Att förstå kundresan…
en av de stora utmaningarna i dagens digitala marknadsföring
Tidigare var sambandet mellan en marknadsföringsinsats som i sin tur ledde till ett köp eller någon typ av aktivitet relativt enkelt att följa: Man såg en annons i tidningen, alternativt fick ett DR utskick i brevlådan eller så såg man reklam på TV och för det mesta kunde avsändaren se hur det påverkade ett köp eller en önskad aktivitet.
I dagens digitala ekosystem ser det dock helt annorlunda ut. ”Kundresan” sträcker sig över flera veckors tid eller till och med under månader och involverar många medier, kanaler, plattformar och olika beröringspunkter – så kallade touchpoints.
En potentiell kund kan till exempel först se något från ett varumärke exempelvis på TV, eller/och i sociala medier, man gör kanske därefter en sökning på Google, efter det kan man klicka på en sponsrad länk för att någon dag senare slutligen genomföra ett köp, men däremellan har man även fått ett e-postutskick. Utmaningen blir då att avgöra vilken kanal eller aktivitet var det som hade störst påverkan på konverteringen?
Det är här attribution kommer in i bilden – ett begrepp som handlar om att försöka se vilket värde eller förtjänst olika digitala marknadsföringsinsatser har haft på köpet.
Vi har dock ett problem med analoga kanaler som TV, Utomhus, print mm inte kan tillskriva sig vare sig attribution eller klick som skapade ett köp eller önskad aktivitet.
Attribution och klickkostnad
Attribution är metoden för att försöka identifiera vilka marknadsföringskanaler som påverkat kundens beslut att konvertera, samt i vilken grad. I en tid där klick, visningar och engagemang kan mätas in i minsta detalj blir attribution ett verktyg för att forska och försöka förstå vad i de digitala kanalerna som haft påverkan på ett utfall.
Man pratar ofta om vart i tratten kampanjen har bidragit:
Awareness – har man nått ut med sitt budskap
Interest – har man lyckats skapa intresse
Decision – har man fått folk att börja komma till ett köpbeslut
Action – har man lyckats få folk att faktiskt köpa en produkt/tjänst
Begreppet Attribution hänger nära samman med Cost Per Click (CPC), det vill säga kostnaden för varje klick som skett på en digital annons, men i och med att få klickar på annonser går allt fler över till attribution.
Genom att kombinera CPC-data med en attributionsmodell kan företag försöka beräkna vilka klick som leder till störst avkastning (man pratar ofta om ROI), snarare än att enbart fokusera på volymen av antal klick.
First-Touch Attribution (FTA)
First-Touch Attribution innebär att hela konverteringsvärdet tilldelas det första beröringsmomentet i kundresan. Modellen används ofta för att mäta hur pass väl marknadsföringen fungerar i början av tratten – det vill säga hur effektivt den skapar uppmärksamhet och genererar nya prospekts till ett köp eller en aktivitet.
Fördelar:
- Enkel metod att implementera och analysera vad som skedde i början.
- Ger viss insikt i vilka digitala kanaler som är effektiva för att driva in nya kunder.
Nackdelar:
- Ger en ofullständig bild av hela kundresan, saknar data från analoga kanaler.
- Riskerar att undervärdera mellanliggande och avslutande aktiviteter som har påverkat köpet i slutändan.
- Passar sämre för komplexa kundresor med många steg och många kanaler.
Ett exempel som kan illustrera begränsningen: En kund läser ett blogginlägg om resor (första kontakt där det finns en Facebook-pixel), man får sedan en riktad Facebook-annons, man återvänder till webbplatsen, och får slutligen ett e-postutskick med en rabattkod som därefter leder till köp. Enligt FTA modellen får blogginlägget eller Facebook-annonsen hela förtjänsten, trots att den faktiska konverteringen kanske skapades av e-postkampanjen eller andra aktiviteter däremellan.
Last-Touch Attribution (LTA)
Last-Touch Attribution är den motsatta modellen. Här får det sista beröringsmomentet – den sista interaktionen före konverteringen – all förtjänst. Modellen används ofta vid analys av säljdrivande aktiviteter och ger en bild av vilka digitala kanaler som slutligen kan ha fått kunden att slutligen agera.
Fördelar:
- Lätt att tillämpa i digitala kampanjer.
- Ett sätt att försöka skapa insikter om vilka digitala kanaler som leder till konverteringar och utfall som försäljning och annan aktivitet.
Nackdelar:
- Bortser från alla tidigare steg i kundresan.
- Riskerar att övervärdera ”bottom funnel” med aktiviteter som exempelvis remarketing eller e-post.
- Det finns risk att man räknar en laddad pixel som annonsvisning eftersom man kan ladda upp pixeln nära köpet utan att användare har sett annons.
- Kan leda till felaktiga beslut och skev budgetfördelning.
I exemplet ovan skulle LTA tillskrivas all framgång till e-postutskicket eller en laddad annons i form av en pixel. Detta ger en missvisande bild av vad som skapade köp eller aktivitet, eftersom tidigare steg (blogginlägg eller annons i digitala eller analoga medier) kan ha varit det som fick kunden att överhuvudtaget vilja köpa eller göra det som kampanjen syftade till.
Det finns exempel där den digitala kanalen räknar laddade pixlar som visningar och kan därmed ladda upp pixel ”annons” i mobil via GEO-taggning nära köptillfället, då kan de tillskriva sig att det var deras ”visning” som stod för konverteringen.
Vi har även problemet med att annonseringen många gånger tillskriver sig ren basförsäljning som skulle ha skett oavsett om annonsen hade visats.
Multi-Touch Attribution (MTA)
Multi-Touch Attribution är en mer avancerad modell som syftar till att försöka fördela värdet av en konvertering mellan flera olika touchpoints i kundresan. I stället för att en enda kanal får hela äran till utfall, analyseras varje digital beröringspunkt som kan ha bidragit till beslutet att köpa eller agera.
Genom att väga in flera faktorer – tidpunkt, kanaltyp och påverkan – kan MTA ge en mer rättvisande, datadriven bild av vad som faktiskt leder till försäljning.
Fördelar:
- Ger en helhetsbild av den digitala kundresan mellan olika kanaler.
- Möjliggör mer effektiv budgetallokering mellan olika digitala kanaler.
- Skapar underlag för att bygga varumärke kombinerat med säljdrivande aktiviteter.
Nackdelar:
- Mer komplex att implementera, finns problem med bias.
- Kräver tillgång till stora datamängder och teknisk analyskapacitet.
- Svårt att inkludera offline som TV, utomhusmedia, tryckta annonser, DR, mm.
Vanliga modeller inom MTA
- Linjär modell
Alla beröringspunkter får lika mycket värde. Enkel och transparent, men saknar insikt i vilka aktiviteter som har haft störst faktisk påverkan. - Tidsbaserad (Time Decay)
Ger större värde till de touchpoints som ligger närmare konverteringen i tid. Förutsätter att insatser närmare köpögonblicket har en större betydelse. Riskerar dock att undervärdera varumärkets påverkan samt basförsäljningens påverkan i köpprocessen. - U-formad modell
Fördelar större vikt till första och sista touchpoint i resan ofta 40 % vardera, medan resterande delar av kundresan ofta får dela på sista 20 %. Stort fokus på första och sista aktiviteten och förbiser interaktionerna däremellan. - W-formad modell
Tar hänsyn till tre avgörande moment: första kontakt, som skapar leads, aktiviteter som sker under resan och de sista som skapar avslut. Används ofta inom B2B eller där man har längre kundresor där aktiviteter i mitten är viktig. - Full path-modell
En mer omfattande variant som fördelar värde i fyra steg – första kontakt, leadskapande, affärsmöjlighet och avslut. Används ofta för komplexa försäljningsprocesser med stor grad av kundinteraktion under resan. - Skräddarsydd modell
Man kan även skapa egna modeller baserat på sin data och insikter. Ger maximal flexibilitet, det kräver tid, tester och analytisk kompetens.
Implementering av MTA
Att välja rätt modell är bara första steget. Implementeringen kräver att man sätter tydliga mål och har en välgrundad analys av data och utfall, man behöver väl definierade touchpoints och tillgång till rätt verktyg. Detta är endast en del av köpprocessen och ska inte tillskrivas hela värdet.
Några enkla steg för din Attribution
- Sätt upp tydliga mål – definiera vad som ska mätas: varumärke, leads eller försäljning. Se dock inte detta som hela sanningen.
- Identifiera touchpoints – kartlägg alla digitala kontakter, försök även att få in data från icke digitala medier.
- Samla data – använd Data från annonsköp, CRM-system, webbanalys, olika API-integrationer och/eller JavaScript-spårning samt data från analoga kanaler.
- Analysera och justera – utvärdera löpande vilka kanaler som kan ha haft störst påverkan och analysera med faktiska data från ekonomisystem för att se om utfall från Attribution stämmer och justera budgetfördelningen därefter.
Attribution bör betraktas som en kontinuerlig process, inte en engångsinsats. Kundresor förändras över tid, och modellerna måste utvecklas i takt med dem.
Utmaningar med multi-touch attribution
Trots sina fördelar finns det begränsningar. MTA är främst avsett för mäta insatser i digitala miljöer och kan därför inte alltid inkludera offline-kanaler som tryckt media, utomhusreklam eller TV. Dessutom är det svårt att kvantifiera externa faktorer såsom konsumenttrender, påverkan från andra aktiviteter som sker kring varumärket om man omtalas i media eller om det skrivs mycket recensioner eller olika säsongsvariationer.
Ytterligare en utmaning ligger i dataintegrationen. För att MTA ska ge tillförlitliga resultat krävs att olika system kommunicerar med varandra – något som ofta ställer krav på både teknik och kompetens. Dessutom är olika datapunkter konfigurerade på olika sätt och kan inte giftas ihop rakt av utan att man gör egna beräkningar (proxys), för att försöka få dem mer jämförbara sinsemellan.
Sammanfattning
Utvecklingen från First-Touch Attribution (FTA) och Last-Touch Attribution (LTA) till Multi-Touch Attribution (MTA) speglar en förändring i hur företag mäter sin marknadsföringseffektivitet och det här är något som alla marknadsförare måste sätta sig in i och förstå då de flesta medier och plattformar rapporterar utfall från attribution.
FTA och LTA är enkla att implementera, men fångar inte komplexiteten i dagens kundresor. MTA ger en mer nyanserad och datadriven bild som gör det möjligt att optimera både klickkostnad och avkastning i digitala medier.
Vi har problemet med attribuering att annonseringen kan tillskriva sig ren basförsäljning eller säsongsvariationer, eller andra saker som sker och driver försäljning som inte har påverkats av annonsen. Sedan har vi problemet med att vissa räknar laddade pixlar som impressions.
“Har annonsen inte visats kan den inte ha påverkan på ett köp”
För företag som vill arbeta strategiskt och långsiktigt med sin marknadsföring är MTA ett sätt att försöka förstå kampanjernas påverkan till köp, men det ger inte hela bilden av hur kunder och prospekts agerar och varför de gör de val som de gör.
Man behöver förstå marknadsföringens mekanismer och ha kunskap om nya modeller och forskning på marknaden som exempelvis 95/5 från Ehrenberg Bass-Institute samt att man måste ha insikter i gammal klassisk marknadsföringsteori med 4P Product, Price, Place, Promotion och se hur man får in nya kunder till företaget för att växa.