Wie das serverseitige Tracking von OWOX dabei half, die wahren Conversion-Quellen für über 30 % der Online-Verkäufe zu finden

Ein hoher Prozentsatz an direktem/keinem Traffic bereitet jedem Vermarkter Kopfzerbrechen. Wenn Sie die tatsächlichen Conversion-Quellen nicht kennen, können Sie nicht verstehen, in welche Kanäle Sie investieren sollten, und Sie können auch keine Berichte über die Werbeausgaben erstellen.

Das serverseitige Tracking von OWOX kann dieses Problem lösen. Ein gemeinsames Experiment mit einem Kunden zeigte, dass mit OWOX BI der Anteil der direkt/keine Transaktionen zugeordneten Transaktionen um über21 % sank.Außerdem konnte bei über30 % der Einnahmen, deren Quellen bisher unbekannt waren, die richtige Quelle/das richtige Medium identifiziert werden.Darüber hinaus war es durch die korrekte Zuordnung von Transaktionen zu Kanälen möglich, den CPO neu zu berechnen und festzustellen, dass er für einige Kanäle niedriger war als der zuvor berechnete CPO.

In diesem Artikel beschreiben wir ausführlich die Ergebnisse dieses Experiments.

Möglicherweise stellen Sie fest, dass ein erheblicher Anteil der Sitzungen und Konvertierungen direkt/kein erfolgt. Daher ist es unmöglich zu verstehen, aus welchen Quellen diese Sitzungen und Konvertierungen tatsächlich stammen. Die häufigste Ursache ist eine begrenzte Cookie-Lebensdauer, die dazu führt, dass jede nachfolgende Sitzung eines bestimmten Besuchers als neue Sitzung definiert wird und die Verbindung zur allerersten Sitzung verloren geht. Allerdings enthält diese erste Sitzung die wahre Quelle, aus der der Benutzer kam.

Erstanbieter-Cookies im Safari-Browser haben eine begrenzte Lebensdauer von sieben Tagen. Im Endeffekt wird dieclientId-Kennung verwendet, um einen bestimmten Benutzer in Google Analytics zu identifizieren. Daher wird es von Analysetools als Schlüssel verwendet, anhand dessen Sie die Aktionen eines Benutzers über einen langen Zeitraum nachvollziehen können: woher der Benutzer ursprünglich kam, welche Seiten er besucht hat und so weiter.

DieclientId-Kennung wird in dasga_-Cookiegeschrieben und auf dem Gerät des Benutzers gespeichert, wenn der Benutzer Ihre Website besucht. Dies gilt als Erstanbieter-Cookie, da es jedoch in JavaScript geschrieben ist, unterliegt es ITP-Beschränkungen. Es lebt also nicht länger als sieben Tage.

Das heißt, wenn ein Nutzer heute über eine Facebook-Anzeige Ihre Website besucht und acht Tage später eine Bestellung aufgibt, betrachtet Ihr Analysetool den Käufer als neuen Nutzer und die Bestellung wird in keiner Weise Ihrer Facebook-Werbung zugeordnet. Der Vermarkter wird für diesen Teil des Datenverkehrs blind und kann die vermeintlich wirkungslose Werbung auf Facebook deaktivieren, da er die wahre Quelle der Bestellung nicht versteht. Dies könnte zu einem Rückgang der Aufträge und Unternehmensgewinne führen. Daher kann ein Anstieg des Anteils neuer Benutzer in der Analytik zu Einnahmeverlusten führen.

Mit OWOX BI können Sie die Genauigkeit Ihrer Werbekampagnenschätzungen erhöhen und die wahren Quellen/Medien/Kampagnen identifizieren, die Einnahmen generieren. Das serverseitige Tracking von OWOX BI überwacht jede Benutzeraktivität auf Ihrer Website, verlängert die Lebensdauer von Cookies und wird nicht von Werbeblockern beeinflusst, sodass Sie den gesamten Conversion-Pfad sehen können.

Cookieloses serverseitiges Tracking sofort einsatzbereit

Mit OWOX BI können Sie eine Erstanbieter-Datenerfassung einrichten, um ITP-Probleme zu lösen. Dazu erstellen wir im Rahmen der Integration eine eigene Subdomain auf Ihrer Website, auf der die Datenerfassung erfolgt.

Bei jedem Treffer/Ereignis erstellt OWOX BI eine Cookie-ID und erneuert diese bei jeder Interaktion mit dem Benutzer für 364 Tage. Dieses Cookie hat eine eigene Benutzer-ID:owox.user_id. Auf dieser Grundlage können wir Analyseberichte ohne einen großen Anteil gefälschter neuer Benutzer erstellen und einen Benutzerpfad für einen längeren Zeitraum erstellen. Dadurch ist es möglich, die Wirksamkeit von Werbekampagnen richtig einzuschätzen und die gesamte User Journey zu verfolgen.

Das Problem des direkten/keinen Datenverkehrs war für den Kunden, mit dem wir das Experiment durchgeführt haben, besonders relevant, da fast die Hälfte seines Datenverkehrs (44 %) vom Safari-Browser stammt.

Im Experiment haben wir verglichen, wie sich die Hauptkennzahlen des Unternehmens (Transaktionen, Umsatz, CPO) unterscheiden, wenn sie auf der Grundlage von Daten berechnet werden, die mit unterschiedlichen Benutzerkennungen erfasst wurden: Google Analyticsclient_idundowox.user_id.

Die Schlüsselfrage, die wir beantworten wollten, war, bei wie vielen Transaktionen sich die Traffic-Quelle ändern würde. Warum ist das wichtig? Da die Wirksamkeit von Werbekanälen anhand der Anzahl der Transaktionen nach Quelle/Medium beurteilt wird und auf Grundlage dieser Wirksamkeit Entscheidungen über die Umverteilung des Budgets getroffen und Berichte für das Management erstellt werden.

Das Experiment zeigte, dass die Verwendungvon owox.user_idden Prozentsatz der Benutzer, die fälschlicherweise als neu identifiziert wurden, um 12 % reduzierte. Das bedeutet, dass das Analysesystem diese Benutzer ohne die Verwendung des serverseitigen Streamings von OWOX als neue Benutzer identifiziert hätte. Dank OWOX BI wurden diese Benutzer jedoch als wiederkehrende Benutzer identifiziert, wodurch der Prozentsatz neuer Benutzer verringert wurde. Für das Experiment haben wir einen Monat lang Daten analysiert. Über einen längeren Zeitraum dürfte die Reduzierung falsch identifizierter Nutzer sogar noch größer ausfallen.

Der nächste Screenshot zeigt den Prozentsatz der als zurückgegeben identifizierten Benutzer (oberes Diagramm nachclient_id; unteres Diagramm nachowox.user_id).

Diese Grafiken zeigen den Prozentsatz der Benutzer, die als „zurückgekehrt“ erkannt wurden. Wir können sehen, dass in den ersten sieben Tagen (während das Safari-Cookie noch aktiv ist) der Prozentsatz wiederkehrender Benutzer bei beiden Methoden ungefähr gleich ist. Nach sieben Tagen wird der Unterschied jedoch deutlich. Dankowox.user_idist es möglich, am achten Tag doppelt so viele wiederkehrende Benutzer und am dreißigsten Tag sechsmal so viele wiederkehrende Benutzer zu erkennen. 😎

Der nächste Screenshot zeigt den Prozentsatz der Transaktionen, bei denen sich die Traffic-Quelle aufgrund der Verwendung vonowox.user_idgeändert hat (aus Gründen der Übersichtlichkeit wurde die Bewertung mit den beliebtesten Attributionsmodellen „Erster Klick“ und „Letzter nicht direkter Klick“ durchgeführt).

Wenn wir uns beispielsweise die Daten für den 27. März ansehen, können wir sehen, dass sich die Traffic-Quelle bei 12 % der Transaktionen (laut First Click) und 6,8 ​​% der Transaktionen (laut LNDC) geändert hat. Dies bedeutet, dass die Quelle dieser Transaktionen von Anfang an falsch identifiziert wurde. Folglich wurden die Kanäle, über die diese Transaktionen tatsächlich kamen, unterbewertet. Dies führte dazu, dass Vermarkter falsche Schlussfolgerungen bildeten und das Budget ineffizient verteilten. Serverseitiges Tracking kann dieses Problem lösen.

Kommen wir nun zum Hauptteil des Experiments und sehen, wie sich Änderungen im Anteil neuer/wiederkehrender Benutzer und der Transaktionsquelle auf die Conversion-Rate, den Umsatz und den CPO auswirken.

In der folgenden Tabelle können wir sehen, wie der Einsatz des serverseitigen Trackings von OWOX BI die Anzahl der Transaktionen mit einer direkten/keinen Traffic-Quelle reduziert. Dies geschieht durch die Neuzuordnung dieser Transaktionen zu ihrer wahren Quelle/ihrem wahren Medium.

Nehmen wir zum Beispiel die Daten für den 6. April. Wir können sehen, dass die Anzahl der Transaktionen mit (direkt)/keine an diesem Tag um 33,33 % zurückgegangen ist. Diese Transaktionen wurden auf andere Kombinationen aus Quelle und Medium umverteilt: Google/CPC erhielt +12,5 % Transaktionen, twitter.com/social +50 % Transaktionen usw.

Die nächste Tabelle zeigt uns, wie die Einnahmen aus Transaktionen, deren Quelle/Medium zuvor direkt/keine lautete, umverteilt werden.

Wir sehen beispielsweise, dass am 6. April der Umsatz aus Transaktionen mit der Quelle/dem Medium „Direkt/Keine“ um 32,78 %-Punkte zurückgegangen ist. Allerdings wurden diese Einnahmen auf andere Kanäle und Quellen verteilt. Das erscheint verdächtig, da echte Kanäle, die Einnahmen brachten, unterbewertet wurden. Jetzt können wir es nicht nur intuitiv spüren, sondern auch mit Zahlen begründen 😎.

Wir haben auch festgestellt, dass der CPO bei einigen Quellen/Medien vorhersehbar zurückgegangen ist. Warum? Denn der Anteil der Transaktionen von direkt/keine floss in andere Quell-/Medium-Kategorien. Die Anzahl der Transaktionen (im Nenner), auf die die Kosten für einen bestimmten Kanal aufgeteilt werden müssen, stieg, was zu einem Rückgang des CPO führte. Um es marketingtechnisch auszudrücken: Transaktionen, die in Google Analytics nicht berücksichtigt wurden, wurden in diese Quellen-/Medienkategorien aufgenommen, was darauf hindeutet, dass ihre tatsächliche Wirksamkeit höher ist.

Am 31. März sank beispielsweise der CPO für google/cpc um 8,77 %:

Der CPO für Bing/CPC sank um 12,5 %:

Der CPO für Facebook/Paid Social sank um 13,33 %:

Aufgrund der mit der Verwendung von Drittanbieter-Cookies verbundenen Einschränkungen steigt der Anteil neuer Benutzer und des direkten/keinen Datenverkehrs. Dies erschwert die Bewertung von Werbekanälen für Vermarkter erheblich.

Das serverseitige Tracking von OWOX hilft, dieses Problem zu lösen: Es reduziert den Anteil des direkten/keinen Datenverkehrs um 21 % oder mehr und verteilt 30 % oder mehrder Transaktionen und Einnahmen korrekt auf andere Quellen und Kanäle um. Dadurch kann das Marketingteam seine KPIs besser erfüllen und sein Budget schneller verteidigen.