Messung des Content ROI: Möglichkeiten und Fallstricke.

Messung des Content ROI: Möglichkeiten und Fallstricke.

Mit steigenden Budgets werfen Content Marketer einen immer strengeren Blick auf den ROI. Rechnet sich ein Whitepaper tatsächlich? Wie viel darf ein neuer Blogartikel maximal kosten? Lohnt sich die Produktion eines Videos? Der Ruf nach einer aussagekräftigen Erfolgsmessung wird immer lauter.

Geignete Metriken

Stehen die Ziele der Content-Marketing-Maßnahmen fest, müssen geeignete Metriken gefunden werden. In diesem Artikel konzentrieren wir uns auf die Conversion Rate. Wohlwissend, dass es auch viele andere Ziele und Kennzahlen gibt.  Anders als zum Beispie Brand Awareness lassen sich Conversions nämlich hervorragend messen.

Metriken für Conversion-Optimierung

Micro und Macro Conversions

Um ein großes Ziel erreichen zu können, teilt man es gern in Etappen ein. Nicht nur auf einer Weltreise. Im Digitalmarketing geht es darum, die Kundenreise bis hin zur Transaktion messbar zu machen. Wo springen Zielkunden ab? Was ist der neuralgische Punkt?

Im Fachjargon spricht man von Micro und Macro Conversions. Im E-Commerce interessiert man sich zum Beispiel für Warenkorbabbrecher. Um deren Anzahl berechnen zu können, trackt man jeden einzelnen Schritt bis hin zur Transaktion.

Micro Conversions vs Macro Conversions

Macro Conversions lassen sich im B2B-Umfeld leider nur mit viel Aufwand tracken. Auch kann sich eine Kundenreise hier durchaus über mehrere Monate hinziehen. Das macht die Definition von Micro Conversions unabdingbar. Zum Beispiel das Abonnieren eines Newsletters, das Herunterladen eines Produktdatenblatts oder die Absendung eines Kontaktformulars.

I. Quantitative Analyse: Fokus auf die Anzahl der Conversion.

Eine klassische Methode zur Content-Erfolgsmessung sieht vor, die Konversionsrate je Content Asset zu ermitteln. Ja nach Attributionsmodell wird dabei zum Beispiel das der erste oder letzte Asset berücksichtigt. Das Ergebnis kann so eine Matrix sein:
Content Marketing Analytics Framework

Hits: Oben rechts im Diagramm befinden sich die stark konversionstarken Artikel , die darüber einen hohen Traffic generieren. Es lohnt sich, diese immer wieder aufzufrischen und zu bewerben.

Dogs: Unten links im Diagramm befinden sich Artikel, die so gar nicht performen und offenbar keinen Nutzen haben.

Potential Gems: Oben links im Diagramm befinden sich Artikel mit hoher Conversion Rate, die wenig Traffic generiert haben. Wurden diese eventuell nicht optimal beworben?

Fragezeichen: Unten rechts im Diagramm befinden jene Artikel, die außer Traffic nichts bringen. Liegt das gegebenenfalls an den Themen?

Content Marketing Analytics Chart
Quelle: Scoop.it!

Vor- und Nachteile des Verfahrens

Tatsächlich erleichtert dieses Verfahren den Fokus auf wichtige Artikel. Es hat jedoch auch einige Schwächen:

  • Das Framework beschränkt sich auf die Anzahl der Conversions – nicht auf deren tatsächlichen Wert.
  • Es wird jeweils ein einziges Conversion-Ziel betrachtet. Für die Analyse zusammenhängender Micro Conversions ist das nicht zweckmäßig.
  • Das Ergebnis hängt stark vom gewählten Attributionsmodell ab. Tatsächlich wissen wir natürlich nicht, wie groß jeweils der Einfluss eines Content Assets auf die Conversion ist.
  • Ohne die Gruppierung von Artikeln nach Typ und Funnel-Phase ist die Aussagekraft schwierig. Zumindest bei komplexeren Buyer Journeys.

II. Qualitative Analyse: Berücksichtigung des Seitenwerts.

Präzise Analysen sind mithilfe sogenannter Seitenwerte möglich. Dazu werden Zielvorhaben mit einem Wert versehen. Zum Beispiel 20 Euro für eine Newsletter-Anmeldung. In Google Analytics ist das überhaupt kein Problem.

Das Pendant zu Zielvorhaben im E-Commerce sind übrigens Transaktionen! Der monetäre Transaktionswert resultiert aus dem Kauf im Shop.

Conversion-Ziele

Google kann auf Basis von Transaktionswerten und Zielvorhabenwerten den Wert für jede einzelne Seite berechnen. Mehrfachaufrufe einer Seite werden dabei nicht gezählt:

(Transaktionswerte + Zielvorhabenwerte) / einzelne Seitenaufrufe der Seite

Seitenwert berechnen

Wie lassen sich Zielvorhaben bewerten?

Was ist eine Newsletter-Anmeldung oder sonstige Micro Conversion wert? Um bei den 20 Euro zu bleiben, könnte die Kalkulation wie folgt aussehen:

Wenn der Kundenlebenswert (CLTV) 1.000 Euro beträgt und erfahrungsgemäß jeder 50. Newsletter-Abonnent zum Kunden wird, ergibt sich für diese Micro Conversion ein Wert von 20 Euro.

Vor- und Nachteile des Verfahrens

Dieses Verfahren erleichtert den Fokus auf relevante Seiten bzw. Artikel. Es hat jedoch ebenfalls einige Schwächen:

  • Jeder Seitenbesuch wird gleich bewertet. Ganz unabhängig vom Engagement. Tatsächlich wissen wir natürlich nicht, wie groß jeweils der Einfluss eines Content Assets auf die Conversion ist.
  • Zielvorhaben innerhalb eines Funnels beeinflussen sich gegenseitig. Der Download eines Produktdatenblatt kann die Wahrscheinlichkeit einer Anfrage vergrößern. Entsprechend steigt der Wert des Zielvorhabens.
  • Die Reihenfolge der besuchten Seiten bleibt unberücksichtigt. Eine Seite B performt vielleicht nur dann, wenn im Vorwege Seite C aufgerufen wurde.
  • Nachträgliches Verändern der Zielvorhaben und -werte erschwert den Vergleich von Zeiträumen.
  • Sessions werden singulär betrachtet. Wenn nun ein Kunde erst beim zweiten oder dritten Besuch der Website konvertiert, gehen wichtige Informationen verloren. Vor allem dann, wer er dazu ein anderes Endgerät nutzt oder zwischendurch seine Cookies löscht.

III. Dynamische Attributionsmodelle

Marketingattribution wird vor allem eingesetzt, um den Erfolg eines Multi-Channel Funnels (MCF) bewerten zu können. Betrachtet werden nicht länger singuläre Sessions, sondern ganze Buyer Journeys, die sich aus mehreren Sessions zusammensetzen.

Unterschieden wird zwischen statischen und dynamischen Attributionsmodellen. Erstere sind regelbasiert, d. h. der Marketer muss im Vorfeld entscheiden, wie der Wert der Conversion über alle Touchpoints hinweg aufgeteilt werden soll. Statische Attributionsmodelle basieren folglich auf Annahmen.

Attributionsmodelle

Mehr Nähe zur Realität versprechen dynamische Attributionsmodelle: Zum Einsatz kommen hier spezielle Algorithmen, welche die Feinheiten der Buyer Journeys und die Zusammenhänge von Touchpoints näher beleuchten.

Zur Ermittlung haben sich in der Praxis folgende Konzepte bewährt: der Shapley-Wert, lineare Regression und Markov-Ketten.

Shapley-Wert

Das Konzept des Shapley-Werts entstammt der kooperativen Spieltheorie. Der Wert drückt aus, wie groß der individuelle Gewinn durch das Bilden einer Koalition ist. Ein klassisches Beispiel liefern Kleinstparteien, die anderen zur Mehrheit verhelfen. Der kleinen Partei entsteht dadurch ein faktischer Vorteil, der sich einfach berechnen lässt.

Bei der Attribution von Touchpoints entscheidet hier die Reihenfolge, in der sie einer Koalition (der Buyer Journey) beitreten. Ihr individueller Beitrag zum Gesamtumsatz ändert sich dann jeweils. Man spricht auch vom marginalen Beitrag, der für jede Touchpoint-Sequenz berechnet wird. Der Shapley-Wert wird für jeden Touchpoint separat berechnet und entspricht dem durchschnittlichen marginalen Beitrag. Je höher er ist, desto besser.

Lineare Regression

Regressionsmodelle helfen uns dabei, Abhängigkeiten zwischen zwei Variablen zu identifizieren. Zum Beispiel der Einfluss eines Touchpoints auf Conversions. Die abhängige Variable ist hier die Anzahl Conversions; die unabhängige Variable die Anzahl der Touchpoint-Zugriffe.

Leider ist die Realität komplizierter. Ob ein User konvertiert oder nicht, wird von weiteren Variablen beeinflusst. Zum Beispiel von der geschalteten Werbeanzeige oder der Jahreszeit. Um diese Einflüsse zu egalisieren, wird bei linearer Regression normalerweise ein Zeitraum von wenigstens sechs Monaten betrachtet.

Marcov-Ketten

Wie wahrscheinlich ist es, dass ein User von einem Touchpoint auf einen anderen wechselt? Bei der Beantwortung der Frage helfen Markov-Ketten. Berechnen lässt sich mit ihnen die Wahrscheinlichkeit für jeden Übergang – auch Transition Probability genannt.

Herangezogen wird in vereinfachten Modellen jeweils der vorherige Touchpoint (falls es einen gibt). Nur Markov-Modelle höheren Grades können weitere Touchpoints aus der Historie berücksichtigen und liefern so bessere Ergebnisse.

Vor- und Nachteile des Verfahrens

Dynamische Attribution berücksichtigt den Einfluss einzelner Seiten realistischer, da die konkrete Reihenfolge von Klick-Sequenzen betrachtet werden. Doch auch dieses Verfahren hat einige Schwächen: Besonders problematisch ist die Tatsache, dass dynamische Attribution nur bei ausreichendem Datenvolumen funktioniert. Für den Einstieg fällt das Verfahren somit flach. Darüber hinaus bedarf die Wahl des Konzepts und der Modellierung einer gewissen Erfahrung. Auch kann jede Änderung an den Seiten kann zu völlig neuen Resultaten führen. Entsprechend aufwendig ist die Pflege eines derartigen Modells.

Vorhersagen über Content Assets

Um den ROI eines Assets berechnen zu können, benötigen wir dessen Wert über die gesamte Lebenszeit. Die präsentierten Verfahren ermitteln einen Wert, der sich auf den gegenwärtigen Zeitpunkt bezieht. Die Wirkung eines Videos oder Blogartikels verändert sich jedoch laufend. Das gilt sogar für Evergreen Content.

Entsprechend schwierig ist es, die Lebenszeit und -wert eines Content Assets ex ante zu prognostizieren. Natürlich kann man, wie bei der Berechnung des Kundenlebenswerts, einfach Erfahrungswerte heranziehen. Das wird jedoch nicht jeden zufriedenstellen.

Hilfreich ist hier der Einsatz probabilistischer Modelle, welche eine Eintrittswahrscheinlichkeit beschreiben. Beispiel: “Die Wahrscheinlichkeit, dass der Artikel XY bis zum 31.12.2022 ein Gesamtwert von 500 Euro hat, beträgt 90 %. Die Basis derartiger Schätzungen sind auf den Satz von Bayes zurückzuführen.

Fazit

Analytic-Tools von z. B. Google oder Adobe leisten mit ihren Attributionsmodellen immerhin einen schnellen und pragmatischen Einstieg. Eine große Herausforderung bleiben jedoch die technischen und rechtlichen Restriktionen, welche insbesondere Customer Journey Analysen über einen längeren Zeitraum und verschiedene Endgeräte erschweren.

Dennoch gilt: Es lassen sich mit gewissem Aufwand durchaus Zahlen ermitteln, die eine solide Orientierungshilfe für die Content-Erfolgsmessung liefern.

Ergänzende Artikel

Über den Autor
Über den Autor

Moin aus Hamburg! Mein Name ist Frank Rix und ich beschäftige mich seit über 20 Jahren mit Content-Marketing und Conversion-Optimierung. Mein erstes Content-Projekt war 1997 ein Infotainment Special für otto.de.

Deine Kunden wollen partout nicht anbeißen? Klicke hier, wenn ich Dir helfen soll!

Artikel teilen

Share on linkedin
Share on twitter
Share on whatsapp
Share on email