoeven marketeers – in tegenstelling tot Google Consent Mode – niets aan te passen in de broncode van de website.

Meer dan het oog kan zien

Voordat datagedreven attributie zijn intrede deed, baseerde Google Ads de rapportage van conversies uitsluitend op de laatste klik. Dit hield in dat, wanneer een gebruiker op een Google-advertentie klikte en daarna een conversiehandeling (zoals een lead of aankoop) op de website voltooide, Google de conversie toeschreef aan die specifieke laatste klik.

Vanaf september 2023 werd datagedreven attributie de standaard voor alle nieuw gedefinieerde conversieacties binnen Google Ads, waarbij een aanzienlijk aantal bestaande adverteerders naar dit model werd overgebracht. Dit houdt in dat Google, in plaats van de conversie enkel toe te schrijven aan de laatste klik, nu machine learning inzet om conversies toe te wijzen aan zowel klikken als impressies die plaatsvinden gedurende de hele reis van de klant tot aan de conversie.

De introductie van dit model markeert een belangrijke verschuiving in de evaluatie van de impact van advertenties op conversies. Het biedt adverteerders de mogelijkheid om een veelomvattend beeld te verkrijgen van de bijdrage van elke afzonderlijke interactie – van eerste kennismaking tot de definitieve conversiehandeling – aan het behalen van succes. Deze benadering maakt het voor marketeers mogelijk om hun campagnestrategieën nauwkeuriger af te stemmen, niet langer beperkt tot het laatste punt van contact maar met waardering voor de integrale waarde van de gehele klantenreis. Deze inzichten zijn cruciaal voor het verfijnen van campagnes en voor een efficiëntere allocatie van marketingbudgetten, gericht op het verbeteren van de algemene prestaties en de return on investment van advertentie-uitgaven.

Wanneer is het niet langer nauwkeurig genoeg?

Digitale marketeers hebben gezien hoe alle grote advertentieplatforms in de afgelopen paar jaar geleidelijk datagedreven attributie hebben geïntroduceerd in hun conversiemeting. De drijfveer hiervoor was het behoud van prestatietracking, wat erg belangrijk is voor de platforms om hun waarde aan te tonen, wanneer traditionele trackingmethoden verloren gaan door Apples ATT-framework en de afbouw van third-party cookies.

Maar er is een fundamenteel probleem met datagedreven attributie…

Toen cookie-gebaseerde conversietracking beperkingen begon te ondervinden door bijvoorbeeld de uitfasering van third party cookies, implementeerden bedrijven met technische en financiële middelen server side tracking om hun vermogen om prestaties nauwkeurig te meten te behouden. Bedrijven zonder interne technische middelen of de financiën om te betalen voor analytics en dataspecialisten blijven achter zonder de mogelijkheid om technische trackingwijzigingen door te voeren.

Advertentieplatforms leverden historisch gezien vrij nauwkeurige conversiegegevens

Zowel Google als Meta wisten dat een groot aantal kleine en middelgrote bedrijven niet de middelen zouden hebben om geavanceerde conversietracking in te stellen. Dat is waarom ze begonnen met het gebruiken van gemodelleerde gegevens om verloren, oftewel niet-getrackte, conversies te schatten. Een mate van modellering werd historisch gebruikt om cross-device conversies en conversieverlies door geblokkeerde scripts en tracking- / adblockers te schatten. Dit was vrij nauwkeurig omdat bijna 90% van de conversies nauwkeurig werd getrackt, en de modellen alleen de kloof voor de ontbrekende 10% hoefden te overbruggen.

Attributiemodellering steunt nu op kleinere datasets

Het volgende stuk gaat vrij diep in op technische statistieken, maar het is belangrijk voor marketeers om te begrijpen. Het werk van een Guinness-brouwer genaamd William S. Gosset inspireerde het concept van statistische significantie toen hij de t-verdelingscurven ontdekte.

In eenvoudige termen, wanneer statistieken worden toegepast op grote datasets, zijn de resultaten betrouwbaarder en komen de verwachte (gemodelleerde) resultaten dicht in de buurt van de werkelijke cijfers. In de onderstaande grafiek wordt dit weergegeven door de blauwe Z-verdelingscurve, die resultaten aangeeft die niet sterk afwijken. Echter, wanneer statistische modellen gebouwd worden op een zeer kleine dataset, zijn ze minder betrouwbaar, en kunnen de werkelijke cijfers sterk afwijken van de gemodelleerde gegevens – zoals te zien is in de t-verdelingscurve met een kleine steekproefgrootte.

Voorbeelden uit de echte wereld van dit fenomeen zijn ons allen bekend, waar adverteerders een verkoop gerapporteerd zien, maar deze heeft niet plaatsgevonden. Dit kan komen door algoritmes die conversies modelleren en voorspellen, op basis van data en de omstandigheden waarin een klik plaatsvond, dat er een conversie had moeten plaatsvinden.

Wanneer de daadwerkelijk getrackte conversievolumes afnemen, door de eerdergenoemde veranderingen in privacybeheer en third-party cookies, zal meer conversierapportage gebaseerd zijn op het modelleren van niet-getrackte data. De betrouwbaarheid van die informatie zal drastisch verminderen.

Hoe de nauwkeurigheid van prestatiegegevens te verbeteren

Om de prestaties van campagnes te optimaliseren, moet je de afhankelijkheid van de platforms van datagedreven attributiemodellen verminderen en hen voorzien van betrouwbaardere gegevens. De beste manier om dit te doen is door Server Side Event Tracking te combineren met geavanceerde publieksmatching zoals Enhanced Conversions. Dit is voor kleine bedrijven een probleem omdat dit een vrij geavanceerde manier van dataverzameling is die vooral door grote bedrijven worden gebruikt.

Is er dan een oplossing voor deze kleine partijen 

Het data landschap wordt steeds ingewikkelder. Hoe zorg je er dan voor dat je als kleinere partij toch een server side oplossing kan instellen. TAGGRS is gericht op het realiseren van een toekomst waarin de meest volledige trackingoplossingen toegankelijk zijn voor iedereen. Een integraal onderdeel hiervan is Server Side Tracking, waarmee we een nieuwe standaard in data-analyse en gebruikersprivacy neerzetten.

Met Server Side Tracking: 

• Heb je de oplossing voor het verdwijnen van third party cookies
• Meer data voor je campagnes wat zorgt voor minder voorspellende conversies.
• AVG proof online data verzamelen

Tip: Bekijk ook onze Server Side Tracking FAQ met de 50 meest gestelde vragen over Server Side Tracking.

Waarom is TAGGRS toegankelijk?

Met onze gemakkelijke GTM Server Side Tracking Software wordt je stap voor stap geholpen door elke stap die je moet zetten voor een goede Server Side Tracking setup, we bieden onder meer:

• Configuratie blogs
• Video’s
• Templates
• Premium support
• Support platform
• Instant chat support
  

Zorg dat alle conversies worden gemeten

In het snel veranderende wereld van datagedreven attributiemodellen blijft focus op datakwaliteit essentieel. Met geavanceerde Server Side Tracking oplossingen kunnen bedrijven de nauwkeurigheid van hun data waarborgen, ondanks de beperkingen van traditionele trackingmethoden. Deze aanpak transformeert hedendaagse uitdagingen in toekomstige successen door te leunen op precisie en diepgaande data-analyse, waarbij TAGGRS als voorbeeld dient van hoe technologie kan assisteren. Overtuigd? plan gratis een demo in.