Attributionsmodelle und effektive Fenster

Ein Attributionsmodell ist eine Regel zur Zuweisung von Credit. Wenn jemand drei Anzeigen sieht, eine anklickt und vier Tage später kauft, entscheidet das Modell, welche Anzeige den Verkauf zugesprochen bekommt. Ändert man die Regel, liefern dieselben zugrunde liegenden Ereignisse unterschiedliche gemeldete Gewinner, weshalb zwei Systeme, die identischen Traffic beobachten, völlig unterschiedlicher Meinung sein können.

YieldBI wendet inkrementelle Attributionsmodelle mit definierten effektiven Fenstern an, statt einer einzigen Standardregel über alle Kampagnen hinweg.

Warum der Standard für Ihren Funnel oft falsch ist

Metas Standardattribution ist eine einzige Einstellung, die auf jede Kampagne im Konto angewendet wird. Das ist bequem und selten für alle gleichzeitig korrekt.

Ein kurzes Fenster bei einem überlegten Kauf lässt Conversions fallen, die tatsächlich von der Anzeige kamen, wodurch Prospecting schlechter aussieht als es ist und Budget in Richtung Retargeting gedrängt wird. Ein langes Fenster bei einem Impulskauf bewirkt das Gegenteil: Es zieht Verkäufe mit hinein, die ohnehin stattgefunden hätten, und die Kampagne, die den Credit erhält, hat ihn nicht verdient.

Keiner der beiden Fehler kündigt sich an. Beide verschieben still das Budget in die falsche Richtung.

Effektive Fenster

Ein effektives Fenster ist der Zeitraum nach einer Anzeigeninteraktion, in dem eine Conversion noch dieser Anzeige zugeschrieben wird. Zwei Dinge legen es fest:

• Click-Fenster zählen Conversions von Personen, die geklickt haben. Das ist das stärkere Signal.
• View-Through-Fenster zählen Conversions von Personen, die die Anzeige nur gesehen haben. Schwächer, und die häufigste Quelle überhöht gemeldeter Leistung. Siehe Attributionsfenster und View-Through sowie Metas eigene Dokumentation dazu, wie seine Attribution funktioniert.

Wählen Sie das Fenster nach Ihrer tatsächlichen Zeit bis zum Kauf, nicht nach einem Richtwert. Landet die Mehrheit der Bestellungen innerhalb von zwei Tagen nach dem Klick, fügt ein Sieben-Tage-Fenster meist nur Rauschen hinzu. Liegt Ihr Median bei elf Tagen, verbirgt ein Sieben-Tage-Fenster systematisch die Kampagnen, die tatsächlich funktionieren.

Warum Ihre Zahlen nie exakt mit Metas übereinstimmen werden

Sie zählen unterschiedliche Dinge, und beide sind in sich konsistent:

• Meta schreibt zum Datum der Anzeigeninteraktion gut; Ihr Shop schreibt zum Bestelldatum gut. Rund um einen Spike landen diese an unterschiedlichen Tagen.
• Meta bezieht modellierte Conversions ein, wo direkte Beobachtung nicht möglich ist; Ihre Datenbank enthält nur beobachtete Bestellungen.
• Meta kann Conversions nicht sehen, die offline abgeschlossen werden, es sei denn, Sie senden sie zurück.

Eine Übereinstimmung bis auf die Zeile ist kein realistisches Ziel. Wählen Sie das System, mit dem Sie Entscheidungen treffen, verstehen Sie, was es zählt, und nutzen Sie das andere als Plausibilitätsprüfung für die Richtung.

Wo sich das zeigt

• Pixel- und Conversion-Ereignisse liefern das Rohsignal, sodass eine Lücke im Conversions-API-Setup jedes darauf aufbauende Modell begrenzt.
• SKAdNetwork deckt iOS-App-Kampagnen ab, wo gerätebezogenes Tracking nicht verfügbar ist und Ergebnisse aggregiert und verzögert eintreffen.
• Umsatzsichtbarkeit auf Anzeigenebene und Insights zur Zielgruppenfindung werden mit dem von Ihnen konfigurierten Modell und Fenster gemeldet, sodass die tägliche Aktionsliste zu dem Modell passt, dem Sie vertrauen, nicht zu einem Plattformstandard, den niemand gewählt hat.

Was Attribution weiterhin nicht beantworten kann

Attribution weist Credit unter bereits existierenden Touchpoints zu. Sie kann Ihnen nicht sagen, was ohne die Anzeige überhaupt passiert wäre. Dafür brauchen Sie eine Holdout-Gruppe: siehe Inkrementalitätstest und Geo-Holdout-Test.