Den Komplette Guide til Facebook Attribution

Læsetid: 10 min
Mark Thom - Partner
April 27, 2020

Forstå hvilke kanaler, der driver salg til din virksomhed med Facebook Attribution.

Traditionelle attributionsværktøjer, der udelukkende er afhængige af cookiesporing og tilskrivning via sidste klik (last click), giver dig ikke et retvisende billede af hvilke af dine markedsføringsindsatser, der rent faktisk driver salg. Facebook Attribution er et værktøj, hvor du kommer udover den traditionelle standard tilskrivning fra Facebooks annoncekonto. Det giver dig også et cross-channel indblik i din resultater med people-based tracking fremfor den normale cookie-baserede trackingmodel, som mange benytter i Google Analytics.

Ligesom Facebooks andre værktøjer er Facebook Attribution et helt gratis redskab, som er tilgængeligt for alle, der reklamerer på Facebook og Instagram. Dette bør fremhæves da tilskrivningssoftwares traditionelt set er dyre og rettet mod større virksomheder. Med Facebook Attribution kan vi komme tættere på et mere retvisende billede af din virksomheds markedsføringsresultater, og derved få et nærmere indblik i, hvordan kanalmixet fremadrettet bør justeres.

Del 1

Opsætningsguide og det fundamentale

For at forstå hvorfor Facebook Attribution i dag anses, som værende et bedre værktøj frem for eksempelvis Google Analytics, skal vi et par skridt tilbage, og se nærmere på lanceringen af ‘ITP 2.3’. ITP står for ‘Intelligent Tracking Prevention’ og er kort forklaret browser giganternes (Safari, Firefox og Chrome) samlede indsats, for at øge anonymiteten på internettet for deres brugere. En af sideeffekterne ved dette, er desværre mindre data og sporing til cookiebaserede værktøjer såsom Google Analytics.

Hvad gør det? Udrulningen af ITP gør at virksomheder som standard ikke kan tracke besøgende med cookies i mere end 24 timer, da konverteringsdataen forsvinder herefter. Hvis din kunderejse derfor er længere end 24 timer fra klik til køb, er det derfor ikke muligt i Google Analytics at spore marketing touchpoints, som er hændt mere end 24 timer før transaktionen (for at kunne det, skal du betale til tredjepartsværktøjer, der kan gemme din cookiedata i længere tid).

Konsekvenser:
  • En stor del af kunderejsen er ikke målbar med almindelige metoder, og derfor forsvinder en stor andel af konverteringsdataen og indsigten i attribution væk.
  • Upper funnel kampagner får generelt mindre tilskrivning – Som potentielt er profitable.
  • Forretningsbeslutninger taget ud fra cookie-baseret attribution kan koste virksomheder dyrt.

Facebook tracking er ikke på samme måde påvirket af ITP, da de benytter people-based tracking, som genkender besøgende ud fra bruger ID’er, de har på tværs af deres platforme: Facebook, Instagram og Messenger.

Del 2

Vigtigt om attribution

Attribution er den proces, hvor vi kan tilknytte adfærdsårsagen til udfaldet. Oversat til markedsføringssprog tilknytter vi resultatet, som ofte er et køb, og ved hjælp af attribution prøver vi at finde årsagen til dette køb, som eksempelvis kan være en annonce.

For at nå hertil, kan du forestille dig, at Jesper køber sig et nyt ur. Inden Jesper købte sit nye ur, har han været igennem en kunderejse, der både kan have været kort eller lang med adskillige touch-points. Da de fleste virksomheder både oplever køb med korte og lange kunderejser, kan vi med udvalgte attributionsmodeller tilskrive værdi til de mest væsentlige touch-points under både korte og lange kunderejser. Herved finder vi frem til årsagen/kanalerne/annoncerne der har ført til salget.

Denne indsigt hjælper os med at kunne:

  1. Forstå værdien: Forstå hvor meget værdi (f.eks. omsætning, leads, handlinger) dine annoncer producerer for din virksomhed.
  2. Beslutninger: Tage beslutninger om, hvilke kanaler og kampagner der fungerer, og dertil hvilke der skal skaleres samt hvilke der bør slukkes.

Der er mange forskellige attributionsmodeller, såsom last click, first click, even credit, positionsbaseret og nu datadrevet attribution. Hvilken attributionsmodel du vælger kan påvirke din evne til at måle værdien af dine annoncer samt at vælge mellem strategier.

Betydningen samt vigtigheden af inkrementalitet

Inkrementalitet er et emne og term vi begynder at arbejde med, når de overordnede kampagnemål ikke blot omhandler afkast på annoncer, men også handler om vækst af forretningen. Facebooks algoritme er i dag meget dygtig til at vise annoncer til de personer, der er mest interesserede. Det er bl.a. derfor, at vi kan skabe gode resultater med Facebook og Instagram annoncering for vores kunder.

Dog hænder det, at de personer, vi rammer med annoncer, havde købt produktet uanset om de havde set annoncen eller ej. (Dette er særligt et problem vi ser hos mange af store virksomheder og store accounts – Ofte grundet deres store organiske reach).

Spørgsmålet er derfor: Skaber din annoncering nye salg? Salg du ikke havde fået alligevel? Dette kaldes også “inkrementelle salg”. Eller er den rapporterede værdi i annoncekontoen højere end den burde være?

Dette kan du blive klogere på med Facebooks datadrevne attribution, men også med “Holdout tests” via “Facebook Experiments”.

Med Houldout Test i Facebook Experiments kan du vælge hvor længe du vil køre din conversion lift study. Den kræver mindst 100 resultater for hver begivenhed, (Fx. salg) henover test perioden.

Del 3

Vores anbefalinger til valg af attributionsmodeller

Regelbaserede modeller i tilskrivning er de modeller, der er baseret på en række specifikke regler, som tildeler kredit til diverse markedsførings touch-points inden køb. Der ekstisterer en række populære modeller, men i e-commerce branchen, har vi har særligt god erfaring med den 30% positionsbaserede attibutionsmodel. Denne model tildeler 30% af værdien for en konvertering til henholdsvis det første og det sidste berøringspunkt i en købsrejse. De resterende 40% af kreditten fordeles jævnt til berøringspunkterne derimellem.

Eksempel på et Facebook Attribution dashboard – Med den 30% positionsbaserede tilskrivningsmodel.

Vi har derudover god erfaring med modellen i Facebook Attribution, der hedder ‘Time decay 7-day‘. Denne model giver en stigende procentdel af kredit til touch-points tættere på selve konverteringen.

Nedenstående screenshot viser de forskellige regel-baserede attributionsmodeller i Facebooks Attribution. Du kan derudover vælge forskellige tilskrivningsvinduer for både annonceklik og annoncevisninger.

Konklusion

Attribution kan være en evig kamp, hvor det er meget svært at ramme plet. Så medmindre du har interne ressourcer, der rækker til at ansætte til stillinger som “Chief Analytics Officer” eller “Director of Data Science”, så anbefaler vi ikke at jagte perfektion, men nærmere at vælge en regelbaseret model, der giver mening for dit marketing mix og din virksomheds kunderejse. Vurdér dertil løbende om den valgte model kan forbedres eller kan udfordres. Det kunne eksempelvis være ved at sammenligne din attributionsmodel med Facebooks data-drevede attribution, eller ved hjælp af en Holdout test via Facebook Experiments, for at måle den inkrementelle effekt af din annoncering.

Facebooks Attribution kan overordnet set hjælpe dig med at forstå dine kunders købsadfærd, effekten fra de forskellige kanaler, og derved hjælpe dig med at annoncere mere effektivt.

Jeg vil i den forbindelse slutte af med et fint citat omkring attribution fra John Maynard Keynes: “It is better to be roughly right than precisely wrong.”

Kilder

https://www.facebook.com/business/news/insights/connect-campaigns-to-business-results-with-incrementality-measurement#

https://www.facebook.com/business/measurement/attribution

https://www.facebook.com/business/m/one-sheeters/data-driven-attribution?ref=attribution_dda_metrictooltip

https://www.mckinsey.com/business-functions/marketing-and-sales/our-insights/the-consumer-decision-journey

Forrige

/

Næste

Skal vi løfte din annoncering?

Tag kontakt i dag og hør mere.

+45 23 95 17 44

mark@algorize.dk

Mark Sarinesen Thom - Algorize

Mark Thom

Partner @ Algorize