Als online adverteerder ben je waarschijnlijk actief op meerdere kanalen, verdeeld over meerdere campagnes. Je hebt bijvoorbeeld campagnes lopen in Google Ads, je bent actief op Facebook, je adverteert via Instagram. En een deel van je bezoekers komt organisch binnen via Google zoekresultaten.
Waarschijnlijk lopen er ook nog een paar remarketingcampagnes. In elk kanaal stop je kostbare tijd, energie en geld. Een belangrijke vraag is dan ook: hoe kan je nu bepalen wat de waarde is van een specifieke Google Ads campagne, advertentie of zoekwoord?
Het antwoord kunnen we vinden in het gebruik van het juiste attributiemodel. Google zegt zelf: “Een attributiemodel is de regel, of de verzameling regels, die bepaalt hoe waardepunten voor verkopen en conversies worden toegewezen aan contactpunten in conversiepaden.”
Kortom: een attributiemodel geeft aan je hoeveel waarde er toegeschreven kan worden aan alle campagnes en touchpoints die een klant kan tegenkomen in zijn route op weg naar een conversie. Een leek zou kunnen zeggen: Kunnen we niet gewoon zeggen dat een zoekwoord of een bepaald kanaal zorgde voor een conversie?
Helaas is het niet zo simpel.
Gemiddeld heeft iemand 7-13 keer online interactie met je bedrijf, voordat iemand een aanvraag doet of een product aanschaft. Op dit moment kan je 6 attributiemodellen kiezen bij Google Analytics. Door het juiste attributiemodel te kiezen kan je beter beoordelen hoe de afzonderlijke kanalen bijdragen aan het eindresultaat. Door accuratere analyse ben je beter in staat om het rendement van je marketingbudget te verhogen.
Laatste klikmodel
Het laatste klikmodel is het standaard model dat gebruikt wordt, ook als je niets instelt. De naam zegt het eigenlijk al: dit model geeft alle credits van een conversie aan het laatste zoekwoord of aan de laatste advertentie waarop geklikt is.
Het probleem van dit model is dat het niet het hele verhaal vertelt. Wanneer iemand bijvoorbeeld via een remarketing banner op je website komt en converteert, krijgt deze campagne alle credits. Ook al heeft de bezoeker hiervoor 10 keer een SEA-campagne geklikt. Dat is dus niet heel handig wanneer je je data goed wilt kunnen analyseren. Met het laatste klik-model lijkt het alsof Facebook en Search niets hebben bijgedragen aan het resultaat. In werkelijkheid speelden de kanalen een vrij grote rol in het proces. Zonder de andere kanalen vond de conversie zeer waarschijnlijk niet plaats.
Dit model is in de meeste gevallen niet geschikt. Alleen als je vrij zeker weet dat de bezoeker direct na een klik op de advertentie gaat converteren, kan je dit model veilig gebruiken. Dit is bijvoorbeeld het geval als je een ebook weggeeft via een leadcampagne op Facebook.
Ook goed om te weten: er is een verschil tussen het laatste interactie en laatste klikmodel. Bij ‘laatste interactie’ kan het kanaal ‘direct verkeer’ alle credits krijgen; bij ‘laatste klikmodel’ wordt direct verkeer genegeerd.
Eerste klik model
Met het eerste klik model krijgt het eerst ingevoerde zoekwoord of de eerst vertoonde advertentie alle credits bij een conversie. In de meeste gevallen is dit model niet erg logisch om te gebruiken. Je negeert de waarde van alle andere zoekwoorden die gebruikt zijn op weg naar de conversie. Wanneer je de conversiepercentages gaat analyseren per zoekwoord, zal dit model onvoldoende accuraat zijn. Het model is overigens wel heel geschikt om top funnel campagnes goed te kunnen beoordelen.
Lineaire attributiemodel
In het lineaire attributiemodel krijgt elke interactie, elk touchpoint evenveel credits voor de conversie. Dit model is geschikt als elke stap in de route naar een conversie even belangrijk is.
Dit attributiemodel laat veel meer van het volledige plaatje zien, waardoor marketeers alle stappen kunnen analyseren die zijn genomen om conversieacties te voltooien. Je krijgt hierdoor veel inzicht in de volledige klantreis. Hoewel niet elke advertentie evenveel bijdraagt is het lineaire model al een veel betere benadering dan de modellen hiervoor.
Tijdsverloop model
Het tijdsverloop attributiemodel kijkt naar de tijd die tussen vertoonde advertenties en conversies ligt. Het model geeft meer waarde aan advertentie-interacties die dichter bij het tijdstip van conversie liggen. Dit model is geschikt als het aankoopproces lang en complex is. Bijvoorbeeld bij bedrijven waar mensen eerst heel veel informatie willen hebben over het aanbod, zoals hypotheken of verzekeringen. Voor de meeste campagnes is dit model echter een beetje een overkill. Net als bij het op positie gebaseerde attributiemodel, is het tijdsverloop attributiemodel niet altijd nauwkeurig. De eerste klik is misschien de oorspronkelijke manier waarop een gebruiker van een merk heeft gehoord, maar als ze nog een maand lang niet converteren, krijgt die klik niet de waardering die hij verdient.
Positie gebaseerd model
Het positie gebaseerde model geeft net als het tijdsverloop model en het lineaire model credits aan alle touchpoints. De eerste en laatste touchpoint krijgen beide 80% van de credits. De overige 20% wordt verdeeld over alle tussenstappen. Het model is geschikt wanneer je inschat dat de allereerste en allerlaatste klik veruit het belangrijkste zijn in de customer journey.
Dit model werkt niet altijd even lekker. Denk bijvoorbeeld eens aan een situatie waarbij je veel remarketingcampagnes en één branded campagne hebt lopen. Mensen komen dan na een eerste klik vaak terug via remarketingcampagnes, maar zullen uiteindelijk, als zij eenmaal klaar zijn voor een aankoop of aanvraag, via de branded campagne converteren.
Door het het positie gebaseerde model te gebruiken, krijgt de branded campagne naar mijn idee teveel credits (40%), terwijl de remarketingcampagnes te weinig (20%) krijgen.
Datagedreven attributiemodel
Het datagedreven attributiemodel is het meest nauwkeurige attributiemodel van Google, omdat het rekening houdt met meerdere factoren bij het toekennen van waardering.
Datagedreven attributie verschilt van de andere attributiemodellen omdat de eigen conversiegegevens worden gebruikt om de werkelijke bijdrage van elke advertentie-interactie in het conversiepad te berekenen.
Google doet dit door de klikpaden van mensen die converteren te vergelijken met klikpaden van mensen die dat niet doen. Door bepaalde patronen te identificeren bepaalt Google met machine learning hoeveel credits alle touchpoints zouden moeten krijgen.
Het model is dus dynamisch. Het wordt steeds accurater naarmate er meer data verzameld wordt.
Om dit model te gebruiken zijn er minimaal 3000 advertentie-interacties en minimaal 300 conversies binnen 30 dagen nodig.
Conclusie
Er zijn zes verschillende Google Analytics attributiemodellen: laatste klik, eerste klik, lineair, tijdsverloop, positie-gebaseerd, en datagestuurd. Elk model heeft zijn eigen voor- en nadelen.
De laatste klik en eerste klik modellen zijn niet erg nauwkeurig en moeten over het algemeen vermeden worden. De lineaire, tijdsverloop, en positie-gebaseerde modellen zijn allen geschikt voor verschillende situaties.
Het gegevensgestuurde attributiemodel is het meest nauwkeurige van de zes modellen, maar vereist wel dat je veel data hebt.