Die Wachstumskurve der weltweiten Smartphone-Nutzung flacht ab, wird aber kontinuierlich weitersteigen. Nachdem die magische Grenze von einer Milliarde Smartphone-Nutzern 2012 geknackt wurde, werden es in diesem Jahr bereits 1,75 Milliarden sein. Die Auswirkungen auf das Einkaufsverhalten sind unübersehbar: Fast 50 Prozent aller Konsumenten nutzen beim Einkaufen verschiedene Endgeräte. Das ergab eine Befragungdes unabhängigen Forschungsunternehmens ResearchNow in Zusammenarbeit mit Sociomantic Labs. Obwohl die Conversion Rates auf Desktop noch deutlich höher sind, werden Konsumenten offener für Mobile Shopping und Marketer professioneller in der Optimierung der mobilen User Experience.

Kein Wunder, dass Experten schon lange vor dem iPhone den mobilen Trend prophezeiten. 2013 war es dann so weit – die Online-Marketing-Branche feierte das große Jahr des Mobile Commerce. Alleine in Deutschland haben sich die Ausgaben für Mobile Advertising im Vergleich zu 2011 fast vervierfacht, von $112 Millionen auf $463 Millionen. Damit belegt Deutschland Platz zwei in Westeuropa – nur Marketer in den UK geben noch mehr für mobile Werbung aus. Und der Trend geht weiter: 2014 sollen es $851 Millionen werden, 2017 bereits $2.787 Millionen.

Wer in neues Inventar investiert, muss auch wissen, was es bringt. Damit ist Multi-Device-Attribution eine der größten Herausforderungen des mobilen Zeitalters. Wie verteilt sich der Online-Marketing-Erfolg auf die verschiedenen Endgeräte? Viele Marketer straucheln noch mit ihrer Attributionsstrategie auf Desktop, während mobile Endgeräte bereits neue Fragen aufwerfen und Attribution noch komplexer machen. Insellösungen für Desktop oder Mobile bilden die Customer Journey nur in Bruchstücken ab und werden in Zukunft vom Markt verschwinden oder akquiriert. Was Marketer brauchen, ist eine umfassende, integrierte Lösung, um die komplette Customer Journey über alle Endgeräte hinweg darzustellen.

Um einen Kunden über mehrere Endgeräte hinweg wiederzuerkennen, müssen Marketer auf ihre eigenen Analytics-Systeme zurückgreifen: auf die Kunden-ID. Diese ID kann bei jedem Log-in identifiziert werden, egal auf welchem Endgerät. Deshalb versuchen Marketer und Publisher immer häufiger, ihre User durch bessere Suchergebnisse, Präferenzen, Empfehlungen und Wish Lists zum Log-in zu motivieren. Doch selbst wenn das gelingt, stehen Marketer noch immer vor der Herausforderung, die Datenanalysen von mehreren Endgeräten zu kombinieren. Dabei können Web-Tracking-Anbieter mit einem durchdachten Multi-Device-Ansatz und große Unternehmen wie Google oder Facebook, die Kunden via Log-in auf mehreren Endgeräten identifizieren, klare Vorteile liefern.

Dienstleister investieren viel, um diese Vorteile auszubauen und weitere Möglichkeiten des Multi-Device-Trackings anzubieten. Eine dieser Möglichkeiten ist Fingerprinting. Bei dieser Methode werden Merkmale gesammelt, die ein Internetbrowser an eine Website übergibt. Dazu gehören sowohl Computer- als auch Browser-Einstellungen, beispielsweise Browser-Version, Betriebssystem, Bildschirmauflösung, installierte Plug-ins oder der Device Token. Über diese Kombination an verschiedenen Merkmalen kann ein User mit hoher Wahrscheinlichkeit wiedererkannt werden. Fingerprinting wird in den nächsten Monaten und Jahren eine immer wichtigere Rolle spielen und könnte sogar das cookie-basierte Tracking ersetzen. Die Kunden-ID als Bindeglied zwischen verschiedenen Endgeräten wird Fingerprinting jedoch nicht ersetzen können. Bisher gibt es keine anderen ausgereiften Tracking-Methoden, um diese Herausforderung zu überwinden.

Während das Tracking auf Mobile Websites und Desktop-Websites ähnlich ist, erfordern Apps eine andere Herangehensweise, da User nicht durch Cookies getrackt werden können. Auch die verschiedenen Varianten an mobilen Betriebssystemen stellen Marketer vor Herausforderungen. Dass das Such- und Einkaufsverhalten in Apps in der Customer Journey mit abgebildet werden muss, steht jedoch außer Frage.

Während nur wenige Unternehmen ihre Kunden über verschiedene Endgeräte hinweg tracken können, ist die Verbindung mit der Offline Customer Journey ein häufiger diskutiertes Thema. Zum Beispiel haben Channels wie TV einen großen Einfluss auf den Website-Traffic und müssen deshalb in die Analyse miteinbezogen werden. Die einfachste Methode ist es, die Zunahme des direkten Website-Traffics zu messen. Dabei sollten auch User in Betracht gezogen werden, die durch die Suche des Markennamens oder einer leichten Abwandlung über eine Suchmaschine auf die Website gelangt sind. Unter Berücksichtigung des Timings eines TV-Spots oder eines Direct Mailings können diese Visits dem Offline-Channel zugeordnet werden.

Diese Methode heißt Korrelationsanalyse und ermöglicht dem Advertiser im Idealfall, diese User zu markieren, um die Conversion Rate in Zusammenhang mit dem Offline-Channel zu messen. Die Herausforderung besteht darin, den User von Anfang an so zu markieren, dass auch die weitere Customer Journey getrackt werden kann. Ansonsten lässt die Korrelationsanalyse nur Rückschlüsse über den Erfolg der jeweiligen TV- oder Direct-Mailing-Kampagne zu. Wirklich interessant werden die Ergebnisse erst, wenn sie in user-basierten Customer Journeys abgebildet werden können, im besten Fall über mehrere Endgeräte hinweg. Mit diesen erweiterten Erkenntnissen ist eine individualisierte Steuerung der Online-Marketing-Channels nach unterschiedlichen User-Gruppen möglich.

Ein Trend, der Online und Offline noch näher zusammen bringt, ist der ROPO-Effekt: Research online, Purchase offline. Accenture fand im November 2013 heraus, dass 78 Prozent diesen “Webrooming”-Ansatz beim Einkaufen nutzen. Umso wichtiger wird es für Marketer, den Einfluss von Online Advertising auf Offline Sales zu messen. Je genauer Retailer die Customer Journey online und offline tracken können, desto effektiver und effizienter können sie ihr Budget einsetzen. Dabei ergibt sich dasselbe Problem wie bei der Multi-Device-Attribution: Wie kann der Konsument offline identifiziert und der Kauf dem Online-Channel zugeordnet werden?

Eine Antwort auf diese Frage können Offline-Angebote wie Kunden- und Bonuskarten oder Services wie E-Mail-Belege sein. Diese Offline-Daten ermöglichen es Marketern, eine Brücke zu ihren Online-Daten zu schlagen und den Kauf eines jeden Kunden einzeln zu tracken. Die Voraussetzung dafür ist, dass die Online- und Offline-Daten – zum Beispiel Offline-Bonuskarte und Online-Kunden-Log-in – auf derselben Kunden-ID basieren. Ein Szenario als Beispiel: Eine Kundin besucht den Online-Shop einer Modemarke mehrmals über verschiedene Channels. Sie loggt sich ein, schließt den Kauf jedoch nicht ab. Am nächsten Tag kauft sie jedoch im Laden ein und nutzt ihre Kundenkarte, um am Bonusprogramm teilzunehmen. Ihre Kunden-ID ist sowohl mit dem Online-Kunden-Log-in als auch mit der Bonuskarte verbunden, sodass sie mittels dieser ID identifiziert werden kann. Für Marketer ergeben sich daraus zwei Chancen. Zum einen können sie ihr Attributionsmodell verfeinern, indem sie den Offline-Kauf den assistierenden Online-Channels zuordnen können. Zum anderen können sie mit den vorliegenden Daten den tatsächlichen Customer Lifetime Value (CLV) auf Basis von Online- und Offline-Einkäufen berechnen.

Ein weiteres Beispiel für erfolgreiches Online-Marketing, das zu Offline Sales führt, ist Click-and-Collect. Ein User kauft online, spart sich die Versandkosten, indem er seine Ware im Laden abholt, und kauft dabei möglicherweise weiter ein. Das ermöglicht die Identifizierung des Users über die verschiedenen Channels hinweg. Condor Airlines macht es vor: Mit dem ServiceAirshoppen können Kunden ihre Duty-Free-Artikel online bestellen und bekommen sie direkt ins Flugzeug geliefert.

Trotz einiger Erfolgsgeschichten hält die Zukunft einige Herausforderungen bereit. Die Frage, wie man User bereits vor dem Kauf offline identifizieren kann, ist dabei nur ein Beispiel. Gleichzeitig haben viele Marketer beim Thema Attribution generell noch viel nachzuholen. Klar ist: Vor Multi-Device- und Multi-Channel- kommt Desktop-Attribution. Erst wenn Marketer über ein ausgereiftes, stabiles Attributionsmodell für ihre Desktop-Strategie verfügen, können sie die nächsten Schritte hin zur Multi-Device- und Multi-Channel-Attribution angehen.

Über den Autor:
Lothar Krause arbeitet seit 13 Jahren in der Online-Werbung. Heute ist er Vice President Global Advisory Services beim Programmatic-Display-Anbieter Sociomantic Labs. Zuvor war er Head of Online-Marketing bei Zalando und Executive Sales Director bei Zanox. In seiner Laufbahn hat er unter anderem in den Bereichen SEO, SEM, Retargeting, Display, E-Mail-Marketing und Affiliate gearbeitet. Krause war Sociomantics erster Sales-Mitarbeiter und verantwortlich für die Ausweitung des Geschäfts auf 17 Standorte in mehr als 60 Märkten weltweit.