Attributiemodellen helpen marketeers om inzicht te krijgen in welke kanalen bijdragen aan conversies. Denk hierbij aan de klantreis waarbij klanten via verschillende stappen (zoals advertenties, social media en e-mails) uiteindelijk tot een aankoop komen. Door attributiemodellen te gebruiken, kunnen marketeers de waarde beter toewijzen aan elk kanaal, wat helpt bij het optimaliseren van campagnes. Daarnaast wil je natuurlijk ook gewoon kunnen zien welk kanaal het meeste oplevert ;).
Met verschillende attributiemodellen kun je beter begrijpen hoe klanten met je merk omgaan, welke kanalen en interacties de meeste impact hebben, en hoe je je strategie kunt verbeteren om meer conversies te behalen. Het is echter ook belangrijk om te begrijpen dat platforms zoals Google Analytics en Meta soms verschillen in de manier waarop ze attributie toewijzen, wat tot dubbele toewijzing kan leiden (hierover later meer).
Waarom schrijven kanalen zoals Google Ads en Meta dezelfde conversies aan zichzelf toe?
Een belangrijk punt om te begrijpen is waarom Google en Meta soms dezelfde conversie aan zichzelf toeschrijven. Dit komt omdat beide platformen hun eigen advertentiedoelen hebben en graag de prestaties van hun kanalen willen benadrukken. Wanneer een klant bijvoorbeeld een product via Facebook ziet en vervolgens via Google zoekt en koopt, zullen beide platformen deze conversie aan zichzelf toewijzen. Dit gebeurt omdat Google en Meta gebruikmaken van afzonderlijke attributiemodellen en eigen data, waarbij elk platform zijn conversies meet en toewijst op basis van eigen regels. Het doel hiervan is natuurlijk om waarde te tonen voor de advertenties op hun eigen platform, wat adverteerders stimuleert om budget te blijven toewijzen aan hun kanalen. Duik je vaak wat dieper in op de conversies dan blijken deze op bijvoorbeeld Meta vaak een stuk rooskleuriger te zijn dan ze in werkelijkheid zijn.
Een overzicht van de verschillende attributiemodellen
Hieronder even kort de meest gebruikte attributiemodellen en geven we voorbeelden voor een duidelijker beeld.
Last click – De volledige waarde van de conversie wordt toegewezen aan de laatste klik in de klantreis. Dit model is eenvoudig en wordt veel gebruikt, maar heeft het nadeel dat het eerdere interacties over het hoofd ziet.
First click – Bij dit model krijgt de eerste klik in de klantreis de volledige waarde toegewezen. Dit is handig om te meten welke kanalen klanten initieel aantrekken, maar houdt weinig rekening met de waarde van latere interacties.
Lineair model – Elke stap in de klantreis krijgt een gelijk deel van de conversiewaarde. Dit model erkent dat elk kanaal en iedere stap in de reis waarde heeft, maar mist vaak de nuancering om de exacte impact van bepaalde kanalen in kaart te brengen.
Tijdsverval – Bij dit model krijgen de stappen dichter bij de conversie een groter gewicht. De logica hierachter is dat recente interacties waarschijnlijker hebben bijgedragen aan de uiteindelijke beslissing om te converteren.
Position-based (U-vormig) – Dit model verdeelt de waarde tussen de eerste en laatste interactie, met minder waarde voor tussenliggende stappen. Het is nuttig voor bedrijven die het belangrijk vinden om te weten welke kanalen zowel de initiële als de laatste impact hebben gehad op de conversie.
View-through – Dit model geeft waarde aan conversies die plaatsvinden nadat een gebruiker een advertentie heeft gezien zonder erop te klikken. Dit is vooral nuttig voor brandingcampagnes, waar de advertentieweergave de merkbekendheid verhoogt. Dit model wordt veel gebruikt door platforms zoals Meta, waar view-through attributie een groot deel uitmaakt van de meetstrategie. Deze methode kan echter niet altijd worden gemeten in andere tools zoals Google Analytics, wat tot overlap of inconsistenties kan leiden.
Data-driven model – Dit is een geavanceerd model waarbij machine learning wordt gebruikt om de waarde per stap te berekenen. Het model analyseert historische gegevens om te voorspellen welke interacties het meeste hebben bijgedragen aan de conversie. Dit model is dan ook de toekomst en steeds meer platformen zullen dit model gaan hanteren. Toch is het daarbij dan maar weer de vraag in hoeverre je inzicht hebt in het model. Het is natuurlijk niet zo rechttoe rechtaan als een last-click model.
Welke attributiemodellen zijn beschikbaar per platform?
Verschillende platforms bieden hun eigen attributiemodellen aan, elk met unieke opties en mogelijkheden. Hieronder een overzicht van de attributiemodellen die beschikbaar zijn in Google Analytics 4, Google Ads, en Meta (Facebook/Instagram).
| Platform | Beschikbare attributiemodellen | Beschrijving |
|---|---|---|
| Google Analytics 4 | Last-click, First-click, Lineair, Time-decay, Data-driven | Biedt uitgebreide mogelijkheden, waaronder data-driven modellen die gebruikmaken van machine learning om de impact van kanalen te berekenen. |
| Google Ads | Last-click (uitgefaseerd), First-click (uitgefaseerd), Lineair (uitgefaseerd), Tijdsverval (uitgefaseerd), Position-based (uitgefaseerd), Data-driven | Standaardmodellen voor waarde toewijzing; data-driven opties gebruiken historische patronen om de prestaties te optimaliseren. |
| Meta (Facebook/Instagram) | 1-daagse en 7-daagse klik- en weergavevensters (afhankelijk van de campagne) | Meta werkt met specifieke attributievensters zoals 1-daagse en 7-daagse klik- en weergave-opties, gericht op tijdgebaseerde toewijzing. |
Meta gebruikt, anders dan Google, vaste attributievensters in dagen (meestal 1 of 7 dagen voor zowel klik als weergave). Dit betekent dat interacties alleen binnen het gekozen tijdsvenster worden meegenomen in de attributie, waardoor dit model vooral geschikt is voor campagnes die zich richten op kortetermijnconversies. Dit is ook een van de reden dat bijvoorbeeld Meta campagnes vaak erg succesvol zijn. Stel een klant heeft in het gehele aankoopproces van 30 dagen één keer een advertentie gezien op Instagram, maar heeft vervolgens meerdere malen de website via Google bezocht, dan is de conversie natuurlijk voor het grootste deel te danken aan Google, en niet aan Instagram (ondanks dat Meta zegt van wel).
Beperkingen van Google Analytics bij het meten van Meta-conversies
Google Analytics kan geen conversies direct meten die voortkomen uit advertentieweergaven op Facebook en Instagram. Dit betekent dat bezoekers die via een weergave van een advertentie in Meta-platforms converteren, vaak als ‘direct’ of ‘organisch’ verkeer worden geteld in Google Analytics. Dit kan ertoe leiden dat 40 tot 60% van de Meta-conversies, die Meta zelf toewijst aan weergaven, niet goed worden herkend door Google Analytics.
In de praktijk hebben we gezien dat bedrijven die hun groei volledig aan Meta-campagnes toeschrijven – zonder gebruik te maken van Google Ads of SEO – vaak een veel lager conversiepercentage uit Meta zien in Google Analytics dan wat Meta zelf rapporteert. Dit betekent dat Analytics slechts een beperkt deel van deze conversies kan identificeren als afkomstig van Meta, terwijl deze daadwerkelijk volledig aan de Meta-advertenties zijn toe te schrijven.
De toekomst van attributiemodellen: richting data-driven en machine learning
De toekomst van attributiemodellen ligt steeds meer in data-driven en machine learning-gebaseerde modellen. Door de enorme hoeveelheid data die tegenwoordig beschikbaar is en de voortdurende vooruitgang in kunstmatige intelligentie, kunnen geautomatiseerde modellen de complexe klantreizen steeds beter analyseren. Data-driven modellen worden steeds populairder, omdat ze op basis van historische gegevens nauwkeuriger bepalen welke kanalen en interacties de meeste impact hebben. Zo zijn de meeste attributiemodellen in Google Ads in september 2023 overgezet naar data-driven attributie.
Deze verschuiving richting data-driven attributie betekent dat marketeers steeds minder handmatig hoeven te analyseren welke kanalen de meeste waarde toevoegen. Het model past zich dynamisch aan veranderingen aan, wat zorgt voor een nauwkeuriger beeld van de werkelijke impact van elk kanaal. Naarmate machine learning verbetert, zullen we waarschijnlijk steeds meer verfijnde attributiemodellen zien die realtime inzichten bieden en zelfs voorspellingen doen over toekomstige prestaties.
Toch moet je de conversies over de verschillende kanalen op het platform zelf met een klein korreltje zout nemen. Het is nu eenmaal zo dat Meta graag een conversie aan zichzelf toekent, en voor Google Ads geldt natuurlijk hetzelfde.
