Ontdek de kracht van het attributiedeelvenster en de lookbackvensters van Adobe Analytics om het traject van uw klant beter te begrijpen.

Bij mijn eerste kennismaking met het attributiedeelvenster en het  lookbackvenster moest ik meteen denken aan het concept van tijdreizen. En dit deed me dan weer denken aan onze typische reactie op vele nieuwe tools zoals deze, namelijk dat we het gebruik ervan zo lang mogelijk uitstellen omdat ze zo ingewikkeld lijken.

Want eerlijk gezegd, het is wel wat, al die opties, schakelaars, deelvensters, schermen en knoppen. En dan moeten we het nog hebben over al die knipperlichtjes, slangen, meters... Nee, wacht eens even. Dit is niet het moment om het over tijdmachines te hebben, want daarvoor hebben we gewoon geen tijd.

Ik geef toe: het  attributiedeelvenster is een vrij complexe tool, maar het is de typische taak van ons, analisten, om elke dag weer een geweldige maar zeer complexe tool te gebruiken om te kijken naar wat er in het verleden is gebeurd. Deze tool heet  Adobe Analytics. En hiervoor wil ik graag tijd maken.

Laten we ons dus niet afschrikken en laten we kennismaken met deze geweldige, geavanceerde en krachtige tools die ons helpen om  naar het verleden  te kijken.

Zijn jullie klaar? Klaar voor een reis terug in de tijd? Want daar gaat het hier over.

En dan heb ik het niet over een glimmende metalen auto, een politiehokje of een oude telefooncel.

Nee, wij hebben nog iets beters. Dus laten we beginnen.

Neem even diep adem, daar gaan we.

Ik wil u nu graag vertellen wat het  attributiedeelvenster   echt is, stap voor stap:

Afbeelding 1: Getallen die inline worden weergegeven met tekst die erna volgt

Bij  attributie moeten we denken aan hoe gebeurtenissen/acties kunnen worden veroorzaakt door een persoon, meerdere personen of verschillende gebeurtenissen in de loop van de tijd.

Volgens Adobe biedt  attributie  analisten de mogelijkheid om aan te passen hoe  dimensie-items erkenning krijgen voor  succesgebeurtenissen.

Een klanttraject is zelden lineair en nog minder vaak voorspelbaar. Sterker nog, elke klant werkt in zijn eigen tempo, komt op zijn stappen terug, loopt soms vast en geeft op, of vertoont ander niet-lineair gedrag. Door deze organische manier van werken is het moeilijk of praktisch onmogelijk om de impact van marketinginspanningen op het klanttraject goed in te schatten. Ook wordt het hierdoor lastig om meerdere gegevenskanalen aan elkaar te koppelen.

Dus laat de dominoanalogieën maar varen en open uw geest voor concepten zoals het vlindereffect en de snaartheorie. Maar laten we zoals altijd we beginnen met enkele basisprincipes.

Attributiemodellen

Als we het attributiedeelvenster beginnen te gebruiken, zien we al een aantal verschillende dingen. De  attributiemodellen  bijvoorbeeld, die ons tonen hoe onze  conversies  (dat wil zeggen ❶  meetwaarden voor succes) over  treffers  in een bepaalde groep kunnen worden verdeeld.

Eenvoudig gezegd, als  10 personen  op een  GROTE RODE KNOP  drukken om door een deur te stappen, zullen onze  attributiemodellen  ons vertellen aan welke van die  10 personen  wij "krediet" willen toekennen, of beter gezegd  hoeveel "krediet" wij willen toekennen om op die knop te drukken.

In deze context zijn hier een paar voorbeelden van hoe de ❸  attributiemodellen  gevolgen kunnen hebben voor die  10 personen:

• Eerste interactie: dit model werkt precies zoals het klinkt door  100% krediet  toe te kennen aan de  eerste  persoon die door de deur liep. Marketeers gebruiken deze aanpak eerder voor tactieken zoals  sociale media  of  display, maar het is ook een goede tactiek om de aanbeveling van producten op locatie doeltreffend te maken.

• Laatste interactie: deze tactiek werkt ook precies zoals het klinkt, maar kent in plaats daarvan  100% krediet  toe aan de laatste persoon die door de deur liep. Dit model wordt doorgaans gebruikt voor het analyseren van dingen zoals  natuurlijke (organische) zoekopdrachten  en andere  kortetermijn-  marketingcycluscampagnes.

• Lineair: dit model verdeelt evenveel krediet over iedere persoon die door de deur liep.

• U-vorm: deze aanpak kent  40%  van het krediet toe aan de  eerste persoon  in de deur, verdeelt  20%  van het krediet over  iedereen ertussenin en geeft  40%  aan de  laatste persoon  die door de deur liep. Dit model wordt meestal gebruikt in situaties waarin u een  lange conversie-/verkoopcyclus  met  verschillende touchpoints  hebt. In dit geval is het uw bedoeling om vooral de nadruk te leggen op de  eerste  en  laatste  marketingtactieken die hebben bijgedragen tot conversie van de klant.

• J-vorm  en  Omgekeerde J:

  • Dit model is vergelijkbaar met de  U-vorm, maar in plaats daarvan kent het  60%  krediet aan toe de  laatste persoon  door de deur,  20%  aan de  eerste persoon en vervolgens  verdeelt  het de resterende  20%  over  alle anderen  ertussenin.  Omgekeerde J  doet precies het tegenovergestelde.

    Hier is het de bedoeling om de meeste nadruk te leggen ofwel op het  begin  ofwel op het  einde  van uw campagne, maar u wilt nog steeds een bepaalde hoeveelheid krediet aan de tussenliggende items toekennen.

• Tijdsverval: dit model mag ik ook niet vergeten te vermelden. Het heeft letterlijk een halveringstijd die exponentieel vervalt in de loop der tijd. In dit geval bedraagt de  standaard  parameter voor de halveringstijd van dit model  7 dagen. Zo werkt het: het  gewicht  wordt toegepast op elk  marketingkanaal,  op basis van de hoeveelheid tijd  die na het  eerste touchpoint  verstrijkt en wanneer de klantconversie plaatsvindt.

  De attributiemodellen Tijdsverval  en  U-vorm  worden beide doorgaans gebruikt om langer durende campagnes te meten, maar zoals u kunt zien hebben ze lichtjes verschillende doelstellingen, op basis van het uiteindelijke  gewicht  van de waarde van het resultaat.

• Aangepast: u kiest wie krediet krijgt. Het is tenslotte uw campagne.

Klik hier voor meer informatie over deze en andere attributiemodellen.

Om dit nog interessanter te maken, draaien we de klok terug.

Lookbackvensters

Nu is het tijd voor de volgende stap. Hier voegen we letterlijk het tijdreiselement toe aan onze analyse en we beginnen opnieuw met de basis.

Adobe  definieert ❹  lookbackvensters  als "de hoeveelheid tijd die een conversie moet terugkijken om touchpoints op te nemen. Attributiemodellen die meer krediet geven aan eerste interacties zien grotere verschillen bij het weergeven van verschillende lookbackvensters."

Met andere woorden,  lookbackvensters  bepalen gedurende welke periode  conversies  worden overwogen en bieden  context  aan de attributieanalyse.  Adobe Analytics  biedt drie typen  lookbackvensters:

• Lookbackvenster voor bezoek:  kijkt terug naar het begin van een  bezoek  toen een conversie heeft plaatsgevonden en biedt zo inzicht in de onmiddellijke interacties die tot conversies hebben geleid.

  Dit is doorgaans het kortste  lookbackvenster  om te gebruiken.

• Lookbackvenster voor bezoeker:  kijkt terug naar alle  bezoeken  tot de eerste van de maand binnen het geselecteerde  datumbereik en biedt zo een veel bredere kijk op interacties van de klant en helpt patronen in de loop der tijd identificeren.

• Aangepast lookbackvenster:  hiermee kunt u het  attributievenster  uitbreiden tot buiten het  datumbereik  voor rapportage met  maximaal   90 dagen. Het biedt  flexibiliteit  bij het vastleggen van touchpoints die zijn opgetreden  buiten  het geselecteerde  datumbereik en zorgt voor een alomvattende analyse.

Door een bepaald  lookbackvenster aan te passen, kunnen analisten vervolgens de impact van een of meer touchpoints binnen specifieke tijdsbestekken onderzoeken en meer inzicht krijgen in de invloed van de verschillende looptijden op de attributieresultaten.

Alle elementen samenbrengen

Wat betekent dit voor ons als analisten?

Het  attributiedeelvenster  en de  lookbackvensters  geven ons de kracht om voorbij de alledaagse, oppervlakkige gegevens te kijken en dieper in te gaan op het klanttraject. Door te begrijpen welke touchpoints de grootste invloed hadden op  conversies, kunnen we weloverwogen beslissingen over onze marketingstrategieën nemen en resources effectiever toewijzen.

Denk eraan, nadat u uw  attributiemodellen  en  lookbackvensters  hebt geselecteerd, kunt u uw gegevens nog verder bewerken door ze met een ❺  segment te filteren of een andere component die u op dit punt wilt gebruiken. Bovendien beschikt u over alle functionaliteit van een traditionele werkruimte nadat het deelvenster wordt weergegeven.

Tot slot: de praktijk

Nu u de concepten begrijpt, stelt u zich voor dat u een marketingcampagne uitvoert en probeert te bepalen welk kanaal het  meest efficiënt  is om conversies aan te sturen. Met behulp van het  attributiedeelvenster kunt u niet alleen de  laatste interactie zien, maar ook de  eerste interactie,  dezelfde interactie en andere  modellen  die u kiest om te bepalen welke  kanalen   het meest efficiënt  zijn bij het aansturen van uw  conversies. Deze informatie kan vervolgens worden gebruikt om uw campagnes te  optimaliseren  en de algehele prestaties te verbeteren door gewoon de klok terug te draaien met het  lookbackvenster  van uw keuze.

Nu u gezien hebt wat het kan doen, mag u zich niet laten misleiden of intimideren door de schijnbaar complexe functies van het attributiedeelvenster.  Nu kent u het,  en begrijpt u het.  Dus bent u klaar voor de volgende stap:
het in uw voordeel gebruiken .  Het  attributiedeelvenster  en de  lookbackvensters  zijn de sleutels om een beter inzicht in uw klanten en hun traject met uw merk te krijgen.

Nu kunnen we met vertrouwen "terug in de tijd" reizen en de kracht van onze vertrouwde tijdmachine (ook bekend als  Adobe Analytics) gebruiken om gegevensgestuurde beslissingen te nemen.