Wat is een attributiemodel?
Een klant komt zelden via één klik binnen. Iemand ziet een advertentie op Instagram, zoekt een paar dagen later op Google, klikt op een e-mail, en koopt pas een week daarna via een merkzoekopdracht. Dat zijn vier contactmomenten, ook wel touchpoints genoemd, verspreid over kanalen en dagen.
Een attributiemodel is de regel waarmee je bepaalt welk deel van de credit voor die aankoop naar welk touchpoint gaat. Krijgt alleen de laatste merkzoekopdracht de eer, of ook de Instagram-advertentie die de klant ooit binnenhaalde? Het antwoord bepaalt welk kanaal waardevol lijkt, en daarmee waar je je geld op inzet.
Daarom is de modelkeuze geen technisch detail. Reken je alle waarde toe aan de laatste klik, dan lijken kanalen die vroeg in de reis zitten waardeloos, terwijl ze het echte werk deden. Verkeerd toewijzen betekent verkeerd investeren, en dat kost je direct groei.
Single-touch modellen: last-click en first-click
De simpelste modellen geven alle credit aan één touchpoint. Ze zijn makkelijk uit te leggen, maar geven een vertekend beeld.
Last-click attributie
Alle credit gaat naar het laatste kanaal voor de aankoop. Dit is verreweg het meest gebruikte model, simpelweg omdat het de standaard is in veel tools.
Voordeel: simpel, eenduidig en makkelijk te begrijpen. Iedereen snapt welk kanaal de credit krijgt. Nadeel: het maakt alles wat eerder in de reis gebeurde onzichtbaar. De advertentie die de klant binnenhaalde krijgt niets, de merkzoekopdracht vlak voor de aankoop krijgt alles. Zo bezuinig je ongemerkt op de kanalen die je klanten juist aantrekken.
First-click attributie
Het omgekeerde: alle credit naar het eerste kanaal waarmee iemand binnenkwam.
Voordeel: je ziet welke kanalen nieuwe mensen aantrekken, handig als bekendheid je doel is. Nadeel: het overwaardeert de start van de reis en negeert alles wat de klant daarna over de streep trok. Een kanaal dat toevallig het eerste contact was, krijgt de eer voor werk dat andere kanalen deden.
Er zit nog een addertje onder het gras bij last-click: remarketing en campagnes op je merknaam staan bijna altijd aan het eind van de klantreis, en krijgen daardoor structureel te veel credit. Ze zien er in je rapportage uit als je best presterende kanalen, terwijl ze vooral mensen bereiken die je al gevonden hadden. Beloon je die kanalen op dat cijfer, dan verschuift je budget van groei naar behoud.
Multi-touch modellen: lineair, position-based en time-decay
Multi-touch modellen verdelen de waarde over meerdere touchpoints, en geven daarmee een realistischer beeld van hoe een klant echt binnenkomt.
Lineair
Elk touchpoint krijgt een gelijk deel van de credit.
Voordeel: eerlijk en eenvoudig, elk contactmoment telt mee. Nadeel: het is bot, want niet elk contact is even belangrijk. Een vluchtige bannervertoning weegt hier even zwaar als een klik die de klant echt over de streep trok.
Position-based (U-vormig)
Het meeste gewicht gaat naar het eerste en het laatste contact, meestal 40 procent elk, de resterende 20 procent wordt verdeeld over de touchpoints ertussen.
Voordeel: het erkent zowel het kanaal dat de klant aantrok als het kanaal dat de deal sloot. Nadeel: de verdeling is een vaste aanname, niet gebaseerd op wat in jouw data echt werkt. De middelste touchpoints worden mogelijk onderschat.
Time-decay
Hoe dichter een touchpoint bij de aankoop zat, hoe meer gewicht het krijgt.
Voordeel: past goed bij kortere aankoopreizen, waar het recente contact zwaarder telt. Nadeel: het onderschat structureel de kanalen bovenaan de funnel, die vaak vroeg in de reis zitten maar wel de klant binnenhaalden.
Data-driven attributie
In plaats van een vaste regel bepaalt data-driven attributie de verdeling op basis van je eigen data. Het model kijkt welke combinaties van touchpoints in de praktijk vaker tot een conversie leiden, en verdeelt de credit daarnaar. Google Analytics en Google Ads gebruiken dit inmiddels als standaard.
Voordeel: de verdeling volgt uit je werkelijke klantgedrag in plaats van een aanname, en past zich aan jouw situatie aan. Het is het meest verfijnde model binnen de klassieke attributie.
Nadeel: het vraagt genoeg data en een schone bron om betrouwbaar te zijn. Bij weinig conversies wordt het onbetrouwbaar. En omdat het per platform draait, kijkt Google’s data-driven model alleen naar Google-touchpoints, en Meta’s variant alleen naar die van Meta. Elk platform blijft binnen zijn eigen tuin, en dat is precies waarom de cijfers zelden op elkaar aansluiten.
Welk model wordt het meest gebruikt in marketing?
In de praktijk is last-click nog altijd het meest gebruikte model, simpelweg omdat het de standaard is in veel rapportages en het makkelijkst uit te leggen valt. Google verschoof zijn eigen tools de laatste jaren naar data-driven als standaard, dus dat model wint terrein, maar buiten de Google-omgeving stuurt een groot deel van de markt nog steeds op de laatste klik.
Dat is meteen het probleem. Het meest gebruikte model is niet het meest eerlijke. Last-click is populair omdat het simpel is, niet omdat het klopt. Wie op last-click blijft sturen, verschuift budget stelselmatig naar de kanalen onderaan de funnel en knijpt de kanalen af die nieuwe klanten aantrekken.
De belangrijkste verschuiving is daarom niet welk kanaal de credit krijgt, maar of je überhaupt alle touchpoints van dezelfde persoon ziet en koppelt aan de echte order. Zonder die basis reken je met elk model alsnog met halve informatie. Meer daarover lees je in wat is attributie.
De heilige graal: Marketing Mix Modelling
Alle modellen hierboven volgen individuele klanten door de funnel. Ze leunen dus op cookies, klikken en herkenbare touchpoints, precies de dingen die door privacyregels en verdwijnende cookies steeds onbetrouwbaarder worden. En ze missen alles wat je niet kunt klikken: een tv-spot, een billboard, of het bereik van een campagne dat pas weken later omzet oplevert.
Marketing Mix Modelling (MMM) pakt het compleet anders aan. In plaats van individuen te volgen, kijkt het statistisch naar het verband tussen je media-inzet en je omzet over de tijd. Het model rekent uit hoeveel elk kanaal daadwerkelijk aan je omzet bijdroeg, inclusief de effecten die geen enkel klikmodel ziet, en helemaal zonder iemand persoonlijk te volgen. Daarom noemen we het de heilige graal: het geeft het meest complete en eerlijke beeld van wat je marketing echt oplevert.
Maar het kan alleen met genoeg data
Hier zit de belangrijke voorwaarde. MMM is een statistisch model, en statistiek heeft volume nodig. Het rekent met historische data over een langere periode, waarin genoeg variatie zit in wat je per kanaal uitgaf en wat dat opleverde. Heb je te weinig omzet, te korte historie of nauwelijks variatie in je budgetten, dan kan het model het signaal niet van de ruis onderscheiden en zijn de uitkomsten onbetrouwbaar.
Daarom werkt MMM vooral bij bedrijven met serieuze budgetten en voldoende historie. Voor kleinere adverteerders is goed opgezette multi-touch attributie, gekoppeld aan de echte omzet, in de praktijk de betere start. Bij ons draait MMM dan ook bij de grootste klanten, op precies dezelfde first-party databron als de klik-attributie, zodat beide beelden elkaar aanvullen. De volledige uitleg staat in ons artikel over Marketing Mix Modelling.
Welk model past bij jou?
Er is geen model dat altijd goed is. De keuze hangt af van je aankoopreis, je datavolume en je doel.
- Korte aankoopreis, weinig kanalen: een eenvoudig multi-touch model als time-decay of position-based volstaat vaak.
- Langere reis over meerdere kanalen: kies een multi-touch model dat de hele reis meeneemt, en stuur niet op last-click.
- Genoeg data en conversies: data-driven attributie geeft de meest verfijnde verdeling binnen de klik-wereld.
- Serieus budget en voldoende historie: vul de klik-attributie aan met Marketing Mix Modelling voor het complete beeld.
- Bekendheid als doel: laat first-click of de bovenkant van de funnel zwaarder meewegen, zodat aantrekkende kanalen zichtbaar blijven.
Belangrijker dan het perfecte model is dat je alle touchpoints van dezelfde persoon ziet en koppelt aan de echte order. Zonder die basis reken je met elk model alsnog met halve informatie.
Hoe wij attributie aanpakken
Wij rekenen standaard met multi-touch en koppelen elke conversie aan je echte omzet uit je eigen CRM of webshop. In plaats van de cijfers van elk platform los te geloven, brengen we alle touchpoints van dezelfde persoon samen, ontdubbelen we de events, en verdelen we de credit over de kanalen die er werkelijk in zaten.
Hoe groot het verschil kan zijn, zie je pas als je aan echte omzet koppelt. Bij een van onze klanten claimde Meta fors meer conversies dan het werkelijk had veroorzaakt. Toen we alle touchpoints samenbrachten en aan de echte orders koppelden, bleek het ongeveer 40 procent lager te liggen. Op basis van de opgeblazen cijfers zou de klant meer budget in Meta blijven stoppen dan verstandig was.
Veelgestelde vragen
Wat is een attributiemodel?
Een attributiemodel is de regel waarmee je de waarde van een conversie verdeelt over de kanalen die eraan bijdroegen. Het bepaalt welk touchpoint de credit krijgt, en dus waar je je budget op inzet.
Welke soorten attributiemodellen zijn er?
De bekendste zijn last-click en first-click (single-touch), lineair, position-based en time-decay (multi-touch), en data-driven attributie. Daarnaast staat Marketing Mix Modelling apart, dat statistisch werkt in plaats van via individuele touchpoints.
Wat is het lineair attributiemodel?
Bij het lineair model krijgt elk touchpoint in de klantreis een gelijk deel van de credit. Het is eerlijk en simpel, maar houdt geen rekening met het feit dat sommige contactmomenten belangrijker zijn dan andere.
Welk attributiemodel wordt het meest gebruikt?
Last-click is nog altijd het meest gebruikt, omdat het de standaard is in veel tools en makkelijk uit te leggen valt. Google verschoof zijn eigen tools naar data-driven, maar populair betekent niet eerlijk: last-click onderwaardeert de kanalen die je klanten aantrekken.
Wat is het verschil tussen attributie en Marketing Mix Modelling?
Attributiemodellen volgen individuele touchpoints in de klantreis. Marketing Mix Modelling kijkt statistisch naar het verband tussen media-inzet en omzet, zonder individueel volgen, maar heeft daarvoor wel genoeg data nodig. Samen vangen ze elkaars blinde vlekken op.
Van model naar echte omzet
Het beste attributiemodel is weinig waard als de data eronder niet klopt of als je platforms zichzelf rijk rekenen. Wat je eigenlijk wilt, is zien welk kanaal echt klanten en omzet oplevert, gekoppeld aan je eigen orders. Dat is precies waarvoor we onze eigen attributietool hebben gebouwd.
Wil je weten welke kanalen bij jou echt bijdragen in plaats van welke het hardst over zichzelf roepen? Bekijk hoe Conscious Attribution je marketing- en omzetdata samenbrengt, of vraag de gratis analyse aan.