SwitasKontakt os

Attributionsmodellering

Attributionsmodellering er den analytiske praksis at tildele æren for en konvertering, f.eks. et køb, en leadindsendelse eller en tilmelding, til de forskellige marketingkontaktpunkter, som en kunde har interageret med, før handlingen blev gennemført. Fordi moderne kunder ofte møder et brand gennem flere kanaler, f.eks. et organisk søgeresultat, en retargeting-annonce, et opslag på sociale medier og et direkte besøg, før de konverterer, giver attributionsmodeller en systematisk måde at besvare, hvilke af disse kontaktpunkter der fortjener hvor stor en andel af æren, og dermed hvor marketingbudgettet bør allokeres. Almindelige modeltyper omfatter last-click-attribution, som tildeler 100 procent af æren til det sidste kontaktpunkt før konverteringen, first-click-attribution, lineær attribution, som fordeler æren ligeligt på alle kontaktpunkter, time-decay-modeller, som vægter kontaktpunkter tættere på konverteringen tungere, og datadrevet attribution, som bruger statistiske eller maskinlæringsbaserede metoder til at tildele æren ud fra observerede mønstre på tværs af mange konverteringsforløb. Attribution er vigtig, fordi valget af model dramatisk kan ændre, hvordan en virksomhed vurderer effekten af enkelte kanaler og kampagner, hvilket igen styrer budgetbeslutninger til betydelige beløb. En last-click-model, der stadig er standard i mange basale analyseopsætninger, har en tendens til systematisk at overvurdere kanaler i bunden af tragten, såsom brandet søgning og retargeting, som ofte er det sidste kontaktpunkt, blot fordi de optræder sent i rejsen, mens kanaler i toppen af tragten som content marketing, sociale medier og displayannoncering, der opbygger kendskab og overvejelse tidligere, undervurderes. Undersøgelser af kunderejser med flere kontaktpunkter har vist, at et typisk B2B-købsforløb kan involvere seks eller flere forskellige interaktioner på tværs af flere kanaler over uger eller måneder, hvilket last-click-attribution slet ikke kan afspejle. Implementering af attributionsmodellering kræver en pålidelig tracking-infrastruktur, typisk en kombination af UTM-parametre, first-party-cookies eller identifikatorer og en customer data platform eller et analyseværktøj, der kan sammenkæde kontaktpunkter på tværs af sessioner og helst på tværs af enheder. Platforme som Google Analytics 4 og HubSpot tilbyder flere modelmuligheder direkte ud af boksen, mens mere avancerede organisationer bygger egne datadrevne modeller med data warehouses kombineret med statistiske teknikker som Markov-kædemodellering eller Shapley-værdiberegninger, der estimerer hvert kontaktpunkts marginale bidrag til konverteringen ved at simulere effekten af at fjerne det fra de observerede forløb. En væsentlig begrænsning, der ofte overses, er, at ingen attributionsmodel, uanset hvor sofistikeret, fuldt ud kan indfange kanaler, der i høj grad opererer uden for sporbare digitale kontaktpunkter, såsom mund-til-mund, offline annoncering eller brandkendskab opbygget over år, og derfor bør attribution generelt behandles som retningsgivende evidens snarere end en fuldstændig opgørelse af årsagssammenhænge. Den stigende vægt på privatlivsbeskyttelse, herunder udfasningen af tredjepartscookies, begrænsninger indført med iOS App Tracking Transparency og tracking-begrænsninger på browserniveau, har også forringet nøjagtigheden af tracking på tværs af enheder og sessioner, hvilket får mange organisationer til at vende sig mod inkrementalitetstest, f.eks. geobaserede holdout-eksperimenter, som en supplerende eller alternativ metode til at måle den reelle kanaleffekt. For en vækst- eller CRO-rådgivning udgør attributionsmodellering evidensgrundlaget for at prioritere, hvor man skal investere i eksperimenter og optimeringsarbejde, da en kanal, der ser ud til at drive en stor konverteringsvolumen under én model, kan se langt mindre værdifuld ud under en anden. Praktikere anbefaler typisk at sammenligne resultaterne på tværs af mindst to modeltyper, f.eks. last-click og en datadrevet eller lineær model, for at identificere kanaler, hvis opfattede værdi svinger markant afhængigt af metoden, da det er de kanaler, der oftest bliver fejlstyret ud fra et enkelt, forsimplet billede. Det praktiske resultat af arbejdet er som regel en revideret budgetallokering og et klarere overblik over, hvilke kontaktpunkter i tragten der bedst fortjener dedikeret opmærksomhed i konverteringsoptimeringen.

Flere ord, der begynder med A

Lad os bygge det næste.

Kontakt os