Was kommt nach der Cookie-Ära?

Bevor wir uns mit den aktuellen Datenmodellen befassen ist es wichtig zu verstehen, dass es im Folgenden um die Messung von Ad-Impressions & Klicks auf den digitalen Werbekanälen geht. Und nun zu den aktuellen Modellen der Datenmessung! Im Paper werden drei klassische Wege beschrieben Marketingmaßnahmen zu messen:

Der erste Weg ist der des Marketing Mix Modellings (MMM), welcher den Anspruch hat digitale und klassische Offline Marketing Aktivitäten kombiniert zu messen. Generell ist diese Variante weit verbreitet und wird auch von einigen Unternehmen weltweit angewandt. Der Fokus wird hierbei vor allem auf den ROI gelegt, wichtig ist hierbei wie viel eine Conversion schlussendlich kostet. Bei diesem Modell werden verschiedenste Daten aus verschiedenen Quellen kombiniert und zusammengefasst, sodass man schlussendlich die genauen Kosten für eine Conversion zurechnen kann. Genau diese verschiedenen Datensätze machen das Modell aber sehr anfällig. Häufig werden die Berichte dieser kombinierten Daten nur quartalsweise ausgegeben (teilweise auch nur einmal im Jahr), das macht den agilen Einsatz von Marketingbudget unmöglich. Speziell für Kunden, die sich digitalisieren wollen, ist und war dieser Weg meiner Meinung nach nicht der richtige Ansatz.

Der zweite Ansatz, der beschrieben wird, ist der des “cross-channel attribution”. Hier wird der Weg des Users im Netz genau betrachtet und es wird analysiert, welche Kanäle und Strategien digital den meisten Mehrwert für das Unternehmen bieten. Dieser Ansatz basiert vor allem auf dem Tracking durch Cookies, welches Websiteübergreifende Nachverfolgung garantiert. Dieser Ansatz ist zwar sehr gut und stellt den User wesentlich mehr in den Mittelpunkt,  aber in einer cookie-freien Welt wird es schwierig bis unmöglich diesen Weg weiter zu gehen.

Weg Nummer 3 ist das Plattformspezifische Conversion-Tracking. Hier wird jede Plattform individuell getrackt. Man bekommt so zielgenaue Daten, fördert aber auch ein Silo-Denken. Auch so werden Daten nicht in einem größeren Zusammenhang betrachtet, was es schwierig macht, die Daten im Einklang mit der Customer Journey zu nutzen und die besten Kanäle für seine Zielgruppe zu definieren. 

Über die letzten Jahre hat sich “Cross-Channel-Attribution” als ideale Variante durchgesetzt, da es wesentlich flexibler als MMM ist und weniger in Silos gearbeitet wird, als bei Plattformspezifischen Conversion-Tracking. Aber warum nun den altbewährten Weg verlassen? Durch Apples Intelligent Tracking Prevention oder die DSGVO wird dieser Weg stark eingeschränkt. Die genauen Insights hat mein Kollege Nicolai bereits genau und kompakt in seinem Blogbeitrag zusammengefasst. Auch wenn das Cookie-Tracking nicht von heute auf morgen verschwindet, gilt es sich mit neuen Wegen zu befassen. Merkles Paper liefert hierzu interessante Denkanstöße. Auch diese will ich hier kurz zusammenfassen. Ein kleiner Spoiler: Es gibt keine einfache und einheitliche Lösung.

Eine Möglichkeit Daten zu messen ohne Cookies und viel wichtiger, ohne Datensilos entstehen zu lassen ist folgende. Diese Variante besteht aus zwei grundsätzlichen Schritten. Der erste und wichtigste Schritt ist ein KPI Framework zu entwickeln. In diesem gilt es die wichtigsten KPIs abzubilden, möglichst einfach und konsistent. Das Framework sollte sich an den Zielen der Marketingaktivitäten ausrichten und die verschiedenen KPIS in Beziehung zueinander setzen.  Merkle empfiehlt hier eine Art Performance Score zu erstellen, um den Optimierungsgrad der Maßnahmen zu errechnen. Das ist eine gute Möglichkeit, auch beispielsweise Google gibt solch einen Performance Score im Google Ads Konto an. Es muss aber meiner Meinung nicht zwangsläufig ein Performance Score werden, man kann hier durchaus kreativ sein. Es gibt schlichtweg nicht nur die eine richtige Lösung. Die Daten hierfür müssen aus den verschiedenen Tools in das Framework überführt werden.

Schritt zwei ist es ein Framework zu erstellen, das durch den Funnel führt. Hier müssen Metriken, die das Verhalten des Kunden abbilden, mit den im ersten Schritt erstellten KPIs gematched werden. Nur so kann man das Verhalten wirklich bewerten und in einen größeren Zusammenhang bringen.

In der Regel erfordern diese beiden Schritte die Kombination von mehreren Methoden der Datenmessung, beispielsweise Cross Channel Attribution und Plattformspezifisches Conversion-Tracking. Auch diese werden im Merkle Paper noch wesentlich ausführlicher beschrieben. Nur so kann man Daten kanalübergreifend auswerten und in einen größeren Zusammenhang bringen. Außerdem bestehen die Datenblöcke die als Grundlage für solche Frameworks dienen bereits häufig in Unternehmen. Viele Unternehmen nutzen bereits Tools von den großen playern wie Google, Facebook oder auch Amazon und müssen diese Daten nur in die richtige Form bringen.

Eine weitere Möglichkeit an Daten zu gelangen und spannende Insights zu bekommen  sind sogenannte “Data clean rooms”. In solchen “Räumen” können verschiedenste Parteien und Unternehmen Daten einbringen, um gewonnenen Insights zu teilen ohne die unanonymisierten Roh-Daten preiszugeben. Allerdings ist man bei dieser Lösung stark von den Anbietern solcher Data clean rooms abhängig. Der Vorteil ist aber definitiv, dass man seine Daten besser beurteilen kann und die Daten repräsentativer sind. Auch wir sehen diese CDPs als wesentlichen Bestandteil um in der Zukunft an valide Daten zu gelangen. Sie werden unserer Meinung nach in Zukunft immer relevanter werden um auch ohne Cookies Daten effizient zu messen.

Wenn man eine gute Struktur gefunden hat, Daten zu sammeln und zu speichern, geht es an die Kampagnenoptimierung, hier ist das Testen essenziell. Wenn man beim Testen Fehler begeht, nützen die ganzen Konzepte nichts, die man zuvor entworfen hat um Daten richtig zu sammeln. Es macht beispielsweise keinen Sinn, gleichzeitig eine Paid Social Kampagne und eine Paid Brand Search Kampagne in derselben Region zu testen. So kann man die Auswirkungen des jeweiligen Tests nicht wirklich nachvollziehen und man verfälscht auch grundsätzlich seine Daten. Wichtig ist hierbei ein Mindset zu entwickeln mit welchem man solche Dinge beachtet, um langfristigen Erfolg der Kampagnen zu garantieren. Auch Fehler beim testen von Kampagnen können sich also negativ auf die eigenen Daten auswirken.

Zusammenfassend lässt sich sagen, dass das Messen, Verstehen und Auswerten von Daten nicht einfach ist. Speziell mit der Aussicht dies ohne Cookies zu realisieren, macht es nicht einfacher. Mit genauen Strukturen und einer guten Planung, wie beispielsweise mit KPI Frameworks oder “Data Clean Rooms” ist dies aber kein Ding der Unmöglichkeit. So ist es möglich Daten nachhaltig zu sammeln und die Grundlage für eine gute Auswertung zu legen. Trotzalledem ist das Testing nicht zu unterschätzen. Nur mit dem richtigen Vorgehen kann man hier die richtigen Schlüsse ziehen und Daten nachhaltig nutzen, ohne diese dabei zu verfälschen.

Wenn euch mehr spannende Insights zu diesem Thema interessieren oder ihr wissen wollt, wie genau Merkle Daten sammelt und verarbeitet, dann gehts hier zum Paper!