Ist der Weg das Ziel? Customer Journeys auf dem statistischen Prüfstand

Transkript

1 Ist der Weg das Ziel? Customer Journeys auf dem statistischen Prüfstand Amit Ghosh, Steffen Wagner INWT Statistics GmbH d3con, 20. Februar 2013 Dr. Amit Ghosh, Dr. Steffen Wagner Customer Journeys auf dem statistischen Prüfstand 1/ 17

2 Bestandsaufnahme Customer Journeys (CJ) und Attribution haben Potenzial Einleuchtende Story Zahlreiche Alternativen zu Last-Cookie-Wins Nur wenige fundierte Analysen Frage: Was können wir von den Daten über das Thema CJ lernen? ( data-driven ) Voraussetzung: Erfolgreiche und erfolglose Ketten werden benötigt Dr. Amit Ghosh, Dr. Steffen Wagner Customer Journeys auf dem statistischen Prüfstand 2/ 17

3 Agenda 1 Daten und Metriken 2 Treiber der Conversionrate Impulskäufe vs. echte Journeys Page Impressions (PIs) Zeit zwischen Kontakten Kanäle und Reihenfolge 3 Datengestützte Attribution 4 Fazit & Ausblick Dr. Amit Ghosh, Dr. Steffen Wagner Customer Journeys auf dem statistischen Prüfstand 3/ 17

4 Daten und Metriken First Assist Last SEO 2 PIs Display 1 PI SEM 1 PI Direkt 8 PIs Conversion: ja OrderValue: 65 Länge der CJ: 4 Kontakte t 1 t 2 t 3 t 4 Zeit Dauer der CJ: t 4 -t 1 Partner: Dr. Amit Ghosh, Dr. Steffen Wagner Customer Journeys auf dem statistischen Prüfstand 4/ 17

5 Agenda 1 Daten und Metriken 2 Treiber der Conversionrate Impulskäufe vs. echte Journeys Page Impressions (PIs) Zeit zwischen Kontakten Kanäle und Reihenfolge 3 Datengestützte Attribution 4 Fazit & Ausblick Dr. Amit Ghosh, Dr. Steffen Wagner Customer Journeys auf dem statistischen Prüfstand 5/ 17

6 Impulskäufe vs. echte Journeys: Dauer Dauer der Customer der Customer Journey Journey erfolglose CJs Anteil [%] % 0 Anteil [%] % Tage erfolgreiche CJs % 2 % 9 % Tage Dr. Amit Ghosh, Dr. Steffen Wagner Customer Journeys auf dem statistischen Prüfstand 6/ 17

7 Impulskäufe vs. echte Journeys: Länge Länge der Customer der Customer Journey Journey % erfolglose CJs ( = 2 Kontakte) Anteil [%] % 7 % 4 % 2 % 2 % Anteil [%] % 2 16 % 12 % erfolgreiche CJs ( = 5.5 Kontakte) Anzahl der Kontakte 9 % 7 % 6 % 4 % 3 % 3 % 2 % 2 % 2 % Anzahl der Kontakte Dr. Amit Ghosh, Dr. Steffen Wagner Customer Journeys auf dem statistischen Prüfstand 7/ 17

8 Impulskäufe vs. echte Journeys: Conversion Rate hoch Conversion Rate [%] Impulskäufe 12 Kontakte niedrig 'echte' Journeys Anzahl der Kontakte Dr. Amit Ghosh, Dr. Steffen Wagner Customer Journeys auf dem statistischen Prüfstand 8/ 17

9 Page Impressions (PIs) bei echten CJs hoch 6 PI Conversion Rate [%] 3 PI niedrig Page Impressions Dr. Amit Ghosh, Dr. Steffen Wagner Customer Journeys auf dem statistischen Prüfstand 9/ 17

10 Mittlere Zeit zwischen Kontakten bei echten CJs hoch 3 Min. Conversion Rate [%] 4 Std. niedrig 1 Minute 1 Stunde 1 Tag 1 Woche mittlerer Zeitabstand zwischen Kontakten Dr. Amit Ghosh, Dr. Steffen Wagner Customer Journeys auf dem statistischen Prüfstand 10/ 17

11 Zusammensetzung der CJs und Reihenfolge der Kanäle 7.6 % 12 % 18.2 % 25.9 % 25.9 % 24.3 % Kanal 1 Kanal 2 Kanal 3 erfolglose CJs first assist last erfolgreiche CJs first assist last Dr. Amit Ghosh, Dr. Steffen Wagner Customer Journeys auf dem statistischen Prüfstand 11/ 17

12 Agenda 1 Daten und Metriken 2 Treiber der Conversionrate Impulskäufe vs. echte Journeys Page Impressions (PIs) Zeit zwischen Kontakten Kanäle und Reihenfolge 3 Datengestützte Attribution 4 Fazit & Ausblick Dr. Amit Ghosh, Dr. Steffen Wagner Customer Journeys auf dem statistischen Prüfstand 12/ 17

13 Datengestützte Attribution: Statistische Modellierung Statistische Modellierung (Logit-Modell) Kanäle: First, Assist, Last (Reihenfolge) Zeit zwischen Kontakten Page Impressions (PI) Kettenlänge (Anzahl Kontakte) = Conversion Erklärungsgehalt der Metriken Informationsgehalt der Metriken in Bezug auf die Conversion First Kanal: Direkt Assist Last Zeit zw. Kontakten Page Impressions Kettenlänge Dr. Amit Ghosh, Dr. Steffen Wagner Customer Journeys auf dem statistischen Prüfstand 13/ 17

14 Datengestützte Attribution: Ergebnisse Prozentuale Umsatzverteilung auf die Kanäle Last Cookie Wins Badewanne (40:20:40) Modell: Kanal + PI Direkt Preissuchmaschine Affiliate Newsletter SEM Google Display Sonstiges Zuordnungsproblem für Kanal Direkt bei Last-Cookie-Wins Badewanne (40:20:40) hat starke Ähnlichkeit mit Modell-basierter Attribution Modell-basierte Attribution orientiert sich primär am Interesse der Nutzer ( Engagement ) und liefert plausible Ergebnisse Optimierungspotenzial Dr. Amit Ghosh, Dr. Steffen Wagner Customer Journeys auf dem statistischen Prüfstand 14/ 17

15 Fazit Impulskäufe und echte Kaufentscheidungen getrennt optimieren Maßnahmen aus den identifizierten Wirkungszusammenhängen ableiten Der Informationsgehalt der Metriken bei der Erklärung der Conversion sollte die Gewichtung in der Attribution bestimmen Das Verhalten der Kunden ist entscheidend data-collection + Heuristik data-driven Dr. Amit Ghosh, Dr. Steffen Wagner Customer Journeys auf dem statistischen Prüfstand 15/ 17

16 Ausblick Erklärung des Umsatzes (bisher: Conversion) Unterscheidung nach Neu-/Bestandskunden, Produktgruppen,... Genauere Untersuchung des Kanals Direkt (z.b. Befragung nach dem Kauf) Clusterung der häufig vorkommenden Ketten Rückkopplung zum Tracking und zur Aussteuerung Tracking Daten- Analyse Aussteuerung Dr. Amit Ghosh, Dr. Steffen Wagner Customer Journeys auf dem statistischen Prüfstand 16/ 17

17 Vielen Dank für die Aufmerksamkeit! INWT Statistics GmbH Internet: Tel.: Dr. Amit Ghosh, Dr. Steffen Wagner Customer Journeys auf dem statistischen Prüfstand 17/ 17