Affiliate News

Cross Device Tracking – Lösungsansätze und Messgrößen beim Tracking


Von Affiliate Deals

In einer Zeit, in der viele User längst nicht mehr nur ein Endgerät besitzen, mit welchem sie das Netz erkunden, müssen Marketer lernen, plattformübergreifend zu arbeiten. Ein Überblick.

Multiscreen, Second-Screen-Effect, Pixel, Personas, Matches – die Liste der Begriffe, die sich um das sogenannte Cross-Device-Marketing drehen, wird von Woche zu Woche länger. Dabei geht es letztlich nur darum, ein Problem zu lösen:

Wenn User auf verschiedenen Endgeräten unterwegs sind, und sich manche Kaufvorgänge über mehrere Plattformen ziehen – wie können Marketer da den Überblick behalten und Publisher entsprechend ihres Beitrags “fair” vergütet werden?

Ohne auf Details eingehen zu wollen, ist schnell klar: es muss eine geräteübergreifende Tracking-Lösung her, die es schafft, User auch über mehrere Stationen und Devices hinweg zu verfolgen und so eventuelle Sales und Leads den passenden Affiliates zuzuordnen.

Lösungsansätze für geräteübergreifendes Tracking

Zunächst unterscheidet man bei Cross-Device-Tracking zwei generelle Konzepte:

  • Deterministisch: Dieser Ansatz bedeutet nichts weiter, als dass User für ein zuverlässiges Tracking bei einer Website oder App eingeloggt sein müssen. Getrackt wird also der User-Account. Bekanntestes Beispiel ist mit Sicherheit Facebook. Wenn man sich hier über Smartphone/Desktop einloggt und nicht explizit von einem der Geräte wieder abmeldet, werden alle Aktionen über die verschiedenen Devices hinweg verfolgt.

    Kurz: Hier findet kein Algorithmus Verwendung, es wird eine direkte Verbindung zwischen Nutzer und Device benötigt.

  • Probabilistisch: Wie der Name schon verrät, handelt es sich bei dieser Methode um einen auf Wahrscheinlichkeiten (“probability”) basierenden Ansatz. Aus verschiedenen Daten wie IP, Device, Standort, Browser und einer großen Zahl weiterer Informationen, errechnet ein Algorithmus die Wahrscheinlichkeit, mit der ein konkreter User und verschiedene Geräte zusammengehören. Hier wird offensichtlich im Trüben gefischt – dafür erlaubt der Ansatz, auch ohne sehr große Datenmengen, eine Cross-Device-Kampagne zu fahren. Nicht unbedingt eine exakte Wissenschaft.

Schnell wird klar: Sobald man eine gewisse Userzahl erreicht und entsprechende Daten zu diesen gesammelt hat, ist der deterministische Ansatz zu bevorzugen – sofern man es sich leisten kann. Allerdings wird das Sammeln der Daten mit immer häufiger auftretenden Sicherheitsbedenken und vermehrter Nutzung von Adblockern auf Seiten der User nicht unbedingt leichter – so hat auch der probabilistische Ansatz durchaus seine Berechtigung, es kommt dabei auf die Kampagne und Zielgruppe an.

Tracking-Messgrößen

Wie bei allen Formen des Onlinemarketing gilt auch hier: um den Erfolg einer Kampagne zumindest ansatzweise vorhersagen/messen zu können, benötigt man die passenden Daten. Dazu muss man sich allerdings im Klaren sein, was welche Messgröße überhaupt bedeutet und für welche Art von Kampagne diese von Interesse ist.

  • Match Rate: Ein Begriff, bei dem sich die Geister scheiden. Was auf den ersten Blick vermutlich ein Verhältnis zwischen möglichen und tatsächlichen Matches (Zuordnung von User zu Device) beschreibt, stellt sich in der Praxis als relativ undefiniert dar. Dennoch findet der Begriff häufig genug Verwendung, ohne dass er näher erläutert würde.
  • Accuracy: Accuracy beschreibt, was sich wohl die meisten unter “Match Rate” vorstellen: Ein Verhältnis zwischen möglichen und tatsächlichen Matches. Allerdings unter der Berücksichtigung der potentiellen “non-Matches” in einem Graph (siehe unten). Da, je nach Anzahl, die Wahrscheinlichkeit, dass User und Gerät NICHT zusammengehören, deutlich höher ist, als umgekehrt, diese Wahrscheinlichkeit aber mit in die Berechnung einfließt, ist die “Accuracy” als Messwert leider nicht wirklich von Nutzen. Es gibt Ausnahmen.
  • Precision: Die Präzision beschreibt, was die meisten Advertiser tatsächlich von einem Graphen erwarten: Ein korrekt beschriebenes Verhältnis zwischen vorhergesagten und tatsächlichen Matches, bei der die Zahl der Treffer durch die Zahl aller Treffer plus Nicht-Treffer geteilt wird:
  • Formel precision © Super Affiliate Network
  • Recall: Sagt etwas über die Qualität eines Graphen aus, indem die Zahl aller tatsächlichen Matches in einer vorgegebenen Region, der Zahl der als positiv erkannten Matches im Graphen gegenüber steht. Kurz: Wie aussagekräftig ist die eigene Datenbank?
  • Recall Formel
  • Cross-Device-Graph: Die Datenbank, in der alle Matches, egal durch welche Methode diese ermittelt wurden, erfasst sind. Anhand der Größe dieses Graphen entscheidet sich häufig auch, welche Tracking-Methode zum Einsatz kommt. Wie oben bereits erwähnt, wird ab einer gewissen Useranzahl der deterministische Ansatz immer genauer.
  • Pixel: Ähnlich wie bei anderen Methoden auch, werden mit Hilfe eines “unsichtbaren” Pixels Daten wie Device, IP, Browser, Sprache etc. gesammelt, um diese hinterher abzugleichen und eventuelle Matches zu finden.

Natürlich können Anbieter von Cross-Device-Tracking diese Messgrößen durch verschiedene Gewichtungen und Prioritäten für ihre Kunden manipulieren. Je nach Kampagnenziel können Accuracy, Recall oder auch Präzision stärker im Fokus liegen. (z.B. Sales vs. Branding).

Fazit

Solange man weiß, was die verschiedenen Messgrößen bedeuten, und wie man die Daten für sein jeweiliges Kampagnenziel nutzen kann, steht einem erfolgreichen Cross-Device-Tracking eigentlich nichts mehr im Wege. Im Zweifelsfall übernehmen die Netzwerke ohnehin einen Großteil der technischen Arbeit und anschließenden Auswertung, was besonders Affiliates zugute kommen dürfte. Hier erklären affili.net und TradeDoubler kurz in eigenen Worten, warum sie welche Methode verwenden.