Multi-Touch Attributie Is Kapot: Wat Ervoor in de Plaats Komt

Ongeveer tien jaar lang werd multi-touch attributie verkocht als het volwassen antwoord op marketingmeting. Stop met alle credit aan de laatste klik geven, luidde de pitch, en verdeel het eerlijk over elk touchpoint in het traject. RevOps-teams bouwden uitgebreide modellen, stemden hun W-vormen en time-decay-curves af, en produceerden rapporten die rigoureus oogden. Vraag een revenue-leider vervolgens of ze die cijfers genoeg vertrouwen om er een zevencijferig budget op te verplaatsen, en het eerlijke antwoord is nee.

Dat wantrouwen is verdiend. De methode heeft structurele scheuren die geen hoeveelheid modelafstelling kan dichten.

Drie scheuren in de methode

MTA gaat ervan uit dat je de touches kunt zien, correct kunt tellen, en credit kunt uitdelen op een manier die weerspiegelt wie wat veroorzaakte. Alle drie aannames zijn zwakker dan ze lijken.

Begin met zichtbaarheid. MTA kan alleen touches crediteren die het waarneemt. Dark social, mond-tot-mondreclame, een webinar van een concurrent dat het idee plantte, een peer-aanbeveling in een Slack-community: niets daarvan komt in je CRM terecht. Dus verdeel je 100% van de credit over het fractie van het traject dat je toevallig instrumenteert, wat systematisch traceerbare digitale kanalen overcrediteert en al het andere ondercrediteert.

Dan is er correlatie verkleed als causaliteit. Een gewogen model zegt dat een touchpoint dat verschijnt in winnende trajecten "bijdroeg" aan de winst. Maar touchpoints die correleren met intentie krijgen credit voor het veroorzaken van wat ze slechts weerspiegelden. Iemand bezoekt de prijspagina omdat ze toch al gingen kopen, en de prijspagina krijgt een deel van de deal.

En fractionele credit is een fictie. 22,5% van een deal toewijzen aan een webinar is een wiskundig gemak, geen echte hoeveelheid. Niemand kan het valideren, wat de reden is dat finance de hele exercitie stilletjes afwaardeert. We gaan in op die dynamiek in waarom je CFO je attributie wantrouwt.

Geen van deze zijn edge cases. In een B2B-beweging met koopcomités, lange cycli en zware offline invloed zijn ze de normale situatie.

B2B maakt alles erger

Consumentenattributie is moeilijk. B2B-attributie is een orde van grootte moeilijker. Eén deal betrekt zes tot tien stakeholders, elk met hun eigen traject, die maanden lang interacteren. De MTA-modellen die de meeste teams draaien zijn geërfd van performance marketing, waar één cookie ruwweg gelijk staat aan één koper. In B2B is de persoon die op je advertenties klikt vaak niet de persoon die het contract tekent. Invloed gebeurt in meetings, inkoopreviews en de interne belangenbehartiging van een champion, niets daarvan is een "touch" die je platform kan loggen. En cycli overspannen routinematig kwartalen, dus touches vervallen uit het attributievenster voordat de deal sluit.

Die realiteit forceren in een lineaire of W-vormige splitsing produceert cijfers die precies, zelfverzekerd en verkeerd zijn. De precisie is het gevaarlijke deel. Het geeft stakeholders valse zekerheid over kanalen die mogelijk meeliften op vraag die je nooit hebt gemeten.

Wat ervoor in de plaats komt

Wat MTA vervangt is een andere vraag. In plaats van "hoeveel credit verdient elk touchpoint," vraag je twee dingen: welke activiteiten veroorzaken daadwerkelijk incrementele omzet, en welke accounts tonen op dit moment echte koopintentie?

Incrementality testing beantwoordt de eerste. In plaats van aan te nemen dat een kanaal werkt omdat het verschijnt in winnende trajecten, draai je holdouts en geo-tests en meet je wat er gebeurt wanneer uitgaven omhoog of omlaag gaan. Het is grover dan een per-touch-rapport en veel eerlijker. Je leert wat uitkomsten beweegt in plaats van wat toevallig samenvalt daarmee.

Revenue signals beantwoorden de tweede. In plaats van retrospectief credit te verdelen, scoor je voortdurend accounts op hun waarschijnlijkheid om te kopen, uit te breiden of te churnen, op basis van gedrag over elk systeem dat je hebt. Dat verplaatst de organisatie van ruziën over de credit-toewijzing van vorig kwartaal naar handelen naar de kansen van deze week. De onderliggende logica staat uitgewerkt in de pijler over verspreide data omzetten in next best actions.

Samen geven die twee je wat MTA beloofde en nooit leverde: een verdedigbaar beeld van wat werkt, en een vooruitkijkend beeld van waar te handelen.

Hoe je er komt zonder rip-and-replace

Je hoeft attributie niet in één keer eruit te trekken, en je zou het ook niet moeten doen.

Ten eerste, degradeer MTA tot een richtinggevend hulpmiddel. Houd het aan voor patroonherkenning, maar stop met budgetbeslissingen nemen op basis van de exacte percentages. Zeg hardop, in de meeting, dat de cijfers richtinggevend zijn en niet causaal. Het is verrassend hoeveel die ene zin het gesprek verandert.

Ten tweede, instrumenteer incrementaliteit op je grootste weddenschappen. Begin met je twee of drie grootste uitgavekanalen. Een schone holdout op één kanaal leert je meer dan een perfect model over allemaal.

Ten derde, bouw een uniforme accountview. Incrementaliteit en signalen zijn beide afhankelijk van schone, samengevoegde data over systemen heen, dezelfde single source of truth die alles stroomafwaarts toch al nodig heeft.

Ten vierde, verander het operationele ritme. Vervang de maandelijkse "wie krijgt de credit"-meeting door een wekelijkse "welke accounts signaleren en wat doen we eraan"-cadans.

Platforms gebouwd voor revenue orchestration, Revnewo daaronder, zijn ontworpen rond dit tweede model: data unificeren, signalen scoren, actie routeren. Fractionele credit achteraf uitvechten staat niet op de lijst.

Belangrijkste inzichten

• MTA breekt op drie dingen: touches die het niet kan zien, correlatie aangezien voor causaliteit, en fractionele credit die niemand kan valideren.
• Koopcomités en lange cycli maken het erger. De precisie van de rapporten is zelf het misleidende deel.
• Stel een andere vraag. Test incrementaliteit voor causale waarheid en scoor revenue signals voor wat je vervolgens moet doen.
• Beweeg doelbewust: degradeer MTA, draai holdouts op je grootste kanalen, unificeer de data, en verander de meetingcadans.

De echte taak van attributie was nooit om credit uit te delen. Het was om je te helpen beslissen wat je vervolgens moet doen. Als je het zat bent om over percentages te ruziën, herformuleert revenue orchestration het hele probleem rond wat je vervolgens moet doen.