Attribution
Attribution is het toewijzen van credit voor een conversie aan de marketing-touchpoints die eraan vooraf gingen. Verschillende modellen verdelen credit op verschillende manieren.
Definitie
Attribution beantwoordt de vraag: welk kanaal of welke ad krijgt de eer voor deze sale? Last-click geeft alle credit aan het laatste touchpoint. First-click aan het eerste. Linear verdeelt gelijk over alle touchpoints. Time-decay geeft meer gewicht aan recente touchpoints. Position-based (U-shaped) geeft meer aan eerste en laatste, minder aan tussenliggende. Data-driven attribution gebruikt machine learning om patronen te vinden. Belangrijk: attribution is geen meting van effect, het is een verdeel-mechanisme. Twee modellen kunnen identieke data anders interpreteren en tot tegengestelde budget-besluiten leiden. Voor de vraag "welk kanaal levert echt extra sales op" is attribution het verkeerde gereedschap. Daarvoor heb je uplift-experimenten of MMM nodig.
Concreet voorbeeld
Een klant ziet eerst een YouTube-advertentie, dan een LinkedIn-post, klikt drie weken later op een branded Google-advertentie en koopt. Last-click attribution geeft 100 procent credit aan Google. First-click geeft 100 procent aan YouTube. Linear geeft elk een derde. Welk model klopt? Geen van alle. Ze delen credit op. Of YouTube of LinkedIn echt de aankoop hebben veroorzaakt, kun je alleen via een uplift-test bepalen.
Attribution is bruikbaar als operationeel dashboard (welke campagnes krijgen verkeer, welke landingspagina's converteren), niet als investeringsmodel. We zien teams die op last-click sturen budget verschuiven naar kanalen die vraag oogsten in plaats van bouwen, kortetermijn winst, langetermijn kannibalisatie. Gebruik attribution voor debugging, uplift voor budget.