Affiliate-Marketing gilt schon lange als eine bewährte Maßnahme zur Steigerung von Kaufabschlüssen im Onlinehandel. Durch die fehlende Transparenz über die Customer Journey lässt sich der tatsächliche Wertbeitrag der Affiliate-Partner kaum angemessen erfassen. Mohrstade hat ein Whitepaper veröffentlicht, das sich mit einem Lösungsansatz zur leistungsgerechten Vergütung von Affiliate-Partnern auf Basis des Customer Lifetime Values mit Hilfe von BigQuery und GTM (Google Tag Manager) befasst. Wie dieser Lösungsweg aussieht und sich technisch auch für Deinen Shop umsetzen lässt, kannst Du in diesem Blogbeitrag nachlesen oder im Whitepaper von Mohrstade.
Gegenwärtige Problematik und Herausforderungen im Affiliate-Marketing
Die korrekte Attribution und angemessene Entlohnung von Partnern ist eine langjährige Problematik im Affiliate-Marketing. Viele Unternehmen stehen vor der Herausforderung, den wahren Wert ihrer Partner zu erkennen und angemessen zu vergüten. Diese Herausforderung wird besonders deutlich, wenn es darum geht, den Einfluss jedes Partners auf den gesamten Kundenlebenszyklus (Customer Lifetime Value) zu messen und fair zu belohnen. Um diese Problematik zu beheben, zeigt Mohrstade eine Herangehensweise auf, die aus mehreren Schritten besteht.
Korrekte Attribution
Ein wichtiger Schritt in Richtung gerechter Vergütung besteht darin, die einzelnen Kontaktpunkte eines Users korrekt zuzuordnen. Dies bildet die Grundlage für eine faire Umsatzbeteiligung und erfordert zunächst die akkurate Erfassung der Daten entlang der individuellen Customer Journey. Tracking-Tools und Customer Relationship Management-Systeme können hierbei hilfreich sein. Die Implementierung eines Parameter-Konzepts für Kampagnenlinks ermöglicht eine präzise Zuordnung der Daten zur Session und zum Nutzer.
In der Praxis zeigt sich, dass der sogenannte „Basket Freeze“ eine wichtige Rolle spielt, um die korrekte Zuordnung von Verkäufen sicherzustellen. Obwohl der Basket Freeze gewisse Einschränkungen mit sich bringt, erweisen sich Affiliate-Partner oft als Conversion-Auslöser. Selbst wenn sie nicht der initiierende Marketing-Kontaktpunkt sind, tragen sie dennoch maßgeblich zum Erstumsatz sowie zum langfristigen Kundenwert bei.
Customer Lifetime Value berechnen
Die Berechnung des Customer Lifetime Values (CLV) ermöglicht eine individuelle und genaue Bewertung des Wertbeitrags jedes Partners. Durch die Berücksichtigung der gesamten Kundenlebensdauer wird eine leistungsgerechte Vergütung gewährleistet. Dies fördert nicht nur die Motivation und das Engagement der, sondern steigert auch die Effizienz und Effektivität des Affiliate-Programms. Zur Berechnung des CLVs als Basis für eine gerechte Attribution zieht Mohrstade den heuristischen Ansatz heran:
CLV = durchschnittliche Kundenlebensdauer x durchschnittlicher Kundenumsatz x Deckungsbeitrag – durchschnittliche Kundengewinnungskosten – durchschnittliche Kundenbindungskosten
oder
CLV = ACL x CV x P – CAC – CRC
Scoring und Clustering des Kunden
Abbildung 1: User Scoring und Clustering nach dem RFM-Modell
Die Segmentierung und Klassifizierung der Kunden mittels RFM-Analyse trägt dazu bei, die Kundenbasis besser zu verstehen und gezielt anzusprechen. Die Kunden werden dabei anhand folgender Kennzahlen bewertet:
- Recency bzw. Aktualität (Wann hat der Kunde zuletzt gekauft?)
- Frequency bzw. Häufigkeit (Wie oft hat der Kunde im Betrachtungszeitraum gekauft?)
- und Monetary bzw. Umsatz (erzielter Umsatz durch den Kunden im Betrachtungszeitraum)
Diese Einordnung der Kunden ermöglicht es, gezielte Marketingstrategien zu entwickeln und Ressourcen effizient einzusetzen.
Technische Umsetzung
Im Folgenden werden, die in Punkt 2 beschriebenen Maßnahmen in ein technisches Konzept überführt und der Workflow für die technische Umsetzung der einzelnen Schritte detailliert beschrieben.
Abbildung 2: Customer Journey & Transaction (ohne Basket Freeze)
Diese Abbildung zeigt den klassischen Verlauf einer Customer Journey im Online-Handel bis zur erfolgreichen Transaktion. Der Nutzer gelangt über Marketing-Kanäle auf die Webseite, setzt Cookies, und während des Checkout-Prozesses kann ein Gutscheinfeld einen Kaufanreiz auslösen. Wenn der Nutzer nach einem Gutscheincode sucht und diesen findet, führt der Affiliate-Partner ihn zurück zur Webseite, und dieser wird für die Conversion belohnt.
Abbildung 3: Customer Journey & Transaction (mit Basket Freeze)
Um den Affiliate-Partnern fairere Anerkennung zu geben, wird der Basket Freeze implementiert. Dies sichert die ursprünglichen Referrer-Informationen im Checkout und verhindert, dass sie beim Wiedereinstieg über ein Affiliate-Portal überschrieben werden. Dies ermöglicht eine bessere Zuordnung von Conversions.
Abbildung 4: Tracking und Übermittlung der Nutzerdaten zu BigQuery
Der Google Tag Manager erfasst alle Nutzerinteraktionen und übermittelt sie über eine Cloud Function an Google BigQuery. Dies ermöglicht eine detaillierte Analyse der Customer Journey.
Abbildung 5: RFM-Scoring in BigQuery
Die Nutzerdaten werden in BigQuery analysiert und geclustert, basierend auf dem RFM-Modell (Recency, Frequency, Monetary). Dies ermöglicht die Bestimmung des Customer Lifetime Value (CLV) jedes Nutzers und bietet wertvolle Einblicke in ihr Verhalten.
Abbildung 6: User Clustering und Visualisierung der Daten in Looker Studio
Schließlich werden die Nutzer anhand des RFM- und k-Means-Modells in Cluster eingeteilt, die die Leistung von Affiliate-Partnern in Kategorien wie Low, Medium, High und VIP widerspiegeln. Diese Informationen werden dann in Looker Studio visualisiert und für weitere Analysen genutzt.
Die hier vorgestellten Ansätze bieten wertvolle Werkzeuge zur Verbesserung der Customer Journey im Online-Handel und zur gerechteren Anerkennung von Affiliate-Partnern.
Auswertung
In Looker Studio lassen sich die ermittelten Cluster-Gruppen und CLV einzelner Affiliates in einem Report analysieren. Dank verschiedener Dashboards erhält der Merchant einen genauen Eindruck einzelner Affiliate-Partner hinsichtlich Performance und deren langfristigen Wertbeitrag zum Gesamtumsatz.
Abbildung 7: Affiliate CLV Dashboard Overview
Das erste Dashboard liefert eine übersichtliche Tabelle aller aktiven Affiliate-Partnerschaften und ermöglicht eine Sortierung des durchschnittlichen erzielten CLV pro Affiliate in auf- und absteigender Reihenfolge. Dies verschafft einen schnellen Einblick in die leistungsstärksten Affiliate-Kooperationen.
Das zweite Dashboard vertieft die Analyse, indem es eine detaillierte Betrachtung der Kunden ermöglicht, die dem jeweiligen Affiliate zugeordnet sind. Hier werden ihre Lifetime Values und RFM-Cluster genauer untersucht.
Im dritten Dashboard werden der spezifische CLV des ausgewählten Affiliates, sowie das RFM-Clustering nochmals visuell durch ein Histogramm veranschaulicht.
Unser Fazit
Die leistungsgerechte Vergütung von Affiliate-Partnern auf Basis des Customer Lifetime Values (CLV) ist der Schlüssel zu einer gerechteren und erfolgreichen Partnerschaft und bietet eine Win-Win-Situation für beide Parteien.
Händler profitieren von einer optimierten Ressourcenallokation und können gezieltere Partnerschaften aufbauen, während Affiliates angemessen für ihre Bemühungen und ihren Einfluss belohnt werden.
Die transparente und datengestützte Bewertung schafft Vertrauen, fördert langfristige Partnerschaften und fördert das Wachstum im heutigen wettbewerbsintensiven Onlinehandelsumfeld.
Lil Ernst ist seit März 2020 Teil des Affiliate-Teams. Sie absolvierte ihr Studium der Sozialwissenschaften in Augsburg und fing kurz darauf bei der xpose360 GmbH an. Seither ist sie als Affiliate Managerin für internationale Kunden im Bereich Retail und Vertrag zuständig.