Conversie attributie modellen die (misschien) werken

Deel dit bericht

Conversie attributie is het juist toewijzen van de waarde van een conversie aan de verschillende bezoeken die aan de conversie vooraf gaan. Conversie attributie is belangrijk om op de juiste manier de roi te berekenen van een marketingkanaal en op basis van de roi het marketingbudget eerlijk te verdelen over de verschillende kanalen.

Webanalytics pakketten wijzen op dit moment de conversie vaak toe aan het laatste bezoek voorafgaand aan de conversie (last cookie counts) of het eerste bezoek (first cookie counts). Je kunt je afvragen of dit helemaal eerlijk is. Kan het niet zijn dat alle eerdere oriënterende bezoeken aan de website hebben bijgedragen aan de voorkeur van de koper voor jouw product? Misschien dat al die voorafgaande bezoeken een heel belangrijke factor waren voor de uiteindelijke conversie. Hoeveel waarde zou je dan aan de eerdere bezoeken moeten toewijzen? Wat is een eerlijke verdeling van die waarde? Onderstaand beschrijf ik vijf mogelijke conversie attributie modellen die toegepast kunnen worden om tot een verdeling van de conversiewaarde te komen.

Last cookie counts

De last cookie counts methode is de methode die momenteel standaard wordt toegepast door veel webanalytics pakketten. Alle waarde van een conversie wordt toegewezen aan het laatste bezoek. Met deze methode wordt de invloed van eerdere bezoeken aan de website volledig genegeerd. De first cookie counts methode lijkt dus behoorlijk kortzichtig.

Bij deze methode zie je een relatief hoog aantal conversies dat wordt toegewezen aan merkgerelateerde zoektermen en direct verkeer. Dit type bezoek vindt namelijk vaak plaats aan het einde van het aankoopproces. Regelmatig gaan hier wel een aantal oriënterende bezoeken aan vooraf op generieke zoektermen of via een ander kanaal.

Gelijke verdeling over alle bezoeken

Bij gelijke verdeling over alle bezoeken wordt aan ieder bezoek dezelfde waarde toegekend. Op deze manier wordt aan ieder kanaal een waarde gekoppeld, ongeacht op welk moment een bezoeker van het kanaal gebruikmaakt. Op zich erg handig, aangezien alle bezoeken een waarde meekrijgen en niemand genegeerd wordt. Alleen moet je jezelf afvragen of het helemaal eerlijk is. Wordt er tijdens een eerste bezoek wel net zoveel invloed op het koopproces uitgeoefend als tijdens het laatste bezoek?

Evenredige attributie

Verdeling die vanaf het laatste bezoek naar voren de attributie onevenredig verdeelt

Via dit model ga je ervan uit dat het laatste bezoek de grootste invloed uitoefent op de bezoeker en dus het grootste deel van de conversiewaarde krijgt toebedeeld. Het bezoek ervoor krijgt iets minder waarde toebedeeld, het bezoek daarvoor nog iets minder, etc. Op zich lijkt dit model een terechte weergave van de conversie attributie te geven. Tijdens het laatste bezoek is er immers een aankoop gedaan!

Het eerste bezoek krijgt een heel klein stukje van de conversiewaarde, het duurde immers nog een tijd voordat de conversie plaatsvond. Toch is hier niet alles mee gezegd. Wat als er tijdens het eerste bezoek een veel tijd is besteed op de website en er tijdens het laatste bezoek alleen maar een aankoop was gedaan en het besluit tot aankoop dus al voor het laatste bezoek had plaatsgevonden? Ook dit model is dus niet voor iedere website ideaal.

Onevenredige attributie

Verdeling op basis van tijd op de site

Wanneer een bezoeker langer op de website is, kan het zijn dat hij meer informatie tot zich neemt en je hem dus beter kan beïnvloeden. Op basis van deze gedachte kun je de conversiewaarde toewijzen door tijd op de site als afrekenmethode te gebruiken. Hoe langer een bezoek duurt, des te meer conversiewaarde je eraan toekent. Deze methode wordt behoorlijk ondersteund door experts. Het bezoek waarop de conversie plaatsvindt, krijgt bij dit model ook zeker voldoende waarde. De daadwerkelijke aanschaf van een product of het invullen van een formulier kost meestal redelijk wat tijd.

Events die leiden tot conversies een bepaalde waarde meegeven

Natuurlijk is tijd op de site van belang, maar alleszeggend is het niet. Wat gebeurt er bijvoorbeeld als ik een kwartier van mijn computer wegloop terwijl de website openstaat? Je kunt dit probleem voorkomen door niet op gemiddelde tijd op de site af te rekenen, maar via het koppelen van evenementen. Hoeveel groter is de kans op een conversie als er een nieuwsbriefinschrijving aan voorafgaat? Is de conversiewaarde hoger wanneer een gebruiker eerst de video over het product heeft afgespeeld? Het koppelen van events aan conversies (of conversies aan conversies) is een methode die het mogelijk maakt om niet alleen op basis van tijd, maar ook op basis van events de website te optimaliseren. Dit betekent dat je extra waarde aan bijvoorbeeld een nieuwsbriefinschrijving kan koppelen, omdat dit vaak leidt tot andere conversies.

Welk model past bij jou?

Het aantal conversie attributie modellen dat kan worden toegepast is vrijwel oneindig. Factoren als tijd en aantal bezoeken kunnen op ontelbare manieren worden gevarieerd, geïnterpreteerd en uitgewerkt. De belangrijkste conclusie die te trekken valt is dat er niet één methode bestaat die voor iedereen werkt. De kans dat deze methode in de toekomst wordt ontwikkeld, is nihil. Er is ook geen enkele waterdichte manier om erachter te komen wat de exacte invloed van een bezoek of marketingkanaal op een bezoeker is.

Uiteindelijk zal iedere online marketingmanager voor zijn bedrijf moeten kijken welke formule het beste werkt en enkele modellen moeten testen om te zien welke het beste bij de organisatie past. Het gaat namelijk niet om de manier waarop de waarde verdeeld wordt over verschillende kanalen, maar de overwegingen die op basis van juiste conversie attributie gemaakt worden om tot een zo effectief mogelijke marketingmix te komen die optimaal gebruikmaakt van het beschikbare budget.