Dronningens gate 3
0152 Oslo
Norge
Markedsføring har i all tid vært vanskelig å måle og evaluere, men med digitaliseringen og ny teknologi – vil maskinlæring og kunstig intelligens erstatte mye av synsingen til markedsførere.
For å kunne lykkes må du kunne forstå kundene dine, vite hvordan du skal få deres tillit, og hva man skal kommunisere til dem. Innenfor dette er det derfor ekstremt viktig å vite hvor og hvordan vi investerer markedsbudsjettet.
En attribusjonsmodell gir årsaksforklaring til hvordan markedsaktiviteter skaper verdi for din bedrift. Dette kan være omsetning ved salg av spesifikke produkter, eller det å få nye kunder inn. Det handler altså om å få innsikt i de digitale, sømløse og komplekse kundereisene.
Det finnes flere attribusjonsmodeller, med ulike fordeler og ulemper. Modellene har et sett med regler, som angir hvor mye verdi som skal fordeles til hver kanal for en konvertering.
Ettersom modellene gir verdi ut ifra hvilken kanal kunden har interagert med, så kommer det an på hvilket steg du mener er viktigst for deg og din bedrift.
Så hvis du mener den første kanalen kunden besøker er viktigst? Da er First-click modellen best for deg.
Dersom du mener den siste interaksjonen en kunde gjør før konverteringen skjer er den viktigste? Da passer Last-click modellen best.
Det mest ideelle er derimot å se på alle faktorer som kan påvirke kunden før en konvertering. For i en digital (og ofte omnikanal) strategi – spiller kanalene på lag.
Se for deg et fotballag som spiller en viktig kamp, og får inn et mål i de siste minuttene.
Er det spissen som skjøt ballen i nettet som fortjener all ære? Han var tross alt den som fikk inn målet.
Eller var det forsvarsspilleren som fikk ballen fra motstanderlaget, og sentret ballen videre oppover banen? Han var jo den som startet angrepet.
Svaret er det samme som i en digital strategi, med bruk av både push og pull markedsføring – alle kanalene spiller en rolle for resultatet, spørsmålet er bare i hvor stor grad. Det er her kunstig intelligens (AI) og datadrevet attribusjon kommer inn, som nettopp analyserer atferd og mønstre som er usynlige for det blotte øyet.
Vår datadrevne attribusjonsmodell krever kun at vi kobler sammen de datasiloene som en kunde benytter og har tilgang til. Det kan for eksempel være Google Analytics, Google Ads, Facebook Business Manager, LinkedIn Business Manager, Bing Ads og CRM-system.
Deretter anbefaler vi å samle data i minst tre måneder eller minimum 90 prosent av gjennomsnittlig varighet på en kundereise. Da vil vi ha et godt grunnlag for å analysere alle data, samt kunne avdekke atferdsmønstre i de ulike kundereisene.
Ønsker du å komme i gang med datadrevet attribusjon? Kontakt oss i dag!
Visste du at 80 prosent av nordmenn handler på nett? Før hvert av disse kjøpene så blir hver nordmann utsatt for en rekke informasjonskilder, som er med på å påvirke kjøpet. Datadrevet attribusjon hjelper oss med å finne ut i hvilken grad hver av de digitale informasjonskildene bidrar til et kjøp.
En reklamevideo på YouTube trigger Kari Nordmann sitt behov for en ny laptop. Det starter tankegangen, men hun gjennomfører ikke et kjøp der og da.
Videre får hun opp en karusell-annonse i newsfeeden sin på Facebook. Hun ser kjapt på den, men scroller videre i feeden.
Etter dette klikker Kari på en bildeannonse på Instagram som tar henne til en kampanjeside med en av de nyeste laptop-modellene. Hun ser gjennom informasjonen på denne nettsiden, men er fortsatt ikke overbevist nok til å kjøpe produktet.
Et par dager senere begynner Kari aktivt å søke på Google etter «laptop», og klikker seg inn på én av de betalte annonsene i toppen av søkeresultatet. Hun ender med å legge laptopen i handlekurven, men får kalde føtter – og krysser ut siden.
Til slutt klikker Kari seg direkte inn på hjemmesiden, og fullfører kjøpet – hvor laptopen allerede ligger klar til henne i handlekurven.
Dette er en typisk kundereise, der kunden blir eksponert for (i gjennomsnitt) fire betalte annonser, og gjennomfører kjøpet etter å ha gått inn direkte via nettsidens webadresse (url) som har lagret seg i nettleseren fra forrige besøk.
Forestill deg at denne kundereisen blir gjennomført av over tusen personer, men personene starter med andre kanaler, og kjøpet blir gjennomført etter å ha klikket seg inn gjennom forskjellige kanaler. Så om kjøpet er verdt 10.000 kroner – hvordan vet du hvor mye av denne verdien hver kanal bidrar med?
Hva ønsker du å oppnå med investeringene dine? Det er et spørsmål alle som driver markedsføring må kunne svare på. Uansett om det foreligger harde KPI’er som salg, eller mykere som trafikk og merkevarebygging – må du kunne måle om investeringene gir avkastning. Gjennom algoritmer, maskinlæring og statistisk analyse over lengre tid, gir datadrevet attribusjon deg svar.
Datadrevet attribusjon benytter en algoritme som tar med alle variabler som spiller inn. Dette er blant annet:
Gjennom variablene finner algoritmen mønstre i alle de tusen forskjellige kombinasjonene av kundereiser, og den kan deretter fordele de 10.000 kronene mellom kanalene. Dette skaper et mye mer nøyaktig bilde av hvordan kanalmiksen og de ulike kreativene spiller hverandre gode, og gjør det enklere for deg som markedsfører å vite hva du må forbedre eller endre. I tillegg skaper dette store muligheter for testing og eksperimentering av nye ideer.
John Wanamaker uttalte for over hundre år siden; «Halvparten av pengene jeg bruker på reklame er bortkastet, problemet er at jeg ikke vet hvilken halvpart». Dette er en problemstilling flere bedrifter fortsatt føler på i år 2020, selv om løsningen ligger i riktig bruk av data.
Gjennom sporing på nett kan vi i dag få tilgang på data om brukeranskaffelse, atferd på nettsiden, aktiviteter på sosiale medier og konverteringer. Dette har gjort at bedrifter i dag sitter på enorme mengder data, hvorav flere ikke benytter dets fulle potensiale.
Dataene må brukes til å svare på hvem kundene våre er, hva som er viktigst på nettsiden vår og hva som gjør at kunden konverterer enklere. Videre bruker en denne informasjonen til å skreddersy nettsiden og markedsaktivitetene for kundene.
Nettsiden må ha en personvernerklæring som forteller hvilke personopplysninger bedriften behandler og hvorfor, i tillegg til at brukeren må aktivt samtykke til bruken av informasjonskapsler. For å ikke miste all dataen til brukerne som ikke samtykker, er anonymisering av sporingen ideelt. Dette gjør at atferden ikke kobles direkte til brukeren, men du kan fortsatt bruke dataen til å observere statistikk og generelle tendenser.
Obs! Kravene til samtykke for informasjonskapsler er høyere enn tidligere, og det er ikke lenger gyldig å gi samtykke gjennom nettleserinnstillingene.
Gjennom datadrevet attribusjon kan vi kan se hvordan kundene kom seg til nettsiden, hvilke annonser de så på veien og hvilket budskap de responderte best på. I tillegg til å gi innsikt i hvilken rolle hver kanal har i kundereisen, og hvor viktig hver kanal er for konverteringen.
Dette gjør at vi kan finne ut hvilke kanaler som vi burde investere mer i, hvilke vi må endre budskapet til, hvilke landingssider som gir best avkastning for hver kanal og hvordan kanalene påvirker hverandre.
Det viktigste er at grunnlaget for beslutningene som tas er data – og ikke synsing. På den måten treffer vi kun målgruppen som vi vet vil konvertere. Som fremstilt på modellen over vil vi være «aktør 2», som betaler kun for klikk og visninger til betalingsvillige i markedet. Mens «aktør 1» kjøper klikk og visninger for resterende i markedet, som ikke er betalingsvillige.
Som nevnt er det data som skal være grunnlaget i en videre strategi, men rådata er ikke verdt mer enn hvordan den struktureres. Datadrevet attribusjon analyserer dataen, og strukturer den slik at vi kan se de tydelige mønstrene i kundereisen. Dette gjør jobben med rapportering, budsjettering og planlegging mye mer effektiv.
Rapporter skal gi en evaluering på hvordan markedsaktivitetene har prestert, gi svar på om investeringene har lønnet seg og være et grunnlag for strategien videre. Dette gjør det ekstremt viktig at rapporter svarer på alle spørsmål, og ikke har misledende feil.
Det er her datadrevet attribusjon kommer inn og finner de riktige svarene, som andre attribusjonsmodeller har svart feil på – eller ikke er utfyllende nok.
Evaluering og læring av tidligere kampanjer er en av de viktigste faktorene ved budsjettering og planlegging, og ved å analysere den ferdigstilte rapporten kan vi vite eksakt hvor mye vekt vi må legge på hver kanal.
Du har funnet ut hvilke kanaler som skal med i markedsmiksen, og hva slags rolle hver kanal har. Det er satt av budsjett som skal gi høyest mulig ROAS (return on ad spend), men hva skal hver kanal vise? Og til hvem?
I likhet med attribusjon for kanaler, kan datadrevet attribusjon også gi svar på kampanjer, annonsegrupper og annonser sin sanne verdi. I en kundereise kan kunden se og klikke på flere ulike annonser fra samme annonsør/selskap. Der det siste annonseklikket som kjøpet ble gjort fra – ikke nødvendigvis er det viktigste.
Eksempelvis er det vanlig å søke og finne informasjon om et produkt på mobilen, for så å søke videre og så gjennomføre kjøpet på datamaskinen. Dette vil gi et skjevt bilde av hvordan mobile enheter har lav konverteringsrate og desktop har høy.
Datadrevet attribusjon tilegner verdi til hver annonse som bidrar til en konvertering, og bruker data til å finne ut blant annet hvilke budskap, søkeord, video-lengde, enhet og frekvens som gir best avkastning. I tillegg til hvilken målretting som er best egnet for annonsen.
Om dette høres spennende ut og noe som din bedrift kan dra nytte av, er det bare å ta kontakt med oss!