Sådan vælger du den rette attributionsmodel i marketing

Annonce – sponsoreret indhold.

Den rette attributionsmodel i marketing er den, der svarer på det spørgsmål, din kunde reelt stiller, og som du kan forklare og forsvare uden forbehold. For en webshop med kort købsproces er det ofte en position-baseret eller datadrevet model suppleret med last-click som reference. For virksomheder med lang salgscyklus er det typisk en multi-touch-model, der også giver kredit til indhold tidligt i forløbet. Ingen model viser sandheden. Hver model er en aftale om, hvordan man fordeler æren, og derfor skal den vælges bevidst og aftales, før tallene kommer. Her gennemgår vi modellerne, deres faldgruber og et konkret eksempel fra affiliate marketing, hvor tilskrivningen er aftalt på forhånd.

Attributionsmodel i marketing: hvad den måler, og hvorfor kunderejsen driller

Attribution er den metode, du bruger til at fordele æren for en konvertering, fx et salg eller en lead, mellem de berøringspunkter kunden har haft undervejs. En attributionsmodel er reglen for fordelingen. Skal hele æren gå til det første klik, til det sidste, eller skal den deles? Svaret ændrer sig ikke på, hvad kunden gjorde, men på hvad din rapport hævder, der virkede.

I en enkel verden ville det være ligetil. En kunde ser en annonce, klikker og køber. I virkeligheden ser samme kunde måske et blogindlæg i en søgning, bliver ramt af en retargeting-annonce på mobilen, åbner et nyhedsbrev, taster webshoppens navn direkte i browseren en uge senere og køber fra en bærbar computer. Hvem fortjener æren?

Der er flere grunde til, at det er svært at svare på:

• Flere enheder og browsere. Kunden læser på mobilen og køber på computeren. Uden login ser dit analyseværktøj to forskellige besøgende.
• Samtykke og cookies. I Danmark skal du som udgangspunkt have samtykke til cookies, der ikke er strengt nødvendige. Afviser besøgende, mangler der data i dine rapporter. Datatilsynet har vejledning om reglerne, og de bør indgå i enhver måleopsætning.
• Usynlige berøringspunkter. En anbefaling i en Facebook-gruppe, en podcast eller en samtale med en kollega efterlader ikke et klik. Det ender ofte som “direkte trafik”.
• Platforme, der vurderer sig selv. Annonceplatforme og analyseværktøjer bruger hver deres regler og vinduer og kan begge påstå, at de skabte det samme salg.
• Lange købsrejser. Især i B2B går der uger eller måneder fra første læsning til henvendelse. Cookies udløber, og kontaktpersoner skifter enhed og e-mailadresse.

For et content marketing-bureau er problemet ekstra skarpt. Indhold arbejder ofte tidligt og stille: en guide bliver læst, kunden forsvinder, og tre uger senere kommer et køb gennem en betalt søgeannonce på brandnavnet. Står der kun “betalt søgning” i rapporten, ser indholdet ud til at have gjort ingenting.

Det er derfor nyttigt at se på en kanal, hvor attributionen ikke er et analytisk efterspil, men en del af selve aftalen. Det gælder attribuering i affiliate marketing, hvor klikket får et id, provisionssatsen låses i samme sekund, og alle parter kender reglerne, før det første salg sker. Vi vender tilbage til den mekanik, men først skal modellerne på plads.

De mest brugte attributionsmodeller og deres styrker og svagheder

Modellerne falder i to grupper: single-touch, hvor ét berøringspunkt får al æren, og multi-touch, hvor æren fordeles. Hvilke modeller du kan vælge mellem, afhænger af dit værktøj, så tjek altid, hvad dit analyse- eller annonceværktøj understøtter, og hvordan det definerer sine vinduer.

Last-click

Hele æren går til det sidste klik før konverteringen. Modellen er enkel, let at revidere og forstås af de fleste. Den er stadig udbredt, fordi den passer til beslutninger tæt på købet.

Styrke: Den er gennemsigtig, og man kan genskabe tallene. Svaghed: Den ignorerer alt, der skabte efterspørgslen. Brandsøgning, retargeting og kuponsider ser ofte stærke ud, fordi de fanger kunder, der allerede er besluttet. Content, der skabte kendskab og tillid, får nul.

First-click

Her får det første registrerede berøringspunkt hele æren. Modellen bruges, når man vil forstå, hvad der skaber ny opmærksomhed.

Styrke: Den synliggør kanaler, der introducerer nye kunder, fx blog, PR eller organisk søgning. Svaghed: Den ignorerer alt det, der overbeviste kunden bagefter. Er første kontakt tilfældig, fx et enkelt besøg på en gammel artikel, belønner modellen tilfældigheder. Den er også sårbar over for cookiesletning, fordi det “første” klik ofte forsvinder, før kunden køber.

Lineær

Æren deles ligeligt mellem alle registrerede berøringspunkter. Har kunden haft fire kontakter, får hver 25 procent.

Styrke: Den anerkender hele rejsen og er nem at forklare. Svaghed: Den antager, at alle kontakter betyder lige meget, hvilket sjældent passer. Et tilfældigt displaybanner vejer lige så tungt som en sammenligningsguide, kunden læste i en halv time.

Tidsvægtet

Kontakter tæt på konverteringen tæller mere end dem, der ligger langt tilbage. Modellen passer til korte kampagner og tilbudsdrevet salg, hvor det seneste signal reelt er afgørende.

Styrke: Den afspejler, at nyere påvirkning ofte vejer tungere. Svaghed: Den straffer indhold i toppen af tragten, hvis salgscyklussen er lang, og den bliver derfor ofte en blødere udgave af last-click.

Position-baseret

Modellen giver størst vægt til første og sidste berøringspunkt og deler resten mellem dem. Fordelingen fastsættes af den, der opsætter modellen, og er altså en antagelse, ikke en målt sandhed.

Styrke: Den anerkender både det, der åbner relationen, og det, der lukker salget. Det er ofte en brugbar middelvej for content marketing, fordi både opdagelse og afslutning belønnes. Svaghed: Vægtene er en forhåndsholdning. Du skal kunne forklare, hvorfor netop den fordeling passer til kundens forretning.

Datadrevet

Modellen bruger statistik til at estimere, hvilke berøringspunkter der gør en forskel for sandsynligheden for konvertering, i stedet for at bruge faste regler. Den findes i flere annonce- og analyseværktøjer.

Styrke: Den tilpasser sig faktiske mønstre og kan afsløre kanaler, der underbetjenes af simple regler. Svaghed: Den er en sort boks. Du kan sjældent gennemskue, hvorfor en kanal fik en given andel, og den kræver typisk tilstrækkelige datamængder og ren tracking for at give stabile resultater. For en lille kunde med få konverteringer kan den give udsving, der ligner indsigt, men ikke er det.

Faldgruber der går igen i bureauernes attributionsrapporter

De fleste fejl i attributionsrapporter skyldes ikke valget af model, men den måde, data samles og tolkes på. Her er de typiske:

• Dobbelttælling på tværs af platforme. Meta, Google og e-mailværktøjet tilskriver hver deres version af samme salg til sig selv. Lægger du tallene sammen, får du flere ordrer, end kunden har haft. Afstem altid mod butikkens eller CRM-systemets faktiske ordrer.
• Forskellige vinduer. Et klik-vindue og et visningsvindue (view-through) i annonceplatformen siger ikke det samme som et sessionsbaseret vindue i analyseværktøjet. Sammenlign aldrig kanaler uden at kende hver enkelts vindue.
• “Direkte” som skraldespand. Mangler UTM-parametre, eller bryder en redirect sporingen, havner besøget som direkte trafik. Det er ofte her, mørk social, podcasts og delte links forsvinder.
• Brandsøgning som sejrherre. Mange vil søge på virksomhedens navn efter at have set indhold. Hvis last-click giver betalt brandsøgning æren, belønner du kanalen, der fangede efterspørgslen, ikke dem, der skabte den.
• Inkonsistente UTM-regler. “Facebook”, “facebook” og “fb” bliver tre kilder i rapporten. Aftal en fast navngivning, og dokumentér den.
• Samme model til alle formål. En model, der egner sig til at optimere dagligt annoncebudget, er ikke nødvendigvis den bedste til at vurdere, om en indholdsstrategi virker.
• Korrelation forvekslet med effekt. Attribution viser, hvem der var til stede før salget, ikke hvad der ville være sket uden. Skal du bevise merværdi, kræver det inkrementalitetstest, fx en holdout-gruppe eller en geografisk test.

Pointen er ikke, at attribution er værdiløs, men at det er en skønsmæssig fordeling. Præsentér den derfor som et beslutningsgrundlag med kendte begrænsninger og ikke som regnskab.

Sådan løser affiliate marketing attribution med links og cookies

Affiliate marketing er et godt, letforståeligt eksempel, fordi kanalen ikke kan undvære attribution. Affiliaten får kun betaling, hvis salget kan knyttes til vedkommendes link, så systemet er bygget omkring en klar tilskrivningsregel. Den beskrives her med Affilyflows mekanik som eksempel. Kæden har syv led, og vi kigger på de led, der er mest relevante for attribution.

1. Sporbart link. Affiliaten laver et personligt link, helst et deeplink direkte til den vare, teksten handler om. Et sub-ID på linket viser senere, hvilken artikel eller kampagne der solgte.
2. Klikket registreres. Klikket går gennem netværkets server, får et klik-id og sendes videre til butikken. Hos Affilyflow låses provisionssatsen og cookie-vinduet på klikket i samme sekund. Ændrer butikken vilkår bagefter, gælder de kun nye klik.
3. Butikken husker klikket. Butikkens sporing gemmer klik-id’et i en førstepartscookie på butikkens eget domæne eller på butikkens server.
4. Købet meldes. Køber kunden inden for cookie-vinduet, melder sporingen ordren med ordrenummer og beløb. Samme ordre kan ikke give provision flere gange.
5. Godkendelsesperiode. Salget afventer en periode, så returvarer kan afvises. Først derefter godkendes provisionen og udbetales.

Et konkret tal fra Affilyflows eksempel: En læser finder en test af løbesko på et dansk løbesite, klikker på linket og køber et par sko til 800 kr uden moms. Programmet giver affiliaten 10 procent, så provisionen er 80 kr, når salget er godkendt. Hos Affilyflow svarer det til en samlet pris for butikken på 12,5 procent, altså 100 kr, hvoraf 80 kr går til affiliaten og 20 kr er netværksgebyr. Butikken har betalt for et salg, ikke for en visning.

Hvad affiliate gør rigtigt, som du kan genbruge

• Reglerne er aftalt, før resultatet kendes. Provisionssats og cookie-vindue er låst, så ingen kan diskutere efterfølgende, hvem der “egentlig” fortjente salget.
• Hvert klik har et unikt id. Sporingen følger en konkret handling, ikke et gæt på adfærd.
• Granularitet ned på indholdsniveau. Sub-ID’et fortæller, hvilken artikel der solgte. Det er netop den detaljegrad, indholdsfolk savner i deres egne rapporter.
• Der er en godkendelsesfase. Tallet er ikke endeligt, før returvarer er trukket fra. Rapporterer du leads eller ordrer, er det en god vane at skelne mellem registreret og valideret resultat.

Hvor affiliate-modellen også har begrænsninger

Eksemplet er ikke en universalløsning. Affiliate-attribution er i sin enkleste form en klik-baseret model med en tidsgrænse, tæt på last-click inden for cookie-vinduet. Den fortæller, hvilket link der var knyttet til købet, ikke om en anden kanal, fx en podcast eller en brandannonce, var med til at skabe lysten. Cookies er heller ikke ufejlbarlige: skifter kunden enhed, rydder browseren, eller udløber vinduet, kan et salg ikke knyttes til klikket, selv om affiliaten stod bag anbefalingen. Her er det også relevant, at affiliate-links i Danmark er reklame og skal markeres tydeligt, og at provisionen er skattepligtig. Er du i tvivl om de konkrete regler, så se Forbrugerombudsmandens og Skattestyrelsens vejledninger.

Lektien til bureauet er derfor ikke at kopiere affiliate-modellen, men at kopiere dens disciplin: aftal reglerne først, brug unikke identifikatorer, mål helt ned til indholdsniveau, og skel mellem foreløbige og endelige tal.

Sådan vælger du en attributionsmodel, der passer til marketingmixet

Der findes ingen model, der er bedst i sig selv. Valget afhænger af, hvad kunden skal bruge tallene til, hvor lang købsrejsen er, og hvilke kanaler der indgår. Gå igennem disse spørgsmål i rækkefølge.

1. Hvilken beslutning skal tallene understøtte?

• Daglig optimering af annoncebudgetter: En modelnær, hurtig metode som last-click eller platformens egen datadrevne model er ofte tilstrækkelig, så længe du kender dens blinde vinkler.
• Vurdering af indholdsstrategi: Brug en multi-touch-model, der kan vise assisterende bidrag, fx position-baseret eller datadrevet, og sammenhold den med first-click.
• Budgetfordeling mellem kanaler: Her er attribution alene sjældent nok. Supplér med inkrementalitetstest eller før/efter-sammenligninger.

2. Hvor lang er købsrejsen?

Er der tale om impulskøb med korte forløb, er forskellen mellem modellerne ofte lille, og last-click er et fornuftigt udgangspunkt. Er der tale om dyre eller komplekse produkter, hvor kunden læser, sammenligner og diskuterer internt, bliver single-touch-modeller misvisende. Her er en multi-touch-model nødvendig, især for B2B. Hvis kunden også har brug for flere leads uden at stole blindt på indholdsmålingerne, kan det være værd at læse Sådan får du flere B2B-leads når content marketing ikke er nok.

3. Hvilke kanaler indgår i mixet?

• Mange klik-baserede kanaler (søgning, social, e-mail): Du kan sammenligne flere modeller direkte i analyseværktøjet.
• Kanaler med egen sporing (affiliate, nogle marketplaces, partnerprogrammer): Disse har ofte deres egen, aftalte attribution. Afklar, hvordan de passer sammen med den overordnede model, så samme salg ikke tælles to steder.
• Kanaler uden klik (PR, podcast, events, mund-til-mund): Brug supplerende målinger som “hvordan hørte du om os?” i checkout eller kontaktformular og stigning i brandsøgninger og direkte besøg.

4. Hvor god er datakvaliteten?

Datadrevne modeller kræver, at tracking er rigtigt sat op, at samtykke håndteres korrekt, og at der er nok konverteringer. Er opsætningen rodet, er en enkel og forklarlig model bedre end en avanceret, der giver et falsk præcist svar. Beslutningen om, hvor meget indsats der skal i måling i forhold til produktion, hænger tæt sammen med din overordnede prioritering. SEO eller content marketing – sådan prioriterer du indsatsen kan hjælpe med den afvejning.

Tommelfingerregler til udgangspunktet

• Webshop med kort købsproces og flere betalte kanaler: Start med last-click som reference og sammenlign med position-baseret eller datadrevet.
• Content-tung virksomhed med lang rejse: Brug position-baseret eller datadrevet som hovedmodel, og vis first-click ved siden af for at belyse opdagelsesfasen.
• Mix med affiliate-program: Behold affiliatens aftalte klikattribution til udbetaling, men brug den overordnede model til at vurdere, hvordan affiliate spiller sammen med resten af mixet.
• Få konverteringer: Hold dig til enkle modeller og supplér med kvalitative signaler i stedet for at tolke på udsving.

Sådan rapporterer du content marketings bidrag til kunden

Den bedste model hjælper ikke, hvis kunden ikke forstår rapporten. Disse greb gør værdidokumentationen mere troværdig:

1. Aftal modellen, før kampagnen starter. Ligesom i affiliate marketing, hvor vilkår er låst ved klikket, skal kunden vide, hvordan resultater tilskrives, inden de første tal kommer. Det undgår diskussioner om, at modellen blev ændret, da resultaterne ikke levede op til forventningerne.
2. Vis to modeller side om side. Fx last-click og position-baseret. Forskellen mellem dem er ofte selve historien om indholdets rolle: Indholdet åbner samtalen, og andre kanaler lukker den.
3. Rapportér assisterede konverteringer. Mange analyseværktøjer kan vise, hvor ofte en side eller kanal indgår i forløb, der ender i salg, selv om den ikke er sidste klik.
4. Brug ensartede UTM-parametre og sub-ID’er. Navngiv kampagner og indholdsstykker, så du kan måle ned på artikelniveau, ligesom et sub-ID gør det i affiliate.
5. Supplér med spørgsmål til kunden. Et frit tekstfelt med “Hvordan hørte du om os?” fanger det, klik ikke kan: anbefalinger, podcasts og samtaler.
6. Test inkrementalitet, når beløbene er store. Sammenlign områder eller perioder med og uden en indsats, før du konkluderer, at indholdet var årsagen.
7. Skriv forbeholdene ind. Nævn samtykke, enhedsskift og kanaler uden klik. En rapport, der åbent siger, hvad den ikke kan, virker mere troværdig end en, der foregiver at være præcis.

Brug gerne affiliate-eksemplet, når du forklarer attribution for kolleger eller kunder: “Forestil dig, at hvert link har et id, og at provisionen er aftalt, før kunden klikker. Sådan ville vi ønske, al markedsføring blev målt, men fordi det ikke er muligt overalt, vælger vi en model, der er ærlig om sine antagelser.”

Ofte stillede spørgsmål

Hvad er forskellen på first-click og last-click?

First-click giver hele æren til det første registrerede berøringspunkt, mens last-click giver den til det sidste klik før konverteringen. First-click fremhæver kanaler, der skaber opmærksomhed, og last-click fremhæver kanaler, der afslutter salget. Begge overser resten af rejsen, så de bruges bedst som supplement til hinanden.

Hvilken attributionsmodel er bedst for content marketing?

Typisk en multi-touch-model som position-baseret eller datadrevet, fordi indhold ofte bidrager tidligt og midt i forløbet. Vis gerne last-click ved siden af, så kunden kan se forskellen. Hvis tallene skal bruges til budgetbeslutninger, bør du supplere med inkrementalitetstest.

Hvorfor er attribution i affiliate marketing nemmere end i andre kanaler?

Fordi reglerne er aftalt på forhånd, og hvert klik får et unikt id. Hos Affilyflow låses provisionssats og cookie-vindue på klikket, og købet kobles til klikket via en cookie i butikkens egen sporing. Der er dog stadig begrænsninger: skifter kunden enhed, eller udløber cookie-vinduet, kan salget ikke knyttes til klikket.

Kan jeg stole på platformenes egne attributionstal?

Brug dem som et signal, ikke som facit. Hver platform bruger sine egne vinduer og regler og har en naturlig interesse i at vise egne resultater. Afstem altid mod butikkens eller CRM-systemets faktiske ordrer, og vær opmærksom på, at samme salg kan optræde i flere platforme.

Skal jeg altid bruge en datadrevet model?

Nej. Datadrevne modeller kræver ren tracking og et tilstrækkeligt antal konverteringer for at give stabile resultater, og de er svære at forklare, fordi logikken ligger skjult i algoritmen. Har kunden få konverteringer eller usikker opsætning, er en enkel og gennemskuelig model ofte det bedste valg.