Die Zukunft der datengesteuerten Attributionsmodelle und wie TAGGRS dabei helfen kann

Die Verfolgung von Daten und Konversionen wird immer schwieriger. Das ist eine neue Realität, mit der Unternehmen und Vermarkter weltweit zu kämpfen haben:

• Nicht alle Konversionen werden gemessen.
• Abschaffung von Cookies Dritter
• Die Bestellungen stimmen nicht mit den Analytics-Daten überein.
• Weniger Daten in den Kampagnen, aus denen der Algorithmus lernen kann.

Dies ist vor allem auf neue Vorschriften für Cookies von Drittanbietern und Tracking-Verhinderungsmechanismen wie Safari zurückzuführen. Infolgedessen gehen die Unternehmen zu immer anfälligeren Tracking-Techniken über.

Ein Problem dabei ist, dass die immer ausgefeiltere Datenerfassung dazu führt, dass kleine Unternehmen nicht mehr mit den großen Unternehmen mithalten können. In diesem Blog führen wir Sie durch die Entwicklung datengesteuerter Attributionsmodelle und zeigen Ihnen, wie TAGGRS dabei helfen kann.

Wie stellt eine Werbeplattform fest, dass das Schalten einer Anzeige zu einer Konversion geführt hat?

Bei diesem Verfahren wird eine bestimmte Information benötigt, um das Betrachten einer Anzeige mit einer Konversion zu verbinden. Daher muss der Werbetreibende ein Attribut wie eine E-Mail-Adresse, eine Telefonnummer, eine IP-Adresse oder ein anderes Attribut, das den Käufer oder die Person, die konvertiert hat, identifiziert, an Plattformen wie Google oder Facebook weiterleiten. Diese Plattformen können dann die Verbindung herstellen, da die Wahrscheinlichkeit groß ist, dass die Person, die die Anzeige gesehen und gehandelt hat, in ihren Systemen eingeloggt war.

Was ist datengesteuerte Attribution?

Die Customer Journey von der ersten Interaktion bis zur Konversion kann sich von Unternehmen zu Unternehmen und von Benutzer zu Benutzer erheblich unterscheiden.

Am einen Ende des Spektrums stehen Nutzer, die eine Suche durchführen, Ihr Unternehmen zum ersten Mal sehen, auf Ihre Anzeige klicken und sofort einen Kauf tätigen. Dieser Nutzer hat nur einen einzigen Kontaktmoment vor dem Kauf.

Am anderen Ende des Spektrums befinden sich Nutzer, die monatelang mit Ihrem Unternehmen interagieren, mit Display-Anzeigen, organischen und bezahlten Einträgen von Google, E-Mails und anderen Berührungspunkten, bevor sie schließlich ihren Kauf tätigen. Diese Nutzer durchlaufen viele Berührungspunkte, bevor sie ihren Kauf tätigen.

Aus Sicht der Attribution ist die erste Situation recht einfach. Es gibt nur einen Berührungspunkt, der die Anerkennung erhält. Wenn Sie jedoch mehrere Berührungspunkte einführen, wird es viel schwieriger, mit angemessener Sicherheit zu sagen, welche Berührungspunkte den endgültigen Kauf tatsächlich beeinflusst haben und in welchem Umfang.

Datengesteuerte Attribution in Google Ads

Die datengesteuerte Attribution in Google Ads ist eine fortschrittliche Funktion, mit der Sie Conversions auf der Grundlage der Interaktion der Nutzer mit Ihren Anzeigen zuordnen können. Diese Methode analysiert den gesamten Datensatz Ihres Anzeigenkontos, um zu ermitteln, welche Keywords, Anzeigen und Kampagnen den größten Einfluss auf Ihre Ergebnisse haben. Sie berücksichtigt alle Interaktionen und das Engagement innerhalb Ihrer bezahlten Anzeigenhistorie, um ein tieferes Verständnis für die Effektivität Ihrer Anzeigenkampagnen bei der Förderung von Konversionen und Verkäufen zu gewinnen.

Ihr datengesteuertes Modell ist einzigartig und auf Ihre spezielle Situation zugeschnitten:

• Um herauszufinden, welche Keywords, Anzeigen, Anzeigengruppen und Kampagnen die meisten Konversionen generieren.
• Optimieren Sie Ihre Gebote auf der Grundlage dieser Leistungsdaten.
• Die Wahl des richtigen Attributionsmodells für Ihr Unternehmen.

Mit datengesteuerter Attribution in Ihren bezahlten Berichten erhalten Sie einen Einblick, welche Anzeigen am meisten zur Erreichung Ihrer Geschäftsziele beitragen. Und wenn Sie eine automatisierte Gebotsstrategie verwenden, um mehr Konversionen zu erzielen, wird Ihre Gebotsabgabe diese wichtigen Informationen nutzen, um mehr Konversionen zu erzielen. Dieser Ansatz ermöglicht es Ihnen, genauer zu bestimmen, wie Ihre Werbeausgaben zum Endergebnis beitragen, wodurch Ihre Marketingstrategie effizienter und effektiver wird.

Data-Driven Attribution ist die von Google vorgeschlagene Lösung für diese Unsicherheit

Data-Driven Attribution weist Anzeigen einen Wert zu, indem es modelliert, welche Anzeigen die Wahrscheinlichkeit einer Konvertierung eines Nutzers erhöhen. Es vergleicht den Verlauf von Nutzern, die konvertiert haben, mit denen, die nicht konvertiert sind, um den Mehrwert der verschiedenen Berührungspunkte zu bewerten.

Zum Beispiel kann es eine Gruppe von Nutzern, die auf eine Shopping-Anzeige geklickt haben, mit denen vergleichen, die sowohl auf eine Shopping-Anzeige als auch auf eine ergänzende Remarketing-Anzeige geklickt haben, um den zusätzlichen Nutzen dieser Anzeige zu verstehen. So kann das System den Mehrwert verschiedener Kontaktpunkte besser einschätzen.

Statistiken über die Einführung und Nutzung der datengesteuerten Attribution (DDA):

Und nicht nur Google ist der Meinung, dass die datengesteuerte Attribution (DDA) die Lösung ist.

• 60% der führenden Vermarkter glauben, dass DDA für das Verständnis hochwertiger Customer Journeys unerlässlich ist.
• 50% der Vermarkter sagen, dass DDA ihnen geholfen hat, ihren Marketing-ROI zu verbessern.
• 70% der Vermarkter sagen, dass DDA genauer ist als traditionelle Attributionsmodelle.
• Der durchschnittliche Marketer verbringt 15 Stunden im Monat mit der Verwaltung seiner Marketing-Attributionsdaten.
• Der durchschnittliche Vermarkter gibt 10.000 Dollar pro Jahr für Marketing-Attributionssoftware aus.
• Diese Statistiken deuten darauf hin, dass DDA ein wachsender Trend in der Marketingbranche ist und ein wertvolles Instrument für Vermarkter darstellt, die ihren ROI verbessern möchten.

Beispiele dafür, wie Vermarkter die DDA nutzen:

• Die Auswirkungen der verschiedenen Marketingkanäle auf die Konversionen zu verstehen.
• Um die effektivsten Marketingkampagnen zu identifizieren.
• Um ihre Marketingbudgets zu optimieren.
• Um ihre Marketingbotschaften für einzelne Kunden zu personalisieren.

Modellierung der Konvertierung

Consent Mode In Anlehnung an die zuvor vorgestellte V2 bringt Google nun Conversion Modelling auf den Markt, das sich auf Google Ads konzentriert. Dieses Tool ist in der Lage, die Wahrscheinlichkeit einer Konversion durch eine Google-Anzeige vorherzusagen, und wird hauptsächlich durch anonymisierte Daten gespeist.

Consent Mode Nach der korrekten Einrichtung von V2 werden viele Daten nicht mehr erfasst, sondern Google ergänzt diese mit vorhergesagten Daten

Das Tool vergleicht diese Daten mit den Daten von Besuchern, die ihre Zustimmung gegeben haben, und vermittelt so ein vollständiges Bild des Verhaltens auf Ihrer Website. Auf diese Weise sind die Daten in den Berichten genauer und bestimmte Folgeaktionen können besser begründet werden. Consent Mode Google Ads selbst implementiert Conversion Modelling in Konten, was bedeutet, dass Marketer - im Gegensatz zu Google - nichts am Quellcode der Website ändern müssen.

Mehr als das Auge sehen kann

Bevor sich die datengesteuerte Attribution durchsetzte, basierte die Berichterstattung über Conversions bei Google Ads ausschließlich auf dem letzten Klick. Das heißt, wenn ein Nutzer auf eine Google-Anzeige klickte und dann auf der Website eine Conversion-Aktion durchführte (z. B. einen Lead oder einen Kauf), schrieb Google die Conversion diesem letzten Klick zu.

Ab September 2023 wurde die datengesteuerte Attribution zum Standard für alle neu definierten Conversion-Aktionen innerhalb von Google Ads, wodurch eine beträchtliche Anzahl bestehender Werbetreibender auf dieses Modell umgestellt wurde. Das bedeutet, dass Google die Conversion nicht mehr nur dem letzten Klick zuordnet, sondern maschinelles Lernen einsetzt, um Conversions sowohl Klicks als auch Impressionen zuzuordnen, die während der gesamten Customer Journey bis zur Conversion stattfinden.

Die Einführung dieses Modells markiert einen bedeutenden Wandel bei der Bewertung der Auswirkungen von Anzeigen auf Conversions. Es ermöglicht Werbetreibenden, sich ein umfassendes Bild davon zu machen, welchen Beitrag jede einzelne Interaktion - von der ersten Begegnung bis zur letzten Konversionshandlung - zum Erfolg leistet. Dieser Ansatz ermöglicht es Vermarktern, ihre Kampagnenstrategien genauer abzustimmen, da sie nicht mehr auf den letzten Kontaktpunkt beschränkt sind, sondern den integralen Wert der gesamten Customer Journey schätzen. Diese Erkenntnisse sind entscheidend für die Verfeinerung von Kampagnen und die effizientere Zuweisung von Marketingbudgets, um die Gesamtleistung und die Rendite der Werbeausgaben zu verbessern.

Wann ist sie nicht mehr genau genug?

Digitalvermarkter haben gesehen, wie alle großen Werbeplattformen in den letzten Jahren schrittweise die datengesteuerte Attribution in ihre Konversionsmessung eingeführt haben. Die treibende Kraft dahinter war die Erhaltung des Performance-Trackings, das für die Plattformen sehr wichtig ist, um ihren Wert zu demonstrieren, wenn die traditionellen Tracking-Methoden aufgrund von Apples ATT-Framework und der Abschaffung der Cookies von Drittanbietern verloren gehen.

Aber es gibt ein grundlegendes Problem mit der datengesteuerten Attribution...

Als das Cookie-basierte Conversion Tracking aufgrund der Abschaffung der Cookies von Drittanbietern an seine Grenzen stieß, haben Unternehmen mit technischen und finanziellen Ressourcen Server Side Tracking eingeführt, um ihre Leistung weiterhin genau messen zu können. Unternehmen ohne interne technische Ressourcen oder die finanziellen Mittel, um Analyse- und Datenspezialisten zu bezahlen, waren nicht in der Lage, technische Änderungen am Tracking vorzunehmen.

Werbeplattformen lieferten in der Vergangenheit ziemlich genaue Konversionsdaten

Sowohl Google als auch Meta wussten, dass viele KMUs nicht über die Ressourcen verfügen, um ein fortschrittliches Conversion-Tracking einzurichten. Deshalb haben sie begonnen, modellierte Daten zu verwenden, um verlorene oder nicht verfolgte Konversionen zu schätzen. Eine Maßnahme der Modellierung wurde in der Vergangenheit verwendet, um geräteübergreifende Konversionen und Konversionsverluste aufgrund von blockierten Skripten und Tracking-/Werbeblockern zu schätzen. Das war recht genau, denn fast 90 % der Konversionen wurden genau verfolgt, und die Modelle mussten nur die fehlenden 10 % ausgleichen.

Attributionsmodellierung stützt sich jetzt auf kleinere Datensätze

Der folgende Beitrag geht ziemlich tief in die technische Statistik hinein, ist aber für Marketingfachleute wichtig zu verstehen. Die Arbeit eines Guinness-Brauers namens William S. Gosset inspirierte das Konzept der statistischen Signifikanz, als er die t-Verteilungskurven entdeckte.

Einfach ausgedrückt: Wenn Statistiken auf große Datensätze angewendet werden, sind die Ergebnisse zuverlässiger und die erwarteten (modellierten) Ergebnisse liegen nahe an den tatsächlichen Zahlen. In der untenstehenden Grafik wird dies durch die blaue Z-Verteilungskurve dargestellt, die auf nicht signifikant abweichende Ergebnisse hinweist. Wenn die statistischen Modelle jedoch auf einem sehr kleinen Datensatz basieren, sind sie weniger zuverlässig und die tatsächlichen Zahlen können stark von den modellierten Daten abweichen - wie Sie an der t-Verteilungskurve bei einem kleinen Stichprobenumfang sehen können.

Beispiele aus der realen Welt kennen wir alle: Werbetreibende sehen, dass ein Verkauf gemeldet wurde, der aber nicht stattgefunden hat. Dies könnte auf Algorithmen zurückzuführen sein, die Konversionen modellieren und auf der Grundlage von Daten und den Umständen, unter denen ein Klick stattgefunden hat, vorhersagen, dass eine Konversion hätte stattfinden müssen.

Wenn die tatsächlich getrackten Konversionsvolumina aufgrund der oben erwähnten Änderungen im Datenschutzmanagement und der Cookies von Drittanbietern zurückgehen, werden mehr Konversionsberichte auf der Modellierung nicht getrackter Daten basieren. Die Zuverlässigkeit dieser Informationen wird drastisch abnehmen.

Wie Sie die Genauigkeit der Leistungsdaten verbessern können

Um die Kampagnenleistung zu optimieren, müssen Sie die Abhängigkeit der Plattformen von datengesteuerten Attributionsmodellen verringern und ihnen zuverlässigere Daten zur Verfügung stellen. Das geht am besten, indem Sie Server Side Event Tracking mit fortgeschrittenem Audience Matching wie Enhanced Conversions kombinieren. Das ist ein Problem für kleine Unternehmen, denn diese Art der Datenerfassung ist ziemlich anspruchsvoll und wird hauptsächlich von großen Unternehmen verwendet.

Gibt es denn eine Lösung für diese kleinen Parteien

Die Datenlandschaft wird immer komplizierter. Wie können Sie also sicherstellen, dass Sie auch als kleinerer Anbieter eine serverseitige Lösung einrichten können? TAGGRS konzentriert sich auf die Verwirklichung einer Zukunft, in der die umfassendsten Tracking-Lösungen für alle zugänglich sind. Ein wesentlicher Bestandteil davon ist das Server Side Tracking, mit dem wir einen neuen Standard in der Datenanalyse und im Datenschutz für die Nutzer setzen.

Mit Server Side Tracking:

• Ich habe die Lösung für das Verschwinden von Drittanbieter-Cookies
• Mehr Daten für Ihre Kampagnen, was zu weniger vorhersehbaren Konversionen führt.
• AVG beweist Online-Datenerfassung

Tipp: Sehen Sie sich auch unsere Server Side Tracking FAQ mit den 50 am häufigsten gestellten Fragen zum Server Side Tracking an.

Warum ist TAGGRS zugänglich?

Mit unserer einfachen GTM Server Side Tracking Software werden Sie Schritt für Schritt durch alle Schritte geführt, die Sie für eine ordnungsgemäße Einrichtung des Server Side Tracking unternehmen müssen. Wir bieten unter anderem:

• Konfigurations-Blogs
• Videos
• Vorlagen
• Premium-Unterstützung
• Plattform unterstützen
• Sofortige Chat-Unterstützung
  

Stellen Sie sicher, dass alle Konversionen gemessen werden

In der sich schnell verändernden Welt der datengesteuerten Attributionsmodelle bleibt die Datenqualität von entscheidender Bedeutung. Mit fortschrittlichen Server Side Tracking-Lösungen können Unternehmen trotz der Einschränkungen herkömmlicher Tracking-Methoden die Genauigkeit der Daten sicherstellen. Dieser Ansatz verwandelt aktuelle Herausforderungen in zukünftige Erfolge, indem er sich auf Präzision und tiefgreifende Datenanalyse stützt. TAGGRS ist ein Beispiel dafür, wie Technologie helfen kann. Überzeugt? Vereinbaren Sie eine kostenlose Demo.