Die vielen verschiedenen Ebenen der Customer Journey machen es mitunter schwierig Zusammenhänge zwischen Online- und Offline-Konsumentenverhalten zu messen. Erfüllt man jedoch bestimmte Bedingungen und verfügt über verlässliche Daten des Offline-Kundenverhaltens, kann man diese Zusammenhänge ersichtlich werden lassen.
Viele Werbetreibende, die über Ladengeschäfte verfügen und deren Ziel es ist via Online-Anzeigen Kunden zum Besuch zu animieren, stehen vor dem Problem der Messbarkeit. Wieviele Kunden, welche eine Anzeige gesehen haben, kommen auch tatsächlich ins Geschäft und wie viele Verkäufe können entsprechend als “Conversions” direkt auf den Einsatz von digitaler Werbung zurückgeführt werden? Die Barriere zwischen Online- und Offline-Welt stand bisher im Weg, da es bis anhin praktisch keine Möglichkeit gab, um effektiv nachzuvollziehen, welche der Kunden im Geschäft tatsächlich auf Grund einer Online-Werbeanzeige dort waren und einen Kauf tätigten.
Es gibt keine Offline-Cookies, oder?
Anders als bei Online-Angeboten, kann man dem Kunden ja schlecht sagen, er soll einen Keks (aka. „cookie“) backen und diesen beim Besuch des Geschäfts – natürlich mit seinen persönlichen Daten versehen – in ein bestimmtes Körbchen legen, so dass man herausfinden kann ob die digitalen Werbemassnahmen tatsächlich fruchten und im Idealfall sogar noch welche Anzeigen die beste Performance an den Tag legten. Diese fehlende Messbarkeit erschwerte bisher die firmen-interne Argumentation für den digitalen Werbefranken und hinterliess oft eine gewisse Verunsicherung, weil ganz einfach die Daten fehlen oder zu eingeschränkt sind und keine direkte Verbindung sichtbar werden liessen.
Peak-Messung als bisher einzige Masseinheit
Die einzige bisherige Möglichkeit, welche sich Betreibern von Ladengeschäften bot, war die reine Messung der Besucherzahlen und allenfalls die Analyse der Produktkäufe.
Hatte man eine (Online-)Anzeige für ein Produkt geschaltet und kamen kurz danach wesentlich mehr Kunden ins Geschäft und interessierten sich für oder kauften das Produkt, konnte man mit einer gewissen Wahrscheinlichkeit davon ausgehen, dass die Anzeige vermutlich der Treiber dieses Anstiegs war. Aber 100% sicher konnte man sich auch nicht sein. Faktoren wie z.B. das Wetter, Werbemassnahmen der Konkurrenz oder des Herstellers und andere Details spielten immer in die Ergebnisse mit hinein und verunmöglichten meist eine konkrete Messung von direkten, auf bestimmten Werbemassnahmen zurückzuführenden Conversions.
Wissen ist Gold
Dieses Wissen aber, also wer, wieso und über welchen Kanal erreicht und animiert wurde in ein Ladenlokal zu kommen, um einen Kauf zu tätigen, ist Gold wert. Kennt man seinen Kunden und auf welche Art man ihn am besten erreicht, ist es möglich durch den perfekt abgestimmten und angepassten Einsatz von Online-Werbemitteln ein Maximum an Offline-Besuchern zu generieren und diese optimal abzuholen. Denn letztlich vereinfacht die Verbindung der On- und Offline-Kanäle das Einkaufen für den Kunden. Und alles was etwas einfacher macht, ist ein bestimmender Faktor für den Erfolg eines Angebots oder Anbieters.
Machine Learning Conversion-Messung von Store Visits
Schon seit einiger Zeit können Werbetreibende von Angeboten von Facebook oder Google Gebrauch machen, um damit den Zusammenhang zwischen Onlinemassnahmen und Offline Kundenkontakten zu messen. Dank dieses Verfahrens (Hochrechnung basierend auf Ads-Aktivitäten in Verbindung mit entsprechend benötigten Daten über Besuche im Ladengeschäft aus dem Back-End des Kunden) lässt sich der Zusammenhang zwischen Online-Kampagnen und Kundenbesuchen (Conversions) vor Ort nämlich auch mit Zahlen belegen und entsprechend in die Conversions-Messung einbeziehen. Google Kampagnen, welche Target ROAS, Target CPA, Maximize Conversions, eCPC und Smart Shopping als Bidding-Strategien verwenden, werden dabei neu durch Machine Learning und auch von Google Maps beim Conversion Tracking unterstützt, wenn man “Store Visits” per Default beim Conversion Tracking eingestellt hat, mindestens 28 Tage lang die Store Visits misst und mindestens 100 Store Visits in derselben Zeit verzeichnen kann.
Die daraus herauslesbaren Conversions verhelfen letztendlich dazu, den idealen Online-Werbemix herauslesen, zu planen und entsprechend umsetzen zu können, um damit wiederum die Offline- Verkaufs-Aktivitäten optimal durch Online-Werbemassnahmen zu unterstützen. Der Werbetreibende erhält dabei ein besseres Verständnis für den Zusammenhang von Online-Ansprache und Offline Besuchen und kann dies erstmals zuverlässig messen und nachvollziehen, welche seiner Botschaften zu wie vielen zusätzlichen Besuchern und Verkäufen geführt haben.
Autoren:
Mike Wieland & Andrej Voina, Digital Ads Experten
SEMSEA Suchmaschinenmarketing AG, IAB Firmenmitglied
