Använder du din marketing budget rätt?

Hur du med hjälp av Marketing Attribution kan undvika att spola ner dina pengar i toaletten

En gång hade en av våra härliga kunder beskrivit ett av sina tidigare samarbeten med följande uttryck: ”Det kändes faktiskt som om vi lika gärna kunde ha kastat pengarna ut genom fönstret när vi körde på motorvägen.” Och om det finns något du inte vill göra, så är det att slänga ut pengar genom fönstret när du kör 130 kilometer i timmen och inte kan stanna vid sidan av vägen.

Men hur ser du till att ha stängda fönster när det gäller digital marknadsföring och prioritering av dina digitala insatser? Kanske tror du redan att du har full koll på vad som fungerar och vilka digitala kanaler som är viktigast för ditt företag. Men om du verkligen är så övertygad, tror jag inte att du skulle ha klickat på det här blogginlägget. Sååå… Ska vi börja med att ta reda på om du verkligen använder dina marknadsföringskronor på rätt sätt?

Du kan inte lita på dina data

Som marknadsansvarig har du säkert blivit frågad (eller så har du frågat dig själv) följande frågor:

• Hur ska dina marknadsföringsinsatser generera omsättning?
• Vilka marknadsföringsinsatser ger svarta siffror på bottenlinjen?
• Hur mycket omsättning kan du bevisa att dina marknadsföringsinsatser har genererat?

Speciellt den sista frågan är en av dem som kan ge dig gråa hår. Och kanske dyker det upp några fler av dem (jag ber om ursäkt) när jag avslöjar följande: Du kan inte lita på Facebook Business Manager, LinkedIn Campaign Manager, Pinterest Ads Manager eller Google Ads. Du kan helt enkelt inte lita på att de berättar sanningen om vilka insatser som har störst påverkan på dina annonser.

Vänta. Vad. Är det inte just det som är så bra med digital marknadsföring? Att man faktiskt kan mäta effekten av sina insatser, till skillnad från traditionell marknadsföring?

Korrekt. Men vi lever i en värld där användarnas integritet alltmer sätts i fokus. Vi lever också i en värld där alla de största internetaktörerna ser varandra som konkurrenter, och där alla vill ha äran för din framgång.

Och här kommer nästa:

Du kan heller inte lita på Google Analytics, som annars skulle vara ditt go-to-analysverktyg. Men du kan inte lita på Google Analytics eftersom cookies inte är vad de en gång var, och sedan finns det något som kallas ITP (Internet Tracking Prevention), vilket inte direkt är en fest för oss marknadsförare. Men vi kommer tillbaka till det.

Först måste vi klargöra en sak, innan du tror att jag lovar dig guld och gröna skogar.

Marketing Attribution berättar inte heller sanningen för dig

Marketing Attribution berättar inte heller sanningen för dig. Men med Marketing Attribution kommer du närmare sanningen.

Så du får en mer djupgående insikt i vad som verkligen fungerar. Och denna insikt kan du sedan använda för att skruva upp eller ner för de insatser som fungerar (eller inte fungerar), så att du kommer så nära som möjligt det marknadsföringsupplägg som genererar mest möjlig omsättning för dig.

Marketing Attribution handlar om att förstå de enskilda beröringspunkterna i kundresan. Att förstå de enskilda stegen och åtgärder som din kund tar innan denna kund konverterar kan vara lika värdefullt för dig som själva konverteringen. Ju större insikt och förståelse du har för tidigare kundresor, desto bättre förutsättningar har du för att förutse hur du bäst kan påverka framtida kundresor.

Och när alla vill ha äran, och vi samtidigt blir mer och mer begränsade i våra möjligheter att spåra de enskilda smulorna på vägen till pannkakshuset – ja, då är det inte alltid så enkelt att förstå de enskilda beröringspunkterna i kundresan.

Så vad sägs om att vi går igenom hur du bäst hittar ut vem som verkligen ska ha äran?

Varför du inte kan lita på någon (skillnaden på datainput)

Minns du när den första iPhone lanserades? Låt mig berätta vad som hände. Den första iPhone revolutionerade inte bara världen för konsumenterna. Den revolutionerade också världen för alla som arbetar med marknadsföring. För efter den första iPhone kom ut, kunde du inte längre lita på dina datainput.

Men varför?

För att kundresan nu inte bara bestod av fler digitala beröringspunkter, utan också fler digitala enheter. Och därmed blev cookie-baserad spårning mer eller mindre ogiltigförklarad.

Än idag är datainput för de flesta verktyg fortfarande baserat på cookies. Och det gör det svårt för dina analysverktyg att berätta sanningen, eftersom de har svårt att koppla olika åtgärder tillbaka till en person.

Hur cookie-baserad spårning fungerar:

1 person + 3 enheter = 3 ”personer”

Och sedan finns det people-baserad spårning. Den optimala spårningsmetoden. Ska vi inte bara kalla den så?

För det är sant – men tyvärr inte alltid möjligt. People-baserad spårning kräver nämligen att användarna kan identifieras över olika enheter. Och DET kräver att användarna är inloggade.

Men NÄR de väl är det (vilket de t.ex. är på sociala medier), har du möjlighet att spåra djupare in i kundresan och därmed tillskriva värde från en mer rättvisande utgångspunkt.

Hur people-baserad spårning fungerar:

1 person + 3 enheter = 1 person

Med people-baserad spårning blir det alltså ännu mer meningsfullt för dig att börja leka med möjligheterna för olika attributionsmodeller. Och dem ska vi titta lite på nu.

De olika Marketing Attribution modellerna

Last Click Attribution

Last Click är (tyvärr) den mest använda attribueringsmodellen av dem alla.

Och varför är det den mest använda modellen?

För att Last Click är standardmodellen i Google Analytics.

Varför då ”tyvärr”?

För att Last Click tillskriver 100 % av äran till det sista klicket.

Det betyder att diverse andra digitala touchpoints i kundresan blir nedtonade och irrelevanta, eftersom det sista touchpointet tar allt rampljus.

Det kan jämföras med att ge all ära till den anfallare som gör målet på fotbollsplanen och sedan glömma att resten av laget också finns.

Så vi kan nog snabbt komma överens om att det inte är en helt rättvis fördelning.

Även om Last Click är standardmodellen i Google Analytics är det sällan den mest optimala modellen du kan välja.

Så om du inte har en extremt kort kundresa (önskar vi alla hade det), bör du nog prioritera Last Click… Sist.

Output:

Sista steget i köpprocessen favoriseras – dvs.:

• Google Ads
• Organisk trafik
• Varumärkessökningar
• Direkt Trafik

Bästa användningsfall:

Multibrand-butiker med populära och/eller billiga produkter, korta köpprocesser.

First Click Attribution

First Click är Last Clicks motsats… På alla tänkbara sätt.

First Click är nämligen en av de (om inte den) minst använda modellerna inom Marketing Attribution i Google Analytics.

Och den tillskriver all ära till det första touchpointet i kundresan. Även det motsatt Last Click.

Det enda de två attribueringsmodellerna har gemensamt är att de är ungefär lika viktiga och konstruktiva för ditt arbete med attribuering.

Det innebär att båda är ganska irrelevanta. Och olämpliga.

Så varför bör du ändå läsa detta avsnitt färdigt, i stället för att direkt scrolla vidare till nästa avsnitt?

Det bör du göra om du till exempel säljer en produkt eller tjänst som det inte redan finns en efterfrågan på, eller som befinner sig på en odefinierad marknad.

Alltså en produkt där det att skapa kännedom och efterfrågan är det absolut viktigaste för din verksamhet just nu.

Output:

Första steget i köpprocessen favoriseras – t.ex.:

• Sociala medier

Bästa användningsfall:

Varumärken som säljer produkter där efterfrågan behöver skapas före köp

Position Based Attribution

Om du har svårt att välja mellan Last Click och First Click, men av någon anledning har en förkärlek till dem båda, kan du välja att göra dem båda glada genom att välja Position Based som attribueringsmodell.

Du kan också välja Position Based som attribueringsmodell om du vill använda en av de bättre attribueringsmodellerna, som dock fortfarande är statisk. Med Position Based favoriseras nämligen första och sista touchpointen i kundresan, och sedan tillskrivs resten av värdet till alla dem i mitten.

Mer konkret kommer tilldelningen att fördelas på följande sätt:

Output:

Första touchpoint får 40 % av äran

Sista touchpoint får 40 % av äran

Alla touchpoints däremellan får 20 % av äran

Bästa användningsfall:

Position Based attribution är ofta det bästa användningsfallet när du har längre köpresor där det krävs kontinuerlig bearbetning. Om du ska välja en statisk modell är Position Based ofta det bästa valet, eftersom du vid längre kundresor oftast kommer att vara mest intresserad av första och sista touchpoint.

Linear Attribution

Linear är definitivt den mest pedagogiska, solidariska eller kommunistiska, om du så vill, attribueringsmodellen av dem alla. Linear som attribueringsmodell delar nämligen värdet jämnt mellan alla touchpoints.

Ytligt sett kan det kanske verka som en av de mest förnuftiga modellerna av dem alla, eftersom ingen blir bortglömd.

Men i praktiken är det en helt annan sak.

När du använder Linear som attribueringsmodell är det mycket viktigt att överväga om alla dina digitala touchpoints verkligen är lika viktiga för beslutsprocessen.

Ska en visning av ett Display Banner till exempel ha lika stor del av äran som en prenumeration på nyhetsbrevet?

Knappast.

Ja, jag vet – vi jublar inte direkt för många av dessa modeller. Men jag lovar dig, det kommer att bli lite bättre snart.

Output:

Alla steg i köpresan värderas lika

Bästa användningsfall:

Längre köpresor där det finns ett behov av kontinuerlig bearbetning

Time Decay

Time Decay som attribueringsmodell tilldelar värde till dina touchpoints baserat på ett tidsperspektiv. Med Time Decay kommer mer värde att tilldelas ju närmare köpet vi kommer. Med andra ord kommer det föregående touchpointet att bli mindre värdefullt för köpet när ett nytt touchpoint inträffar.

Ur ett logiskt perspektiv verkar denna marknadsföringsattribueringsmodell vara ett förnuftigt val, eftersom vi som människor ofta associerar minnen och intryck med tid.

Dock är Time Decay inte en attribueringsmodell som används så ofta i praktiken. Det beror på att det första touchpointet ofta är mycket viktigare för köpbeslutet än du kanske tror. Därför skulle det i många fall vara ett misstag att nedprioritera det.

Låt oss försöka göra det lite mer relaterbart genom att hänvisa till mänskliga relationer.

Du vet också hur viktigt ett första intryck är.

Och du vet att om du ger ett dåligt första intryck behövs det många fler positiva intryck efteråt innan du har övertygat om motsatsen.

Stämmer inte det?

Output:

Alla händelser i köpresan krediteras – första touchpointet får minst värde tillskrivet, och därefter ökar värdet.

Bästa användningsfall:

Multibrand-butiker med populära och/eller billiga produkter, korta köpresor – mer nyanserad än last-click.

Data-driven attribution

Russinet i korven. Ljuset i slutet av tunneln.

Du gjorde det. Du har kommit till det bästa avsnittet i detta blogginlägg.

Och din belöning är lösningen på det stora Marketing Attribution-problemet.

Lösningen är datadriven attribuering.

Data-Driven Attribution som Marketing Attribution-modell blir bättre och bättre ju längre tiden går, eftersom den drivs av data (som namnet antyder).

Data-Driven som Attribution-modell går in och isolerar de olika touchpointsen i köpresan och kan tillskriva värde olika, även om det kanske är samma kanal som genererar själva konverteringen.

Data-Driven Attribution baseras på maskininlärning, och på det sättet skiljer sig modellen från alla andra modeller som är statiska.

Den enda utmaningen med Data-Driven Attribution (som också skulle vara den enda anledningen att välja bort den) är att den just drivs av data… Och det betyder alltså att du behöver ha en stor mängd data att utgå ifrån.

Är Marketing Attribution en utdöende ras?

Ja, jag vet. Jag har just gett dig lösningen på Marketing Attribution-problemet, och nu antyder jag att det kanske inte ens kommer att vara något problem att lösa i framtiden.

Men det är inte riktigt dit jag vill komma.

Faktiskt vill jag bara förstora problemet.

För det kan mycket väl vara så att datadriven attribuering är framtiden, och att Data-Driven som Attribution-modell är baserad på maskininlärning, vilket ju också är framtiden, om du frågar… Vem som helst.

Men när vi utökar våra kompetenser, kommer vi också att söka större utmaningar.

Så väljer jag att se på det.

I verkligheten kanske det inte är fullt så frivilligt.

För faktum är att det i framtiden kommer att bli svårare att arbeta med Marketing Attribution i praktiken.

Det kommer att bli svårare eftersom du kommer att ha mindre insikt i data.

Och varför då det?

3 skäl. Okej, det finns många skäl, men just nu belyser vi 3.

• GDPR
• Internet Tracking Prevention (ITP)
• iOS 14

De tre ovanstående skäl är ämnen i sig själva.

Det gemensamma för dem är bland annat att de gör det svårare för marknadsförare att spåra konsumenters beteende på den digitala plattformen.

De olika initiativen syftar till att skydda konsumenternas privatliv, vilket naturligtvis är i allas intresse.

Faktum är dock att när det blir svårare och svårare att spåra den digitala kundresan, blir Marketing Attribution också en mer komplex disciplin att behärska.

Multi Touch Attribution är inte omöjligt – men det är svårt

Först måste vi klargöra en sak:

Du har inte slösat din tid genom att läsa ända till slutet av detta blogginlägg.

Men slutsatsen är tyvärr bara att Marketing Attribution kommer att bli svårare att arbeta med.

Det betyder dock inte att det blir mindre viktigt. Tvärtom.

Eftersom Marketing Attribution blir svårare att behärska, kan du också uppnå en konkurrensfördel om du är bland de få aktörerna i din bransch som förstår den digitala kundresan.

”Alle Attribution modeller är felaktiga, men några av dem är användbara.”

Ovanstående slutsats är din viktigaste lärdom från detta blogginlägg. Så gör dig själv en tjänst och lär dig meningen utantill.

Vad du bör göra härnäst:

• Först måste du lova dig själv att du kommer att investera mer tid i Marketing Attribution.
• Sedan måste du bestämma vilken av de genomgångna Attribution-modellerna som passar bäst för din verksamhet.

Har du tillräckligt med köphändelser för att arbeta med den datadrivna attributionsmodellen?

Om inte, borde du istället arbeta med den positionsbaserade attributionsmodellen eller en helt annan?

• När du har bestämt dig för en modell, besök ditt Google Analytics-konto. Där under Konverteringar, besök verktyget för modelljämförelse under Multikanaltrattar

Där kan du jämföra resultaten om du växlar mellan olika datamodeller. Jag kan tänka mig att du kommer att bli överraskad.

• Sedan måste du lova dig själv att det är slut med att dra slutsatser från dina data baserat enbart på Google Analytics. Du måste också ta hänsyn till de data som finns tillgängliga från dina annonseringsplattformar etc. Och du måste komma ihåg att du inte kan lita på någon, varför du måste använda ditt sunda förnuft.
• Slutligen måste du förhålla dig till framtiden och de begränsningar som kommer som ett resultat av ökat fokus på konsumenters integritet.