Attribution

Hvad er attribution?

Attribution er svaret på marketing's mest fundamentale spørgsmål: Hvilken kanal forårsakede salget?

En kunde ser en Facebook-annonce. Hun søger derefter på Google. Hun åbner en email. Hun køber.

Hvem får æren? Facebook? Google? Email? Alle tre?

Det lyder simpelt. Det er det ikke. Attribution er forsøget på at fordele kredit blandt touchpoints, der førte til konvertering. Problemet er, at du aldrig kan vide med sikkerhed hvilket touchpoint der faktisk drev salget. Du kan kun gætte — og nogle gæt er mindre dårlige end andre.

De fem attributionsmodeller (med eksempel)

Lad os bruge kundens customer journey som eksempel:

Dag 1: Facebook-annonce → hun klikker Dag 3: Google-søgning → hun klikker Dag 4: Email-kampagne → hun klikker Dag 4: Køb

1) Last-click attribution

Google får 100% af krediten. Grunden? Hun konverterede kort tid efter at have klikket fra Google.

Hvornår det virker: Når du har en kort sales cycle og bare vil vide, hvad der triggerede den sidste handling.

Hvornår det lyver: Næsten altid. Google får kredit for arbejdet, Facebook og email gjorde. Dette er industristandarddelen af "dit dashboard lyver" — 85% af virksomheder bruger last-click, og det undervurderer drastisk Facebook og email.

2) First-click attribution

Facebook får 100% af krediten. Hun ville aldrig have været på Google uden Facebook-annonceringen først.

Hvornår det virker: For awareness-kampagner, hvor dine Top-of-Funnel-kanaler skal få kredit for at starte journeys.

Hvornår det lyver: For ROAS-beregninger og budgetallokering. Du undervurderer de kanaler, der konverterer.

3) Linear attribution

Facebook, Google og email får hver 33%. Krediten deles ligeligt blandt alle touchpoints.

Hvornår det virker: Som gennemsnit, når du vil undgå at være helt forkert som last-click eller first-click.

Hvornår det lyver: Nogle touchpoints betyder mere end andre. Linear ignorerer dette.

4) Time decay

Email får mest (f.eks. 50%), Google får mindre (30%), Facebook får mindst (20%). Jo tættere på konvertering, jo mere kredit.

Hvornår det virker: Når du tror, at momentum betyder noget, og de sidste touchpoints bør vægtes højere.

Hvornår det lyver: Hvis Facebook og Google gjorde arbejdet, og email bare lukkede et allerede åbent salg.

5) Data-driven attribution (machine learning)

En algoritme analyserer dine millioner af journeys og tildeler kredit baseret på mønstre. Hvis konverteringsraten er 10% blandt mennesker, der ser Facebook + Google, og 2% blandt mennesker, der kun ser Facebook, får Google mesteparten af krediten.

Hvornår det virker: Det er tættest på virkeligheden, hvis du har volume til at træne modellen ordentligt.

Hvornår det lyver: Hvis dine data er forvridt (bias i pixels, manglende data fra nogle kanaler), bidrager modellen bare til dårlige konklusioner ved højere hastighed.

Attributionens fundamentale problem

Her er sandheden, som ingen gerne siger: Du kan aldrig mål counterfactual.

Counterfactual = "Hvad ville være sket, hvis kundin ikke havde set Facebook-annonceringen?"

Måske hun ville have fundet dig alligevel via organisk søgning. Måske ville hun aldrig have købt. Du ved det ikke. Og uden at vide det, kan du ikke helt vide, hvad Facebook gjorde.

Enhver attributionsmodel er forkert. Nogle er bare mindre forkerte end andre.

iOS 14 og cookiepocalypse: Da Apple gjorde alle dashboards værdiløse

I april 2021 ændrede Apple iOS 14. Brugere blev spurgt: "Vil du tillade denne app at spore dig?" De fleste sagde nej.

Pixels, der forsvandt. Tredjepartscookies, der blev blokeret. Tracking blev meget vanskeligere.

Medieselskaber og performance-marketers skrigede. Facebook-ROAS-rapporten viste pludselig, at hvad der var blevet rapporteret som en 3:1 ROAS nu blev 1.5:1. Det lignede, at Facebook pludselig var meget mindre værd.

Men det gjorde Facebook ikke. Facebook fungerede stadig. Du kunde bare ikke måle det.

Denne periode — "cookiepocalypse" — blev et reality check: Dit markedsføringsdashboard er ikke virkelighed. Det er bare måling af hvad du kan spore.

Virkeligheden under iOS 14? Mange virksomheder fortsatte med at køre Facebook-kampagner med samme budget og fik samme resultat. Men dashboards sagde, det var værd mindre.

Hvad du skal gøre i praksis

1. Brug flere modeller samtidigt. Nej, du ved ikke, hvad der er rigtigt. Men hvis first-click siger, Facebook er værd $1.000 pr. konvertering, og last-click siger $200, så er virkeligheden sandsynligvis et sted ind i mellem.

2. Kør holdout-tests for true incrementality. Sluk en kanal helt for 10% af dit publikum. Mål konverteringer i test vs. kontrolgruppe. Det fortæller dig, hvad kanalen faktisk gør.

3. Stol på Marketing Mix Modeling (MMM) for big picture. Hvis attribution er mikro, er MMM makro — den ser på salgstrends mod dine udgifter på alle kanaler. Det er nærmere virkelighed end pixels.

4. Track offline konverteringer direkte. Hvis nogen ringer og siger "jeg så din annonce," så får den kanal kredit — ikke algoritmen.

Typiske fejl

1. Stole 100% på last-click attribution for budgetallokering. Du underfunderer top-of-funnel kanaler som Facebook og content marketing drastisk.

2. Ikke segmentere by behavior. En person, der konverterer efter 1 day, har en anden journey end en, der tager 30 days. Brug forskellige modeller for begge.

3. Ændre attributionsmodellen hver måned. Vælg en og hold dig til den i 6 måneder. Du kan ikke se trends, hvis du ændrer det.