Die Zukunft der datengesteuerten Attributionsmodelle und wie TAGGRS dabei helfen kann

Die Verfolgung von Daten und Konversionen wird immer schwieriger. Dies ist eine neue Realität, mit der sich Unternehmen und Vermarkter weltweit auseinandersetzen müssen:

• Nicht alle Umsätze werden gemessen.
• Auslaufen der Third party cookies
• Die Bestellungen stimmen nicht mit den Analytics-Daten überein.
• Weniger Daten in den Kampagnen, aus denen der Algorithmus lernen kann.

Dies hat vor allem mit den neuen Vorschriften für Third party cookies und Tracking prevention-Mechanismen wie Safari zu tun. Infolgedessen gehen die Unternehmen dazu über, immer mehr und immer präzisere Nachverfolgungstechniken einzusetzen.

Ein Problem dabei ist, dass kleine Unternehmen aufgrund der immer ausgefeilteren Datenerfassung nicht mehr mit den großen Unternehmen mithalten können. In diesem Blog werden wir Ihnen die Entwicklung von datengesteuerten Attributionsmodellen nennen und wie TAGGRS dabei helfen kann.

Wie stellt eine Werbeplattform fest, dass die Schaltung einer Anzeige zu einer Konversion geführt hat?

Der Prozess beinhaltet eine bestimmte Information, die benötigt wird, um das Sehen einer Anzeige mit einer Konversion zu verbinden. Daher muss der Werbetreibende charakteristische Daten wie E-Mail-Adresse, Telefonnummer, IP-Adresse oder ein anderes Merkmal, 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 angemeldet war.

Was ist datengesteuerte Attribution?

Die Customer Journey von der ersten Interaktion bis zur Konversion kann sich von Unternehmen zu Unternehmen und von Nutzer zu Nutzer 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 Kontaktmoment vor dem Kauf.

Am anderen Ende des Spektrums stehen Nutzer, die monatelang mit Ihrem Unternehmen interagieren, indem sie Display-Anzeigen, organische und bezahlte Einträge bei Google, E-Mails und andere Kontaktpunkte nutzen, bevor sie schließlich einen Kauf tätigen. Diese Nutzer durchlaufen viele Kontaktpunkte, bevor sie einen Kauf tätigen.

Aus der Perspektive der Zurechnung ist die erste Situation recht einfach. Es gibt nur einen Kontaktmoment, der im Abspann genannt wird. Wenn Sie jedoch mehrere Berührungspunkte einführen, wird es viel schwieriger, mit hinreichender Sicherheit zu sagen, welche Berührungspunkte den endgültigen Kauf tatsächlich beeinflusst haben und in welchem Umfang.

Datengesteuerte Attribution in Google Ads

Bei der datengesteuerten Attribution in Google Ads handelt es sich um 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. Es betrachtet 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 datengestütztes Modell ist einzigartig und auf Ihre spezifische Situation zugeschnitten und ermöglicht es Ihnen,:

• 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 Ihrem bezahlten Reporting erhalten Sie Einblicke, welche Anzeigen am meisten zur Erreichung Ihrer Geschäftsziele beitragen. Wenn Sie außerdem eine automatisierte Gebotsstrategie verwenden, um mehr Konversionen zu erzielen, wird Ihre Gebotsabgabe diese wichtigen Informationen nutzen, um mehr Konversionen zu erzielen. Mit diesem Ansatz können Sie genauer bestimmen, wie sich Ihre Werbeausgaben auf das Endergebnis auswirken, wodurch Ihre Marketingstrategie effizienter und effektiver wird.

Die datengesteuerte Attribution ist die von Google vorgeschlagene Lösung für diese Unsicherheit

Bei der datengesteuerten Attribution wird den Anzeigen ein Wert zugewiesen, indem modelliert wird, welche Anzeigen die Wahrscheinlichkeit erhöhen, dass ein Nutzer konvertiert. Sie vergleicht den Werdegang von Nutzern, die konvertiert sind, mit dem von Nutzern, die nicht konvertiert sind, um den Mehrwert der verschiedenen Kontaktpunkte zu bewerten.

So kann beispielsweise eine Gruppe von Nutzern, die auf eine Shopping-Anzeige geklickt haben, mit denen verglichen werden, die sowohl auf eine Shopping-Anzeige als auch auf eine ergänzende Remarketing-Anzeige geklickt haben, um den zusätzlichen Nutzen dieser Anzeige zu ermitteln. So kann das System den Mehrwert der verschiedenen Berührungspunkte 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 sind der Meinung, 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 dem Admin 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 wollen.

Beispiele dafür, wie Vermarkter die DDA nutzen:

• Die Auswirkungen verschiedener Marketingkanäle auf die Konversionen zu verstehen.
• Ermittlung der wirksamsten Marketingkampagnen.
• ihre Marketingbudgets zu optimieren.
• um ihre Marketingbotschaften für einzelne Kunden zu personalisieren.

Conversion Modellierung

Nach dem Consent Mode V2, der bereits vorgestellt wurde, bringt Google nun das Conversion Modelling auf den Markt, das sich auf Google Ads konzentriert. Dieses Tool ist in der Lage, die Konversionswahrscheinlichkeit einer Google-Anzeige vorherzusagen, die hauptsächlich aus anonymisierten Daten gespeist wird.

Nach der korrekten Einrichtung des Consent Mode V2 werden viele Daten nicht mehr erfasst, sondern Google ergänzt diese durch vorhergesagte Daten

Das Tool vergleicht diese Daten mit den Daten von Besuchern, die ihre Einwilligung gegeben haben, und vermittelt so ein vollständiges Bild des Verhaltens auf Ihrer Website. Auf diese Weise sind die Daten in der Berichterstattung genauer und bestimmte Folgemaßnahmen lassen sich besser begründen. Google Ads selbst implementiert Conversion Modelling in Konten, für die Marketer – im Gegensatz zum Google Consent Mode – 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 bedeutete, dass Google, wenn ein Nutzer auf eine Google-Anzeige klickte und dann auf der Website eine Konversionshandlung (z. B. einen Leads oder einen Kauf) durchführte, die Konversion genau diesem letzten Klick zuordnete.

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

Die Einführung dieses Modells stellt eine wichtige Veränderung bei der Bewertung der Auswirkungen von Anzeigen auf die Conversions dar. Sie ermöglicht es Werbetreibenden, sich ein umfassendes Bild davon zu machen, wie jede einzelne Interaktion – von der ersten Begegnung bis zur endgültigen Konversion – zum Erfolg beiträgt. Dieser Ansatz ermöglicht es den Vermarktern, ihre Kampagnenstrategien genauer abzustimmen und sich nicht mehr auf den letzten Kontaktpunkt zu beschränken, sondern den integralen Wert der gesamten Customer Journey zu 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. Ausschlaggebend dafür war die Beibehaltung 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 von Third party cookies wegfallen.

Aber es gibt ein grundsätzliches Problem mit der datengesteuerten Attribution…

Als das Cookie-basierte Conversion-Tracking aufgrund des Auslaufens von Third party cookies an seine Grenzen stieß, setzten die Unternehmen das Server side tracking mit technischen und finanziellen Mitteln ein, um ihre Fähigkeit zur genauen Leistungsmessung zu erhalten. Unternehmen, die keine internen technischen Ressourcen haben oder nicht über die finanziellen Mittel verfügen, um Analyse- und Datenspezialisten zu bezahlen, sind nicht in der Lage, technische Änderungen am Tracking vorzunehmen.

Werbeplattformen lieferten in der Vergangenheit recht genaue Konversionsdaten

Sowohl Google als auch Meta wussten, dass viele KMU nicht über die Ressourcen verfügen, um ein fortschrittliches Conversion-Tracking einzurichten. Aus diesem Grund haben sie begonnen, modellierte Daten zu verwenden, um verlorene oder nicht verfolgte Umsätze zu schätzen. In der Vergangenheit wurde ein Modellierungsmaßstab verwendet, um geräteübergreifende Konversionen und Konversionsverluste aufgrund von blockierten Scripts und AdBlockern abzuschätzen. Das war ziemlich genau, denn fast 90 % der Umwandlungen wurden genau erfasst, und die Modelle mussten nur die fehlenden 10 % ausgleichen.

Modellierung der Attribution stützt sich jetzt auf kleinere Datensätze

Der folgende Beitrag geht ziemlich tief in die technische Statistik, aber es ist wichtig für Vermarkter 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 nachstehenden Grafik wird dies durch die blaue Z-Verteilungskurve dargestellt, die Ergebnisse anzeigt, die nicht signifikant voneinander abweichen. Wenn statistische Modelle jedoch auf einem sehr kleinen Datensatz beruhen, sind sie weniger zuverlässig, und die tatsächlichen Zahlen können stark von den modellierten Daten abweichen – wie man an der t-Verteilungskurve bei einem kleinen Stichprobenumfang sehen kann.

Beispiele aus der realen Welt sind uns allen bekannt, wo Inserenten einen Verkauf gemeldet sehen, der aber nicht stattgefunden hat. Dies kann auf Algorithmen zurückzuführen sein, die Konversionen modellieren und auf der Grundlage von Daten und den Umständen, unter denen ein Klick erfolgte, vorhersagen, dass eine Konversion hätte erfolgen sollen.

Wenn die tatsächlich getrackten Konversionsvolumina aufgrund der oben erwähnten Änderungen im Datenschutzmanagement und bei Third party cookies abnehmen, werden mehr Konversionsberichte auf der Grundlage von modellierten, nicht getrackten Daten erstellt. Die Zuverlässigkeit dieser Informationen wird drastisch reduziert.

Wie man die Genauigkeit von Leistungsdaten verbessert

Um die Kampagnenleistung zu optimieren, müssen Sie die Abhängigkeit der Plattformen von datengesteuerten Attributionsmodellen verringern und ihnen zuverlässigere Daten zur Verfügung stellen. Am besten gelingt dies durch die Kombination von Server Side Event Tracking mit einem erweiterten Zielgruppenabgleich wie Enhanced Conversions. Dies ist ein Problem für kleine Unternehmen, da diese Art der Datenerfassung vor allem von großen Unternehmen verwendet wird.

Gibt es denn eine Lösung für diese kleinen Parteien?

Die Datenlandschaft wird immer komplexer. Wie kann man also sicherstellen, dass man auch als kleinerer Anbieter eine Server Side Lösung einrichten kann? 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, das einen neuen Standard in der Datenanalyse und im Datenschutz setzt.

Mit Server side tracking:

• Ich habe die Lösung für das Verschwinden von Third party cookies
• Mehr Daten für Ihre Kampagnen, was zu weniger vorhersehbaren Konversionen führt.
• GDPR prüft 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 benötigen, wir bieten unter anderem:

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

Sicherstellen, dass alle Konversionen gemessen werden

In der sich schnell verändernden Welt der datengesteuerten Attributionsmodelle ist die Datenqualität nach wie vor von entscheidender Bedeutung. Mit fortschrittlichen Lösungen für das Server side tracking 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, wobei TAGGRS als Beispiel dafür dient, wie Technologie helfen kann. Überzeugt? Vereinbaren Sie einen Termin für eine kostenlose Demo.

Ate Keurentjes

Spezialist für Server Side Tracking bei TAGGRS

Ate Keurentjes ist ein Spezialist für Server Side Tracking bei TAGGRS. Er hat Erfahrung mit verschiedenen Konzepten des Google Tag Managers. Keurentjes redigiert und schreibt seit 2023 über die neuesten Entwicklungen und Trends im Bereich Datenerfassung / Server Side Tracking.