Attribution i en AI-æra: Hvorfor traditionelle marketingmålinger ikke længere er nok

Micky Weis

15 års erfaring i online marketing. Tidligere CMO i bla. Firtal Web A/S. Blogger om marketing og de ting jeg har oplevet på vejen. Følg med på LinkedIn for daglige opdateringer.

Kopieret

Attribution har i mange år været en af de vigtigste discipliner indenfor digital marketing og har været relativt ligetil.

En bruger klikkede på en annonce, besøgte et website og gennemførte et køb. Rejsen kunne spores, analyseres og tilskrives (eller attribueres) den kanal, der havde skabt konverteringen.

I dag ser virkeligheden imidlertid markant anderledes ud.

I dag bevæger forbrugere sig frit mellem sociale medier, søgemaskiner, anmeldelser, podcasts, nyhedsbreve og AI-værktøjer som ChatGPT og Gemini.

Mange beslutninger bliver påvirket længe før en potentiel kunde besøger dit website, og ofte uden at det efterlader spor i dine analyseværktøjer.

Resultatet er, at mange virksomheder oplever stigende udfordringer med at forstå, hvad der reelt driver deres vækst.

Udfordringen skyldes dog ikke mangel på data – snarere det modsatte.

Vi har mere data end nogensinde før, men mindre overblik over, hvilke kanaler der i virkeligheden driver det tunge læs.

I dette indlæg ser vi nærmere på attribution i en AI-æra, hvorfor traditionelle modeller bliver mindre pålidelige, og hvordan virksomheder kan arbejde mere strategisk med marketingmåling fremadrettet.

Hvad er attribution?

Attribution handler grundlæggende om at identificere, hvilke marketingaktiviteter der har bidraget til en ønsket handling.

Det kan eksempelvis være:

• Et køb i en webshop
• En tilmelding til et nyhedsbrev
• En booking af et møde
• En udfyldt kontaktformular
• Et download af materiale

Ved hjælp af attribution forsøger man at forstå kunderejsen og fordele værdien af en konvertering mellem de forskellige kontaktpunkter, kunden har haft med virksomheden.

Historisk har mange virksomheder anvendt modeller som:

First-click attribution

Her tildeles hele værdien til den første kanal, kunden interagerede med.

Fordelen er, at man kan identificere, hvilke kanaler der skaber opmærksomhed.

Ulempen er naturligvis, at resten af kunderejsen ignoreres.

Last-click attribution

Den mest udbredte model inden for digital marketing.

Her får den sidste kanal før konverteringen hele æren.

Problemet er, at modellen ofte overvurderer kanaler tæt på købsøjeblikket og undervurderer de aktiviteter, der skabte interessen i første omgang.

I en AI-æra bliver denne udfordring endnu større, fordi mange af de tidlige påvirkninger sker uden for de sporingsmuligheder, vi traditionelt har været vant til.

Multi-touch attribution

Multi-touch modeller forsøger at fordele værdien mellem flere kontaktpunkter på kunderejsen.

Disse modeller giver ofte et mere nuanceret billede, men er samtidig afhængige af, at alle kontaktpunkter kan spores korrekt.

Og det er netop her, udfordringerne begynder i en AI-drevet verden.

Fælles for alle attributionsmodellerne er, at de forsøger at skabe indsigt i, hvilke marketingindsatser der skaber resultater.

Problemet er blot, at moderne kunderejser sjældent følger en lineær proces.

Læs mere om hvordan AI har ændret kunderejsen her.

Hvordan AI udfordrer attribution

AI har introduceret en række nye udfordringer for marketingmåling.

Tidligere kunne søgeadfærd i høj grad spores gennem søgemaskiner som Google. I dag søger mange brugere information gennem AI-assistenter og chatbots.

Platforme som ChatGPT, Gemini og Copilot fungerer i stigende grad som informationskilder, rådgivere og beslutningsstøtteværktøjer.

Når en potentiel kunde spørger:

“Kan du anbefale et godt marketingbureau i Danmark?”

eller

“Hvilke SEO-værktøjer er bedst til mindre virksomheder?”

kan AI levere svar uden nødvendigvis at sende brugeren videre til et website.

Dette skaber et nyt lag i kunderejsen, som ofte er usynligt i traditionelle analyseværktøjer.

Mange virksomheder oplever derfor, at de får færre klik men stadig opnår synlighed, omtale og brandeksponering gennem AI-genererede svar.

Den påvirkning kan være reel, men den er svær at måle.

Når kunderejsen fortsætter uden for dit website

I mange år har digital marketing været bygget op omkring trafik.

Vi har målt på:

• Klik
• Sessions
• Sidevisninger
• Konverteringer

Men hvad sker der, når brugeren aldrig klikker?

Google viser i stigende grad svar direkte i søgeresultaterne gennem AI Overviews og featured snippets.

Samtidig får flere brugere deres svar gennem AI-assistenter som ChatGPT, Gemini og Copilot uden nogensinde at besøge det website, der leverede informationen.

Denne udvikling kaldes ofte zero-click search og udfordrer nogle af de KPI’er, som marketingfolk traditionelt har været afhængige af.

En virksomhed kan opleve faldende organisk trafik, samtidig med at flere mennesker bliver eksponeret for brandet, får besvaret deres spørgsmål og vælger virksomheden senere i købsprocessen.

Det betyder, at synlighed og påvirkning i stigende grad sker uden for de klassiske målesystemer, som attributionsmodeller og analyseværktøjer traditionelt har været bygget omkring.

Netop derfor er begrebet GEO (Generative Engine Optimization) opstået.

Mens SEO handler om at opnå synlighed i klassiske søgeresultater, handler GEO om at øge sandsynligheden for at blive nævnt, citeret eller anbefalet af generative AI-systemer.

Det rejser en række nye spørgsmål:

• Hvordan bliver dit brand omtalt af AI?
• Hvilke kilder bruger AI til at danne sine svar?
• Er dit indhold struktureret, så AI kan forstå og anvende det?
• Er din virksomhed synlig på de platforme og websites, som AI-systemerne henter information fra?

For virksomheder betyder det, at succes ikke længere alene kan måles på trafik og klik.

I stedet bliver indikatorer som branded søgninger, share of search, direkte trafik, omtaler og brandkendskab stadig vigtigere.

I en AI-drevet verden bliver synlighed i stigende grad værdifuld, selv når den ikke resulterer i et umiddelbart klik.

AI ændrer måden, vi bør tænke marketingmåling på

Når attribution bliver mere kompleks, betyder det ikke, at måling mister sin værdi, tværtimod.

Det betyder blot, at vi skal acceptere, at ingen model kan forklare hele virkeligheden.

I stedet bør virksomheder arbejde med flere datakilder samtidig.

Det kan eksempelvis være:

Webanalyse

Google Analytics og lignende værktøjer giver stadig værdifuld indsigt i trafik, adfærd og konverteringer.

De kan hjælpe virksomheder med at forstå, hvilke kanaler der skaber besøg, hvordan brugerne bevæger sig rundt på websitet, og hvilke handlinger der fører til konverteringer.

Men webanalyse fortæller sjældent hele historien.

I en AI-drevet kunderejse vil en stor del af påvirkningen ofte være sket, før brugeren besøger websitet.

Et direkte besøg kan eksempelvis være resultatet af flere ugers research, anbefalinger, AI-samtaler eller eksponeringer på andre platforme, som ikke kan forbindes med den endelige konvertering.

Webanalyse bør derfor ikke bruges som en facitliste, men som én af flere datakilder, der hjælper med at forstå dele af kunderejsen.

CRM-data

CRM-systemer giver værdifuld indsigt i, hvad der sker, efter et lead bliver identificeret.

Hvor webanalyse primært fokuserer på trafik, adfærd og konverteringer, forbinder CRM-data marketingaktiviteter med de faktiske salgsresultater.

Det hjælper virksomheder med at forstå, hvilke leads der bliver til kunder, hvilke kanaler der bidrager til omsætning, og hvordan marketing påvirker væksten over tid.

CRM kan ikke afsløre alle skjulte kontaktpunkter i kunderejsen, men det kan tilføre vigtig kontekst ved at vise, hvilke kampagner, kanaler og indsatser der skaber kvalificerede leads og forretningsresultater.

CRM bliver dermed et vigtigt supplement til traditionelle analyseværktøjer, da det hjælper virksomheder med at forstå marketingeffekt ud over enkelte klik og konverteringer.

Kundeindsigt

En af de mest undervurderede datakilder er ofte kunden selv.

Spørg eksempelvis:

• Hvordan hørte du om os?
• Hvad fik dig til at kontakte os?
• Hvilke kilder undersøgte du før købet?

Svarene kan ofte afsløre påvirkninger, som ingen tracking-platform kan registrere.

Brandmålinger

Brand awareness, share of search og branded søgninger bliver stadig vigtigere indikatorer for marketingeffekt.

Hvis flere mennesker søger efter dit brand over tid, kan det være et tegn på, at dine marketingaktiviteter skaber opmærksomhed – også selvom attributionsrapporterne ikke viser det direkte.

Sådan arbejder virksomheder mere effektivt med attribution i fremtiden

Fremtidens attribution handler altså ikke om at finde en ny model, der kan forklare hele kunderejsen.

Det handler i højere grad om at opbygge et mere nuanceret beslutningsgrundlag, hvor flere forskellige datakilder og perspektiver kombineres.

Virksomheder, der lykkes med marketingmåling i en AI-drevet verden, vil typisk arbejde ud fra nogle få grundlæggende principper:

Accepter at du aldrig ser hele kunderejsen

Den moderne kunderejse består af både synlige og usynlige kontaktpunkter. Nogle kan måles præcist, mens andre kun kan forstås gennem indirekte signaler.

Målet bør derfor ikke være at skabe en perfekt attributionsmodel, men at opnå en bedre forståelse af, hvilke aktiviteter der samlet set bidrager til vækst.

Kombinér flere datakilder

Ingen enkelt platform kan give et komplet billede af marketingeffekten.

Ved at kombinere webanalyse, CRM-data, kundeindsigter, brandmålinger og kvalitative input kan virksomheder skabe et mere retvisende billede af, hvad der driver efterspørgsel og konverteringer.

Fokusér på udvikling frem for enkelte konverteringer

I komplekse kunderejser kan den enkelte konvertering være misvisende.

En kanal kan se mindre værdifuld ud i en attributionsrapport, men stadig spille en vigtig rolle i at skabe kendskab, tillid og efterspørgsel over tid.

Derfor bør virksomheder i højere grad vurdere marketingindsatser ud fra deres samlede bidrag til vækst frem for deres rolle i den enkelte konvertering.

Investér i brandopbygning

Når flere beslutninger starter gennem søgninger, anbefalinger og AI-assisterede svar, bliver stærke brands endnu vigtigere.

Virksomheder, der opbygger høj troværdighed og synlighed, har større sandsynlighed for at blive husket, valgt og anbefalet – både af mennesker og AI-systemer.

Mål på forretningens samlede resultater

Marketing bør i sidste ende vurderes på dens bidrag til virksomhedens vækst.

Omsætning, profit, kundeværdi og markedsandel er ofte mere værdifulde målepunkter end spørgsmålet om, hvilken kanal der fik det sidste klik.

Fremtidens attribution handler derfor ikke om at fordele æren mellem kanaler, men om at forstå, hvordan marketing samlet set skaber værdi.

Fremtidens attribution kræver et nyt mindset

Attribution er langt fra død.

Men disciplinen er under forandring.

AI og mere komplekse kunderejser betyder, at traditionelle modeller ikke længere kan stå alene.

I stedet bevæger vi os mod en virkelighed, hvor marketingmåling handler mindre om perfekt tracking og mere om at forstå sammenhænge på tværs af flere datakilder.

For virksomheder betyder det, at attribution ikke længere bør ses som en facitliste. Det bør ses som et beslutningsværktøj.

Et værktøj, der hjælper os med at forstå markedet bedre, men som aldrig kan forklare hele historien.

De virksomheder, der formår at kombinere data, kundeindsigter, branding og AI-forståelse, vil være bedst rustet til fremtidens marketinglandskab.

For i en AI-æra handler succes ikke nødvendigvis om at kunne måle alt.

Det handler om at kunne træffe de rigtige beslutninger, selv når man ikke kan se hele billedet.