De online marketing mix bestaat uit SEO, SEA, banners, nieuwsbrieven, en wat al niet meer. Het kan dan natuurlijk voorkomen dan één persoon via meerdere van deze kanalen tot een conversie komt. Dubbeltellingen in conversie-aantallen zijn te voorkomen, maar dan blijven er nog een aantal goede vragen open staan. Op welke campagnes is er achtereenvolgens gereageerd? Is het van invloed (op conversieratio) als iemand op meer campagnes reageert? Is het zo dat Google relatief veel credits krijgt, omdat dit relatief vaak de laatste campagne in de reeks is? In deel 3 van deze serie een splinternieuwe manier van campagne-optimalisatie: Cross-Campaign Analysis, dat verrassende inzichten brengt in het samenspel tussen alle online campagnes.
Analyse van online campagnes: de basis
Bij online campagne-analyses geldt dezelfde randvoorwaarde als bij alle web analytics: zorg voor betrouwbare rapportages. Immers, alleen als de data vertrouwd worden, wordt ermee gewerkt. Stap 1 om tot goede data te komen, is dat alle campagnes in één pakket gemeten worden, maar er zijn verder voldoende mogelijkheden om de nauwkeurigheid ervan verder te verfijnen.
Daarnaast definieer je – daar hebben we ze weer – een (of enkele) goede KPI’s voor alle campagnes. Een KPI is in de eerste plaats een maatstaf voor de prestaties, maar je kunt er pas iets mee wanneer er ook actie gekoppeld zijn aan grenswaarden van deze KPI. Gebruikelijke KPI´s zijn conversieratio (conversies/kliks) en ROI (opbrengst/kosten). Gebruikelijke acties: investeer niet langer in verliesgevende campagnes (ROI < 1) en gebruik het bespaarde geld voor de winstgevende campagnes (ROI > 1).
In-depth campagne analyses
Stel dat we een webshop hebben, en dat binnen adwords de adgroup Phones onder de maat presenteert; met andere woorden, de KPI heeft een ondergrens bereikt. Eigenlijk is het dan wat kort door de bocht om de campagne meteen te stoppen. Misschien is het wel beter om op zoek te gaan naar het waarom achter de cijfers. Een (fictief) voorbeeldje uit Omniture.
Zoals je ziet trekt de veelgeklikte adword Nokia 95 de conversie naar beneden. Een lage conversieratio kan op 2 dingen wijzen: óf je de trekt de verkeerde doelgroep aan, óf het product is überhaupt niet aantrekkelijk.
Dit is de betreffende adword. Duidelijk gericht op jongeren, gadgetfreaks, koopjesjagers.
Als we onderzoeken welke doelgroep goed converteert op de adword, blijkt dit toch het zakelijke segment te zijn. Met andere woorden, particulieren voelen zich aangetrokken door de tekst maar kopen minder vaak, terwijl deze Nokia relatief goed wordt afgenomen door de zakelijke bezoeker. De acties zijn nu duidelijk: het adword-tekstje aanpassen en verifiëren (met onze KPI’s) of dat het verbetering heeft opgeleverd.
De tekortkoming van traditionele campagne-analyse
Zonder meer zijn er zijn er tal van mogelijkheden in de traditionele campagne-analyse, waarvan hierboven enkele voorbeelden zijn geschetst. Er is wel één grote tekortkoming van deze manier van analyseren:
Tradionele campagne-analyse richt zich altijd op één campagne, terwijl vaak meerdere campagnes een rol spelen in het beslisproces.
Wat is Cross-Campaign Analysis?
Cross-Campaign Analysis maakt inzichtelijk wat de bijdrage is geweest van de alle campagnes en kanalen door het gehele aankoopproces. Standaard zijn dit soort analyses niet mogelijk, in geen enkele web analytics tool. De methodiek van meten en rapporteren is ontwikkeld door mijn collega’s van Adversitement.
Verrassende inzichten
De nieuw kennis verworven kennis kan gebruikt worden om slimmer te investeren in de online marketing mix. Vraagstukken die beantwoord worden:
In hoeverre betalen we dubbel voor ons verkeer?
(Op hoeveel campagnes reageert een bezoeker gemiddeld?)
We zien dat een zeer groot deel van de bezoekers een aankoop doet via meerdere campagnes. Meer dan 50% (!!) van de campagne-respondenten reageert op 2 of meer campagnes alvorens een aankoop te doen. Dit heeft directe consequenties op de cost per sale. Dat brengt ons direct tot de vervolgvraag:
In hoeverre is het ‘t waard om dubbel te betalen voor ons verkeer?
Is er een verband tussen het aantal campagnes waarop gereageerd wordt en omzet?
Gelukkig is het antwoord “ja” (in dit voorbeeld is dit 85% zeker). Hoe meer campagnes zijn aangeklikt, hoe hoger de behaalde omzet. Deze kennis zou je verder kunnen uitbuiten door gerichter (high-budget) aanbiedingen te doen aan de groep die regelmatig is teruggekeerd.
Enkele andere relevante vragen:
- Zijn er campagnes waarvan de performance onderschat/overschat wordt op basis van traditionele campagne analyse?
- Zijn er campagnes die een specifieke rol hebben in het aankoopproces, zoals werving van nieuwe prospects of het over de streep trekken van bestaande prospects?
- Welke campagnes en kanalen moeten we combineren in onze marketing mix?
Uit bovenstaande en andere vragen zijn in onze ervaring zeer relevante inzichten naar voren gekomen, waarmee het redeneren over de (online) marketing mix drastisch wijzigt. Zo blijken banners bijvoorbeeld een veel grotere bijdrage te leveren als vooralsnog wordt aangenomen.
What’s next?
Dit is de derde aflevering in een serie van vijf artikelen over web analytics. In aflevering 1 kon je lezen wat de voorwaarden zijn om van start te kunnen gaan met goede web analytics. Aflevering 2 behandelde site optimalisatie. De volgende posting gaat dieper in op de wisselwerking tussen kwantatieve data en kwalitatieve onderzoeken. Aflevering 5 geeft concrete voorbeelden van de state-of-the-art van multi-channel analyses.
Koen Penders werkt als business consultant bij Adversitement.
Frank Mijnes 
Sander Tamaëla 
Cees 
Willem de Overwinnaa 
Elja Trum 
Beste Koen,
Interessant onderwerp. Je case met de Nokia banner is een mooi voorbeeld van hetgeen je met analyse duidelijk maakt: goed onderbouwde optimalisatiemogelijkheden.
Minder geslaagd vind ik je verwijzingen naar je collega’s. Alsof door hen ontwikkelde oplossingen uniek in de markt zouden zijn.
Je stelt, “Standaard zijn dit soort analyses niet mogelijk, in geen enkele web analytics tool. De methodiek van meten en rapporteren is ontwikkeld door mijn collega’s…”
Ik ben het met je eens dat de oplossing van je collega’s, effectief is, maar ik betwist dat het onmogelijke door jouw collega’s bewaarheid is geworden.
De webanalytics technologie van Webtrends, Unica, Coremetrics en Speedtrap zijn allen in staat om dergelijke analyses mogelijk te maken. Daarnaast zijn adserving tools als bijvoorbeeld Dart, Atlas, Admeta en Eyeblaster gemaakt voor het management van multi channel adserving, metingen en optimalisatie…en de rapportage ziet er ook niet slecht uit.
Dag Daniel,
De ontwikkelde methode kan worden toegepast in tools die veel maatwerk toestaan. Dit is aangetoond in HBX en Omniture, maar ik twijfel er niet aan dat de methode (met de juiste aanpassingen) ook in een andere tool mogelijk kan zijn. Wellicht is dit dan ook wat je bedoelde.
De oplossing is namelijk wel degelijk uniek in de markt. Met de bovengenoemde analyses betrek je alle campagnes tegelijkertijd in de analyse. Dat wordt niet geboden in Webtrends, Unica, Coremetrics en Speedtrap. Dit beweren wij niet alleen, maar ook jouw collega’s geven dat aan Adversitement hier de enige in is.
Daarnaast moet bovenstaande techniek niet verward worden met het alom aanwezige cross-session (of multi-session) campagne analyse, waarmee campagne-responses langer dan één sessie geldig blijven waardoor een conversie van dagen later toch aan de campagne wordt toegewezen. De focus ligt daarbij op het optimaliseren van één campagne, en niet op het vinden van de ideale marketing mix.
Beste Koen,
Je trots op je collega’s is terecht. De oplossingen zijn indrukwekkend. Ze zijn alleen niet uniek. Ook niet als veel van “onze collega’s” dat zouden zeggen.
Cross campaign metingen en bijbehorende optimalisatie zijn wel degelijk mogelijkheden binnen het aanbod van Unica en Webtrends. Juist omdat ze maatwerk toelaten. Dus het is ongeveer even ingewikkeld als met Omniture. Daarnaast zijn de nieuwe Dart Floodlight tags ontwikkeld voor onder andere dit doel. Regelmatig kom ik in aanraking met online Cross Campaign optimalisatie in omgevingen waar anderen dan jouw collega’s dit hebben ingericht.
Overigens zijn Unica evenals Discovery on Premise ontwikkeld om zowel online als offline campagnes te koppelen en te optimaliseren. Maar misschien zijn dat voor veel van onze collega’s te prijzige oplossingen zodat ze in onze markten nog niet veel voorkomen.
Dag Daniel,
Nog even een korte toelichting naar aanleiding van je reactie. Je geeft aan: “Cross campaign metingen en bijbehorende optimalisatie zijn wel degelijk mogelijkheden binnen het aanbod van Unica en Webtrends. Juist omdat ze maatwerk toelaten. Dus het is ongeveer even ingewikkeld als met Omniture.”
Niemand bestrijdt dat de beschreven oplossing niet mogelijk is met de genoemde pakketten. Het is echter geen standaardoplossing, waar de door Koen beschreven methode een kant-en-klare oplossing is om de cross-campaign analyses uit te kunnen voeren. The proof of the pudding is in the eating.
De toegevoegde waarde van deze analyses zit met name in het bepalen van de onderlinge invloed van campagnes, het ontdekken van succesvolle clusters binnen een set van marketingcampagnes en het integreren van een tijdsfactor in de analyse. De verwijzing naar Dart Floodlight tags is dan ook appels met peren vergelijken, aangezien deze met name gericht zijn op het serveren van de juiste tag en de campagnetoewijzing erg beperkt is qua functionaliteit.
Tot slot is het grote voordeel ten opzichte van Unica of Discover on Premises dat deze oplossing binnen het bereik van veel marketingafdelingen ligt om snel tot een efficiëntere besteding van het marketingbudget te komen.
Beste Matthijs,
Volgens mij is de essentie van Koen’s verhaal dat ‘zijn collega’s’ deze cross campaign metingen mogelijk hebben gemaakt. Ik had niet het idee dat de gepresenteerde oplossing ‘zo uit de doos…’ komt. Daar zal toch de nodige configuratie in tagging, rapportconfiguratie en analyse aan te pas zijn gekomen.
Met de andere tools die ik heb genoemd zijn al deze rapportages met dezelfde inspanning te maken als met Omniture. Zelfs met gratis tools als Google Analytics en Indextools zijn deze analyses en rapporten te maken. Zij het dat de inspanning daar wat hoger zal zijn.
Nog even over de appels en de peren.
Gegevens uit Floodlights en Web Analytics betreft wel degelijk een “appels met appels” vergelijking. Floodlights zijn de moderne spotlight tags uit Dart for Advertiseres. Geplaatst op de confirmatiepagina’s van de adverteerder, registeren ze daar unique visitors. Zo kunnen view through en click through analyses worden gemaakt ten aanzien van cross channel en multi channel advertenties. Ontdubbelen van converterende response is één van de belangrijkste eigenschappen. De meetgegevens zijn zonder meer te vergelijken met de unique visitor informatie van web analytics tools.
Floodlights functioneren daarmee anders dan de de adserving elementen die slechts impressies en clicks registreren. Dit zijn dan ook misschien de “peren” waar jij naar verwees, maar die ik in dit geval dus niet zie.
Een ander groot voordeel van deze Floodlight technologie is dat ze view through kunnen meten en dat is iets wat met een Webanalytics oplossing nauwelijks haalbaar is. Tenzij je de aanzienlijke server call kosten wil betalen voor bannerimpressies. Waarna natuurlijk nog steeds je collega’s aan de slag moeten om de rapporten te configureren.
@Daniel: uiteraard komt daar, tijdens het ontwikkelen van een dergelijke oplossing, de nodige tagging, rapport-configuratie en analyse bij kijken . Op basis van deze inspanningen is er inmiddels een plug-and-play tool beschikbaar om deze analyses uit te voeren.
Daarnaast nodig ik iedereen uit om een vergelijkbare oplossing te maken binnen een andere tool. Dat lijkt me namelijk het beste bewijs voor de stelling dat dit in iedere tool mogelijk is.
Tot slot de Floodlight tags. Gezien je ervaring met web analytics weet je ongetwijfeld waar de beperkingen liggen van deze technologie. Voor een van onze klanten in ieder geval de hoofdreden om van DFA (Dart for Advertisers) af te stappen voor de analyse van marketingcampagnes, ongeacht de mogelijkheden met betrekking tot het dynamisch laden van meetpixels en het meten van view-throughs. Denk bijv. aan de onbetrouwbaarheid in het herkennen van unieke bezoekers, cruciaal voor dit soort analyses. Wellicht interessant om binnenkort eens verder over te praten.