Afgelopen dagen vond alweer de 6e editie van de Google Analytics User Conference (GAUC 2013) plaats. Het thema was Conversie. Namens Traffic Builders verzorgden Felipe Wesbonk en ondergetekende een presentatie met de titel “De zin en onzin van conversie-attributie”, waarin we bespraken hoe je meer inzicht in en grip op je marketingfunnel en -budget kan krijgen door inzichten uit conversie-attributie te combineren met het REAN-model van Traffic Builders als leidraad voor de samenstelling van je marketingmix.
In deze post de presentatie en bijbehorende context. Volg je Traffic Builders nog niet via Twitter @trafficbuilders of Google Plus, doe dat dan alsnog; komende weken publiceren we meer over handige tools en tips waarmee je zelf effectiever je marketingmix kunt analyseren, samenstellen en budgetteren. Nice!
Onderstaand de presentatie over de zin en onzin van conversie-attributie / multi-channel attributie, met handige tips om op basis van de nieuwe mogelijkheden van universal analytics in Google Analytics en het REAN-model, meer grip te krijgen op de (online) marketingmix.
Om meer inzicht en grip te krijgen op het (online) marketingbudget en maximaal resultaat uit marketinginvesteringen te realiseren, is het noodzakelijk om het marketingbudget vanuit een multi-channel perspectief aan te sturen. Het afrekenen van marketingkanalen op basis van het Last Cookie/Click model is onzinnig, om de eenvoudige reden dat elk marketingkanaal een eigen rol heeft in het koopproces van de doelgroep en daarmee de marketingmix. Hieruit volgt logischerwijs dat hoe verder het touch point met een bepaald marketingkanaal afstaat van het daadwerkelijke moment van aankoop, des te onzinniger het is om dat kanaal aan te sturen op een KPI als Last Click CPA. Met andere woorden: maak je KPI’s afhankelijk van de rol van elk van je marketingkanalen in je marketingmix!
REAN® framework met visualisatie van de doelstellingen, propositie, voorbeeldkanalen en voorbeeld KPI’s per REAN fase.
Logischer is dan ook om door middel van conversie-attributie modellen per kanaal in kaart te brengen, wat de First Click en Assisted Click conversiebijdrage is (in aantal, waarde totaal en waarde per conversie). Hieruit volgt een duidelijk beeld van het belang van elk kanaal in de huidige marketingmix. Door deze uitgangssituatie vervolgens te toetsen aan logica en wenselijkheid, ontstaat direct inzicht in de verbetermogelijkheden en concrete acties om het marketingbudget effectiever aan te sturen en het rendement op investeringen te maximaliseren. Het REAN-model biedt hierbij uitkomst, doordat het goed inzicht geeft in de basisrollen van elk marketingkanaal in de marketingmix, aansluitend op het koopproces.
Tot slot enkele gedachten ter aanvulling op de presentatie:
Heb je vragen of opmerkingen naar aanleiding van deze post of presentatie? We zien ze graag terug in de comments, of neem even persoonlijk contact op. Like it? Share it – wordt altijd gewaardeerd!
Veel succes alvast!
Ontdek onze awardwinning manier van werken en vul het contactformulier in.
@Julia: ik kan je bericht niet meer vinden, sorry! Mail of bel ons even als we je nog ergens mee kunnen helpen.
@Max, dank voor je reactie. Om je eerste vraag te beantwoorden: om kanalen te kunnen sturen op effectiviteit vanuit brandingperspectief is in mijn optiek géén integratie nodig tussen CRM en marketing automation. Voor de hand liggende KPI’s m.b.t. branding komen immers niet uit een CRM systeem, noch uit marketing automation systemen.
Maar merkbekendheid en merkassociatie (en daarmee branding) spelen uiteraard wel een belangrijke rol in het salesactivatieproces (genereren van conversie). Er zijn talloze andere methoden om de effectiviteit van brandingactiviteiten te toetsen. CRM systemen en marketing automation oplossingen zijn in mijn optiek middelen die je inzet om 1 op 1 (of gesegmenteerd 1 op n) de communicatie met je bestaande relaties (fans, prospects, leads, bestaande klanten) te verbeteren en in een bepaald proces te borgen.
Profielanalyse en het ‘voeden’ van campagnes met de inzichten die daaruit ontstaan is zeker interessant. In jouw voorbeeld van kredietaanvragen kun je denken aan een scenario waarbij een kredietverstrekker (adverteerder) inzicht heeft in kenmerken van het sociale profiel van mensen met een zogeheten “bad debt”, oftewel (potentiële) wanbetalers. Door deze kenmerken als uitsluitingscriteria op te nemen in bijv. een display advertising campagne, kan worden voorkomen dat advertenties worden getoond aan mensen die wellicht wel goed converteren, maar ook een sterk verhoogde kans op wanbetaling kennen. CRM en social profiing data dienen dan als input m.b.t. de targeting van campagnes. Het resultaat:
– effectievere besteding van marketingeuro’s
– lagere “churn” door screening voor in plaats van achter de voordeur
– hogere winstgevendheid gemeten naar Customer Lifetime Value (CLV)
Zo zag een opdrachtgever van ons een sterke relatie tussen het aantal wanbetalingen na eerste conversie en het specifieke advertentiekanaal waar de klant van afkomstig was; SBS6 (TV). Herallocatie van het advertentiebudget binnen het medium TV naar andere zenders resulteerde in een hogere kostprijs per conversie maar uiteindelijk betere business case, doordat het aantal wanbetalers sterk daalde.
Maar let wel: we spreken dan nog steeds van een correlatie, niet van een causaal verband. Want uiteraard is niet iedere SBS6 kijker een wanbetaler 😉
Boeiende materie, de vraag die mij nu bezigt: in hoeverre is een complete integratie van een (beter) CRM met een up to date marketing automation systeem nodig om te kunnen sturen op een dimensie als bijvoorbeeld “branding” (zoals bijv. bouwen aan een merknaam bij remarketing).
Dimensies die een belangrijke rol spelen in uiteindelijke conversie.
Wat zijn mogelijkheden en onmogelijkheden bij het kwantificeren van het causale verband. Dit zal m.i. steeds meer gaan uitgroeien tot een exacte wetenschap. Zo worden in de v.s. nu online kredietaanvragen door banken bijv. al beoordeeld n.a.v. profiel analyses in de social media netwerken van de aanvrager. Veel organisaties zijn zoekende naar de de grens tussen extra inzichten en het implementeren van een werkbaar format (hoe waken voor “penny whise en pound foolish” modellen bij verdere innovatie)
Hi Julia, dankjewel! Het REAN-framework is doorlopend in ontwikkeling en inmiddels zijn we uiteraard al weer een paar stappen vooruit. Het REAN-framework is nu zo ver door ontwikkeld dat we het gebruiken voor de planning en tactische uitwerking van zowel volledige online en offline marketingstrategieën als specifieke kanalen. Zo kun je REAN ook toepassen binnen Display Advertising, SEA en SEO of content marketing.
De meest actuele publieke presentatie over REAN vind je hier: http://www.slideshare.net/trafficbuilders/rean-online-marketingstrategie-in-een-omnichannel-wereld-webwinkel-vakdagen-2016-wolter-tjeenk-willink-traffic-builders
Bedankt voor de reactie en de link. Ik heb je een bericht gestuurd op Facebook met een vraag omtrent het REAN model.
Hallo Walter,
Interessant model. Ik vroeg me af of er momenteel al nieuwe ontwikkelingen zijn met betrekking tot REAN versie 2.0?
Was een leuk verhaal Wolter en Felipe, erg benieuwd hoe jullie het model verder gaan uitwerken en gebruiken in de toekomst. #gauc14 wellicht ;)?
Hi Rick, dank! Next step is inderdaad REAN versie 2.0 en doorvertalen naar een werkbaar model t.b.v. marketing/mediamix optimalisatie, zodat je het effect van een wijziging in je marketinguitgaven aan een bepaald kanaal direct kunt doorvertalen naar impact op conversies, CPA, omzet, marge en ultimo, Customer Lifetime Value.
Haha ja, als we uiteindelijk uit konden komen op precieze COCA en CLV rapportages EN projecties voor de toekomst per kanaal / campagne dan werden alle theoretische analisten in de wereld erg blij van online marketing.
Denk wel dat onze banen dan erg snel moeten verplaatsen naar OF technische implementatie OF creatieve marketing strategie want als alle cijfertjes kloppen kunnen computers onze optimalisatie banen beter uitvoeren.
Ik volg het blog, benieuwd naar jullie voortgang!
“precieze COCA en CLV rapportages” gaan er nooit uitkomen vrees ik, maar dat men meer met media/marketingmix modelling kan dan we nu doen, dat lijkt me helder. Time will tell.
Dank voor het volgen in elk geval!