Warum traditionelle B2B-Marketing-Attribution kaputt ist und was Sie dagegen tun können

Sagen Sie mir, dass die B2B-Marketing-Zuordnungsberichte defekt sind, ohne mir tatsächlich zu sagen, dass die B2B-Marketing-Zuordnungsberichte defekt sind…

Dies ist eine von vielen Angebotsanfragen, bei denen die Nachricht, die über Session Media kam, nicht mit der von Google Analytics oder HubSpot ermittelten Zuordnungsquelle übereinstimmte.

Und das bin nicht nur ich – ich habe mit vielen Vermarktern gesprochen, die feststellen, dass ihre Daten nicht widerspiegeln, wie der Benutzer tatsächlich von ihnen erfahren hat. Der Kampf ist real – selbst für SaaS-Marken wie Cognismus –, die mit vielen eingehenden Anfragen fertig werden.

Lassen Sie uns also über die Probleme des traditionellen digitalen B2B-Trackings sprechen und darüber, wie Sie Supermetrics verwenden können, um Ihre Bemühungen zur Nachfragegenerierung auf unserem bevorzugten sozialen B2B-Kanal – LinkedIn – zu optimieren.

Aber zuerst, was ist B2B-Attribution?

Was sind die B2B-Zuordnungsmodelle?

Bevor wir uns eingehender mit den Problemen hinter der B2B-Zuordnung befassen, lassen Sie uns die verschiedenen Arten von Zuordnungsmodellen zusammenfassen, die wir verwenden, um den Marketingerfolg zu melden.

Letzter Klick

Die Zuordnung des letzten Klicks bezieht sich auf ein Webanalysemodell, bei dem dem „letzten Klick“ eine Conversion oder ein Verkauf zugeschrieben wird. Dies ist das standardmäßige Attributionsmodell für Google Analytics und die meisten CRM-Daten.

Zeitverfall

Die Time-Decay-Attribution ist ein Multi-Touch-Attributionsmodell, das jedem „Berührungspunkt“ Anerkennung zuweist, ihn aber stärker in Richtung des letzten Berührungspunkts gewichtet.

Linear

Die lineare Attribution verteilt die Gutschrift für die Conversion gleichmäßig auf alle Interaktionen.

Positionsbezogen

Das positionsbasierte Attributionsmodell würdigt alle Touchpoints entlang der Konversionsreise, weist jedoch die Mehrheit dem ersten und letzten Klick zu.

Erster Klick

First-Click-Attribution ist ein Attributionsmodell, das 100 % der Gutschrift für einen Lead oder eine Conversion dem ersten Kanal zuweist, durch den ein Benutzer geklickt hat.

Das Problem mit Attributionsmodellen

Theoretisch sind diese Modelle sehr sinnvoll und sollten alle Fragen beantworten, die wir darüber haben, wie Benutzer mit unserer Marke interagieren.

Auf diese Weise sind die meisten Analysesoftware wie Google Analytics und CRM-Systeme wie HubSpot und Salesforce standardmäßig eingerichtet, was die Glaubwürdigkeit des Attributionsmodells stärkt.

Es ist fast perfekt.

Es gibt nur ein Hauptproblem, das ein Loch in ein perfektes Zuordnungssystem bohrt.

So kaufen B2B-Käufer nicht.

Hin und wieder erhalten wir eine getrackte User Journey wie die obige, die das Vertrauen in Multi-Touchpoint-Tracking wiederherstellt.

Während dies einen guten Einblick in die Wirkungsweise der Inhalte bieten kann, liegt das Problem darin, diese Daten isoliert zu betrachten, um fundierte Entscheidungen zur Skalierung Ihres Marketingbudgets zu treffen.

Wenn Sie beispielsweise eine Videoanzeige auf LinkedIn schalten, klickt der Benutzer möglicherweise nicht immer auf Ihre Anzeige, aber er hat möglicherweise die gesamten 4 Minuten des Inhalts angesehen. Später kommen sie auf Ihre Website und füllen ein Formular mit hoher Absicht aus, und sie werden als „direkte“ Conversion kategorisiert.

Nach dem, was wir gesehen und getestet haben, ist dies eine typische Käuferreise. Da es jedoch nicht als „LinkedIn“ in die Standardberichte der letzten Zuordnung fällt, bleibt der Daten- und Marketingansatz auf der Strecke.

Schlimmer noch, die nicht nachverfolgbare Aktivität, die die Ergebnisse antreibt, wird durch nachverfolgbare Aktivitäten ersetzt, die dies nicht tun. Beispielsweise wird das Video durch statische Image-Anzeigen ersetzt, die den Benutzer zu einer „Get Demo“-Anzeige führen, nur weil der ROI einfacher zu verfolgen ist.

In einer informationsreichen Welt werden B2B-Conversions an einem ersten Touchpoint immer seltener.

Die Mehrheit der Aktivitäten, die Benutzer auf Ihre Website führen – zum Lesen von Blogs, Fallstudien, Podcasts – werden selten die Quelle von Direct-Response-Leads sein. Das bedeutet, dass sie selten eine Zuordnung für einen Verkauf erhalten.

Auch hier werden viele Ihrer Zielgruppen nicht diejenigen sein, die tatsächlich Kontakt aufnehmen. Stattdessen leiten sie die Informationen an jemand anderen weiter, der das Formular „Angebot einholen“ oder „Demo einholen“ ausfüllt.

Dies wird als Dark Social oder Dark Funnel bezeichnet.

Dark Social umfasst all die nicht nachverfolgten Aktivitäten, die auf Plattformen wie Slack, WhatsApp, DMs stattfinden, die nicht so leicht nachverfolgt werden können.

Ein aktuelles Beispiel dafür in Aktion ist unser Head of PPC, Alex, der mehrere LinkedIn-Anzeigen für eine neue IP-Blockierungssoftware gesehen hat, von der er dachte, dass sie beim täglichen Betrieb unserer PPC-Agentur helfen würde. Er schickte mir den Namen der Marke über Slack und am selben Tag hatten wir eine kostenpflichtige Lizenz.

Das Lustige ist, dass die LinkedIn-Anzeige, die er gesehen hat, keine Anerkennung für diese Einnahmen erhalten hätte. Es wäre unter „Organische Suche“ gefallen – da ich so nach der Marke gesucht und für die Software bezahlt habe.

Wie man dem dunklen Trichter zuschreibt

Es gibt einige Möglichkeiten, wie Sie dies beheben können. Der einfachste Weg ist, das Marketing auf die Grundlagen zurückzubringen und die Benutzer tatsächlich zu fragen, wie sie von Ihrem Unternehmen erfahren haben. Hier ist ein Beispiel für unser Pflichtfeld.

Wenn Sie es als offenes Textfeld belassen, werden Sie überrascht sein, wie viele Informationen der Benutzer Ihnen darüber gibt, wie er von Ihrer Marke erfahren hat.

Sie können dann einige automatisierte Regeln in Ihrem CMS einrichten, die die Zuordnung mit Schlüsselwörtern aktualisieren, die Benutzer in diesem Feld verwendet haben.

LinkedIn Ads an Google Data Studio

Nun zum Guten.

Durch die Verwendung der Supermetrics-Integration mit Google Data Studio haben wir eine Methode entwickelt, um die breitere Auswirkung von LinkedIn-Anzeigen auf das Endergebnis zu melden.

Sehen Sie sich in diesem Schritt-für-Schritt-Video an, wie wir das machen.

Loslegen

Testen Sie LinkedIn Ads mit Google Data Studio 14 Tage lang kostenlos

Starten Sie eine Testversion

Einpacken

LinkedIn Ads ist kein Kanal mit Absicht, daher sollten Sie keine Anzeigen mit hoher Absicht schalten. Stattdessen können Sie ihr hyperspezifisches Targeting verwenden, um Inhalte bereitzustellen, die Resonanz finden, und dann sehen, welche Unternehmen als „Direkt“- oder „Organische Suche“-Traffic durchkommen, die Ihre Anzeigen gesehen haben. Und verwenden Sie diese Daten zum Skalieren.

Über den Autor

Ben Brown ist der Gründer von Session Media, einer SaaS-Marketingagentur. Ben lebt von Burritos und seiner Pret-a-Manger-Kaffeekarte und liebt es, B2B-SaaS-Unternehmen dabei zu helfen, Strategien zu entwickeln, die das Geschäftswachstum vorantreiben – fast so sehr, wie er es mag, sich in der 3. Person auf sich selbst zu beziehen.