+80 XP

CMO-Playbook & fortgeschrittene Taktiken für Omnichannel-Attribution

Fragen Sie Google, Facebook und Ihren Affiliate-Partner, wie viele Bestellungen jeder im letzten Quartal ausgelöst hat, addieren Sie die drei Zahlen und stellen Sie die Summe neben die Bestellzahl aus Ihrem Finanzsystem. Die Plattform-Summe ist größer. Sie ist immer größer, in jedem Unternehmen, in jeder Kategorie.

Diese Lücke ist kein defekter Pixel. Jeder Verkäufer zählt jede Conversion, die er innerhalb seines eigenen Fensters berührt hat, und keiner von ihnen kann die Daten der anderen sehen (die Walled-Garden-Beschränkung, die die Grundlagen-Lektion beschreibt). Die Rechnung ist leicht zu erklären. Das organisatorische Problem nicht: Sie allokieren acht- oder neunstellige Beträge mit Zahlen, die von den Parteien geliefert werden, die dafür bezahlt werden, und diese Parteien haben keine Verpflichtung, sich untereinander abzustimmen. Was folgt, ist das, was eine Führungskraft oberhalb dieses Chaos entscheidet: welche Lesart gewinnt, wenn die Lesarten auseinandergehen, was Sie dem Markt bewusst entziehen, um eine Kontrollgruppe zu behalten, und was die falsche Antwort kostet.

KERNKONZEPT: EINE TRIANGULATIONS-POLICY, GESCHRIEBEN BEVOR DIE ZAHLEN KOMMEN

Sie werden drei Lesarten desselben Kanals haben: die Behauptung der Plattform, Ihr eigenes kanalübergreifendes Modell (was auch immer die Frameworks-Lektion Sie einsetzen ließ) und ein Experiment. Sie werden bei Ihren größten Posten um Vielfache auseinandergehen. Wenn Sie das Tie-Break erst entscheiden, nachdem Sie die Zahlen gesehen haben, entscheiden Sie es politisch, und der Kanal mit dem lautesten Owner gewinnt.

Schreiben Sie die Hierarchie auf und lassen Sie sie von Finance gegenzeichnen:

  • Ein gut gepowertes Experiment schlägt alles, auch Ihr eigenes Modell.
  • Ihr kanalübergreifendes Modell schlägt Plattform-Behauptungen bei der Allokation zwischen Kanälen.
  • Plattform-Behauptungen regeln die Optimierung innerhalb eines Kanals und nichts weiter. Sie setzen Bids, nicht Budgets.

Legen Sie dann im selben Dokument das Toleranzband fest. Wenn die Umsatzbehauptung der Plattform und Ihr Modell innerhalb eines vereinbarten Abstands zueinander landen, gibt es dazu kein Meeting. Außerhalb dieses Bands wird automatisch ein Test ausgelöst, statt dass derjenige dafür argumentiert, der verliert. Die Breite des Bands ist weniger wichtig als die Einigung darauf, solange kein Geld auf dem Tisch liegt.

UNTERKONZEPT 1: HOLDOUTS ALS BUDGETKONTROLLE, NICHT ALS FORSCHUNGSPROJEKT

Die meisten Unternehmen führen Incrementality-Tests als gelegentliche Studien durch, beauftragt, wenn jemand misstrauisch wird. Behandeln Sie sie stattdessen als stehende Kontrolle: 5 bis 10 Prozent der Geos oder Ihrer adressierbaren Audience dauerhaft zurückgehalten auf den zwei oder drei Kanälen, die den Großteil des Spends tragen, planmäßig erneuert, mit vorab registrierten Read-Terminen.

Die Ökonomie dieser Reserve ist kontraintuitiv. Ein Holdout kostet Sie den inkrementellen Umsatz, den Sie in den zurückgehaltenen Zellen erzielt hätten, also kostet er genau dann am meisten, wenn der Kanal wirklich funktioniert, und fast nichts, wenn er es nicht tut. Sie zahlen eine Versicherungsprämie, die mit dem Ausmaß skaliert, in dem Sie sonst falschliegen würden. Stellen Sie sie als benannten Posten in den Plan, damit der CFO Governance-Kosten sieht und nicht einen mysteriösen Umsatzeinbruch in einer Region.

Der Failure Mode, gegen den man designen muss, ist Power. Ein Kanal, der 3 Prozent des Spends trägt und zwei Wochen lang in einer Handvoll Märkte getestet wird, liefert fast unabhängig von der Wahrheit ein Null-Ergebnis, weil der erwartete Lift deutlich unter dem Wochen-zu-Wochen-Rauschen der Bestellungen liegt. Teams lesen dann „wir haben keinen Effekt gefunden“ als „es gibt keinen Effekt“, streichen den Kanal und verlieren zwei Quartale später Umsatz, ohne dass irgendein Modell die beiden Ereignisse verbindet. Fragen Sie vor einem Test, welche Effektgröße er überhaupt erkennen kann. Wenn die Antwort größer ist als der Effekt, den Sie zu finden hoffen, haben Sie ein Null-Ergebnis gekauft.

Es gibt gute Belege dafür, dass die Alternative schlechter ist. Eine Reihe großangelegter Werbeexperimente auf Facebook-Daten, 2019 in Marketing Science veröffentlicht, verglich randomisierten Lift mit beobachtungsbasierten Schätzungen aus denselben Nutzern: Die beobachtungsbasierten Methoden überschätzten den Effekt meist, teils erheblich, und Größe und Richtung des Fehlers ließen sich aus den Daten selbst nicht vorab vorhersagen. Sie können keinen Bias korrigieren, dessen Vorzeichen Sie nicht kennen.

UNTERKONZEPT 2: WAS EINE SELBST ATTRIBUIERTE ZAHL TATSÄCHLICH KOSTET

Zwei Dinge sind gleichzeitig wahr: Die Measurement-Teams der Plattformen sind kompetent, und der Zähler gehört dem Verkäufer. Im September 2016 räumte Facebook ein, die durchschnittliche Video-Betrachtungsdauer rund zwei Jahre lang um etwa 60 bis 80 Prozent überschätzt zu haben, weil die Berechnung die gesamte Watch Time nur durch Views von mehr als drei Sekunden teilte. In den folgenden zwei Jahren kamen mehrere weitere Metrik-Korrekturen. Kein Advertiser hat diese Fehler gefunden. Facebook hat sie gefunden und bekannt gegeben.

Die Version zweiter Ordnung kam mit Apples Tracking-Prompt 2021. Meta teilte Investoren im Februar 2022 mit, dass die Änderung rund 10 Milliarden Dollar des Jahresumsatzes kosten dürfte. Auf der Buy Side zeigte sich das Symptom in sinkenden gemeldeten Conversions im Ads Manager, während sich die tatsächliche Nachfrage nicht zwangsläufig bewegt hatte, dazu ein Standard-Attributionsfenster, das auf sieben Tage Click verkürzt wurde. Teams ohne Holdout konnten eine Messänderung nicht von einer Nachfrageänderung unterscheiden, und einige kürzten den Spend wegen eines Reporting-Artefakts. Google und Meta füllten die Lücke anschließend mit modellierten Conversions. Diese Modelle mögen gut gebaut sein; sie bleiben eine Schätzung, die der Verkäufer erzeugt, und nichts im Interface markiert, wo das Zählen endet und das Modellieren beginnt.

Bepreisen Sie das Risiko, statt es zu beschreiben. Nehmen Sie einen Kanal mit 12 Mio. Dollar Spend bei einem gemeldeten ROAS von 4,0: 48 Mio. Dollar behaupteter Umsatz. Wenn Holdouts den inkrementellen ROAS bei 1,6 ansetzen, liegt der echte Beitrag bei rund 19 Mio. Dollar, und die Differenz von 29 Mio. Dollar steht bereits in irgendeinem Plan als Begründung für die Erhöhung im nächsten Jahr. Diese Subtraktion, einmal im Jahr für Ihre drei größten Kanäle durchgeführt, ist die wertvollste Stunde im Marketingkalender.

UNTERKONZEPT 3: DIE INCENTIVE-LANDKARTE UNTER DEM MODELL

Attributionsstreitigkeiten drehen sich selten um Statistik. Verfolgen Sie, wer für was bezahlt wird.

Channel Leads, die auf Channel-ROAS vergütet werden, werden für das Fenster und das Modell plädieren, das ihren Kanal schmeichelhaft aussehen lässt, und sie verhalten sich rational. Eine Agentur, die einen Prozentsatz des Media-Spends erhält, hat Erlöse, die mit dem Spend steigen, was sie disqualifiziert, die Holdout-Zellen zu wählen oder das Read-Datum festzulegen, ganz unabhängig von ihrer Integrität. Meta hat Robyn open-sourced und Google veröffentlicht eigene Media-Mix-Modelling-Arbeiten und -Tools; der Code ist nützlich, und beide Firmen verkaufen die Media, die das Modell bewerten soll. Nutzen Sie die Tools, sprechen Sie den Konflikt im Raum offen aus, und lassen Sie jemanden ohne Channel-P&L die Priors und die Kanaldefinitionen prüfen, bevor Ergebnisse zirkulieren.

Governance folgt daraus. Ein Owner der Zahl, der in keinen Kanal berichtet. Ein Dashboard, das attribuierten Umsatz, inkrementellen Umsatz und blended CAC nebeneinander führt. Eine schriftliche Regel, wer die Autorität hat, einen Kanal für tot zu erklären, und die Anforderung, dass Channel Leads aus der gemeinsamen Quelle präsentieren und nicht aus dem Export ihrer eigenen Plattform.

How Google's Data-Driven Attribution Works

Watch on YouTube

UNTERKONZEPT 4: GELD BEWEGEN, OHNE ETWAS ZU ZERSTÖREN

Sobald ein Test einer Plattform widerspricht, ist der Instinkt, schnell eine große Summe zu verschieben. Begrenzen Sie das. Response-Kurven sind nicht linear, eine Kürzung um 60 Prozent sagt also sehr wenig darüber, was eine Kürzung um 20 Prozent bewirkt hätte, und sie zerstört die Baseline, die Sie für den Weg zurück bräuchten.

Lag ist die andere Falle. Ein Read über vier Wochen bei einem Kanal, der einen Kaufzyklus von 90 Tagen bedient, misst das Falsche, und Upper-Funnel-Effekte zeigen sich, nachdem der Test für beendet erklärt wurde. Die Konsequenz auf Führungsebene ist eine Ratsche: Kanal kürzen, ein Quartal lang zusehen, wie der blended CAC sich verbessert, in den folgenden drei zusehen, wie der Umsatz erodiert, und feststellen, dass kein Attributionsmodell auf der Welt diese Erosion der Kürzung zuordnet. Niemand wurde jemals für Schäden zweiter Ordnung entlassen, die in Woche sechs wie Effizienz aussahen. Bauen Sie den Follow-up-Read in die Entscheidung ein, in dem Moment, in dem Sie sie treffen, mit Datum und Owner.

FÄLLE AUS DER PRAXIS

Fall 1: Uber, 2017. Uber schaltete rund zwei Drittel seines digitalen Werbebudgets ab, auf Jahresbasis deutlich über 100 Mio. Dollar, und der Performance-Marketing-Leiter sagte öffentlich, das Fahrgastvolumen habe sich nicht messbar verändert. Uber verklagte anschließend seine Mobile-Agentur Fetch Media und warf ihr vor, für betrügerische und nicht existente Ad Placements abgerechnet zu haben. Der Mechanismus darunter war Attributionsbetrug: Netzwerke, die Last-Click-Credit für App-Installs beanspruchten, die ohnehin passiert wären. Das Reporting sah nie falsch aus, weil die Partei, die die Ads auslieferte, auch den Nachweis lieferte, dass die Ads funktionierten.

Fall 2: Paid Search auf den eigenen Markennamen. Ein großes kontrolliertes Experiment bei eBay, 2015 in Econometrica veröffentlicht, schaltete Paid Search in gematchten US-Märkten ab und stellte fest, dass Ads auf die eigenen Markenbegriffe des Unternehmens fast keine inkrementellen Verkäufe erzeugten; Nutzer klickten einfach stattdessen auf das organische Ergebnis. Non-Brand-Ads zeigten einen kleinen positiven Effekt, konzentriert bei Personen, die neu auf der Seite waren. Kopieren Sie nicht die Schlussfolgerung. Wenn Wettbewerber auf Ihren Namen bieten oder Ihr organisches Listing auf Mobile unterhalb der Falz liegt, kann Brand Search tatsächlich inkrementell sein. Übertragbar ist die Methode, nicht die Antwort.

Fall 3: Facebook, 2016 bis 2022, als ein zusammenhängender Bogen betrachtet. Zuerst die offengelegten Metrik-Fehler, dann die Tracking-Änderungen, die die eigenen Zahlen der Plattform unvollständiger machten, dann modellierte Conversions, die das Loch füllten. Ein Advertiser mit stehendem Holdout konnte die ganze Zeit auf die echte Nachfrage schauen und die Reporting-Turbulenzen als Rauschen behandeln. Ein Advertiser ohne verbrachte diese Zeit mit Diskussionen über Dashboards.

Wissenscheck

1. Was beschreibt laut Lektion am besten den Zweck von Attribution im Marketing?

2. Warum ist es laut Lektion problematisch, sich auf Last-Click-Attribution zu verlassen?

3. Welche zentrale Unterscheidung zieht die Lektion zwischen Attributionsmodellen und Incrementality-Testing?

MEHRFACHAUSWAHL

4. Wählen Sie ALLE Aussagen, die die in der Lektion genannten Attributionsmodelle korrekt beschreiben.

Wählen Sie alle richtigen Antworten aus.

MEHRFACHAUSWAHL

5. Wählen Sie ALLE Gründe, die die Lektion dafür nennt, warum Omnichannel-Attribution für einen CMO strategisch wichtig ist.

Wählen Sie alle richtigen Antworten aus.

Media Mix Modeling Explained for Marketers

Watch on YouTube

CMO ACTION ITEMS

  • Machen Sie die Abstimmung diese Woche. Summieren Sie die von jeder Plattform behaupteten Conversions des letzten Quartals, teilen Sie durch die Bestellzahl in Ihrem Finanzsystem, und bringen Sie die Ratio selbst zu Ihrem CFO. Das Meeting läuft deutlich besser, wenn Sie die Zahl mitgebracht haben.
  • Bringen Sie einen Always-on-Holdout auf Ihrem größten Kanal ins Feld, so dimensioniert, dass er einen Lift erkennen kann, auf den Sie reagieren würden, mit vor dem Start der Zellen registriertem Read-Datum. Wer Ihnen den Kanal verkauft, wählt die Zellen nicht aus.
  • Bringen Sie die Triangulations-Hierarchie auf eine Seite und von Finance unterschrieben, vor dem Jahresplan, nicht während er läuft.
  • Auditieren Sie die Fenster über Google Ads, Meta und Ihre CDP: Länge des Click-Fensters, ob View-through gezählt wird, und ob alle drei übereinstimmen. Nicht übereinstimmende Fenster blähen die Summe auf, weil dieselbe Bestellung mehrfach gezählt wird.

HÄUFIGE FEHLER, DIE ERGEBNISSE ZERSTÖREN

Fehler 1: ein unterpowertes Null-Ergebnis als Beweis für Null lesen. Ein kleiner Test auf einem kleinen Kanal liefert „kein Effekt“ nahezu konstruktionsbedingt. Veröffentlichen Sie den Minimum Detectable Effect neben jedem Ergebnis, und weigern Sie sich, einen Kanal auf Basis eines Tests zu streichen, der ihn nie hätte finden können.

Fehler 2: den Verkäufer die Klausur korrigieren lassen. Das umfasst Agenturen, die auf Spend bezahlt werden, Plattformen, die ihre eigenen Lift-Tools liefern, und Vendoren, deren Reporting Sie nicht reproduzieren können. Nutzen Sie ihr Tooling, aber behalten Sie Design und Read-out bei jemandem, dessen Bonus nicht von der Antwort abhängt.

Fehler 3: auf eine Messänderung kürzen statt auf eine Nachfrageänderung. Consent-Banner, Tracking-Prompts und Pixel-Migrationen bewegen alle gemeldete Zahlen, ohne einen einzigen Kunden zu bewegen. Eine stehende Kontrollgruppe ist der Weg, beides zu unterscheiden, und der Grund, warum der Holdout seine Kosten selbst in Quartalen wert ist, in denen nichts Überraschendes passiert.

WICHTIGSTE ERKENNTNISSE

  • Jeder Verkäufer meldet sich selbst als Sieger, und die Behauptungen summieren sich auf mehr als Ihre tatsächlichen Bestellungen. Stimmen Sie diese Lücke selbst ab, einmal pro Quartal, vor Finance.
  • Ordnen Sie Ihre Wahrheitsquellen schriftlich, bevor die Zahlen kommen: Experiment, dann Ihr eigenes Modell, dann Plattform-Behauptungen nur fürs Bidding.
  • Behandeln Sie Holdouts als dauerhafte Budgetkontrolle mit benannten Kosten, nicht als gelegentliche Studie. Sie kosten am meisten, wenn ein Kanal wirklich funktioniert, und genau diese Information kaufen Sie.
  • Beobachtungsbasierte Schätzungen überschätzen Werbeeffekte in unvorhersehbarer Richtung, ein Bias ohne bekanntes Vorzeichen ist also ein Bias, den Sie nicht korrigieren können.
  • Verschieben Sie Budget in begrenzten Schritten und planen Sie den Follow-up-Read. Der Schaden aus zu starkem Kürzen zeigt sich zwei oder drei Quartale später, und kein Modell wird ihn auf Sie zurückführen.

Ressourcen

Verwandte Artikel

Aktuelle Blogartikel, die auf dieser Lektion aufbauen.