Social Conference 2019

Multi-Channel-Trichter: Kanalübergreifende Analysen und Budget-Optimierung in Google Analytics18 min Lesezeit

Michaela Linhart 9 Comments

In der Regel entscheidet man sich nicht sofort für einen Kauf, sondern braucht mehrere Berührungspunkte (Touchpoints) mit einem Produkt und der Marke. Immerhin soll die richtige Kaufentscheidung getroffen werden!

Denk dabei an dich und deine Entscheidungsprozesse: Je nach Budget und je nach Notwendigkeit können diese ganz unterschiedlich, mal einfacher mal komplexer, ausfallen.

Im Online Marketing versuchen wir die Entscheidungsprozesse (Customer Journey) unserer Kunden zu verstehen um ein besseres Verständnis für unsere Marketing Kanäle zu erhalten, weil wir sowohl Kampagnen als auch Kanäle optimieren wollen…. Blabla..

Eigentlich wollen wir einfach nur unser Budget effizienter einsetzen und weniger Geld zum Fenster raus werfen… Oder anders gesagt: Mehr Geld mit weniger Marketingeinsatz verdienen – und dafür müssen wir unsere Customer Journeys und Marketingkanäle verstehen!

Wie sieht so eine typische Customer Journey beispielsweise aus?

Eine typische Customer Journey…

Mimi wird über eine bezahlte Facebook Anzeige auf einen besonderen Rotwein aufmerksam. Perfekt, sie sucht ohnehin gerade nach einem Geburtstagsgeschenk für ihren Papiii.

Sie startet ihre Journey mit dem Klick auf die FB Anzeige, kommt auf die Website vom Bioweingut Arkadenhof Hausdorf aber kauft noch nicht.

Das nutzt das Weingut natürlich und schaltet Remarketing Anzeigen: Auf Facebook, auf Instagram, Twitter, Criteo… Später klickt Mimi auf eine Criteo Anzeige, kommt über Google Shopping nochmals auf die Website und tippt schließlich www.hausdorf.at im Browser ein.

Sie kauft.

Screenshot: Mimis Customer Journey

… und die (egoistische) Conversion Messung

Je nach Betrachtung der einzelnen Plattformen beansprucht Facebook, Criteo und Google Ads die Conversion für sich. So kommt es, dass das Social Team, das Display Team und das Ads Team die Conversion reported.  

Statt einer einzigen Conversion wird drei mal dieselbe Conversion reported:

Screenshot: Egoistische Conversion Betrachtung je Plattform

Und die Channel Verantwortlichen so:

Screenshot: What Marketing Touchpoint drove the sale

Egoistische Modelle betrachten also nur ihre eigene Plattform.

Facebook & Co für Intra-Channel Optimierung

Das ist klar, denn diesen Plattformen geht es rein um die Optimierung ihres EIGENEN Kanals: Je besser Facebook da steht, je mehr Geld wirst du hinein stecken. 🤑

Deswegen ist Facebook bzw. der Werbanzeigenmanger das Tools zur Analyse und Optimierung von bezahlten Facebook und Instagram Anzeigen.

Genauso wie z.B. Google Ads das Tool zur Optimierung der Suchanzeigen ist und Criteo das Tool für Retargeting Displayanzeigen.

Dabei sind die Kanäle allerdings ziemlich blind und sehen nur die Views und Clicks auf die eigenen Kampagnen. Alles andere bekommen sie nicht mit, brauchen sie nicht mitbekommen und interessiert sie auch garnicht, weil es für die eigene Kanal- und Kampagnenoptimierung nicht relevant ist.

Google Analytics für X-Channel Analysen

Google Analytics ist hingegen das Tool zur Kanal-übergreifenden (X-Channel) Customer Journey Analyse UND Budget-Optimierung.

Im besten Fall fließen ALLE Daten ALLER Marketing Maßnahmen in Google Analytics ein: Von ALLEN Kampagnen. Von ALLEN Marketing Kanälen. Von ALLEN Plattform.

Screenshot: Customer Journey in Google Analytics

Das ist die große Stärke von Google Analytics: Denn erst wenn ALLE Interaktionen (Touchpoints) aus ALLEN Kanälen in EINEM Tool zusammen kommen, ist eine sinnvolle Customer Journey Analyse möglich.

Weil erst dann siehst du welche Kanäle zur Conversion beigetragen haben.

Weil erst dann jeder einzelne Kanal für sich RICHTIG beurteilt werden kann – nämlich im Vergleich zu der Performance aller anderen Kanäle.

Und das ist die perfekte Grundlage für effiziente Budget-Optimierungen. 🤑

Abgrenzung GA und Kanal-Plattformen

Soweit zur Abgrenzung welche Tools für welche Maßnahmen eingesetzt werden sollten: Facebook, Criteo, Ads & Co für die eigene Kanal- und Kampagnen-Optimierung. Google Analytics zur Kanal-übergreifenden Kanal- und Budget-Optimierung.

In diesem Beitrag möchte ich insbesondere auf die X-Kanal-Optimierung und Customer Journey in Google Analytics eingehen.

Deswegen die große Frage:

Wer bekommt in Google Analytics jetzt die Conversion?

Der erste Kanal, also Facebook?

Der letzte Kanal, also der direkte Kanal?

Irgendein Kanal in der Mitte: Criteo, Google Ads?

Jetzt kommt Attribution ins Spiel:

[Exkurs] Was ist überhaupt Attribution?

Attribution ist in erster Linie die Zuordnung aller Marketing Touchpoints zu einer Conversion.

Zuordnung bedeutet auf der einen Seite: Eine saubere Messung aller Touchpoints.

Hinweis: Ein sauberes Kampagnen Tracking ist die Grundlage für Attribution. Sauber getrackt wird entweder über die automatische Tag-Kennzeichnung bei Google Ads und Doubleclick Werbeanzeigen oder über das manuelle Tagging (UTM-Parameter) für alle anderen Ads.

Zuordnung bedeutet auf der anderen Seite aber auch: Die richtige Bewertung dieser Touchpoints. Wie haben die einzelnen Kanäle / Kampagnen zur Conversion beigetragen? Waren sie Initiator? Waren sie Vorbereiter? Waren sie Abschließer?

Das alles verbirgt sich hinter dem einfachen Wort “Attribution” und ist im Endeffekt gar nicht so einfach wie es klingt.

Zurück zur Frage: Wer bekommt in Google Analytics jetzt also die Conversion?

LNDC: Das Standard Attributionsmodell in Google Analytics

Dabei müssen zwei Berichtstypen in Google Analytics unterschieden werden: Die Standard Reports und die Multi-Channel-Trichter Reports.

In den Standard Reports, d.h. in den Berichtsbereichen Zielgruppe, Akquisition, Verhalten und teilweise Conversion ist die Last-Non-Direct-Click (LNDC) Attribution das Standard Attributionsmodell.

Hinweis: Mehr über das Last-Non-Direct-Click Attributionsmodell und warum Google dieses in seinen Standard-Reports einsetzt, erfährst du hier.

LNDC bedeutet: Der letzte Touchpoint erhält die Conversion, WENN der letzte Touchpoint NICHT “direct” war.

War der letzte Touchpoint “direct”, dann erhält der vorletzte Touchpoint die Conversion.

Das Modell ist jetzt per se nicht schlecht, denn alle Kanäle wollen ein Stück vom Kuchen (🍰) und Google Analytics muss die Conversion nach irgendeinem Schema verteilen. Allerdings bedeutet das, dass nur der letzte bzw. vorletzte Touchpoint die Conversion erhält und alle anderen Kanäle leer ausgehen. 

In meinem Beispiel hatte Mimi als letzte Interaktion den direkten Zugriff (direct), also erhält der vorletzte Touchpoint die Conversion: Google Ads bzw. Paid Search. Facebook und Criteo gehen völlig leer aus.

Wie so oft! 😐

Deswegen schneiden die Paid Kanäle in den Standard Reports (hier der Channel-Report unter Akquisition → Alle Zugriffe → Channels) häufig sehr schlecht ab:

Screenshot: Google Analytics Channels Standardreport

Das ist mitunter ein riesen großes Problem, wenn du z.B. Facebook Conversions in Google Analytics analysieren möchte bzw. die Daten vergleichen möchtest.

Weil die Daten niemals übereinstimmen werden, da unterschiedliche Attributionsmodelle zum Einsatz kommen: FB attribuiert alles für sich. GA attribuiert nach LNDC.

Exkurs: Attribution ist ein Grund für Datendifferenzen zwischen FB und GA. Ich hab mich intensiv mit Datendifferenzen auseinandergesetzt und mittlerweile 21 Gründe gefunden, die du hier nachlesen und sehr einfach beheben kannst. + Checkliste

Die Frage ist: Ist das fair?

Kann man das so beurteilen?

Willst du das so beurteilen?

Richtig wichtig: Die Anatomie eines Conversion Pfads

Ne, dass ist weder fair noch willst du das so beurteilen, weil das ganze Teamarbeit ist: Hätte die bezahlte FB Anzeige Mimi nicht auf die Website gebracht und Criteo nicht als Unterstützer mitgewirkt, hätte es die Conversion vielleicht gar nicht gegeben.

Facebook, Criteo und Google Shopping haben also vorbereitend zur Conversion beigetragen.

Vorbereitend sind dabei ALLE Interaktionen, die nicht zum Abschluss (zur Conversion) geführt haben.

Screenshot: Anatomie eines Conversion Pfads

Abschließend ist der letzte Kanal, die letzte Interaktion vor der Conversion.

Das war im Beispiel der direkte Kanal.

Die Pfadlänge beträgt vier, d.h. Mimi hat vier Touchpoints benötigt bis sie überzeugt war und konvertiert ist.

Das Zeitintervall beträgt ebenfalls vier, weil Mimi vier Tage benötigt hat um sich zu entscheiden den Wein zu kaufen. Gestartet ist die Journey am 20.Mai, da hat sie das erste Mal die Anzeige gesehen. Abgeschlossen hat sie am 23. Mai.

Da Facebook, Insta & Co sehr stark vorbereitend und eher selten abschließende Kanäle sind, werden sie durch die LNDC-Attribution häufig schlechter bewertet als sie tatsächlich sind.

Deswegen kommen Multi Channel Trichter ins Spiel:

MCF: Multi Channel Funnel Reports in GA

In Google Analytics gibt es in den Berichten unter Conversions die Multi-Channel-Trichter (in Englisch: Multi Channel Funnel (MFC)) Berichte.

Hier gibt es jede Menge bunte und schöne Reports (die allerdings alle etwas komisch benannt sind):

  • Vorbereitende Conversions
  • Top Conversion Pfade

Screenshot: Multi Channel Trichter Reports in Google Analytics

Bringen wir Licht ins Dunkle und fokussieren uns dabei aufs Wesentliche:

Top Conversion Pfade oder: Die Customer Journey

Schauen wir uns zuerst die Customer Journey an, die von Google Analytics kryptischerweise “Top Conversion Pfade” Report genannt wird.

Hier siehst du alle Touchpoints die ein User hatte, bevor er konvertiert ist:

Screenshot: Google Analytics Top Conversion Pfade Report

Hier sehen wir auch Mimis Pfad: #6. Dieser Pfad hat genau zu einer einzigen Conversion geführt – der Conversion von Mimi.

Schauen wir uns z.B. auch Pfad #2 an: Hier wurden sechs Conversions durch eine bezahlte Anzeige initiiert und durch einen organischen Social Media Beitrag abgeschlossen.

In den Standard-Reports werden diese Conversions dem „Social“ Kanal zugeordnet – Paid Social scheint dabei niemals auf. Als hätte der Kanal zur Conversion niemals beigetragen…

Hier in den MCF-Reports hingegen scheint Paid Social auf, weil ALLE Marketingkanäle aufgezeigt werden, die zur Conversion beigetragen haben.

Hinweis: Du kannst als primäre Dimension auch den “Kampagnenpfad” auswählen, dann siehst du nicht die Kanäle sondern die tatsächlichen Kampagnen, die zur Conversion geführt haben.

Wichtig ist z.B. auch Pfad #10: Hier ist “direct” der abschließende Kanal.

Und “direct” erhält auch die Conversion.

Hinweis: Das Standard-Attributionsmodell in den MCF Reports ist “Last Click” NICHT “Last Non Direct Click”.

X-Channel Analysen via Google Analytics

Was du in diesem Report auch sehr schön sieht: Paid Social ist sehr häufig ein initiierender Kanal und nur sehr selten der Abschließe.

Kein Wunder also das Paid Social in den Standard Reports immer abkackt💩…

In den MCT Reports kannst du nicht nur die Customer Journeys deiner User analysieren sondern auch die heiß begehrte Kanal-übergreifende Analyse: Dafür gibt es den “Vorbereitendend Conversions” Report.

Entgegen jeder Annahme werden hier NICHT nur die vorbereitenden Conversion aufgezeigt, sondern auch die abschließenden Conversions: Google hätte diesen Report also einfach auch X-Channel Analyse oder ähnlich nennen können… 🤷

Screenshot: Google Analytics Vorbereitende Conversions Report

Die ersten beiden Metriken (Vorbereitete Conversions, Wert der vorbereiteten Conversion) geben an, welche Kanäle Teil des Conversion Pfads waren, aber nicht abgeschlossen haben: Die vorbereitenden Conversions.

Dabei spielt die Reihenfolge keine Rolle: Egal ob der Touchpoint Initiator oder vorletzter Kanal war. Hier werden alle vorbereiteten Kanäle gleich behandelt.

Hinweis: Der „Wert der vorbereiteten Conversion“ ist befüllt, wenn du die Ecommerce Transaktion als Conversion Ziel auswählst oder deinen Zielen einen Conversion-Wert zuordnest. Beides habe ich in diesem Fall nicht gemacht, deswegen sind meine Werte nicht befüllt.

Die nächsten beiden Metriken (Conversions nach dem letzten Klick oder direkte Conversions, Wert für Conversions nach dem letzten Klick oder für direkte Conversions) zeigt wie häufig der Kanal der letzte Touchpoint war.

Am aller spannendsten ist aber diese letzte Zeile: Vorbereitende Conversions, Conversions nach dem letzten Klick oder direkte Conversions. (Was für ein Name für eine Metrik…🤢)

Diese wichtige Metrik beurteilt den Kanal und gibt an ob er eher vorbereitend oder abschließend funktioniert berechnet an den vorbereitenden und abschließenden Conversions, im Vergleich zu allen anderen Kanälen.

  • Ist die Zahl nahe bei 0, funktioniert der Kanal abschließend.
  • Ist die Zahl nahe bei 1, funktioniert der Kanal zu gleichen Teilen vorbereitend und abschließend.
  • Ist die Zahl größer als 1, funktioniert der Kanal vorbereitend.

X-Channel Analyse am Beispiel Onlineshop

Schauen wir uns das am Beispiel des Wein-Onlineshops und dem Ziel „Kauf“ an:

Direct ist (auf gut österreichisch) wurscht (🌭), weil „direct“ häufig abschließender Kanal ist… 

Paid Search ist mit 0.31 nahe an 0 und somit ein stark abschließender Kanal. D.h. User suchen, finden und kaufen. (Ob das jetzt hauptsächlich Bestandskunden sind, die via Brand-Keywords konvertieren, müssten wir jetzt im Detail analysieren… )

Referral ist mit 1.04 nur geringfügig größer als 1 und somit ein vorbereitender UND abschließender Kanal. Auch hier ist eine Detail-Analyse spannend, weil es vermutlich ganz darauf ankommt, von welcher Seite User auf den Onlineshop kommen… 

Paid Social mit 0.69 schon eher nah an 1 dran und deswegen ebenfalls sowohl ein vorbereitender als auch ein abschließender Kanal. Das ist eine spannende und eher ungewöhnliche Erkenntnis. Je nachdem welche Paid Kampagnen ausgespielt werden, dürfte der Kanal also sowohl für die Lead Generierung (Neukunden Gewinnung) funktionieren also auch Bestandskunden zu Conversion führen. 🙌

Criteo ist mit 5 deutlich über 1 und somit ein deutlich vorbereitender Kanal. So wie es häufig bei Display-Kanälen der Fall ist. 

Und Email ist mit 0.05 ein deutlich abschließender Kanal. Perfekt also für die Bestandskunden Kommunikation.

Diese Analyse ist die perfekte Grundlage für die Kanal- und Budget-Optimierung.

Fast perfekt, WENN (wenn das Wörtchen wenn nicht wäre… ): Ja, WENN Last Click dein bevorzugtes Attributionsmodell ist.

Attributionsmodelle in Google Analytics

Du hast bestimmt schon von den typischen Attributionsmodellen gehört:

  • Letzte Interaktion
  • Letzter Indirekter Klick (Last Non Direct Click)
  • Erste Interaktion
  • Linear
  • Zeitverlauf
  • Positionsbasiert (Badewanne)
  • Data Driven

Screenshot: Attributionsmodelle in Google Analytics

Jedes dieser Modelle attribuiert Conversions unterschiedlich: First Click und Last Click ordnen die Conversion beispielsweise zu 100% EINEM EINZIGEN Marketingkanal zu und berücksichtigen dabei keine weiteren Interaktionen.

Regelbasierte Modelle wie Zeitverlauf und Positions-basiert berücksichtigen zwar mehrere Touchpoints, sind allerdings STATISCH.

In Google Analytics 360 gibt es auch noch das dynamische Data Driven Attributionsmodell, dass die Conversions basierend auf allen Pfad-Daten regelmäßig neu berechnet. Einziger Nachteil: Es beschränkt sich auf die letzten vier Interaktionen. Bei sehr langen Journeys entspricht das also eher wieder einem Last-Click (oder Last 4-Clicks) Modell…

Alles nicht so einfach! 😟

Deswegen gibt es (auch in GA Free) die Möglichkeit ein eigenes Modell zu hinterlegen: Eines das genau auf deine Produkte und dein Unternehmen zugeschnitten ist.

Hinweis: Die Erstellung eines eigenes Attributionsmodells ist jedoch alles andere als einfach und Bedarf sehr (sehr) viel Analyse- und Konzeptionsarbeit. Wie mein lieber Kollege Martin Frotzler auf der Google Analytics Konferenz 2019 in seinem “Attribution: Builing a model” Vortrag schon gesagt hat: Keep it simple! You can always add complexity later!

Starte deswegen zuerst lieber mit den Standard-Modellen und arbeite dich langsam vor.

Mit welchen Attributionsmodell sollst du starten?

Welches Modell zur Kanal-Analyse herangezogen werden soll ist abhängig von deinen Marketing- und Unternehmenszielen.

Last Click und Zeitverlauf sind Modelle die den Fokus auf Bestandskunden legen. Ziel ist es Bestandskunden zu weiteren Käufen zu motivieren und im besten Fall in treue Bestandskunden umzuwandeln. Da dass Produkt und Unternehmen bereits bekannt ist, sind die letzten Interaktionen vor dem Kauf die Entscheidenden.

Positions-basiert und First Click sind das genau Gegenteil: Hier wird der Fokus auf Neukunden gesetzt. Das Produkt und Unternehmen ist noch nicht bekannt, du willst aber auf dieses aufmerksam machen. Du willst viele, viele Leads einsammeln. Die ersten Interaktionen sind daher wesentlich.

Und Linear? Linear ist irgendwo in der Mitte… Alle Kanäle werden gleich behandeln und bekommen den gleichen Anteil an Conversions. Nicht Kraut, nicht Rüben…

Beachte: Verändert sich das Unternehmensziel (hohe vs. niedrige Marktdurchdringung) musst du auch das Attributionsmodell anpassen…

Das Google Analytics Modellvergleichstool

Hast du das passende Attributionsmodell gefunden, kannst du deine Kanäle an diesem messen.

Dafür gibt es das Modellvergleichstool in Google Analytics: Conversions → Attribution → Modellvergleichstool.

Du fährst eine Neukunden Strategie? Dann kannst du hier deine Marketingkanäle anhand des First Click oder Badewannen-Modell analysieren.

Noch besser: Du kannst beide Modelle gegeneinander vergleichen und prüfen wie deine Kanäle mit einem „aggressiveren“ First-Click Modell im Vergleich zum weniger aggressiven Badewannen-Modell dastehen.

Hinweis: Du kannst hier bis zu drei Modelle gleichzeitig miteinander vergleichen. Je mehr Modelle ausgewählt, desto unübersichtlicher, deswegen starten am besten mit zwei.

Screenshot: Modellvergleichstool in Google Analytics

Hier siehst du nun die Conversions je Kanal für das First Click Modell und im Vergleich dazu zum Positionsbasierten-Modell.

Die letzte Metrik ist wiederum am spannendsten: Hier siehst du die Veränderung.

So performt die organische Suche im Badewannen-Modell um 8% schlechter, weil die organische Suche in diesem Beispiel sehr stark Vorbereiter ist.

Referral performt um knapp 18% schlechter, weil beim Positionsbasierten-Attributionsmodell der erste und der letzte Tochpoint je 40% der Conversion erhalten und sich die restlichen 20% auf alle anderen Touchpoints aufteilen. Das ist spannend, weil vorhin haben wir gesehen, dass Referral sowohl vorbereitender als auch abschließender Kanal ist. Hier zeigt sich, dass Referral doch stärker vorbereitender Kanal ist. Hier sollte in jedem Fall eine Detail-Analyse gemacht werden und der Referral-Traffic nochmal genauer unter die Lupe genommen werden, um das volle Potential aus diesem Kanal ausschöpfen zu können.

Bei Paid Social ändert sich im Modellvergleich nicht viel. Der Kanal funktioniert in jedem Vorbereitenden-Modell gut und sollte deswegen als Vorbereitender Kanal ausgebaut werden: Für Lead-Generierung, Markenbekanntheit, etc.

Email performt beim Positonsbasierten Modell um 15% besser als beim First Click Modell:

Auch Organic Social performt beim nicht so aggressiven Neukunden-Modell besser und zwar deutlich besser. Organic Social sollte deswegen gezielter als abschließender Kanal eingesetzt werden.

Voraussetzungen für Kanalübergreifende Analysen und Budget-Optimierung in Google Analytics

Damit auch du die großartigen Multi-Channel-Reports für Google Analytics richtig nutzen kannst, musst du vier Dinge beachten:

  1. Sauberes Kampagnen Tracking
  2. Sauberes Conversion Tracking
  3. Datendifferenzen zwischen FB und GA bereinigen
  4. Paid Social als Kanal in GA anlegen

1. Sauberes Kampagnen Tracking

Wichtig ist, dass du ALLE deine Kampagnen sauber vertrackst.

Stichwort: UTM-Parameter.

Stichwort: Naming-Conventions.

Erst wenn alle Kampagnen sauber und richtig vertrackt sind, kann sowohl der Traffic als auch die Conversions sauber und richtig in Google Analytics erfasst werden.

2. Sauberes Conversion Tracking

Das selbe gilt auch für das Conversion Tracking: Egal ob der Kauf (die Transaktion) oder die Newsletter-Anmeldung dein Ziel ist, die Conversion muss korrekt und sauber in Google Analytics erfasst werden.

Stichwort: Duplicate Transactions vermeiden.

3. Datendifferenzen zwischen FB und GA bereinigen

Siehe Blogartikel.

4. Paid Social als Kanal in GA anlegen

Zuletzt musst du deinen Paid Social Kanal in der Channel-Definition von Google Analytics anlegen, denn Paid Social ist KEIN Standardkanal.

Hinweis: Welche Kanäle Google Analytics als Standardkanal definiert, kannst du hier in der Google Analytics Dokumentation nachlesen.

Die Einrichtung erfolgt im Admin Bereich auf Datenansichtsebene –> Channeleinstellungen –> Channelgruppierung:

Screenshot: Channelgruppierung in GA anlegen

Klicke hier auf das Default Channel Grouping –> Aktionen –> Kopieren.

Hinweis: Das Default-Channel-Grouping wird für deine Standard-Berichte verwendet. Wenn du auch in deinen Standard-Reports deinen Paid Social Traffic nach LNDC Attribution analysieren möchtest, lege auch hier einen eigenen Paid Social Kanal an.

Kopiere also die Default-Einstellung von Google Analytics.

Gib deiner neuen Channel-Groupierung einen sprechenden Namen und klicke auf „+ Neuen Channel definieren“.

Wählt nun die Regel aus: Wie erkennst du den Traffic deiner bezahlten Suchanzeigen? Ich schreibe z.B. im Kampagnenparameter UTM-Medium für alle meine Paid Social Anzeigen „social-ppc“ hinein. Genau diese Regel bilde ich hier ab:

Screenshot: Paid Social Kanal in GA einrichten

Wähle eine Farbe für deinen Kanal z.B. dunkel violett (weil „social“ färbt Google Analytics automatisch lila ein). 

Speichern. 

Fertig.

Diese vier Punkte berücksichtigt und du kannst wunderschöne Kanalübergreifende Analysen und Budget-Optimierungen in den Multi Channel Trichter Reports von Google Analytics vornehmen. 😍

Alles klar?

Dann ran an die Kanal- und Budget-Optimierung in Google Analytics.

Deine Kampagnen optimierst du am besten in den Tools der verschiedenen Plattformen.

Noch nicht ganz? >> Dann schreib mir gerne deine Fragen und / oder Gedanken als Kommentar. 🙃

Wenn dir dieser Blogartikel gefallen hat, dann freue ich mich über ein Like, ein Share und einen Kommentar von dir. Abonniere gerne meinen Newsletter und meine Facebook Seite und lass dich automatisch über neue Blogbeiträge informieren. 

Comments 9

  1. Hey Michaela,

    spannender und ausführlicher Artikel. Aber geht das nicht alles nur wenn derjenige mit demselben Gerät/Browser die „Customer Journey“ absolviert hat, habe ich das überlesen?

    Für UTM Tracking kann ich http://www.utm-builder.com empfehlen!

    1. Post
      Author

      Hi Michael,

      sehr guter Hinweis – vielen Dank dafür!

      Tatsächlich ist es so, dass in den „normalen“ Google Analytics Views nur User die über das selbe Gerät / den selben Browser gekommen sind, betrachtet werden.

      Das Coole: Wenn du das UserID-Feature von GA nutzt und dir eine UserID-View anlegst, dann werden die Journeys sogar Geräte- und Browser-übergreifend dargestellt.

      Das ist dann nochmal ein Level höher und bietet natürlich noch spannendere Insights! 🤓🤩

      Liebe Grüße,
      Michaela

  2. Hi Michaela,

    überragender Artikel – damit sprichst du mir von der Seele.
    Hätte man nicht besser erklären können.

    Zu oft werden in der Praxis Conversions von den unterschiedlichen Anbietern (FB, GAds, GA) falsch interpretiert und verstanden und Äpfel mit Birnen verglichen.

    Besten Gruß
    Manuel

    1. Post
      Author

      Hi Manuel,

      vielen, vielen Dank für dein großartiges Feedback.😍

      Liebe Grüße,
      Michaela

  3. Pingback: BP 2.26: Tag Manager Templates, Tools, Tipps und News Podcast

  4. Hi Michaela,

    toller Artikel in gut verständlicher Sprache, was leider oft nicht der Fall ist.
    Allerdings glaube ich, dass der Kanal Referral im Abschnitt „Modellvergleichstool“ eher ein vorbereitender Kanal ist, weil er im Modell „positionsbasiert“, der auch nachgelagerte Touchpoints berücksichtigt, schlechter performt. Oder hab ich da jetzt nen Denkfehler.

    1. Post
      Author

      Hi Federico,

      vielen Dank! :-))

      Du hast vollkommen Recht! Ich hab mich von der „Vorbereitende Conversions, Conversions nach dem letzten Klick oder direkte Conversions“-Metrik etwas blenden lassen… Gerade bei Referral muss man – glaube ich – auch nochmal tiefer in die Analyse einsteigen und sich die Referral-Seiten im Detail ansehen. Ich vermute, dass je nach Referral-Seite (in meinem Fall umfangreicher Blogartikel zu einem Wein, Regionsseite, etc.) das Verhalten der User sehr stark schwankt und sich der Kanal dann auch immer mal bisschen verändert…

      Vielen Dank auf jeden Fall für deinen Hinweis. Ich hab den Blogartikel gleich angepasst. 🙂

      Ganz liebe Grüße,
      Mimi

  5. Hi,

    super Artikel. Gut zusammengefasst und anschaulich dargestellt.

    Eine Frage zu den Vorbereitenden Conversions:

    Wenn mehrere Kanäle als Touchpoint beim Kauf involviert sind, bekommt dann jeder Kanal den vollen Umsatz zugeschrieben oder nur einen Teil des Umsatzes (bezogen auf die Anzahl der Kanäle, die beteiligt waren)?

    Merci

    1. Post
      Author

      Hi Tim,

      vielen Dank! 🙂

      Zu deiner Frage: Es kommt drauf an welches Attributions-Modell du verwendest.

      „Vorbereitend“ sind ALLE Kanäle die zur Conversion beigetragen haben – nur nicht der Letzte. Der Letzte Kanal ist der Abschließende.

      Je nach Attributionsmodell wird der Umsatz den Touchpoints unterschiedlich zugeordnet: z.B. First Click -> 100% dem ersten, 0% dem Rest.

      Beim Linearen Modell wird jedem Touchpoint (egal ob vorbereitend oder abschließend) der gleiche Teil zugewiesen: Bei 4 Touchpoints erhält jeder Touchpoint 25%.

      Beim Zeitverlauf erhalten die Touchpoints die näher an der Conversion waren prozentuell mehr vom Umsatz. In dem Fall bin ich mir aber nicht sicher ob tatsächlich alle Touchpoints ein Stück vom Kuchen erhalten oder nur die letzten vier…

      usw.

      D.h. je nach Attributionsmodell erhalten die Touchpoints entweder den vollen Umsatz (First Click, Last Click) oder nur einen Teil des Umsatzes (alle anderen Attributionsmodelle).

      Liebe Grüße,
      Mimi

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.