Het veranderende attributielandschap: een nieuw tijdperk van marketinginzichten
Het verdwijnen van third-party cookies zal iedereen in marketing raken, maar degenen die afhankelijk zijn van directe digitale attributie zullen er de meeste last van ondervinden.
Cookies van derden waren namelijk het ideale hulpmiddel voor deze attributie. Met deze cookies kunnen marketingteams online activiteiten op gebruikersniveau volgen, gegevens verzamelen voor berichttargeting en retargeting én de gebruiker helemaal in de funnel volgen tot aan diens conversiepunten.
Nu zullen rapporten moeite hebben om conversies toe te schrijven aan de verschillende touchpoints in de customer journey. Er zal meer giswerk zijn bij het aftoppen van frequenties, bij retargeting en bij het genereren van consistente gebruikers-ID’s op verschillende platforms.
Maar om eerlijk te zijn is het elimineren van third-party cookies slechts het topje van de ijsberg wat betreft de teruglopende directe attributie. We moeten ook rekening houden met de convergentie van:
- Cross-device en cross-platforms
- Software die advertenties blokkeert
- Datasilo’s
- Marketingcomplexiteit
- Opkomst van ‘private walled gardens’
En bovenstaande werkt allemaal samen om de dingen een stuk lastiger te maken.
Is er een oplossing?
Er zijn alternatieve benaderingen om de impact van je marketinginspanningen te meten en te begrijpen.
Twee beproefde benaderingen zijn first-party datastrategieën en privacy-compliant datapartnerships. Het verzamelen van first-party data op basis van directe klantinteracties kan waardevolle inzichten opleveren zonder afhankelijk te zijn van third-party cookies. Samenwerkingsverbanden die voldoen aan de privacywetgeving stellen je in staat om samen te werken met vertrouwde partners voor het delen van gegevens. Beide tactieken kunnen helpen de kloof te overbruggen die is ontstaan door het wegvallen van third-party cookies. Je kan geanonimiseerde en aggregated data gebruiken om inzicht te krijgen in het gedrag van consumenten, terwijl je de privacyregels respecteert.
Maar contextuele targeting en AI-gestuurde attributiemodellen zijn de nieuwste ontwikkelingen. Beide kunnen je marketingteam helpen inzicht te krijgen in wat werkt.
Contextuele targeting: in plaats van individuele gebruikers te volgen, kan je overgaan op contextuele targeting, gericht op de relevantie van content en de intentie van gebruikers binnen specifieke contexten (bijvoorbeeld een advertentie voor gezichtsreiniger op een YouTube-handleiding over huidverzorging). Deze benadering maakt gepersonaliseerd adverteren mogelijk zonder afhankelijk te zijn van gebruikersspecifieke data. Je kan contextuele targeting gebruiken voor video-, display- en gedragsadvertenties.
Op AI gebaseerde attributiemodellen: machine learning-modellen spelen nu al een rol bij het ontcijferen van complexe user journeys en het toewijzen van conversies en hun waarde door de grote cloudplatforms maakt ze veel belovende opties voor nauwkeurig giswerk. Geavanceerde AI-modellen kunnen enorme hoeveelheden georganiseerde data analyseren om de patronen en trends te voorspellen die marketingstrategieën ondersteunen.
Tools die attributie-uitdagingen makkelijker maken
Opkomende technologieën, tools en platforms kunnen je helpen aanpassen aan het veranderende attributielandschap, zinvolle inzichten te verzamelen en je campagnes effectief te optimaliseren. Hier zijn een paar opties:
Multi-touch attributieplatforms
Platforms zoals Google Analytics 4 of HubSpot gebruiken geavanceerde algoritmen en machine learning om gebruikersinteracties op meerdere touchpoints te analyseren. Ze bieden een uitgebreider inzicht in de customer journey en kennen waarde toe aan elk touchpoint op basis van diens bijdrage aan de conversie.
CDP’s (customer data platforms)
CDP’s voegen data uit verschillende bronnen samen om uniforme klantprofielen op te stellen. Deze profielen bieden een holistisch beeld van individuele gebruikers, waardoor gepersonaliseerde marketinginspanningen mogelijk worden. Daarnaast kan je het traject van gebruikers op verschillende apparaten volgen.
In-app analytics en SDK’s
Voor mobiele apps bieden in-app analytics en SDK’s (software development kits) inzicht in het gedrag van gebruikers binnen de app. Deze tools bieden waardevolle informatie over betrokkenheid en conversies binnen een afgebakende omgeving.
Ecosystemen voor machine learning
Bij de grote cloudplatforms (Google, AWS en Microsoft) kan je plug-and-play machinelearningecosystemen huren. Met behulp van hun kant-en-klare tools kan je dataopslag en attributiemodellen bouwen in je eigen gehuurde machinelearningomgeving. Je kan het hier zo simpel of complex maken als je nodig hebt.
FLoC (federated learning of cohorts)
FLoC is ontwikkeld als onderdeel van Google’s Privacy Sandbox-initiatief en groepeert gebruikers met vergelijkbare surfgewoonten in cohorten voor advertentietargeting. Het behoudt de privacy van de gebruiker door individuele gegevens op het apparaat van de gebruiker te bewaren.
Tools voor het in kaart brengen van de customer journey
Je kan Microsoft Visio, Smaply, Figma of een andere tool gebruiken om te visualiseren en te begrijpen hoe de gebruiker zich gedraagt op de verschillende touchpoints. Dit helpt je bij het identificeren van key moments en interacties die leiden tot conversies, zelfs zonder precieze attributiegegevens.
Je hebt een geavanceerd dataprogramma nodig
Al deze tools zijn geweldig, maar uiteindelijk moet je alles integreren in één rapport om attributie te begrijpen en de juiste beslissingen te nemen. En als je allemaal tegelijk platforms, CFP’s, app analytics, machinelearningecosystemen en mappingtools gebruikt, kan het ingewikkeld worden.
Om data-inzichten bruikbaar te maken, moet je gebruik maken van je mappingwerk en beginnen met het bouwen van een flexibele data-architectuur die de huidige en toekomstige organisatie van je data vastlegt en aangeeft wie welke dashboards nodig heeft. Begrijpen wat er komt kijken bij een uitgebreid dataproject is essentieel.
Maak het vinden van een data-architect echter geen onoverkomelijke hindernis voor je project. Begin met het inhuren van een dedicated data-analist die inzichten kan ontdekken en eenvoudige machinelearningmodellen kan maken met behulp van enkele van de tools die we hierboven hebben besproken. Onderhoud zal een voortdurende uitdaging zijn, dus huur meer mensen in met verschillende vaardigheden naarmate je meer bronnen verzamelt en meer producten maakt.
We zeggen dit niet om je digitaleattributiedoelen af te remmen, maar omdat er geen snelle oplossing is. Je hebt datastrategie, een moderne architectuur en een datagestuurde cultuur nodig om je digitale marketingdoelen minder risicovol te maken.
Hoewel de uitdagingen op het gebied van digitale attributie blijven bestaan, zetten ze de marketingwereld juist aan om slimmere, veiligere oplossingen te ontwikkelen. Om voorop te blijven lopen, moet je creativiteit omarmen, innovatie stimuleren en je inzetten voor waarde en privacy. Op de lange termijn is dit goed! Hierdoor ga je sterke relaties met klanten opbouwen.
