Die Abbildung veranschaulicht beispielhaft das Last-Cooki-Wins-Prinzip wobei die Costumer Journey aus 5 Touchpoints besteht. Nach dem Modell wurde der Suchmaschinenwerbung (SEA) als letztem Kanal die gesamte Werbeleistung zugeordnet. Sowohl die Display-Anzeigen, die auf das Produkt überhaupt aufmerksam gemacht hat, wie auch alle anderen PM-Kanäle, die eine assistierende Einflussnahme haben, gehen leer aus. Es ist naheliegend, dass dieses Modell für eine ganzheitliche Analyse der Customer Journey als ungeeignet erscheint, deshalb wird diese Methode auch stark kritisiert.

Durch die einseitige Zuordnung kann es zu Fehlentscheidungen bei der Budgetallokation kommen. Äquivalent zum Last-Cookie-Wins-Modell verhält sich das First-Cookie-Wins-Modell. Hier wird dem Display Ad, als erster Touchpoint der gesamte Werbeerfolg einer Trankaktion zugesprochen. Bei der Linearen Attribution, auch Gleichverteilung genannt, wird die Konversion gleichmäßig auf alle Kanäle verteilt. Diese statische Attributions kommt einer ganzheitlichen Customer-Journey-Betrachtung am nächsten. In der Praxis wird diese Methode und auch die Badewannen-Attribution oft als Startpunkt einer Customer-Journey-Analyse genutzt, die nach Sammlung tatsächlicher Tracking-Ergebnissen weiter angepasst wird. Bei der aufsteigenden Attribution wird dem letzten Werbekontakt der größte Werbeeffekt zugerechnet. Allen anderen Touchpoints wird eine absteigende Relevanz zugeschrieben.

Dynamische Attribution

Im Gegensatz zu statischen Modellen bei der nur die Position des PM-Kanals in der Customer Journey zählt, werden bei der dynamischen Attribution individuelle Faktoren mit einbezogen wie, Reihenfolge der Touchpoints, die Kanäle selbst, Keywords, Interaktionsart (Klick oder View), Umsatzziel oder Jouney-Typ (Lead oder Sale) und zeitlicher Abstand bis zur Konversion. Auf der Basis gesammelter Daten und statistischer Analysen wird permanent überprüft und angepasst, um steigende ROI’s zu erzielen. Für eine ganzheitliche Customer-Jouney-Analyse ist es wichtig den tatsächlichen Einfluss der einzelnen Kanäle zu analysieren. Eine starre Betrachtung wie die genannten statischen Modelle greifen hierbei zu kurz, weshalb viele Anbieter heute zunehmend Abstand von diesen Verfahren nehmen. Grundsätzlich sind Dynamische Modelle genauer und versuchen die Realität besser abzubilden als statische, jedoch ist die Analyse sehr aufwendig und komplex. Die Optimierung gilt als nie vollendet und ist Teil eines kontinuierlichen Verbesserungsprozesses.

Datenbasierte Budget-Allokation

Wie bereits beschrieben, versuchen Unternehmen durch Customer-Journey-Analyse und Attribution zu ermitteln, welchen Budgetanteil sie in die unterschiedlichen PM-Kanäle investieren sollen. Ziel ist dabei ein optimales Attributionsmodell zu entwickeln, welches das Gesamtwerbebudget mit maximaler Effizienz verteilt. Für diese Anwendung gibt es heutzutage bereits Software-Systeme, die mittels historischer Daten Vorschläge machen, wie Werbebudgets zukünftig verteilt werden sollte. 

Bekannte Anbieter für datenbasierte Budget-Allokation sind u.a. Blackwood Seven und adatics. Diese Tools besitzen Schnittstellen zu unterschiedlichen Datenquellen wie, CRM-Daten, Customer-Journey-Daten, TV-Tracking-Daten, sonstige Tracking-Daten und After Sales-Daten. Außerdem werden zur Bewertung der Werbewirkung der einzelnen Kanäle eine Vielzahl an Faktoren berücksichtig wie, die Art des Werbemittels, die Art des Kontakts (Klick- oder Sichtkontakt), Zeitverlaufsfaktoren etc. Intelligente Algorithmen können auf Basis dieser Daten dynamische Prognosen für Performance-Optimale Budgetverteilung berechnen.

Das wie bereits erwähnt, ist das bekannteste und beliebteste Web-Analyse-Tool ist Google-Analytics. Die Software mit Basisfunktionen ist unkompliziert und kann kostenlos genutzt werden. Es lassen sich statische Attributionen der Customer-Journey auswerten. Für die dynamische Multichannel-Analysen ist die kostenpflichtige Variante notwendig.

Mit Multi-Channel-Trichtern (MCT) – Multi-Channel Funnel (MCF) können Sie auch sehen, welchen Wert jeder Channel im gesamten Conversion-Pfad beiträgt.