Erfolgsmessung und optimale Budgetverteilung bei Multichannel-Kampagnen
Dieser Fachartikel erschien im Leitfaden Online-Marketing Band 2:
http://TopOnlineExperten.de
Co-Autoren dieses Fachartikels:
http://www.marketing-boerse.de/Experten/details/Alexander-Gorbach
http://www.marketing-boerse.de/Experten/details/Ron-Warncke
Ein Händler für Unterhaltungselektronik, der online Digitalkameras vertreibt, bewirbt diese mit einer breiten On- und Offlinekampagne. Er steht vor der Herausforderung, dass sein Geschäft seit einiger Zeit stagniert und nicht mehr wie in der Vergangenheit wächst. Mit Hilfe seiner eingesetzten Webanalyse-Lösung erkennt er, dass über achtzig Prozent der Verkäufe über die Search-Engine-Advertising (SEA)-Kampagne getätigt werden. Wie seine Offlinekampagne wirkt, ist für ihn dagegen nicht nachvollziehbar. Er beschließt daraufhin, seine Kampagnenbudgets umzuverteilen: der besonders erfolgreichen SEA-Kampagne teilt er fünfzig Prozent mehr Budget zu, das er im Offlinebereich einspart. Ebenso kürzt er die Budgets für die weniger erfolgreichen Online-Marketing-Maßnahmen im Newsletter- und Display-Bereich. Doch statt steigender Ergebnisse kommt es zu einem drastischen Umsatzrückgang. Warum der Umsatz einbricht und wie man Marketingbudgets bei Multichannel-Kampagnen optimal verteilt, zeigt dieser Beitrag.
Zunächst sollte man das Einkaufsverhalten der Kunden des Onlinehändlers betrachten. Der Kaufprozess könnte folgendermaßen ablaufen: Ein Nutzer erhält den wöchentlichen Newsletter des Onlinehändlers, in dem die neueste Canona-Kamera eines führenden Kameraherstellers beworben wird. Da der Nutzer mit seiner alten Kamera desselben Herstellers sehr zufrieden war, erregt das neueste Modell, die Canona 4711, seine Aufmerksamkeit. Auf der Website des Händlers informiert er sich umfassend über das neue Canona-Modell. Die positiven Kommentare auf einem Bewertungsportal steigern das Interesse des Nutzers für die neue Digitalkamera. In einer Preissuchmaschine verschafft er sich dann die Gewissheit, dass der Shop des Onlinehändlers für Unterhaltungselektronik die Kamera zu einem besonders günstigen Preis anbietet.
Der Nutzer hat nunmehr seine Kaufentscheidung gefällt und nutzt eine Suchmaschine zur gezielten Navigation zum Shop. Durch die Eingabe „ Canona 4711 kaufen“ gelangt er über die SEA-Kampagne direkt auf die Angebotsseite und kauft die Kamera. Das Beispiel macht deutlich: Es bedarf mehrerer Werbekontakte, um Nutzer zu einer Kaufentscheidung zu führen. Nutzer benötigen diverse Werbekontakte, um zu einer Kaufentscheidung geleitet zu werden.
Betrachtet man sämtliche Werbekontaktpunkte des Nutzers mit den Werbemitteln des Onlinehändlers, so stellt sich die sogenannte Customer-Journey wie folgt dar: Newsletter (N), Händlerwebsite (H), Bewertungsportal (B), Preissuchmaschine (P) und Suchmaschine (S). Erst nach fünf Kontakten war der Nutzer davon überzeugt, die Kamera auf der Seite des Onlinehändlers zu kaufen (K).
Dass Konsumenten durch mehrere Werbekontakte zur Kaufentscheidung aktiviert werden müssen, ist kein Einzelfall sondern eine Erkenntnis, die bereits 1898 im sogenannten AIDA-Modell formuliert wurde. Das AIDA-Modell ist ein Werbewirkungs-Prinzip, dem die Überzeugung zugrunde liegt, dass Konsumenten vier Phasen durchlaufen, bis sie eine Kaufentscheidung treffen. Die vier gleichwertigen, fließend ineinander übergehenden Phasen sind: Aufmerksamkeit (Attention), Interesse (Interest), Verlangen (Desire) und Aktion (Action).
Während der Konsument in der Attention-Phase auf ein Produkt aufmerksam wird, weckt man in der Interest-Phase sein Interesse. Das Interesse entwickelt sich in der Desire-Phase zu einem konkreten Besitzwunsch, sodass der Kunde in der finalen Action-Phase zum Kauf des Produkts motiviert wird. Das AIDA-Modell behält auch im Online-Business seine Gültigkeit. Die Realität im Online-Marketing zeigt jedoch, dass dieses Prinzip heute kaum angewendet wird. Selbst wenn Marketing-Maßnahmen alle vier Phasen der Kaufaktivierung unterstützen, konzentrieren sich Werbetreibende bei der Online-Erfolgskontrolle in der Regel ausschließlich auf die letzte Phase, die Aktion. Warum sie dies tun, welche negativen Folgen die Fokussierung auf die Aktions-Phase hat und welche alternativen Ansätze genutzt werden können, wird im Folgenden erläutert.
Alternative Modelle zur Erfolgsverteilung
Zur Ermittlung des Erfolgsbeitrags einer Kampagne gibt es verschiedene Modelle. Im Online-Marketing finden in der Regel sogenannte Conversion-Attribution-Modelle Anwendung. Dabei wird vorab festgelegt, wie der Umsatzerfolg auf der Website auf die beteiligten Werbekontakte verteilt wird. Der heutige de facto-Standard ist die sogenannte „Last-Ad-Analyse“. Hierbei wird immer dem letzten Werbemittel, mit dem der Nutzer vor einem Kauf in Kontakt gekommen ist, einhundert Prozent des Erfolgs zugesprochen. Die Last-Ad-Analyse konzentriert sich somit ausschließlich auf die Aktions-Phase des AIDA-Modells. Im einleitenden Beispiel hat der Onlinehändler den Kampagnenerfolg nach dem Last-Ad-Modell analysiert. Er hat nur das letzte Werbemittel vor dem Kauf betrachtet und daraufhin seiner SEA-Kampagne den größten Erfolg zugesprochen.
Auf den ersten Blick erscheint dies einleuchtend. Mit dem Klick auf das letzte Werbemittel gelangt der Nutzer auf die Website des Werbenden und kauft dort ein. Diesem Werbemittel den wesentlichen Erfolg zuzusprechen, ist zunächst logisch. Die vermeintliche Logik und die Einfachheit der Erfolgszuordung ist Grund dafür, dass sich heute nahezu alle Onlinehändler auf die Ergebnisse der Last-Ad-Analyse verlassen, ohne sie zu hinterfragen. Alternativ könnte man aber auch dem ersten Werbemittel, das den Nutzer erstmalig auf die Website geführt hat, den größten Erfolgsbeitrag zusprechen. Schließlich hat es erstmals die Aufmerksamkeit des Konsumenten geweckt. Ein Verteilungsmodell, das den Fokus auf die erste Phase, in der die Aufmerksamkeit erregt wird, richtet, ist die sogenannte „First-Ad-Analyse“.
Darüber hinaus sind auch Verteilungsverfahren üblich, bei denen der Erfolg gleichmäßig auf alle vom Konsumenten genutzten Werbeträger verteilt wird. Die Erfolgsverteilung kann jedoch auch abhängig von der Größe, der Art oder der Platzierung des Werbemittels variieren. Nach diesem Modell würde etwa ein großes Banner als erfolgsrelevanter eingeschätzt als eine kleine Textanzeige.
Alle Conversion-Attribution-Modelle haben jedoch eines gemeinsam: sie sind statisch. Im Vorfeld der Wirkungsanalyse wird bereits festgelegt, welchem Werbemittelkontakt man den größten Erfolgsanteil zuspricht. Eine derart einseitige Betrachtungsweise hat jedoch einen gravierenden Nachteil. Sie spiegelt den tatsächlichen Einfluss der einzelnen Werbeträger nicht wider und führt damit zu verzerrten Ergebnissen. Website-Betreiber erheben also Kennzahlen, die oftmals falsch interpretiert werden. Falsch deshalb, weil man je nach Verteilungsmodell – Last-Ad, First-Ad oder gleichverteilt – zu einem völlig anderen Ergebnis kommt.
Ein einfaches Beispiel verdeutlich das Problem: Ein Nutzer klickt auf einen Artikel im Newsletter. Wenig später sucht er eine Suchmaschine auf und klickt die Suchmaschinenanzeige des Newsletter-Versenders an. Direkt nach dem Klick kauft er auf der Website ein. Bei der Last-Ad-Analyse wäre die Suchmaschinenanzeige das Werbemittel, das zur Konversion führt. Nach der First-Ad-Analyse ist es jedoch der Newsletter, dem man einhundert Prozent des Erfolgs zuspricht. Und mit einem Gleichverteilungs-Modell erhalten Newsletter und Suchmaschinenanzeige je fünfzig Prozent des Erfolgs. Das Beispiel zeigt, dass Conversion-Attribution-Modelle nicht geeignet sind, um strategische Budgetentscheidungen für die Erfolgs-Optimierung von Onlinekampagnen zu treffen.
Dennoch sind Conversion-Attribution-Modelle nicht per se falsch. Die Last-Ad-Analyse beispielsweise weist den Erfolg eines Werbemittels in genau zwei Fällen korrekt aus. Nämlich dann, wenn nur ein einziges Werbemittel eingesetzt wird; oder wenn die Konsumenten stets nur einen Werbemittel-Kontakt haben, bevor sie eine Kaufentscheidung treffen. Die AIDA-Theorie und die heutige Praxis im Internet zeigen jedoch, dass Nutzer in der Regel durch mehr als einen Werbemittelkontakt zu einem Kauf motiviert werden müssen. Wichtige Hebel-Kampagnen, die den Nutzer anregen oder überzeugen, bleiben bei der Last-Ad-Analyse unberücksichtigt und werden daher unterbudgetiert. Als Folge werden wertvolle finanzielle Ressourcen für ein ineffektives Online-Marketing verschwendet. Aber wie kann der tatsächliche Erfolgsbeitrag ermittelt und das Budget optimal auf die verschiedenen Kampagnen verteilt werden?
Betrachtung der gesamten Customer-Journey
Für die korrekte Ermittlung des Erfolgsbeitrags muss man stets die gesamte Customer-Journey betrachten. Hierbei werden sämtliche Kontaktpunkte eines Nutzers mit Werbemitteln und der Website des Werbetreibenden ganzheitlich erfasst und analysiert.
Bei der Analyse hat sich ein aus mehreren mathematisch komplexen Schritten zusammengesetztes Verfahren als besonders valide dargestellt. Dabei werden zunächst unbekannte Muster in den zeitlich sequenziellen Kontaktpunkten gesucht.
Diese Muster werden dann in einer operationalisierbaren Form gespeichert. Somit können anschließend Zusammenhänge zwischen diesen typischen Kontaktmustern unter Berücksichtigung von Reihenfolgeeffekten und Zeitintervallen ermittelt werden. Abschließend werden die Steuerungsmechanismen für den Optimierungsprozess identifiziert, das heißt, Hinweise auf eine effektivere Budgetallokation auf die verschiedenen Werbemaßnahmen gesammelt.
Voraussetzung für diese umfassende Analyse ist die Aufzeichnung sämtlicher Kontaktpunkte in Form von Rohdaten. Die Besonderheit der Rohdatenhaltung besteht darin, dass jeder Werbemittelkontakt erfasst und gespeichert wird, ohne die Daten zuvor zu verdichten. Damit lassen sich auch im Nachhinein unter anderem folgende Fragen beantworten: Wie häufig kommt der einzelne Nutzer mit welchem Werbemittel in Kontakt? Wie lange und wo verweilt er auf der Website des Werbetreibenden? Wie sieht die typische Kontaktsequenz zum Kauf aus? Welche Kombinationen der Werbemittel führen zum Erfolg der Gesamtkampagne und welche führen nicht zum Erfolg? Wie sieht die Customer Journey eines heavy-buyers aus? Welche Kampagnenreihenfolge hat eventuell einen negativen Einfluss auf den Umsatz? Wie stark hängt der Werbereiz von der Zeit zwischen den Kampagnen ab? Und, letztendlich: Wie sieht die optimale Allokation des Werbebudgets auf die einzelnen Kampagnen und Werbeträger aus?
Das Vorgehen zur optimalen Budgetverteilung
Im Falle des Onlinehändlers für Unterhaltungselektronik gilt es zu allererst herauszufinden, ob die Nutzer überhaupt mehr als einen Werbemittelkontakt vor einem Kauf benötigen. Führt stets nur ein Werbemittelkontakt bereits zum Kaufimpuls, kommen alle Conversion-Attribution-Modelle zum selben Ergebnis. Die Praxis zeigt jedoch, dass fast die Hälfte der Nutzer des Onlinehändlers mehr als einen Werbemittelkontakt brauchen, um eine Kaufentscheidung zu treffen.
Es gilt daher, die Wechselbeziehungen zwischen den einzelnen Werbemitteln genau zu verstehen. Darüber hinaus muss analysiert werden, in welcher Reihenfolge die Nutzer mit den Werbemitteln in Kontakt kommen und wie häufig bestimmte Reihenfolgen vorkommen. Haben beispielsweise die meisten Nutzer zwei Werbemittelkontakte vor dem Kauf, wird durch eine Analyse der Kontaktkombinationen ersichtlich, welche Werbemittelkontaktabfolgen besonders erfolgreich sind.
Steht ein Werbemittel häufig am Anfang der Kontaktkette, wird transparent, dass über diesen Werbeträger häufig Erstkontakte mit der Website zustande kommen, die im weiteren Verlauf möglicherweise zum Erfolg führen.
Den Kunden gezielt zur Kaufentscheidung führen
Um bei gleichbleibendem Budget die Effizienz des Multichannel-Marketings zu steigern, gilt es, Hebelwirkungen optimal auszunutzen. Gemäß dem AIDA-Modell müssen Nutzer über alle vier Phasen bis zur Kaufentscheidung begleitet werden. Der Onlinehändler muss seine Kampagnen daher entsprechend aufbauen und dafür sorgen, dass alle Phasen abgedeckt werden. Er sollte also nicht nur die Aktionsphase betrachten, so wie bei der eingangs erläuterten Entscheidung für die Budgetverteilung zu Gunsten der SEA-Kampagne. Ob und wie die Werbeträger in der jeweiligen geplanten Aktivierungsphase wirken, kann mittels einer Wirkungsphasenanalyse untersucht werden. Diese basiert auf einem vereinfachten AIDA-Modell, das auf die drei Phasen Anregung, Überzeugung und Aktion reduziert ist.
Die Wirkungsphasenanalyse gibt Aufschluss darüber, welche Funktion eine Kampagne beziehungsweise ein Werbemittel im Kaufentscheidungsprozess erfüllt. So können Kampagnen-Wirkungsziele detailliert analysiert und optimiert werden, um die Werbewirkung im Multichannel-Marketing gezielt zu steigern.
Erfolgreiche Kampagnenpfade erkennen und nutzen
Zum besseren Verständnis der Abhängigkeiten von Kampagnen und Kampagnen-Wechselwirkungen hat sich die Analyse des „Path-to-Conversion“ bewährt. Diese sogenannte Kampagnenpfad-Analyse gibt Aufschluss darüber, welche typischen Werbemittelabfolgen zum Abverkauf führen. Die detaillierte Analyse einzelner Kampagnenpfade liefert wertvolle Erkenntnisse über die Zusammenhänge zwischen den Werbemitteln. Sie liefert unter anderem Informationen, zu welchem Werbemittel die Nutzer den letzten Kontakt vor dem Kauf hatten. Ist der Nutzer über eine Suchmaschinenanzeige zur gewünschten Website navigiert, als er seine Kaufentscheidung bereits getroffen hatte? Ebenfalls wird transparent, mit welchem Werbeträger Kunden im Vorfeld der Suche in Kontakt gekommen sind. Hat eine Display-Anzeige die Aufmerksamkeit auf ein Produkt gelenkt, nach dem dann häufig auf der Suchmaschine gesucht wurde? Zu wissen, welches die erfolgreichsten Kampagnenpfade sind, ist für die strategische Planung von Online-Marketing-Maßnahmen elementar.
Mithilfe der Analyse der Kontaktkombinationen und der Kampagnenpfade sowie mit der Wirkungsphasenanalyse werden Nutzer und ihre Werbemittelkontakte aus unterschiedlichen Blickwinkeln betrachtet. Erst durch eine derart umfassende Analyse gewinnen Website-Betreiber ein besseres Verständnis über die Zusammenhänge zwischen Kampagnen. Sie erfahren außerdem, welche Einflüsse diese auf die definierten Zielgrößen haben und können daraufhin eine Kampagnen-Klassifikation vornehmen.
Optimale Budgetverteilungen durch Hebelwirkungen
Die Kampagnen-Klassifikation ist das wichtigste Hilfsmittel zur strategischen Budgetierung von Onlinekampagnen. Wie stark beeinflussen sich Kampagnen gegenseitig und welchen Beitrag leisten einzelne Kampagnen zum Gesamterfolg? Ziel der Analyse ist es, die Effizienz des Marketings zu verbessern und bei gleichem Budget mehr Erfolg, beispielsweise Umsatz, zu generieren.
Dabei wird der reale Erfolgsbeitrag jeder einzelnen Kampagne zum Gesamterfolg mit Hilfe einer komplexen Sequenzanalyse berechnet (siehe Kasten „Hintergrund der Sequenzanalyse“). Im Beispiel des Onlinehändlers aus der Unterhaltungselektronik wird beim Vergleich des realen Erfolgsbeitrags mit dem Ergebnis der Last-Ad-Analyse schnell deutlich, dass der Erfolg der SEA-Kampagne überbewertet wurde. Der Onlinehändler hat ihr dementsprechend zu viel Budget zugeteilt. Die Display-Kampagne „Brand Y“ wird im Rahmen der Last-Ad-Analyse hingegen stark unterschätzt. Basierend auf den Auswertungsergebnissen können Kampagnen anschließend hinsichtlich ihrer Wirkungsweise klassifiziert werden.
Hintergrund der Sequenzanalyse:
Das Verfahren der Sequenzanalyse stammt aus der Molekularbiologie und ist dort „State of the Art“ bei der Entschlüsselung der menschlichen DNA. Mit Hilfe der sequenzanalytischen Methode gelingt es, signifikante Muster im Verhalten von Konsumenten und Usern zu identifizieren. Diese Muster dienen unter anderem der Beschreibung von unterschiedlichen Zielgruppen bezüglich ihres on- oder offline Such- und Kaufverhaltens sowie deren Einfluss auf unternehmerische Zielgrößen. Im Bereich der Kampagnen-Effizienzmessung dient das Verfahren zur Operationalisierung spezifischer Kampagnen-Kontaktmuster. Damit kann es auch als Methode für eine detaillierte Performance-Bewertung, unter Berücksichtigung des Einflusses von Reihenfolgeeffekte und Wechselwirkungen herangezogen werden.
Abb. 7 gibt eine derartige Klassifikation wieder. Auf der vertikalen Achse ist der mithilfe der Sequenzanalyse berechnete reale Kampagnenerfolgsbeitrag dargestellt. Als Erfolgsparameter wird im zugrundeliegenden Beispiel der generierte Umsatz des Onlinehändlers verwendet. Alternativ könnten auch Verweildauer, Anzahl der aufgerufenen Seiten oder andere Key-Performance-Indicator (KPI) verwendet werden. Die horizontale Achse zeigt den Mehrwert, den ein Kampagnenkontakt zusätzlich zu Kontakten mit anderen Kampagnen liefert. Die Achse zeigt sozusagen die Steigerung des Verkaufsvolumens durch einen zusätzlichen Kontakt mit der spezifischen Kampagne.
Bei der strategischen Budgetallokation geht es grundsätzlich darum, das Budget so auf die Werbemittel zu verteilen, dass Hebelwirkungen zwischen Kampagnen optimal genutzt werden. Wie in Abb. 7 dargestellt, gibt es sogenannte Under-Performer-Kampagnen, die lediglich Kosten verursachen, ohne zum Gesamterfolg beizutragen. Supporter-Kampagnen fördern hingegen die Wirksamkeit anderer Kampagnen. Sie sind wichtig, um die Konversion zu verbessern. Converter-Kampagnen haben nur wenig Einfluss auf andere Werbemittel, sind allerdings für sich allein betrachtet sehr wirkungsvoll.
Die Display-Kampagnen X und Y aus Abb. 7 zeigen, wie wichtig die Betrachtung von Wechselwirkungseffekten zwischen den Kampagnen, unterstützend zur reinen Einzelperformancebetrachtung, ist. Die beiden genannten Kampagnen zeigen eine annähernd gleiche Einzelperformance, abzulesen am vertikalen Achsenabschnitt. Eine eindeutige Budgetentscheidung zugunsten der Display-Kampagnen ist allein über die Betrachtung dieser Kennzahl nicht möglich. Hilfe liefert die zusätzliche Betrachtung des in der horizontalen Achse dargestellten, verursachten Mehrwertes der Kampagnen. Kampagne Y zeigt hier einen positiven Wechselwirkungseffekt. Eine mögliche Reduktion des Budgets für diese Kampagne, resultierend aus der negativen Einzelperformance, hätte negative Effekte auf die Performancewerte der anderen Kampagnen. Dies würde letztlich zu einer verheerenden Fehlentscheidung führen.
Prinzipiell empfiehlt es sich, das Budget von den Underperformern und geringen Convertern abzuziehen. Stattdessen sollte das Budget auf die erfolgreichen und unterstützenden Kampagnen umverteilt werden.
Fazit
Website-Betreiber haben heute die Auswahl zwischen zahlreichen verschiedenen Online- und Offline-Marketing-Maßnahmen, um auf ihr Angebot aufmerksam zu machen. Wichtig bei der Kampagnen-Erfolgskontrolle ist jedoch, dass die Analysemethode nicht nur das letzte Werbemittel vor dem Abverkauf betrachtet. Es müssen vielmehr alle Werbeträger in jeder Phase der Kundenaktivierung analysiert und klassifiziert werden. Die Berechnung des realen Erfolgsbeitrags einer Kampagne ist dabei wesentlich für die strategische Budgetverteilung zur Optimierung des Gesamterfolgs. Website-Betreiber können das Budget nur dann optimal auf die verschiedenen Werbeträger verteilen, wenn sie wissen, welches die effektivsten Werbemittel in den unterschiedlichen Phasen sind. Zudem sollten sie wissen, wie diese wirken und wie sie sich gegenseitig beeinflussen.
Umfassende Kampagnen-Analyse-Lösungen untersuchen die Wechselbeziehungen zwischen Kampagnen mithilfe intelligenter Algorithmen und spezieller mathematisch-stochastischer Analyseverfahren. Beide Verfahren haben sich bereits auch in der Mikrobiologie und Marktforschung bewährt. Das Produkt Campaign Control greift dabei auf Rohdaten zu und zeigt automatisch auf, welche Werbeträger in welcher Phase der Kaufentscheidungsfindung besonders wirksam sind. Anwender erfahren unter anderem, welchen tatsächlichen Beitrag ein Werbemittel zum Gesamterfolg einer Kampagne leistet und wie Kampagnen strategisch budgetiert werden müssen, um den Onlineerfolg zu maximieren. So können Hebelwirkungen durch Kampagnen-Wechselwirkungen ideal ausgenutzt und Nutzer in jeder Phase der Kaufentscheidungsfindung optimal bedient werden. Die Lösung steigert so die Effizienz des Multichannel-Marketings, ohne dass Website-Betreiber ihr Budget dafür erhöhen müssen.
Spezialanbieter für die Analyse von Beobachtungsdaten und Softwareanbieter für Web-Controlling bieten in Kooperation individualisierbare Lösungen und Beratung zur Gewinnung von tieferen Einblicken in die Effizienz und Wirkungsweise von Onlinekampagnen.
Literatur
Gasfield, Dan: Algorithms on String, Trees, and Sequences. Computer science and computational biology. – University of California, Davis: Cambridge, University Press, 1997.
Silberer, G./Büttner, O./Gorbach, A.: Exploring Shopping Paths and Attention Behavior at the Point of Sale. – Im: Günter Silberer (Hrsg.): Kundenkenntnis im Handel. Ausprägungen, Herkunft und Wirkungen. – Göttingen: Univ.-Verl. Göttingen, Archivserver der Deutschen Nationalbibliothek, 2007.
Stephen, Graham A.: String searching algorithms. – World Scientific, Lecture Notes on Computing, Vol. 3, Singapore, 1994.
http://TopOnlineExperten.de
Co-Autoren dieses Fachartikels:
http://www.marketing-boerse.de/Experten/details/Alexander-Gorbach
http://www.marketing-boerse.de/Experten/details/Ron-Warncke
Ein Händler für Unterhaltungselektronik, der online Digitalkameras vertreibt, bewirbt diese mit einer breiten On- und Offlinekampagne. Er steht vor der Herausforderung, dass sein Geschäft seit einiger Zeit stagniert und nicht mehr wie in der Vergangenheit wächst. Mit Hilfe seiner eingesetzten Webanalyse-Lösung erkennt er, dass über achtzig Prozent der Verkäufe über die Search-Engine-Advertising (SEA)-Kampagne getätigt werden. Wie seine Offlinekampagne wirkt, ist für ihn dagegen nicht nachvollziehbar. Er beschließt daraufhin, seine Kampagnenbudgets umzuverteilen: der besonders erfolgreichen SEA-Kampagne teilt er fünfzig Prozent mehr Budget zu, das er im Offlinebereich einspart. Ebenso kürzt er die Budgets für die weniger erfolgreichen Online-Marketing-Maßnahmen im Newsletter- und Display-Bereich. Doch statt steigender Ergebnisse kommt es zu einem drastischen Umsatzrückgang. Warum der Umsatz einbricht und wie man Marketingbudgets bei Multichannel-Kampagnen optimal verteilt, zeigt dieser Beitrag.
Zunächst sollte man das Einkaufsverhalten der Kunden des Onlinehändlers betrachten. Der Kaufprozess könnte folgendermaßen ablaufen: Ein Nutzer erhält den wöchentlichen Newsletter des Onlinehändlers, in dem die neueste Canona-Kamera eines führenden Kameraherstellers beworben wird. Da der Nutzer mit seiner alten Kamera desselben Herstellers sehr zufrieden war, erregt das neueste Modell, die Canona 4711, seine Aufmerksamkeit. Auf der Website des Händlers informiert er sich umfassend über das neue Canona-Modell. Die positiven Kommentare auf einem Bewertungsportal steigern das Interesse des Nutzers für die neue Digitalkamera. In einer Preissuchmaschine verschafft er sich dann die Gewissheit, dass der Shop des Onlinehändlers für Unterhaltungselektronik die Kamera zu einem besonders günstigen Preis anbietet.
Der Nutzer hat nunmehr seine Kaufentscheidung gefällt und nutzt eine Suchmaschine zur gezielten Navigation zum Shop. Durch die Eingabe „ Canona 4711 kaufen“ gelangt er über die SEA-Kampagne direkt auf die Angebotsseite und kauft die Kamera. Das Beispiel macht deutlich: Es bedarf mehrerer Werbekontakte, um Nutzer zu einer Kaufentscheidung zu führen. Nutzer benötigen diverse Werbekontakte, um zu einer Kaufentscheidung geleitet zu werden.
Betrachtet man sämtliche Werbekontaktpunkte des Nutzers mit den Werbemitteln des Onlinehändlers, so stellt sich die sogenannte Customer-Journey wie folgt dar: Newsletter (N), Händlerwebsite (H), Bewertungsportal (B), Preissuchmaschine (P) und Suchmaschine (S). Erst nach fünf Kontakten war der Nutzer davon überzeugt, die Kamera auf der Seite des Onlinehändlers zu kaufen (K).
Dass Konsumenten durch mehrere Werbekontakte zur Kaufentscheidung aktiviert werden müssen, ist kein Einzelfall sondern eine Erkenntnis, die bereits 1898 im sogenannten AIDA-Modell formuliert wurde. Das AIDA-Modell ist ein Werbewirkungs-Prinzip, dem die Überzeugung zugrunde liegt, dass Konsumenten vier Phasen durchlaufen, bis sie eine Kaufentscheidung treffen. Die vier gleichwertigen, fließend ineinander übergehenden Phasen sind: Aufmerksamkeit (Attention), Interesse (Interest), Verlangen (Desire) und Aktion (Action).
Während der Konsument in der Attention-Phase auf ein Produkt aufmerksam wird, weckt man in der Interest-Phase sein Interesse. Das Interesse entwickelt sich in der Desire-Phase zu einem konkreten Besitzwunsch, sodass der Kunde in der finalen Action-Phase zum Kauf des Produkts motiviert wird. Das AIDA-Modell behält auch im Online-Business seine Gültigkeit. Die Realität im Online-Marketing zeigt jedoch, dass dieses Prinzip heute kaum angewendet wird. Selbst wenn Marketing-Maßnahmen alle vier Phasen der Kaufaktivierung unterstützen, konzentrieren sich Werbetreibende bei der Online-Erfolgskontrolle in der Regel ausschließlich auf die letzte Phase, die Aktion. Warum sie dies tun, welche negativen Folgen die Fokussierung auf die Aktions-Phase hat und welche alternativen Ansätze genutzt werden können, wird im Folgenden erläutert.
Alternative Modelle zur Erfolgsverteilung
Zur Ermittlung des Erfolgsbeitrags einer Kampagne gibt es verschiedene Modelle. Im Online-Marketing finden in der Regel sogenannte Conversion-Attribution-Modelle Anwendung. Dabei wird vorab festgelegt, wie der Umsatzerfolg auf der Website auf die beteiligten Werbekontakte verteilt wird. Der heutige de facto-Standard ist die sogenannte „Last-Ad-Analyse“. Hierbei wird immer dem letzten Werbemittel, mit dem der Nutzer vor einem Kauf in Kontakt gekommen ist, einhundert Prozent des Erfolgs zugesprochen. Die Last-Ad-Analyse konzentriert sich somit ausschließlich auf die Aktions-Phase des AIDA-Modells. Im einleitenden Beispiel hat der Onlinehändler den Kampagnenerfolg nach dem Last-Ad-Modell analysiert. Er hat nur das letzte Werbemittel vor dem Kauf betrachtet und daraufhin seiner SEA-Kampagne den größten Erfolg zugesprochen.
Auf den ersten Blick erscheint dies einleuchtend. Mit dem Klick auf das letzte Werbemittel gelangt der Nutzer auf die Website des Werbenden und kauft dort ein. Diesem Werbemittel den wesentlichen Erfolg zuzusprechen, ist zunächst logisch. Die vermeintliche Logik und die Einfachheit der Erfolgszuordung ist Grund dafür, dass sich heute nahezu alle Onlinehändler auf die Ergebnisse der Last-Ad-Analyse verlassen, ohne sie zu hinterfragen. Alternativ könnte man aber auch dem ersten Werbemittel, das den Nutzer erstmalig auf die Website geführt hat, den größten Erfolgsbeitrag zusprechen. Schließlich hat es erstmals die Aufmerksamkeit des Konsumenten geweckt. Ein Verteilungsmodell, das den Fokus auf die erste Phase, in der die Aufmerksamkeit erregt wird, richtet, ist die sogenannte „First-Ad-Analyse“.
Darüber hinaus sind auch Verteilungsverfahren üblich, bei denen der Erfolg gleichmäßig auf alle vom Konsumenten genutzten Werbeträger verteilt wird. Die Erfolgsverteilung kann jedoch auch abhängig von der Größe, der Art oder der Platzierung des Werbemittels variieren. Nach diesem Modell würde etwa ein großes Banner als erfolgsrelevanter eingeschätzt als eine kleine Textanzeige.
Alle Conversion-Attribution-Modelle haben jedoch eines gemeinsam: sie sind statisch. Im Vorfeld der Wirkungsanalyse wird bereits festgelegt, welchem Werbemittelkontakt man den größten Erfolgsanteil zuspricht. Eine derart einseitige Betrachtungsweise hat jedoch einen gravierenden Nachteil. Sie spiegelt den tatsächlichen Einfluss der einzelnen Werbeträger nicht wider und führt damit zu verzerrten Ergebnissen. Website-Betreiber erheben also Kennzahlen, die oftmals falsch interpretiert werden. Falsch deshalb, weil man je nach Verteilungsmodell – Last-Ad, First-Ad oder gleichverteilt – zu einem völlig anderen Ergebnis kommt.
Ein einfaches Beispiel verdeutlich das Problem: Ein Nutzer klickt auf einen Artikel im Newsletter. Wenig später sucht er eine Suchmaschine auf und klickt die Suchmaschinenanzeige des Newsletter-Versenders an. Direkt nach dem Klick kauft er auf der Website ein. Bei der Last-Ad-Analyse wäre die Suchmaschinenanzeige das Werbemittel, das zur Konversion führt. Nach der First-Ad-Analyse ist es jedoch der Newsletter, dem man einhundert Prozent des Erfolgs zuspricht. Und mit einem Gleichverteilungs-Modell erhalten Newsletter und Suchmaschinenanzeige je fünfzig Prozent des Erfolgs. Das Beispiel zeigt, dass Conversion-Attribution-Modelle nicht geeignet sind, um strategische Budgetentscheidungen für die Erfolgs-Optimierung von Onlinekampagnen zu treffen.
Dennoch sind Conversion-Attribution-Modelle nicht per se falsch. Die Last-Ad-Analyse beispielsweise weist den Erfolg eines Werbemittels in genau zwei Fällen korrekt aus. Nämlich dann, wenn nur ein einziges Werbemittel eingesetzt wird; oder wenn die Konsumenten stets nur einen Werbemittel-Kontakt haben, bevor sie eine Kaufentscheidung treffen. Die AIDA-Theorie und die heutige Praxis im Internet zeigen jedoch, dass Nutzer in der Regel durch mehr als einen Werbemittelkontakt zu einem Kauf motiviert werden müssen. Wichtige Hebel-Kampagnen, die den Nutzer anregen oder überzeugen, bleiben bei der Last-Ad-Analyse unberücksichtigt und werden daher unterbudgetiert. Als Folge werden wertvolle finanzielle Ressourcen für ein ineffektives Online-Marketing verschwendet. Aber wie kann der tatsächliche Erfolgsbeitrag ermittelt und das Budget optimal auf die verschiedenen Kampagnen verteilt werden?
Betrachtung der gesamten Customer-Journey
Für die korrekte Ermittlung des Erfolgsbeitrags muss man stets die gesamte Customer-Journey betrachten. Hierbei werden sämtliche Kontaktpunkte eines Nutzers mit Werbemitteln und der Website des Werbetreibenden ganzheitlich erfasst und analysiert.
Bei der Analyse hat sich ein aus mehreren mathematisch komplexen Schritten zusammengesetztes Verfahren als besonders valide dargestellt. Dabei werden zunächst unbekannte Muster in den zeitlich sequenziellen Kontaktpunkten gesucht.
Diese Muster werden dann in einer operationalisierbaren Form gespeichert. Somit können anschließend Zusammenhänge zwischen diesen typischen Kontaktmustern unter Berücksichtigung von Reihenfolgeeffekten und Zeitintervallen ermittelt werden. Abschließend werden die Steuerungsmechanismen für den Optimierungsprozess identifiziert, das heißt, Hinweise auf eine effektivere Budgetallokation auf die verschiedenen Werbemaßnahmen gesammelt.
Voraussetzung für diese umfassende Analyse ist die Aufzeichnung sämtlicher Kontaktpunkte in Form von Rohdaten. Die Besonderheit der Rohdatenhaltung besteht darin, dass jeder Werbemittelkontakt erfasst und gespeichert wird, ohne die Daten zuvor zu verdichten. Damit lassen sich auch im Nachhinein unter anderem folgende Fragen beantworten: Wie häufig kommt der einzelne Nutzer mit welchem Werbemittel in Kontakt? Wie lange und wo verweilt er auf der Website des Werbetreibenden? Wie sieht die typische Kontaktsequenz zum Kauf aus? Welche Kombinationen der Werbemittel führen zum Erfolg der Gesamtkampagne und welche führen nicht zum Erfolg? Wie sieht die Customer Journey eines heavy-buyers aus? Welche Kampagnenreihenfolge hat eventuell einen negativen Einfluss auf den Umsatz? Wie stark hängt der Werbereiz von der Zeit zwischen den Kampagnen ab? Und, letztendlich: Wie sieht die optimale Allokation des Werbebudgets auf die einzelnen Kampagnen und Werbeträger aus?
Das Vorgehen zur optimalen Budgetverteilung
Im Falle des Onlinehändlers für Unterhaltungselektronik gilt es zu allererst herauszufinden, ob die Nutzer überhaupt mehr als einen Werbemittelkontakt vor einem Kauf benötigen. Führt stets nur ein Werbemittelkontakt bereits zum Kaufimpuls, kommen alle Conversion-Attribution-Modelle zum selben Ergebnis. Die Praxis zeigt jedoch, dass fast die Hälfte der Nutzer des Onlinehändlers mehr als einen Werbemittelkontakt brauchen, um eine Kaufentscheidung zu treffen.
Es gilt daher, die Wechselbeziehungen zwischen den einzelnen Werbemitteln genau zu verstehen. Darüber hinaus muss analysiert werden, in welcher Reihenfolge die Nutzer mit den Werbemitteln in Kontakt kommen und wie häufig bestimmte Reihenfolgen vorkommen. Haben beispielsweise die meisten Nutzer zwei Werbemittelkontakte vor dem Kauf, wird durch eine Analyse der Kontaktkombinationen ersichtlich, welche Werbemittelkontaktabfolgen besonders erfolgreich sind.
Steht ein Werbemittel häufig am Anfang der Kontaktkette, wird transparent, dass über diesen Werbeträger häufig Erstkontakte mit der Website zustande kommen, die im weiteren Verlauf möglicherweise zum Erfolg führen.
Den Kunden gezielt zur Kaufentscheidung führen
Um bei gleichbleibendem Budget die Effizienz des Multichannel-Marketings zu steigern, gilt es, Hebelwirkungen optimal auszunutzen. Gemäß dem AIDA-Modell müssen Nutzer über alle vier Phasen bis zur Kaufentscheidung begleitet werden. Der Onlinehändler muss seine Kampagnen daher entsprechend aufbauen und dafür sorgen, dass alle Phasen abgedeckt werden. Er sollte also nicht nur die Aktionsphase betrachten, so wie bei der eingangs erläuterten Entscheidung für die Budgetverteilung zu Gunsten der SEA-Kampagne. Ob und wie die Werbeträger in der jeweiligen geplanten Aktivierungsphase wirken, kann mittels einer Wirkungsphasenanalyse untersucht werden. Diese basiert auf einem vereinfachten AIDA-Modell, das auf die drei Phasen Anregung, Überzeugung und Aktion reduziert ist.
Die Wirkungsphasenanalyse gibt Aufschluss darüber, welche Funktion eine Kampagne beziehungsweise ein Werbemittel im Kaufentscheidungsprozess erfüllt. So können Kampagnen-Wirkungsziele detailliert analysiert und optimiert werden, um die Werbewirkung im Multichannel-Marketing gezielt zu steigern.
Erfolgreiche Kampagnenpfade erkennen und nutzen
Zum besseren Verständnis der Abhängigkeiten von Kampagnen und Kampagnen-Wechselwirkungen hat sich die Analyse des „Path-to-Conversion“ bewährt. Diese sogenannte Kampagnenpfad-Analyse gibt Aufschluss darüber, welche typischen Werbemittelabfolgen zum Abverkauf führen. Die detaillierte Analyse einzelner Kampagnenpfade liefert wertvolle Erkenntnisse über die Zusammenhänge zwischen den Werbemitteln. Sie liefert unter anderem Informationen, zu welchem Werbemittel die Nutzer den letzten Kontakt vor dem Kauf hatten. Ist der Nutzer über eine Suchmaschinenanzeige zur gewünschten Website navigiert, als er seine Kaufentscheidung bereits getroffen hatte? Ebenfalls wird transparent, mit welchem Werbeträger Kunden im Vorfeld der Suche in Kontakt gekommen sind. Hat eine Display-Anzeige die Aufmerksamkeit auf ein Produkt gelenkt, nach dem dann häufig auf der Suchmaschine gesucht wurde? Zu wissen, welches die erfolgreichsten Kampagnenpfade sind, ist für die strategische Planung von Online-Marketing-Maßnahmen elementar.
Mithilfe der Analyse der Kontaktkombinationen und der Kampagnenpfade sowie mit der Wirkungsphasenanalyse werden Nutzer und ihre Werbemittelkontakte aus unterschiedlichen Blickwinkeln betrachtet. Erst durch eine derart umfassende Analyse gewinnen Website-Betreiber ein besseres Verständnis über die Zusammenhänge zwischen Kampagnen. Sie erfahren außerdem, welche Einflüsse diese auf die definierten Zielgrößen haben und können daraufhin eine Kampagnen-Klassifikation vornehmen.
Optimale Budgetverteilungen durch Hebelwirkungen
Die Kampagnen-Klassifikation ist das wichtigste Hilfsmittel zur strategischen Budgetierung von Onlinekampagnen. Wie stark beeinflussen sich Kampagnen gegenseitig und welchen Beitrag leisten einzelne Kampagnen zum Gesamterfolg? Ziel der Analyse ist es, die Effizienz des Marketings zu verbessern und bei gleichem Budget mehr Erfolg, beispielsweise Umsatz, zu generieren.
Dabei wird der reale Erfolgsbeitrag jeder einzelnen Kampagne zum Gesamterfolg mit Hilfe einer komplexen Sequenzanalyse berechnet (siehe Kasten „Hintergrund der Sequenzanalyse“). Im Beispiel des Onlinehändlers aus der Unterhaltungselektronik wird beim Vergleich des realen Erfolgsbeitrags mit dem Ergebnis der Last-Ad-Analyse schnell deutlich, dass der Erfolg der SEA-Kampagne überbewertet wurde. Der Onlinehändler hat ihr dementsprechend zu viel Budget zugeteilt. Die Display-Kampagne „Brand Y“ wird im Rahmen der Last-Ad-Analyse hingegen stark unterschätzt. Basierend auf den Auswertungsergebnissen können Kampagnen anschließend hinsichtlich ihrer Wirkungsweise klassifiziert werden.
Hintergrund der Sequenzanalyse:
Das Verfahren der Sequenzanalyse stammt aus der Molekularbiologie und ist dort „State of the Art“ bei der Entschlüsselung der menschlichen DNA. Mit Hilfe der sequenzanalytischen Methode gelingt es, signifikante Muster im Verhalten von Konsumenten und Usern zu identifizieren. Diese Muster dienen unter anderem der Beschreibung von unterschiedlichen Zielgruppen bezüglich ihres on- oder offline Such- und Kaufverhaltens sowie deren Einfluss auf unternehmerische Zielgrößen. Im Bereich der Kampagnen-Effizienzmessung dient das Verfahren zur Operationalisierung spezifischer Kampagnen-Kontaktmuster. Damit kann es auch als Methode für eine detaillierte Performance-Bewertung, unter Berücksichtigung des Einflusses von Reihenfolgeeffekte und Wechselwirkungen herangezogen werden.
Abb. 7 gibt eine derartige Klassifikation wieder. Auf der vertikalen Achse ist der mithilfe der Sequenzanalyse berechnete reale Kampagnenerfolgsbeitrag dargestellt. Als Erfolgsparameter wird im zugrundeliegenden Beispiel der generierte Umsatz des Onlinehändlers verwendet. Alternativ könnten auch Verweildauer, Anzahl der aufgerufenen Seiten oder andere Key-Performance-Indicator (KPI) verwendet werden. Die horizontale Achse zeigt den Mehrwert, den ein Kampagnenkontakt zusätzlich zu Kontakten mit anderen Kampagnen liefert. Die Achse zeigt sozusagen die Steigerung des Verkaufsvolumens durch einen zusätzlichen Kontakt mit der spezifischen Kampagne.
Bei der strategischen Budgetallokation geht es grundsätzlich darum, das Budget so auf die Werbemittel zu verteilen, dass Hebelwirkungen zwischen Kampagnen optimal genutzt werden. Wie in Abb. 7 dargestellt, gibt es sogenannte Under-Performer-Kampagnen, die lediglich Kosten verursachen, ohne zum Gesamterfolg beizutragen. Supporter-Kampagnen fördern hingegen die Wirksamkeit anderer Kampagnen. Sie sind wichtig, um die Konversion zu verbessern. Converter-Kampagnen haben nur wenig Einfluss auf andere Werbemittel, sind allerdings für sich allein betrachtet sehr wirkungsvoll.
Die Display-Kampagnen X und Y aus Abb. 7 zeigen, wie wichtig die Betrachtung von Wechselwirkungseffekten zwischen den Kampagnen, unterstützend zur reinen Einzelperformancebetrachtung, ist. Die beiden genannten Kampagnen zeigen eine annähernd gleiche Einzelperformance, abzulesen am vertikalen Achsenabschnitt. Eine eindeutige Budgetentscheidung zugunsten der Display-Kampagnen ist allein über die Betrachtung dieser Kennzahl nicht möglich. Hilfe liefert die zusätzliche Betrachtung des in der horizontalen Achse dargestellten, verursachten Mehrwertes der Kampagnen. Kampagne Y zeigt hier einen positiven Wechselwirkungseffekt. Eine mögliche Reduktion des Budgets für diese Kampagne, resultierend aus der negativen Einzelperformance, hätte negative Effekte auf die Performancewerte der anderen Kampagnen. Dies würde letztlich zu einer verheerenden Fehlentscheidung führen.
Prinzipiell empfiehlt es sich, das Budget von den Underperformern und geringen Convertern abzuziehen. Stattdessen sollte das Budget auf die erfolgreichen und unterstützenden Kampagnen umverteilt werden.
Fazit
Website-Betreiber haben heute die Auswahl zwischen zahlreichen verschiedenen Online- und Offline-Marketing-Maßnahmen, um auf ihr Angebot aufmerksam zu machen. Wichtig bei der Kampagnen-Erfolgskontrolle ist jedoch, dass die Analysemethode nicht nur das letzte Werbemittel vor dem Abverkauf betrachtet. Es müssen vielmehr alle Werbeträger in jeder Phase der Kundenaktivierung analysiert und klassifiziert werden. Die Berechnung des realen Erfolgsbeitrags einer Kampagne ist dabei wesentlich für die strategische Budgetverteilung zur Optimierung des Gesamterfolgs. Website-Betreiber können das Budget nur dann optimal auf die verschiedenen Werbeträger verteilen, wenn sie wissen, welches die effektivsten Werbemittel in den unterschiedlichen Phasen sind. Zudem sollten sie wissen, wie diese wirken und wie sie sich gegenseitig beeinflussen.
Umfassende Kampagnen-Analyse-Lösungen untersuchen die Wechselbeziehungen zwischen Kampagnen mithilfe intelligenter Algorithmen und spezieller mathematisch-stochastischer Analyseverfahren. Beide Verfahren haben sich bereits auch in der Mikrobiologie und Marktforschung bewährt. Das Produkt Campaign Control greift dabei auf Rohdaten zu und zeigt automatisch auf, welche Werbeträger in welcher Phase der Kaufentscheidungsfindung besonders wirksam sind. Anwender erfahren unter anderem, welchen tatsächlichen Beitrag ein Werbemittel zum Gesamterfolg einer Kampagne leistet und wie Kampagnen strategisch budgetiert werden müssen, um den Onlineerfolg zu maximieren. So können Hebelwirkungen durch Kampagnen-Wechselwirkungen ideal ausgenutzt und Nutzer in jeder Phase der Kaufentscheidungsfindung optimal bedient werden. Die Lösung steigert so die Effizienz des Multichannel-Marketings, ohne dass Website-Betreiber ihr Budget dafür erhöhen müssen.
Spezialanbieter für die Analyse von Beobachtungsdaten und Softwareanbieter für Web-Controlling bieten in Kooperation individualisierbare Lösungen und Beratung zur Gewinnung von tieferen Einblicken in die Effizienz und Wirkungsweise von Onlinekampagnen.
Literatur
Gasfield, Dan: Algorithms on String, Trees, and Sequences. Computer science and computational biology. – University of California, Davis: Cambridge, University Press, 1997.
Silberer, G./Büttner, O./Gorbach, A.: Exploring Shopping Paths and Attention Behavior at the Point of Sale. – Im: Günter Silberer (Hrsg.): Kundenkenntnis im Handel. Ausprägungen, Herkunft und Wirkungen. – Göttingen: Univ.-Verl. Göttingen, Archivserver der Deutschen Nationalbibliothek, 2007.
Stephen, Graham A.: String searching algorithms. – World Scientific, Lecture Notes on Computing, Vol. 3, Singapore, 1994.