Wie MMM Consultants die Signallücke schließen
Die Ära des Trackings durch Drittanbieter-Cookies ist zu Ende gegangen.
Fast zwanzig Jahre lang nutzten Marketingfachleute Cookies, um die Customer Journey abzubilden und Werbeeinblendungen präzise mit Conversions auf Nutzerebene zu verknüpfen. Mit verschärften Datenschutzbestimmungen und der Abschaffung von Drittanbieter-Tracking durch Browser hat diese Transparenz jedoch stetig abgenommen.
Die großen Plattformen haben bereits strukturelle Änderungen umgesetzt. Apple hat die App-Tracking-Transparenz eingeführt und damit das app-übergreifende Tracking eingeschränkt. (Apple)
Unterdessen schafft Google im Rahmen seiner Privacy Sandbox-Initiative Drittanbieter-Cookies schrittweise ab. (Google)
Für Chief Data Officers und Marketingverantwortliche stellt dies eine strukturelle Herausforderung für die Messung dar. Wenn sich Nutzerpfade nicht mehr zusammenfügen lassen, wird es deutlich schwieriger, den inkrementellen Wert von Medieninvestitionen nachzuweisen.
1. Die Erosion der Multi-Touch-Attribution
Die Multi-Touch-Attribution wurde für deterministisches Tracking entwickelt. Sie basiert auf persistenten Identifikatoren, um Impressionen, Klicks und Conversions geräte- und plattformübergreifend zu verknüpfen.
In der heutigen Zeit brechen diese Verbindungen häufig ab.
Ein Nutzer sieht möglicherweise eine Anzeige in einem sozialen Netzwerk auf seinem Mobilgerät, recherchiert auf einem Desktop-Computer und konvertiert über die Markensuche. Ohne geräteübergreifendes Tracking gehen frühe Kontaktpunkte aus dem Datensatz verloren.
Untersuchungen von Google zur umgebungsübergreifenden Messung verdeutlichen, wie Signalverlust die Sichtbarkeit von Interaktionen im oberen Bereich des Verkaufstrichters verringert und die Zuordnung zu den letzten Interaktionen verzerrt (Google)
Eine Branchenanalyse von Nielsen stellt ebenfalls fest, dass die Fragmentierung der Signale es schwieriger macht, den vollen Einfluss der Medienpräsenz entlang der Customer Journey zu quantifizieren. (Nielsen)
Die Folge ist eine systematische Verzerrung:
Kanäle im unteren Bereich des Marketing-Funnels erhalten unverhältnismäßige Gutschriften
Investitionen im oberen Bereich des Verkaufstrichters scheinen ineffizient zu sein.
Marken- und Bekanntheitsmaßnahmen werden unterbewertet.
Studien, die über Think with Google veröffentlicht wurden, zeigen, dass eine übermäßige Fokussierung auf die Zuordnung der letzten Interaktion zu Unterinvestitionen in Markenmedien führt, die die zukünftige Nachfrage ankurbeln. (Google)
2. MMM als aggregierter Messrahmen
Das Marketing-Mix-Modell betrachtet die Attribution aus einem anderen Blickwinkel.
Anstatt Einzelpersonen zu verfolgen, analysiert MMM, wie Veränderungen der gesamten Medieninvestitionen mit Veränderungen der gesamten Geschäftsergebnisse wie Umsatz, Ertrag oder Nachfrage korrelieren.
Diese ökonometrische Methodik wird seit Jahrzehnten, insbesondere in den Bereichen Konsumgüter und Einzelhandel, zur Bewertung der Werbewirksamkeit auf Makroebene eingesetzt.
Durch die Untersuchung historischer Ausgabenmuster zusammen mit Leistungsdaten schätzen ökonometrische Modelle den Beitrag der einzelnen Kanäle, ohne auf Cookies oder Benutzer-IDs angewiesen zu sein.
Ökonometrische Untersuchungen von Google belegen messbare Verzögerungseffekte zwischen der Nutzung von Offline-Medien und der Online-Suchnachfrage. (Google)
Ein solches Modell kann beispielsweise ermitteln, wie eine TV-Kampagne die Nachfrage nach Marken-Suchanfragen oder den E-Commerce-Traffic in den darauffolgenden Tagen oder Wochen beeinflusst.
Eine individuelle Nachverfolgung ist nicht erforderlich. Der Zusammenhang wird statistisch abgeleitet.
3. Einflussnahme jenseits messbarer Medien
Ein zunehmender Anteil der Customer Journey findet in Umgebungen statt, in denen Tracking bisher nicht möglich war.
Mundpropaganda, Podcasts, Präsenz im stationären Einzelhandel, PR-Berichterstattung und kulturelle Ereignisse prägen die Nachfrage, tauchen aber selten in den Dashboards der Plattformen auf.
MMM-Modelle beziehen externe Variablen ein, um diese Effekte zu berücksichtigen.
Ökonometrische Modellierungsstandards empfehlen die Einbeziehung von Nicht-Medien-Faktoren wie Preisgestaltung, Werbemaßnahmen und makroökonomischen Indikatoren, um eine Überbewertung des Medienbeitrags zu vermeiden. (Marketing Science Institute)
Zu den gängigen Variablen gehören:
Makroökonomische Indikatoren
Saisonalität und Feiertage
Preise und Aktionen
Investitionen der Wettbewerber
Wettermuster
Akademische Untersuchungen zeigen, dass der Ausschluss dieser Variablen die ROI-Schätzungen verzerrt und die Wirkung bezahlter Medien überbewertet (Internationale Zeitschrift für Marketingforschung)
Durch die Integration dieser Signale liefert das Modell ein umfassenderes Bild davon, was tatsächlich die Umsatzschwankungen verursacht.
Dies hilft Organisationen dabei, sich einer echten Inkrementalitätsperspektive anzunähern, anstatt einer plattformbasierten.
4. Datenschutzkonformität als struktureller Vorteil
Im aktuellen regulatorischen Umfeld müssen Messverfahren nicht nur hinsichtlich ihrer Genauigkeit, sondern auch hinsichtlich des Compliance-Risikos bewertet werden.
Durch Umgehungslösungen wie das probabilistische Fingerprinting lässt sich die Nachverfolgbarkeit zwar vorübergehend wiederherstellen, doch die Aufsichtsbehörden warnen davor, dass diese Techniken dennoch als Verarbeitung personenbezogener Daten gelten könnten.
Die Leitlinien des Europäischen Datenschutzausschusses deuten darauf hin, dass Geräte-Fingerprinting unter die Einwilligungserfordernisse fallen kann. (EDPB)
MMM arbeitet mit aggregierten, nicht personenbezogenen Datensätzen. Es verwendet keine individuellen Identifikatoren und ist daher von Natur aus mit datenschutzorientierten Governance-Prinzipien vereinbar.
Gartner bezeichnet die ökonometrische Modellierung als einen datenschutzkonformen Messansatz, der trotz Signalverlusten Erkenntnisse über die Effektivität erhalten kann. (Gartner)
Für Datenverantwortliche bietet dies eine robuste Messinfrastruktur, die weniger anfällig für künftige regulatorische Änderungen ist.
5. Veränderung der Messmentalität
Um die Signallücke zu schließen, ist mehr als nur ein Werkzeugwechsel nötig. Es bedarf eines strategischen Wandels in der Art und Weise, wie Leistung bewertet wird.
Ein praktischer Leitfaden:
Sicherstellen der internen Datenverfügbarkeit
Vertriebs-, CRM-, E-Commerce- und Medienkostendaten müssen standardisiert und integriert werden. Die Datenqualität wird immer wieder als Haupthindernis für den Erfolg von MMM genannt. (Forrester)
Ökonometrische Modellierung einsetzen
Bayesianische MMM-Frameworks ermöglichen es, vorhandenes Geschäftswissen in die Attributionsschätzungen einfließen zu lassen. Open-Source-Frameworks wie Metas Robyn und Googles Bayesian-MMM-Forschung haben die Einführung in Unternehmen beschleunigt. (Meta,Google)
Szenarioplanung ermöglichen
Moderne MMM-Plattformen ermöglichen es Unternehmen, Budgetumverteilungen zu simulieren und die Auswirkungen auf den Umsatz vorherzusagen, bevor sie Ausgaben tätigen.
Abschließende Überlegung: Operative Überbrückung der Signallücke
Es ist entscheidend zu verstehen, wie sich die Zuordnung in einer Umgebung ohne Cookies verändert. Der eigentliche Nutzen entsteht jedoch erst, wenn Unternehmen datenschutzkonforme Messverfahren in ihre tägliche Planung und Investitionsentscheidungen integrieren.
Da deterministisches Tracking an Bedeutung verliert, benötigen Marketing- und Datenverantwortliche Modellierungsumgebungen, die inkrementelle Ergebnisse quantifizieren, Allokationsszenarien simulieren und die Performance-Transparenz aufrechterhalten können, ohne auf Kennungen auf Benutzerebene angewiesen zu sein.
Lösungen wie zum BeispielAITA (KI-gestützte automatisierte Ökonometrie)Anwendung fortschrittlicher Bayes’scher Marketing-Mix-Modellierung innerhalb eines automatisierten Rahmens, wodurch Unternehmen in die Lage versetzt werden, den Beitrag einzelner Kanäle zu messen, externe Nachfragetreiber einzubeziehen und Investitionen auf eine Weise zu planen, die sowohl datenschutzkonform als auch finanziell umsetzbar ist.
Dies ermöglicht es Teams, von fragmentierten Attributionssignalen zu einer einheitlichen, zukunftssicheren Messinfrastruktur überzugehen.
Wenn Sie sich damit auseinandersetzen, wie MMM in einer Zero-Cookie-Umgebung umgesetzt werden kann, können Sie mehr über AITA erfahren hier.
