Im Folgenden wird ein konkreter Lösungsweg für die eingangs beschriebene Problematik der Bemessung des Wertbeitrags von Affiliates vorgestellt. Das Vorgehen lässt sich in drei grundlegende Schritte unterteilen. An erster Stelle steht die technisch korrekte Datenerfassung bzw. Attribution des Leads (Käufers). Anschließend erfolgt die Berechnung eines individuellen Customer Lifetime Values (CLV) unter Berücksichtigung aller Umsätze in einem Kundenlebenszyklus sowie ein Scoring des jeweiligen Kunden, um ihn einer spezifischen Kundengruppe zuzuordnen.

Eine korrekte Zuordnung der Marketing-Kontaktpunkte und ihres monetären Anteils an der Kundengewinnung stellt die Basis für eine gerechte Umsatzbeteiligung von Affiliate-Partnern dar, wofür zunächst eine korrekte Datenerfassung der MarketingKontaktpunkte in der individuellen Customer Journey notwendig ist.

Dazu können Tracking Tools und Customer Relationship ManagementSysteme (CRM) geeignet sein. Um eine korrekte Zuordnung zu gewährleisten, ist der Aufbau und die Umsetzung eines ParameterKonzepts für Kampagnenlinks erforderlich. Damit sind auf der Landingpage des Users die Kampagnenparameter verfügbar und können der Session und dem User zugeordnet werden. In diesem Zusammenhang ist in der Praxis häufig zu beobachten, dass ein Nutzer in den Checkout-Prozess einsteigt, auf die Gutschein-Option aufmerksam wird und dann nach einem geeigneten Gutschein sucht. Mit hoher Wahrscheinlichkeit wird er auf der Webseite eines Affiliate-Partners landen und durch den Klick auf den Gutschein einen Affiliate-Cookie im Browser Storage gesetzt bekommen. Nach dem Last Non-Direct Click“-Modell werden die vorherigen Daten im Cookie somit überschrieben und der Kaufabschluss vollständig dem Affiliate-Kanal zugeordnet. Der sogenannte “Basket Freeze” verhindert dieses Szenario, indem er die Attribution vor Absprung des Nutzers einfriert. Die Funktionalität eines Basket Freeze sollte sowohl dem Geschäftsmodell als auch der Zusammenarbeit mit den Affiliates angepasst werden. So kann ein Basket Freeze bei Gutscheinen aber beispielsweise nicht bei generischen Produktbannern gelten.

Obwohl der Basket Freeze die Affiliate-Partner einschränkt, dienen diese häufig auch als Conversion-Trigger, indem sie den Kaufentschluss antreiben. Kunden, die vielleicht schon ein paar Produkte in den Warenkorb legen und unschlüssig sind, ob sie den Kauf tätigen sollen oder nicht, werden mit einem Gutscheincode bestärkt, die Bestellung abzuschließen. Auch wenn ein AffiliatePartner im ersten Schritt nicht der initiale Marketing-Kontaktpunkt in der Leadgenerierung ist, trägt er dennoch einen nicht zu unterschätzenden Anteil am Erstumsatz sowie zum langfristigen Kundenwert bei, der mit dem Lead generiert wird. Für eine leistungsgerechte Umsatzbeteiligung des individuellen AffiliatePartners ist dementsprechend die Berechnung des Customer Lifetime Values (CLV) in der Bemessung des Wertbeitrags zu berücksichtigen.

Wurde der Lead in einen Käufer konvertiert, wird der Erstumsatz dem jeweiligen Affiliate-Partner zugeschrieben. Für die Feststellung der konkreten Umsatzbeteiligung ist die Berechnung eines kumulierten Customer Lifetime Values (CLV) des Käufers über den jeweiligen Affiliate-Partner notwendig, so dass diejenigen Affiliate-Partner, die ein Kundenportfolio mit höheren CLV auf sich attribuieren, eine höhere anteilige Vergütung erhalten als andere. Für die Berechnung eines CLV gibt es mehrere Kennzahlen und Methoden. Tools wie Google Analytics ermöglichen eine standardmäßige Bestimmung eines Customer Lifetime Values, welcher jedoch zeitlichen und technischen Einschränkungen unterliegt. Zusätzlich wird der CLV anhand der kumulierten Umsätze, geteilt durch die Gesamtzahl aller akquirierten Nutzer während des Akquisitionszeitraums berechnet. Dieser bildet somit nur einen Durchschnitt und bezieht sich nicht individuell auf den einzelnen Käufer, sondern auf die Kanal-Ebene.

Für eine gerechte Attribution der Umsätze bedarf es einer Ermittlung des CLV auf Affiliate-Ebene, unter Berücksichtigung der gesamten Lebensdauer der über den Affiliate gewonnenen Kunden. Hierzu wurde folgende Berechnung angewendet:

Heuristischer Ansatz

CLV = durchschnittliche Kundenlebensdauer x durchschnittlicher Kundenumsatz x Deckungsbeitrag – durchschnittliche Kundengewinnungskosten – durchschnittliche Kundenbindungskosten

oder

CLV = ACL x CV x P – CAC – CRC

Im letzten Schritt werden die generierten Kunden im ScoringVerfahren der RFM-Analyse hinsichtlich der Kennzahlen Recency (Aktualität), Frequency (Häufigkeit) und Monetary (Umsatz) klassifiziert und anschließend in entsprechende Segmente (Cluster) unterteilt.

Die Recency gibt die Zeitspanne an, in welcher zuletzt durch den entsprechenden Nutzer Umsatz generiert wurde. Je größer der zeitliche Abstand, desto unwahrscheinlicher ist die Interaktion mit einer zukünftigen Marketingmaßnahme (z. B. Search/Display Ad). Anhand der Frequency wird die Häufigkeit ermittelt, mit der ein Kunde in einem bestimmten Betrachtungszeitraum Umsatz generiert hat. Bei einem Kunden, der häufig einkauft, ist die Wahrscheinlichkeit für eine positive Reaktion auf eine Marketingmaßnahme deutlich höher als bei einem Kunden, der eher selten kauft. Der Geldwert (Monetary) bezieht sich auf den mit dem Kunden erzielten Umsatz im Betrachtungszeitraum. Höhere Umsätze sind ein Indiz für eine bessere Reaktion auf bisherige Marketingmaßnahmen. Nutzer mit hohen Umsätzen werden grundsätzlich mit einem höheren Customer Lifetime Value (CLV) ausgewiesen. Bei steigendem CLV erhöht sich entweder der Return on Invest (ROI) durch die Marketingmaßnahme oder das zur Verfügung stehende Budget.

In diesem Kapitel werden die in Punkt 2 beschriebenen Maßnahmen für eine leistungsgerechte Vergütung des Affiliate-Partners in ein technisches Konzept überführt und der Workflow für die technische Umsetzung der einzelnen Schritte im Detail beschrieben.

Die Abbildung zeigt den beispielhaften Ablauf einer klassischen Customer Journey im Onlinehandel bis zur Conversion (Transaktion) des spezifischen Nutzers. Dabei betritt der Nutzer die Website über einen Marketing-Kanal. Der initiale Kontaktpunkt kann etwa eine Werbeanzeige in einem Sozialen Netzwerk oder Suchmaschinenwerbung sein. Beim Betreten der Seite wird im Browser des Nutzers ein Cookie vom Werbenetzwerk gesetzt, das Informationen über den initialen Referrer für den Sitzungseinstieg enthält.

Findet der Nutzer im nächsten Schritt ein passendes Produkt, kommt es oft vor, dass eine Gutschein-Option im Checkout-Prozess eine Impulsreaktion im Nutzer auslöst. Von ihr geleitet, verlässt der Nutzer nun die Seite und sucht nach einem Gutscheincode, um den Kaufpreis zu mindern. Wird der Nutzer fündig, leitet ihn das Portal des Affiliate-Partners zurück auf die Website. In diesem Moment werden die Referrer-Informationen des initialen MarketingKanals im Browser des Nutzers überschrieben, indem durch den Wiedereinstieg eine neue Sitzung erzeugt wird. Kauft der Nutzer nun das Produkt mit dem Gutscheincode des Affiliate-Partners, wird der vollständige Wertbeitrag der Conversion dem Affiliate zugeschrieben, ohne den initialen Kontaktpunkt in der Verteilung zu berücksichtigen.

Um dieses Problem zu lösen, wird der im ersten Schritt beschriebene Basket Freeze implementiert, welcher die initialen Referrer-Informationen im Check-out sichert. Erfolgt nun ein Wiedereinstieg über das Portal eines Affiliate-Partners, werden die Referrer-Informationen nicht überschrieben. Der AffiliatePartner bekommt somit nicht den vollständigen Wertbeitrag für die Conversion zugeschrieben, wird aber dennoch als ConversionTreiber im CRM erfasst.

Der auf der Website implementierte Google Tag Manager erfasst alle Interaktionen und Informationen des Nutzers während seiner Customer Journey und übermittelt diese mithilfe einer Cloud Function an Google BigQuery.

In BigQuery werden die Nutzerdaten anschließend einem Scoring und Clustering auf Grundlage eines RFM-Modells unterzogen. Für die Zusammenführung der Daten wird die user_pseudo_id (client_id) als Join-Key verwendet. In Kombination mit dem aktuellsten event_ timestamp aus dem Ecommerce-Objekt der letzten Transaktion stellt sie die Recency (Aktualität) für den Kauf eines spezifischen Nutzers dar. Um die Frequency (Häufigkeit) von Transaktionen für einen bestimmten Nutzer zu ermitteln, wird die Anzahl aller Transaktionen (total_events) im Betrachtungszeitraum aufsummiert. Der Wert Monetary (Geldwert) wird aus dem Umsatz aller durch den Nutzer erzielten Transaktionen im Betrachtungszeitraum gebildet und als Customer Lifetime Value (CLV) ausgewiesen. Letztlich werden die ermittelten Werte für R (Recency) und FM (Frequency, Monetary) aller Nutzer anhand ihrer einzelnen user_pseudo_ids in Verbindung mit dem event_timestamp dargestellt und als RFM-Modell in ein BigQuery Table überliefert.