Was genau ist das Adtriba Unified Marketing Measurement Feature? 

Das UMM Feature ist eine Erweiterung der Adtriba dynamischen multi touch Attribution und modelliert Kanal-leistungen ähnlich wie im Marketing Mix Modeling auf hoch aggregierten Daten. Ziel ist die ganzheitliche Bewertung der Werbeleistung über alle Kanäle und Maßnahmen in einem Attributionsmodell. Der Ansatz des UMM verbindet die taktische Welt der digitalen Attribution sowie die strategische Welt der Marketing Mix Modellierung. 

Mit Hilfe des UMM kann schließlich der Effekt von offline Werbemaßnahmen auf den klassischen online Brand Traffic (Paid Search, Direct, SEO) quantifiziert werden. 

Woher weiss ich ob ich der richtige Kandidat für das UMM Feature bin?

UMM bietet sich für Unternehmen an die:

  • neben Online Marketingmaßnahmen auch in Offline Marketingmaßnahmen investieren, wie beispielsweise Print, nicht adressierte Postwurfsendungen, Plakat, Radio etc. 
  • einen sehr hohen Anteil an organischem / brand traffic haben
  • einer starken Saisonalität unterliegen

Was kann ich erwarten wenn ich UMM integriere? 

Die UMM Kanäle haben einen maßgeblichen Einfluss auf die Leistung von den organischen Kanälen. Sobald man einen UMM Kanal in das bestehende Set up integriert ist der folgende Effekt auf die organischen Kanäle zu beobachten:  

  • Die organischen Kanäle werden einen Teil ihrer Conversions an den UMM - Kanal ‘abgeben’. Dabei bleibt aber nachvollziehbar welcher organische Kanal am stärksten von dem jeweiligen UMM Kanal beeinflusst wird. 

Beispiel: Durch die Radio Kampagne XYZ wurden 500 Direct Conversions, 200 Paid Search Conversions und 150 SEO Conversions getrieben. 

Welche Marketingmaßnahmen und Kanäle kann ich mit dem UMM abbilden? 

Generell alle Offline Maßnahmen die einen Brandingeffekt haben könnten wie beispielsweise: Radio, Plakatwerbung, Postwurfsendungen etc. 

Aber auch andere Effekte können mit einbezogen werden wie zum Beispiel Messen, Produktlaunches, Sponsoring Auftritte und Vieles mehr. 

Wie müssen die Daten geliefert werden und brauche ich eine Datenhistorie? 

Alle Daten müssen gemäß unseres Adtriba Datentemplates bereitgestellt werden. Für die einmalige Modellierung wird eine Datenhistorie von ca. 2 Jahren benötigt. Die weitere Modellierung folgt dann voll automatisiert.

Die Frequenz in der die Daten geliefert werden müssen, kann im Einzelfall entschieden werden, generell kann es sich hier um eine einmalige Datenlieferung handeln, aber auch um eine wöchentliche oder monatliche. Eine häufigere Datenlieferung ist bei den meisten Offlinekanälen aufgrund der Aggregationsstufe nicht nötig. 

Die Berechnung der Attribution auf Basis der vorliegenden Daten erfolgt dabei aber nach wie vor täglich. 

Wie kann ich mit den Ergebnissen tatsächlich arbeiten? 

Case I - Operationalisierung von Saisonalen Effekten auf die Baseline

Die Grundlage der UMM Modellierung ist die sogenannte Baseline. Die Baseline macht eine Aussage dazu, wie hoch der Anteil der Conversions ist, der sowieso also auch ohne Marketing generiert werden würde. 

  • Die Baseline kann in vielen Fällen auf saisonale Effekte reagieren. In manchen Saisons ist der Anteil von nicht marketing beeinflussten Käufen also höher als zu anderen Zeiten. 
  • Je nach dem saisonalen Effekt kann davon ausgegangen werden, dass der Marketing-Spend erhöht oder gesenkt werden muss um das gleiche Ergebnis zu erreichen. Bei einem hohen saisonalen Effekt muss man also nicht so viel Geld in Marketing investieren, da durch die Saisonalität auch ohne Marketing mehr Conversions generiert werden. 
  • Zurzeit ist die Baseline nur im Backend von Adtriba verfügbar, zeitnah aber auch in der UI.

Case II - Budgetplanung von Offline Kanälen 

  • Klassische Offline Kanäle sind in vielen Fällen kostenintensiv und folgen größeren budgetierungs-Zyklen als das Online Marketing. In dem Fall bedarf es also einer soliden Entscheidungsgrundlage, die das UMM liefert. Auf Basis des UMM kann schließlich die Budgetplanung entlang der einzelnen Maßnahmen unter einbezug von Saisonalitäten und weiteren Offline-maßnahmen vorgenommen werden.  

Was muss ich im Umgang mit dem UMM noch weiter beachten? 

Das Modell und die Modellierung der Effekte kann nur so gut sein wie die Datengrundlage die Zugrunde liegt. Hier heisst es also: Garbage in, Garbage out. Man sollte stets auf die Güte und gleichbleibende Qualität der gelieferten Daten achten. 

Das UMM Feature ist Status quo in der Beta-Phase, das Modell wird stetig weiterentwickelt und die Zahlen regelmäßig überprüft. Nichts desto trotz kann es vereinzelt zu Änderungen und Schwankungen in den Zahlen kommen.

Did this answer your question?