Permalink

6

Der Cross-Channel Mythos (im Retail-Bereich)

Ich bin nicht sicher, ob nur ich diese Beobachtung gemacht habe, aber ich habe durchaus auch von anderer Stelle schon ähnliches gehört und daher schreibe ich hier meine Erfahrung auf: Der Cross-Channel-Effekt, also die Beteiligung mehrerer Online-Marketing-Kanäle an einer Conversion, ist total überbewertet. Ich beobachte das nur im Retail-Bereich und will das nicht als allgemeingültig geltend machen.

Was ist mit Cross-Channel-Effekt gemeint?

Kurz habe ich es schon angedeutet – es geht um die Beteiligung mehrerer Online-Marketing-Kanäle an einer Bestellung. Es gibt sicherlich unterschiedliche Betrachtungsweisen. Ich meine in diesem Artikel aber speziell Online-Marketing-Kanäle und nicht das Zusammenspiel aller Maßnahmen (TV, Radio, Print, etc.).

Als Beispiel: Ein Internetnutzer wird durch einen Werbebanner auf ein Produkt aufmerksam (Display-Advertising). Er klickt auf den Banner und informiert sich genauer über das Produkt. Später wird er durch einen weiteren Werbebanner erneut an das Produkt erinnert (Retargeting). Nach reichlicher Überlegung, entschliesst sich dieser Nutzer, bei Google Shopping Preise  zu vergleichen (SEM oder PSM) und kauft das Produkt schließlich bei dem Händler, von dem er auch zuerst den Werbebanner gesehen hatte.

Typische Kontaktkette im Online-Marketing

Typische Kontaktkette im Online-Marketing (in der Theorie)

Hier entsteht eine User Journey oder Customer Journey, also der Weg eines Nutzers über mehrere Marketing-Kanäle hinweg.

Wieso ist das überhaupt so wichtig?

Das ganze Thema „Cross Channel Attribution“ oder „Customer Journey Analyse“ gibt es ja schon länger im Online Marketing. Angefangen hat es ja mal mit der berühmten „last-cookie-wins“ Betrachtung im Online-Marketing. Der Kanal, der den letzten Klick (oder Impuls) zum Kauf verursacht hat, bekommt 100% des Wertes einer Conversion zugesprochen – man tut also so, als sei dieser Kanal allein verantwortlich für den Kaufabschluss.

Aber das ist ja nicht richtig, denn es ist ja nicht unwahrscheinlich, dass das oben beschriebene Szenario tatsächlich passiert und ein Nutzer mit mehreren Werbemitteln (und Kanälen) Kontakt hat, bevor er kauft. Man will ja auch nicht immer nur den letzten Kontakt mit 100% des Budgets versorgen, irgendwann bekommt man dann nämlich nur noch Besucher über Kanäle, die dem Kaufabschluss nahe stehen bzw. den letzten Klick zur Conversion bringen. Alle „Zubringer“ oder „Assisting Channels“ fliegen dann aus der Bewertung raus und bekommen kein Budget mehr zugewiesen. Durch neuere Kanäle im Performance-Marketing wie bspw. Suchmaschinenmarketing und die dortige Möglichkeit, Markenbegriffe als Keyword zu buchen, sind dann gerade die Display-Vermarkter (grafische Werbemittel) häufig ins Hintertreffen geraten und mussten sich mit immer weniger Werbebudget zufrieden geben.

Wie kann man die Customer Journey sichtbar machen?

Es bedarf eines umfangreichen Trackings, wenn man eine Cross Channel Attribution durchführen möchte. Man kann grob zwischen zwei Arten unterscheiden, wenn man online eine Customer Journey aufzeigen möchte: Entweder man betrachtet alle Kanäle auf Klick-Basis – das ist relativ gesehen einfach, weil man alle Besucher nach ihrem Einsprung auf die Webseite bewerten kann. Man schaut also nach, wie die Benutzer die eigene Webseite aufgerufen haben – natürlich berücksichtigt man dabei die Aufrufe über Online-Marketing-Kanäle. Oder, und das ist die aufwendigere aber sehr viel genauere Methode, man nutzt ein AdServer-System und liefert dabei alle Kanäle über diesen zentralen Dienst aus. Der große Vorteil: Man erhält neben den Klicks (Aufrufen der Webseite) auch Besucherdaten auf View-Basis. Man kann ja annehmen, dass auch ein Sichtkontakt zu einem Kauf führen kann – vielleicht eben nicht direkt, aber am Anfang der Kontaktkette sieht der Nutzer häufiger das Produkt auf Bannern und bekommt so Interesse nach mehr Information, klickt auf ein Werbemittel und kauft dann.

Diese view-basierte Methode ist natürlich die bessere Wahl, weil man ein ganzheitliches Bild bekommt, allerdings auch die komplexere, weil noch viel mehr Daten chronologisch gesammelt werden müssen. An dieser Stelle fällt dann häufig das Buzz-Word „big data“.

Multi-Channel-Trichter-Analyse mit Google Analytics

Aber zurück zur etwas einfacheren Methode: die klick-basierte. Diese kann man sich in Google Analytics zusammenstellen, wenn man dort für die Funktion „Multi-Channel-Trichter“ freigeschaltet ist. Die Google Analytics Standard-Einstellungen sollten unbedingt an die eigenen Marketing-Maßnahmen angepasst werden. Eine Verwendung der vordefinierten Gruppierung macht in den seltensten Fällen Sinn. Wie das genau funktioniert würde den Rahmen dieses Artikels sprengen. Ich habe versucht, die Gruppierung für diesen Artikel verständlich zu gestalten:

Gruppierung der Online-Marketing-Kanäle in Google Analytics (Multi-Channel-Trichter)

Gruppierung der Online-Marketing-Kanäle in Google Analytics (Multi-Channel-Trichter)

Display bedeutet grafische Werbemittel bzw. Platzierung auf Web-Portalen, Suchmaschinen ist sowohl bezahlte als auch nicht-bezahlte Suche (non-brand), Social Media ist ebenfalls bezahlt und unbezahlt, Brand sind dann alle Einsprünge über Suchmaschinen und Markenbegriffe – auch wieder bezahlt und unbezahlt zusammengefasst. Direct bedeutet, dass ein Einsprung über einen externen Link stattgefunden hat oder dass die Webseite direkt (Browsereingabe oder Bookmark) aufgerufen wurde. Es ist kein Online-Marketing-Einsprung über ein Werbemittel. Der Rest (Newsletter, Affiliate, Retargeting) sollte namentlich bekannt sein.

Der Betrachtungszeitraum für die nachfolgenden Grafiken beträgt 30 Tage, wobei ich das Conversion-Lookback-Window auf 14 Tage gestellt habe, was bedeutet, dass nur Klicks bzw. Einsprünge innerhalb 14 Tage vor der Conversion berücksichtigt werden. In Google Analytics ist dieser Zeitraum variabel von 1 bis 30 Tage anpassbar.

Die Menge der Conversions möchte ich nicht nennen – es sind allerdings so viele, dass man zu signifikanten Aussagen kommen kann. Für die Grafiken sind sie nicht so entscheidend, da natürlich immer nur ein kleiner Ausschnitt angezeigt werden kann.

Bei der Grundeinstellung wird eine Pfadlänge von mindestens „2“ ausgegeben. Das heißt, dass mindestens zwei Kanäle bei der Conversion beteiligt waren. Damit schrumpft die Menge aller Conversions schonmal von vornherein auf knapp 30%. Es sind also nur an 30 Prozent aller Conversions zwei oder mehr Kanäle beteiligt. Im Umkehrschluss heißt das, dass bei 70% der Conversions der Nutzer nur einen Kanal-Kontakt benötigt (= Klick), um zu kaufen.

Die Top-Conversion-Pfade setzen sich dann wie folgt zusammen:

Top 10 Conversion-Pfade bei Pfadlänge > 2

Top 10 Conversion-Pfade bei Pfadlänge > 2

Auf Platz 1 gab es bei 1,97% aller Conversions die Konstellation „Direct > Direct“, also ein Nutzer hat die Webseite zwei mal hintereinander aufgerufen. Entweder über eine externe Verlinkung, bspw. über einen Blog, oder per Direkteingabe der URL im Browser.

Die nachfolgenden Top-Pfade sind ebenfalls sehr kurz und bewegen sich immer im gleichen Kanal – erst an siebter Stelle gibt es den Pfad „Suchmaschinen (non-brand) > Brand“. Das heißt, dass ein Nutzer erst mit generischen Begriffen die Webseite gefunden hat und danach nochmal über einen Markenbegriff (Brand) einsteigt.

An neunter Stelle dann die Kombination „Direct > Affiliate“. Das sind dann in der Regel die Fälle, bei denen im Bestellprozess die Möglichkeit gegeben ist, einen Gutscheincode einzugeben und der Nutzer sucht bei Google nach „Gutschein“, kopiert sich den Code und gibt diesen dann vor dem Kaufabschluss ein. Der erste Aufruf erfolgte hier „Direct“, also über die Eingabe der URL im Browser oder ein Bookmark.

Tja – von den Top 10 Conversion-Pfaden sind also nur zwei dabei, bei denen zwei Kanäle beteiligt waren. Bei einem davon muss man noch eingestehen, dass es eigentlich bei beiden Kanälen Suchmaschinen-Einsprünge sind, einmal non-brand und dann brand. Auf Platz 4 und 6 ist die Pfadlänge sogar 3 Kanäle lang, aber immer nur im gleichen Kanal (Direct und Brand).

Die Menge ist übrigens schon ab dem 3. Top-Conversion-Pfad unter 1% aller Conversions. Bei 1.000 Bestellungen in 30 Tagen (und 14 Tagen Lookback-Window) wären das also noch weniger als 10 Bestellungen! Ab Top-Conversion Pfad Nummer 5 sind es nur noch ungefähr 0,5% aller Conversions – das wird dann schnell homäopathisch.

Bei 30 Tagen Lookback-Window ergibt sich nebenbei bemerkt kein anderes Bild. Es sind immer noch nur 30 Prozent aller Conversions mit einer Pfadlänge von größer 2 und auch hier ist man beim 3. Top-Conversion-Pfad wieder bei unter 1%.

Stellen wir die Pfadlänge auf genau fünf sollte sich doch ein anderes Bild zeigen: Es sind jetzt noch gut 2,5% aller Conversions im Betrachtungszeitraum (statt 30%), was schon eine ziemlich kleine Menge ist. Die Pfade sehen dann so aus:

Top-Conversion-Pfade, Länge 5

Immer noch das gleiche Bild – die Klicks erfolgen immer im gleichen Kanal, nur Stelle 5 und 6 haben eine Beteiligung von 2 Kanälen. Hier hat man aber wieder das typische Affiliate-Gutscheincode Verhalten vor dem Kaufabschluss. Die Menge auf Platz 1 liegt bei 0,24% aller Conversions mit der Konstellation: Direkteingabe, Direkteingabe, Direkteingabe, Direkteingabe, Direkteingabe (also 5 Mal ein Bookmark-Aufruf oder 5 Mal die direkte Eingabe der URL in der Adresszeile des Browsers).

OK, bei Pfadlänge 10 oder mehr muss man aber doch dann endlich mehrere Kanäle sehen? Wir sind bei etwas mehr als 3,5% aller Conversions angelangt, was daran liegt, dass auch ganz lange Kontaktketten hinzugerechnet werden (Pfadlänge 10+) und dieses Bild entsteht:

Pfadlänge größer 10 bei den Top-Conversion-Pfaden in Google Analytics

Pfadlänge größer 10 bei den Top-Conversion-Pfaden in Google Analytics

Die Nutzer bewegen sich unglaublicherweise immer noch im gleichen Kanal. Selbst bei mehr als 10 Kontakten ist es immer die Direkteingabe. In manchen Fällen auch Einsprünge über Brand-Begriffe oder Klicks aus einem Newsletter. Die Mengen sind dabei verschwindend gering – im besten Fall noch 0,03 %.

Mit dem Multi-Channel-Trichter Tool kann man aber noch Filtern. Beispielsweise kann man mal die typische Behauptung überprüfen, dass Nutzer über Display in die Customer Journey einsteigen und dann über Brand (Suchmaschinen) abschliessen:

Filtereinstellung: Nutzer beginnt die Customer Journey über Display und schliesst mit Brand ab

Filtereinstellung: Nutzer beginnt die Customer Journey über Display und schliesst mit Brand ab

Die Pfadlänge ist wieder auf fünf eingestellt – da sollten dann unter den ersten 10 Pfaden ein paar kanalübergreifende Kontaktketten entstehen:

Conversion-Pfad: Einstieg über Display und Abschluss über SEM-Brand

Conversion-Pfad: Einstieg über Display und Abschluss über SEM-Brand

Und tatsächlich hat man hier mal ein paar Wechsel in den Kanälen (Position 6, 7 und 10), wenn auch nicht viele. Allerdings sind die Conversion-Mengen auf 0,00% gesunken – man bräuchte noch eine dritte Stelle nach dem Komma, um eine ausreichend große Menge zu erhalten.

Was heißt das nun? Ist Cross-Channel ein Mythos?

Die meinen Auswertungen zugrundeliegende Menge der berücksichtigten Conversions sollte, wie schon gesagt, groß genug sein. Man müsste also im eingestellten Conversion-Window Kontaktketten mit unterschiedlichen Kanälen sehen, was aber nicht der Fall ist. Es gibt eine Customer Journey, das heißt, die Nutzer benötigen mehrere Anläufe (Klicks) bis zum Kauf, aber sie springen dabei eben nicht in den Kanälen hin und her (Cross-Channel).
Sicherlich findet man durch Filterung die Customer Journey, bzw. die Beteiligung mehrerer Kanäle an einer Conversion, aber die Mengen sind dann noch so gering, dass man sich fragen muss, ob eine Optimierung bzw. Budgetallokation auf diesen Werten möglich ist? Wenn unter 1% des Werbebudgets anders verteilt werden müssen, damit man ein besseres Verhältnis bekommt, bzw. in dem Abschluss nicht nahen Kanälen bessere ROIs erhält, dann findet man wahrscheinlich mehr Potentiale, die 70% der Conversions zu optimieren, die ohne Cross-Channel entstehen.

Vielleicht liegt es auch an der Methode? Die reine Klickbetrachtung ist für eine Customer-Journey-Analyse sicherlich ungenauer. Wenn man Sichtkontakte mit einbeziehen kann, hat man ein umfangreicheres Bild und nochmal deutlich mehr Daten. Aber hier stellt sich gleich wieder die Frage, wie vertrauenswürdig die Daten sind? Ein Sichtkontakt entsteht bei vielen AdServer-Systemen durch den Abruf bzw. das Laden eines Werbemittels. Ob der Nutzer dieses Werbemittel nun wirklich gesehen hat, ist eine Annahme. Ja, es gibt Systeme, die auch das berücksichtigen können (Werbemittel im sichtbaren Bereich des Nutzers). Aber erinnert man sich wieder an die Menge, die überhaupt nur betrachtet werden kann (bei Pfadlänge größer 2 in meinem Beispiel 30%), muss sich die Investition in ein solches AdServer-System schon schnell bezahlt machen, damit man die Einsparung durch die neue Budget-Allokation nicht schon durch die damit verbundenen Kosten aufbraucht. Denn eine einmalige Messung eines kurzen Zeitraums bringt auch nur ein nebulöses Bild. Man muss schon mehrere Monate oder besser dauerhaft mitmessen, um bei veränderter Budget-Allokation auch noch nachweisen zu können, dass die neue Verteilung mehr bringt.

Autor: Thomas Langel

Thomas arbeitet im Bereich Online-Marketing/ E-Commerce beim Versandhandelsunternehmen bonprix. Er ist dort verantwortlich für die Themen Suchmaschinenmarketing, Preissuchmaschinen, Datenfeeds und Tracking. Außerdem betreibt er den Podcast SEM fm, zu finden unter http://sem-fm.com

6 Kommentare

  1. sehr guter beitrag thomas.Machen wir ähnliche Beobachtungen. Auch, dass Suchanfragen oft generisch sind und spezieller hin zum Abschluss werden ist erstmal Theorie. Da sitzt mein Kollege gerade an einer Untersuchung.

  2. Hallo Thomas,

    guter Artikel. Ich denke, die geringen Effekte liegen ganz wesentlich an der zunehmenden Zahl an Endgeräten pro User und dramatisch gesunkener Cookie Akzeptanz.

    Wenn das hier stimmt:
    http://de.statista.com/statistik/daten/studie/168870/umfrage/nutzung-von-programmen-die-cookies-loeschen/
    löschen oder unterdrücken in 2012 ~50% der Nutzer bewußt Cookies.

    Als ich 2009 das Thema genauer untersucht habe, konnte ich allein im SEA Bereich zwischen NoBrand- und Brand-Begriffen einen zweistelligen Porzentsatz an Unterstützung bei den NoBrands gegenüber den Brand-Begriffen feststellen.

    Auch nach Overall-Zahlen ausgesteuerte Kampagnen zeichnen meist ein deutlicheres Bild als die Zahlen, die wir mit den aktuell (leider veralteten) Technologien messen können.

  3. Hallo Thomas,

    danke für den interessanten Bericht. Ich habe 2010 auch eine Analyse für einen Kunden gemacht, inwieweit bei PPC-Sales über ein Brand-Keyword der Besucher vorher über ein Non-Brand-Keyword eingestiegen ist.

    Das Ergebnis nach Auswertung von Daten über mehrere Monate:
    – Bei 54% aller PPC-Sales wurde der Sale über ein Brand-Keyword getätigt und der Besucher ist auch vorher über ein Brand-Keyword eingestiegen.
    – Bei 45% aller PPC-Sales erfolgte der Sale über ein Non-Brand-Keyword.
    – Nur bei 1% aller PPC-Sales handelte es sich um Sales über Brand-Keywords, wo der Besucher vorher schon über ein Non-Brand-Keyword eingestiegen war.

    Das war ein interessantes Ergebnis. Allerdings hat der Kunde auch eine starke Marke, was dem sicher beiträgt.

    Ich denke, es ist wichtig, dass man Tools hat, um solche Analysen für sich selbst zu machen und dass man die Daten interpretieren kann, um seine Schlüsse daraus abzuleiten.

  4. Hi Birger,

    Eine bekannte Marke trägt sicherlich auch dazu bei, außerdem pauschalisiere ich hier etwas zu sehr das Thema „Retail“. Bei hochpreisigen Artikeln im Elektronikbereich sieht es sicherlich auch wieder anders aus. Da gibt es ja eine andere Entscheidungsphase und eventuell auch eine Preisvergleichsphase und somit einen möglichen Wechsel zwischen den Kanälen.

  5. Hi Thomas,

    danke auch von mir für den Artikel – erfrischend, auch mal eine andere Meinung zu hören. Gefühlt kommen die meisten Untersuchungen in diesem Bereich von Leuten, die Cross-Channel-Lösungen verkaufen…

Schreibe einen Kommentar

Pflichtfelder sind mit * markiert.