Revolutie in conversie-attributie

Product leadership is soms dichterbij dan je conversies doen vermoeden. Standaard attributie-software versimpelt de werkelijkheid zodanig dat je een verkeerd beeld krijgt van knelpunten in de customer journey en de kwaliteit van je propositie. Sinds kort zijn er veel betere alternatieven beschikbaar, maar de meeste brand managers en CMO’s lijken zich hiervan niet bewust.

Consumenten komen vaak op verschillende manieren met een merk in aanraking voordat ze tot aankoop overgaan. Elke radiospot, in-app advertentie of billboard draagt bij aan het laden van het merk of het uitleggen van bepaalde productvoordelen. Als marketeer wil je in kaart brengen hoeveel elk touchpoint bijdraagt aan de kans op conversie, zodat je de customer journey steeds beter kunt optimaliseren. Deze activiteit heet conversie-attributie. Wij nemen dit steeds vaker mee in onze aanpak, omdat we anders ten onrechte afgerekend kunnen worden op de prestatie van de proposities die wij ontwerpen voor klanten.

De gemiddelde customer journey bestaat niet

We werken vaak met B2C-merken en krijgen dan te maken met honderdduizenden bezoekers van de betreffende webshops. De reis van bewustwording tot aankoop is letterlijk voor iedere bezoeker totaal anders. Aanbieders van traditionele attributie-software gooien alle klantreizen op een hoop en leiden hier een soort “gemiddelde klantreis” van af. Hier heb je precies niets aan. Ten eerste negeer je hiermee dat elke bezoeker een uniek patroon van aankoopgedrag heeft, en ten tweede neem je geen externe factoren in acht zoals het weer, COVID-19 of reclame van de concurrent.

Data science klinkt natuurlijk heel intelligent…

De reden dat de meeste bedrijven nog steeds geloven in gemiddelde customer journeys is dat data science nu eenmaal een grote black box is: we snappen niet echt wat het is en nemen elke uitspraak van een data scientist klakkeloos aan, zelfs als het een 23-jarige psychologie alumnus betreft die een aantal cursussen statistiek heeft gevolgd. In werkelijkheid is er maar een zeer beperkt aantal data scientists bezig met het maken van echte voorspellingen.

Maar is het ook hogere wiskunde?

En zelfs onder data scientists met een zware achtergrond in wiskunde en programmeren bestaat er veel strijd over wat het juiste wiskundige model is om conversie-attributie mee te doen. Op de websites van de meeste aanbieders van attributie-software wordt gepronkt met termen als Markov Chains en Game Theory, waarbij wordt verzwegen dat deze modellen geen rekening houden met de veranderlijkheid van omstandigheden in- en buiten de klantorganisatie, en waaraan de aanname ten grondslag ligt dat kanalen ‘samenwerken’ in hun missie om ‘de klant’ te converteren naar sales, terwijl ‘de klant’ helemaal niet bestaat en daarmee ook niet ‘het klikpad’ richting conversie.

Niemand waagt zich aan offline attributie

Een andere olifant in de kamer is het offline vraagstuk. Als iemand in de auto naar een radiospot luistert, op tv een reclameblok op de achtergrond voorbij laat gaan of op straat langs een billboard loopt draagt dit waarschijnlijk meer bij aan conversie of het laden van een merk dan een online advertentie. Dit wordt onder meer onderschreven door de beroemdste marketeer van onze tijd Byron Sharp en de meest gezaghebbende media-analisten Les Binet en Peter Field. Toch wordt het attributiespel vooral gespeeld door online marketeers. De vraag is natuurlijk hoe je de impact van offline reclame kunt meten.

Een andere olifant in de kamer is het offline vraagstuk

De harde waarheid is dat goede voorspellingen alleen gemaakt kunnen worden met onelegante predictive modeling-theorieën, duizenden uren aan testen van duizenden attributen, en het integreren van offline insights door bijvoorbeeld de uitzendschema’s van radio en televisie-exploitanten te monitoren. Het is voor de meeste data agencies te riskant om in dit soort technologie te investeren, waardoor zij blijven terugvallen op inaccurate software en business modellen die vooral leunen op dure consultancy-uren. Gelukkig zijn er ook pioniers zoals Datafy, die het taaie huiswerk gedisciplineerd hebben afgemaakt en met complexe pixels en cross-device tracking technologie het hele attributiespel op zijn kop zetten.

Uiteindelijk draait het om resultaat

Hoewel de black box voor de normale sterveling altijd zal blijven bestaan kunnen we de software gelukkig wel beoordelen op de output. Wij zijn met Datafy in contact gekomen omdat zij iedere aanbesteding winnen, grote merken in allerlei sectoren hebben geholpen (tot wel 25 procent stijging in sales met 33 procent minder marketingbudget, en 100 procent stijging in sales met hetzelfde marketingbudget), en hun klanten ook helpen hun eigen data scientists op te leiden en vrij te spelen van taken die geautomatiseerd kunnen worden.

Pas na optimalisatie komt innovatie

Of dit soort pioniers uiteindelijk bij alle adverteerders dezelfde rol in optimalisatie gaan vervullen weten we nog niet, maar de grootste eye opener voor ons is dat data science in een nieuwe fase terecht is gekomen. De meeste optimalisatievraagstukken zijn ergens in de wereld al opgelost, en de eerste tech-bedrijven zijn bezig om deze best practices samen te brengen in holistische software, zodat hun klanten zich bezig kunnen houden met innovatie. Doe je mee?