En kunde ser din annonce mandag. De klikker ikke. De får din e-mail onsdag. De klikker på den. De lander på din hjemmeside, læser din prisside og konverterer fredag. Hvilket kontaktpunkt får æren for salget? Annoncen, e-mailen eller prissiden? Tilskrivningsmodeller er måden, du svarer på det spørgsmål.
De fleste virksomheder gætter forkert. De giver det sidste kontaktpunkt æren (tilskrivning til sidste klik) og overser alt andet. Men den virkelige rejse er længere og mere indviklet. Her gennemgår vi tilskrivningsmodeller, hvorfor de betyder noget, hvordan de adskiller sig, og hvilken du skal bruge til din virksomhed.
Tilskrivningsmodeller handler om at give hvert marketingkontaktpunkt i en kunderejse sin del af æren. En kunde møder som regel dit brand flere gange, før de konverterer. Tilskrivning svarer på: hvilken interaktion fortjener æren for salget?
Forskellige tilskrivningsmodeller giver forskellige svar. Den model, du vælger, afgør, hvor du investerer dit marketingbudget. Vælger du forkert, skærer du ned på den kanal, der startede rejsen, og bruger for meget på den kanal, der afsluttede salget.
Tilskrivningsproblemet
En kunde konverterer på din hjemmeside. Tilskrivning spørger: hvilket kontaktpunkt fortjener æren? Svaret afgør, hvor du investerer dit marketingbudget.
Bruger du tilskrivning til sidste klik, får det sidste kontaktpunkt (den sidste side de besøgte, den sidste e-mail de fik) hele æren. Annoncen, de så for uger siden, får ingenting. Så du skærer ned på annoncer og fordobler forbruget på e-mail. Men annoncen var det, der introducerede dem for dit brand. Uden annoncen havde de aldrig fået e-mailen.
Det er tilskrivningsproblemet. Du giver det forkerte kontaktpunkt æren og prioriterer dit budget forkert.
Sidste klik: det nemme, forkerte svar
Tilskrivning til sidste klik giver æren til det sidste kontaktpunkt før konverteringen. Det er den enkleste model og den mest populære. Den er også som regel forkert.
Eksempel: Kunden ser din annonce og ignorerer den. En uge senere får de din e-mail, klikker og køber. Sidste klik giver e-mailen æren for salget. Annoncen får ingenting. Budgetanalyse: e-mail gav et salg, annoncer gav ingen salg. Virkeligheden: annoncen introducerede dem, e-mailen fik dem til at købe. Begge tæller.
Sidste klik er populær, fordi den er enkel. Nem at sætte op. Nem at rapportere. Men den skjuler den virkelige købsrejse.
Første klik: det modsatte forkerte svar
Tilskrivning til første klik giver æren til det første kontaktpunkt. Den vender problemet om.
Eksempel: Samme kunde, samme rejse. Første klik giver annoncen æren for salget. E-mailen får ingenting. Budgetanalyse: annoncer driver salg, e-mail gør ikke. Virkeligheden: igen tæller begge.
Første klik overvurderer markedsføring tidligt i forløbet (annoncer, sociale medier, søgning) og undervurderer markedsføring sent i forløbet (e-mail, genmålretning, landingssider).
Lineær tilskrivning: æren fordelt lige
Lineær tilskrivning deler æren ligeligt mellem alle kontaktpunkter. Havde en kunde fem kontaktpunkter, får hvert 20 procent af æren for salget.
Det er mere retfærdigt end sidste eller første klik, men det går ud fra, at alle kontaktpunkter er lige vigtige. Det er de ikke altid. En annonce, der introducerede kunden, er ikke det samme som en e-mail, der fik dem til at købe.
Tilskrivning med tidsfald: giv mere ære til de nyeste
Tidsfald giver mere ære til kontaktpunkter tæt på konverteringen. Det sidste kontaktpunkt får mest. Det første får mindst.
Eksempel: Annonce (10 procent), visning af landingsside (15 procent), e-mail (25 procent), betalingsside (50 procent). De sidste trin, der førte direkte til konverteringen, får mere ære.
Det afspejler virkeligheden bedre: de sidste kontaktpunkter gjorde det tunge arbejde. Men den undervurderer stadig markedsføring tidligt i forløbet, som startede rejsen.
Datastyret tilskrivning: lad dataene bestemme
Den mest præcise model bruger maskinlæring. Datastyret tilskrivning ser på tusindvis af kunderejser og spørger: blandt alle kunder, der konverterede, hvilke kontaktpunkter optræder i deres rejser? Hvilke kontaktpunkter optræder i rejser uden konvertering?
Optræder et kontaktpunkt i 90 procent af rejserne med konvertering og kun i 10 procent af rejserne uden, får det høj ære. Optræder det lige meget i begge, får det mindre.
Den model er mest præcis, men kræver mange data og avancerede værktøjer.
Hvorfor tilskrivning betyder noget for budgetbeslutninger
Du har 10.000 dollars at bruge hver måned på annoncer, e-mail og indhold. Hvordan fordeler du dem?
Med sidste klik bruger du måske 9.000 dollars på e-mail (fordi e-mail konverterer sidst) og 1.000 dollars på annoncer (fordi annoncer sjældent får æren). Dit budget er skævt.
Med datastyret tilskrivning opdager du: annoncer skaber opmærksomhed (40 procent af æren), indhold skaber interesse (35 procent), e-mail får folk til at købe (25 procent). Du flytter til 4.000 dollars på annoncer, 3.500 på indhold og 2.500 på e-mail. Nu afspejler dit budget den virkelige købsrejse.
Almindelige fejl med tilskrivning
At gå ud fra, at én model er rigtig: Ingen enkelt model er perfekt. Hver model tjener forskellige formål. Sidste klik fortæller, hvad der fik folk til at købe. Første klik fortæller, hvad der introducerede dem. Datastyret fortæller den vægtede sandhed.
At overse kontakt uden for nettet: En kunde ser din annonce, husker dit brand og søger efter dig uger senere. Sidste klik giver søgningen æren. Men annoncen var gnisten. Tilskrivningsværktøjer overser kontaktpunkter uden for nettet.
At give én kanal uretfærdigt skylden: Har e-mail den højeste konverteringsrate, men den laveste tilskrevne ære, skærer du måske ned på den. Men e-mail klarer den sidste konvertering. Skærer du den væk, falder hele din tragt fra hinanden.
At ignorere kannibalisering: E-mailkampagner får nogle gange folk til at konvertere, som alligevel ville have konverteret (via annoncer eller søgning). Tilskrivning adskiller ikke ægte merværdi fra kannibalisering.
Sådan vælger du en tilskrivningsmodel
Start med sidste klik for enkelhedens skyld. Gå videre til lineær, hvis du vil anerkende alle kontakter. Opgradér til tidsfald eller datastyret, hvis du har data og værktøjer til det.
Test modellen mod virkeligheden. Siger datastyret tilskrivning, at e-mail giver mest værdi, men dit e-mailengagement er elendigt, er noget galt. Justér.
De fleste modne virksomheder bruger flere modeller: sidste klik til kampagnerapportering, datastyret til fordeling af budget og første klik til at beskytte investeringer tidligt i forløbet.
Ofte stillede spørgsmål
Har Google Analytics tilskrivningsmodeller?
Den almindelige version af Google Analytics bruger som standard sidste klik. Den betalte version (GA360) tilbyder andre modeller. Til avanceret datastyret tilskrivning har du brug for et særligt tilskrivningsværktøj som Google Ads, Facebook Ads eller tilskrivningsplatforme fra andre udbydere. Med WEMASY's hjemmesidebygger kan du sætte det op direkte på din hjemmeside.
Kan jeg bruge tilskrivning til at skære i mit marketingbudget?
Brug den til at flytte penge, ikke til at skære. Tilskrivning kan vise, at e-mail giver mere værdi end annoncer, så du flytter budget fra annoncer til e-mail. Men skær ikke hele kanaler væk, fordi én tilskrivningsmodel undervurderer dem. Test og mål effekten.
Hvad hvis forskellige kanaler bruger forskellige tilskrivningsmodeller?
Det er normalt. Din e-mailplatform bruger måske sidste klik. Din annonceplatform bruger måske datastyret. Dit analyseværktøj bruger måske lineær. Gør det ensartet ved at bruge én model på tværs af alle kanaler til interne beslutninger, selv om udbyderne bruger forskellige modeller.
Hvordan håndterer jeg konverteringer, der sker uden for nettet?
Følg dem manuelt. Når en kunde ringer, så spørg, hvordan de hørte om dig. Når de udfylder en formular, så tilføj et skjult felt for, hvordan de fandt dig. Brug de data til at justere din tilskrivningsmodel for kontakt uden for nettet.
Hvad er inkrementalitetstest, og hvordan adskiller den sig fra tilskrivning?
Tilskrivning prøver at give kanalerne æren for konverteringer, der allerede er sket. Inkrementalitetstest holder tilfældigt kunder uden for en kanal og måler, om konverteringerne falder uden den. Inkrementalitet er mere præcis, men kræver mere arbejde og flere penge.
Skal jeg altid bruge den mest komplekse tilskrivningsmodel?
Nej. Datastyret tilskrivning er mest præcis, men kræver mange data, god sporing og avancerede værktøjer. Sidste klik er forkert, men enkel. Start enkelt, og opgradér, når du vokser.