Markov-Attribution, die Sie erklären können
KONTRIB rechnet den Removal Effect aus der Übergangsmatrix erster Ordnung über alle Journeys des Modellfensters, auch die ohne Conversion. Sie sehen die Matrix, die Kanalgewichte und wie stabil das Modell über vier Wochen ist. Bei zu wenig Daten fällt das Modell gekennzeichnet auf Position Based zurück.
Vom Journey-Pfad zur Kanalbewertung
Jede Journey wird zur Kette von Zuständen: Start, Kanäle, Conversion oder Null. Aus allen Ketten entsteht eine Übergangsmatrix. Der Removal Effect eines Kanals ist der Verlust an Conversion-Wahrscheinlichkeit, wenn der Kanal aus allen Pfaden entfernt wird, normalisiert auf 1.
- Absorptionswahrscheinlichkeit per Gauss-Elimination, kein Sampling
- Innerhalb eines Kanals Verteilung auf Touchpoints per Time Decay
- Shapley kontrafaktisch über Koalitionen als zweites Modell
Mehr zur Methodik
Die Rechenwege sind im Wissensbereich Schritt für Schritt erklärt, mit Zahlenbeispiel.
Markov-Attribution: Removal Effect an einem Beispiel
Übergangsmatrix, Absorption, Removal Effect und Normalisierung mit einem durchgerechneten Zwei-Kanal-Fall. Lesen
Shapley-Attribution: Koalitionen und kontrafaktischer Wert
Warum reine Zählwerte als Wertfunktion nicht monoton sind und wie KONTRIB es löst. Lesen
Last Click gegen datengetrieben
Was ein Modellwechsel typischerweise verschiebt und welche Budgetentscheidungen daran hängen. Lesen
Was Interessenten uns fragen
Warum nicht Google Data-Driven Attribution?
Weil sie nicht nachvollziehbar ist. GA4 zeigt keine Übergangsmatrix und keine Gewichte. KONTRIB legt beides offen und lässt jede Zahl bis zur Journey zurückverfolgen.
Wie viele Daten braucht Markov?
Mindestens 200 Conversions im Modellfenster und mindestens zwei Kanäle. Darunter rechnet KONTRIB mit Position Based weiter und kennzeichnet das im Bericht.
Werden nicht konvertierte Journeys berücksichtigt?
Ja, als Null-Zustand. Ohne sie wäre der Removal Effect verzerrt, weil Kanäle mit vielen erfolglosen Kontakten zu gut wegkämen.
Markov mit Ihren Daten sehen
In der Demo zeigen wir Übergangsmatrix und Kanalgewichte an einem Beispielmandanten.