Wie lange warten?
Was ist der optimale Zeitraum zur Bewertung von Werbekanälen?
Ein zentraler Aufgabe des Marketings ist die Analyse der Costumer Journey. Selten erwerben Kunden ein Produkt direkt bei der ersten Berührung mit einem Online Shop. Daher ist nicht immer einfach festzustellen, welcher Werbekanal wie wichtig in der Costumer Journey ist. Dies gilt insbesondere dann, wenn erst kürzlich größere Änderungen in der Aufteilung des Marketing-Budget auf die Werbekanäle vorgenommen wurden. Doch wie lange sollte man abwarten, um die Performance der Werbekanäle zu evaluieren? In diesem Blog-Beitrag gehen wir der Frage nach, welcher der optimale Zeitraum ist, um die Performance von Werbekanälen zu evaluieren.
Die Kernpunkte
Die Kernpunkte
Kanal-Analyse
Warum die Kanal-Analyse innerhalb der Customer Journey wichtig ist?
Komplexität der modernen Customer Journey
Die Customer Journey ist nicht linear. Konsumenten interagieren mit einer Vielzahl von Kanälen – oft über mehrere Tage oder Wochen hinweg. Beispielsweise kann ein Nutzer eine Anzeige auf Instagram sehen, über eine Google-Suche auf eine Webseite gelangen und dann erst durch eine E-Mail-Kampagne zum Kauf motiviert werden. Diese Vielfalt erhöht die Komplexität der Customer Journey erheblich und macht es schwierig, die Rolle einzelner Kanäle zu bewerten.
Zum Blogbeitrag
Dieser Blogeintrag basiert auf der Dissertation von Christian Koch „Dynamische Customer-Journey-Analyse Entwicklung und Anwendung einer Methodik zur kontinuierlichen Prognose der Wertbeiträge von Werbekanälen“ Springer-Verlag, 2024. Im Beitrag wird ein Ansatz zur Analyse der Costumer Journey vorgestellt.
Mehrkanalstrategien und ihre
Herausforderungen
Um in diesem dynamischen Umfeld erfolgreich zu sein, müssen Unternehmen ihre Werbebudgets effizient auf verschiedene Kanäle verteilen. Eine fehlerhafte Budgetallokation kann dazu führen, dass wichtige Kanäle unterfinanziert bleiben und potenzielle Kunden nicht erreicht werden. Hier setzt die Customer-Journey-Analyse an: Sie hilft, die Effektivität jedes Kanals zu bewerten und fundierte Entscheidungen zu treffen.
Warum genaue Analysen essenziell sind
Genaue Analyse der Kanal-Performance sowie die Vorhersage der zukünftigen Performance eines Kanals geben Unternehmen die Möglichkeit, frühzeitig auf Veränderungen zu reagieren und die Effekte ihrer Marketing-Strategien zu prüfen. Es stellt sich jedoch die Frage, wie groß der Zeitraum sein sollte, auf dessen Basis die Performance eines Kanals bestimmt wird. Reichen bereits 1 bis 2 Wochen, um einen Kanal bewerten zu können, oder sollte der Zeitraum auf mehrere Monate erweitert werden?
Die Zeitraumberechnung
Wie wird die optimale Länge des Beobachtungszeitraums berechnet?
Die Bestimmung des optimalen Zeitraums ist schwierig, da kurzfristige Zeiträume zwar aktuelle Trends erfassen, aber dazu neigen, saisonale oder langfristige Muster zu ignorieren. Langfristige Zeiträume hingegen decken umfassendere Muster ab, können jedoch veraltete Informationen enthalten, die aktuelle Entwicklungen verfälschen. Im ersten Schritt der Bestimmung des optimalen Zeitraums muss entschieden werden, wie die Performance eines Werbekanals berechnet werden soll. Hierzu werden im Allgemeinen heuristische Attributionsmodelle und analytische Attributionsmodelle unterschieden.
Welches Attributionsmodell ist das beste?
Während erstere Attributionen wie Last-Touch (letzter Kontaktpunkt erhält 100% des Werbebeitrags), First-Touch (erster Kontaktpunkt erhält 100% des Werbebeitrags), oder einer Mischung der beiden Modelle ins Zentrum der Analyse stellt, handelt es sich bei analytischen Attributionsmodelle um datengetriebene Methoden. Hier wird nicht nur die Reihenfolge der Kontaktpunkte, sondern auch deren Wechselwirkungen und die Zeitdimension berücksichtigt.
Heuristische Modelle sind sehr einfach in ihrer Anwendung und stellen nur geringe Anforderungen an die Datenqualität. Allerdings sind sie ungenau und berücksichtigen Wechselwirkungen zwischen den Kanälen sowie Zeitfaktoren nicht.
Analytische Modelle hingegen sind deutlich genauer, flexibler und berücksichtigen Wechselwirkungen sowie Zeitfaktoren. Allerdings sind sie komplexer in der Anwendung und weisen höhere Datenanforderungen auf. Aufgrund der deutlich genauen Ergebnisse sind sie dennoch das Mittel der Wahl, um den optimalen Beobachtungszeitraum zu bestimmen.
Markoph Graphen als analytisches Modell
Zu den analytischen Modellen gehören die sogenannten Markov-Graphen. Einen Markov-Graphen kann man sich in seiner Struktur wie das Wurzelwerk eines Baumes vorstellen. Ebenso wie das Wurzelwerk in vielen verschiedenen Winkeln Wasser aufsammelt und es über langen und verästelten Wegen zum Stamm leitet, empfindet ein Markov-Graph die vielen Wege und Umwege nach, wie ein Kunde zur Conversion kommen kann. Hierbei wird die Übergangswahrscheinlichkeit berechnet, dass ein Kunde von einem Kanal zum nächsten wechselt bzw. von einer Micro-Conversion zur nächsten, bis er in der Haupt-Conversion mündet, dem Baumstamm.
Die Markov Graphen als analytisches Attributionsmodell gelten als eines der genausten und flexibelsten Methoden und wurden von Koch (2024) genutzt, um auf Basis von unterschiedlich langen Zeiträumen Vorhersagen zu treffen, die dann mit den tatsächlichen Daten verglichen wurden. Je geringer die Abweichung von Vorhersage und tatsächlichen Daten, desto besser eignet sich ein Zeitraum als Basis zur Vorhersage der Kanal-Performance und somit zur Bewertung eines Kanals. Koch (2024) stand für seine Berechnung ein über mehrere Jahre hinweg spannender Datensatz aus der Praxis zur Verfügung.
Bevor wir die Frage auflösen, was glaubst du? Was ist der optimale Zeitraum?
Der optimale Zeitraum
Wie groß ist der optimale Beobachtungszeitraum zu Kanalanalyse?
Tatsächlich müssen wir dem Ergebnis von Koch (2024) zum optimalen Beobachtungszeitraum auf Basis seiner Ergebnisse widersprechen. Er kommt zum Schluss, dass ein Beobachtungszeitraum von 8 Monaten die höchste Vorhersagegenauigkeit liefert. Die Vorhersagegenauigkeit ergibt sich, indem die Differenz zwischen Vorhersage und realen Daten berechnet wird. Sowohl kürzere als auch längere Zeiträume als 8 Monate weisen ungenauere Vorhersagen auf. Wie jedoch Grafik 1, welche seiner Dissertation entstammt, entnehmbar ist, sinkt der Vorhersagefehler innerhalb von 3 Monaten beträchtlich.
Grafik 1 – Vorhersagefehler
Ab dem dritten Monat sinkt der Vorhersagefehler hingegen kaum noch. Sicherlich bleibt sein Schluss formal korrekt. Bei einem Beobachtungszeitraum von 8 Monaten ist der Vorhersagefehler am geringsten, jedoch macht es kaum einen Unterschied, ob ein Zeitraum von 3, 8 oder 12 Monate groß ist. Bedenkt man mögliche Kosten, die entstehen können, wenn es zu (letztlich unvorteilhaften) Änderungen in der Kanal-Bewerbung kommt, ist der optimale Beobachtungszeitraum 3 Monate.
Wenn also die Performance von Kanälen geprüft wird, bzw. wenn der Effekt von neuen Werbemaßnahmen auf die Kanal-Performance geprüft werden soll, dann ist es nicht notwendig, einen längeren Zeitraum als 3 Monate zu analysieren. Ein kürzerer Zeitraum hingegen, kann zu deutlichen Fehlern in der Kanalevaluation führen.