Waarom Multi-Touch Attribution onmisbaar blijft voor echte media-inzichten

In gesprek met Patrique Benes, AI Adaption Lead bij EasyToys, kijken we hoe de organisatie MTA inzet binnen een bredere meetstrategie. Daarnaast leggen we uit waarom MTA, ondanks alle veranderingen, nog altijd een belangrijke rol speelt binnen moderne marketing measurement.

Wat is Multi-Touch Attribution?

Multi-Touch Attribution (MTA) is een meetmethode die de bijdrage van meerdere contactmomenten in de klantreis toewijst aan een conversie of ander resultaat. In plaats van de volledige waarde toe te kennen aan één interactie – zoals bij een last-clickmodel – verdeelt MTA de waarde over meerdere contactmomenten. Hierdoor ontstaat niet alleen een eerlijker beeld van de bijdrage van verschillende marketingkanalen, maar ook meer inzicht in hoe klanten daadwerkelijk door de funnel bewegen.

Waarom MTA steeds lastiger wordt

De afgelopen jaren is het speelveld voor MTA flink veranderd. Dat heeft verschillende oorzaken.

• MTA is afhankelijk van het kunnen volgen van individueel gedrag over sessies, websites en apparaten heen, traditioneel via cookies en andere identifiers.
• Klantreizen worden steeds complexer en spelen zich af over meerdere kanalen en omgevingen, terwijl MTA vooral meetbaar gedrag binnen digitale omgevingen registreert.
• Met de opkomst van Agentic AI worden steeds meer onderdelen van de oriëntatie- en aankoopfase afgehandeld buiten de traditionele touchpoints, waardoor delen van de klantreis minder zichtbaar worden.

Het gevolg is dat MTA niet langer het volledige verhaal vertelt. Toch betekent dat niet dat de methode zijn waarde heeft verloren.

Waarom MTA belangrijk blijft

Waar Marketing Mix Modeling (MMM) vooral strategische inzichten biedt en incrementality testing de causale impact van marketingactiviteiten meet, levert MTA iets wat deze methodieken minder goed kunnen: directe stuurinformatie over de klantreis.

MTA blijft daarom waardevol voor:

• dagelijkse en wekelijkse optimalisaties van campagnes, creatives, doelgroepen en bidding;
• inzicht in de positie die verschillende kanalen innemen binnen de klantreis;
• het ontwikkelen van hypotheses die vervolgens met incrementality testing kunnen worden gevalideerd.

MTA is daarmee geen eindpunt, maar een belangrijk onderdeel van een bredere marketing measurement-strategie.

De rol van MTA binnen Marketing Effectiveness Measurement (MEM)

Binnen Marketing Effectiveness Measurement (MEM) vullen verschillende meetmethoden elkaar aan. Iedere methode heeft daarbij een eigen rol.

1. MTA als operationeel kompas
MTA ondersteunt dagelijkse en wekelijkse optimalisaties. Het laat zien hoe verschillende kanalen samenwerken binnen de klantreis en waar optimalisaties mogelijk zijn.

2. Incrementality testing als waarheidsanker
Incrementality testing bepaalt welke marketingactiviteiten daadwerkelijk extra resultaat opleveren. Daarmee voorkomt het dat kanalen onterecht alle eer krijgen voor conversies die ook zonder marketinginspanning zouden hebben plaatsgevonden.

3. Marketing Mix Modeling als strategisch kompas
MMM brengt langetermijneffecten in kaart en houdt rekening met factoren zoals seizoen, prijs, concurrentie en offline media. Hierdoor ondersteunt het strategische budgetkeuzes en scenarioanalyses.

Juist de combinatie van deze drie methoden levert het meest complete beeld op.

Datagedreven attributie bij EasyToys

EasyToys laat zien hoe deze combinatie er in de praktijk uitziet. De organisatie gelooft niet in één perfecte meetmethode, maar combineert verschillende modellen om tot betere beslissingen te komen.

Volledige controle over de eigen data

Volgens Patrique Benes begint goede attributie bij eigenaarschap over data.

In plaats van te vertrouwen op standaardoplossingen van leveranciers hebben we gekozen voor een eigen data-infrastructuur.

Voor het verzamelen van eventdata gebruikt EasyToys Snowplow. De ruwe data wordt vervolgens door data engineers gemodelleerd in het centrale datawarehouse, gekoppeld aan Databricks en gevisualiseerd in Power BI.

Het eigen MTA-systeem werkt deels cookie-based en deels server-side. Hoewel het samenvoegen van klantreizen over verschillende kanalen (“stitchen”) uitdagend blijft, geeft deze aanpak EasyToys volledige controle over de eigen data.

Binnen het attributiemodel kan het marketingteam eenvoudig wisselen tussen verschillende modellen, waaronder lineair, first-touch, data-driven attribution (DDA) en last-click.

Hoewel last-click momenteel als het meest stabiele model wordt ervaren, gebruikt EasyToys de andere modellen juist om verschillen tussen kanalen beter te begrijpen.

De grootste uitdaging van puur sturen op last-click blijft de waardering van upper-funnelkanalen.

MTA, MMM en incrementality vullen elkaar aan

Om de beperkingen van MTA op te vangen combineert EasyToys meerdere meetmethoden.

Voor Marketing Mix Modeling werkt de organisatie met een maatwerkmodel via 20OneC (welke als MMM data werkelijkheid wordt gezien voor de toekomst) en onderzoekt zij de mogelijkheden van Google Meridian. Hierbij wordt bewust niet gekeken naar clicks, maar juist naar impressies, bereik en netto omzet als responsvariabele.

Daarnaast ontwikkelde EasyToys een eigen Brand Search Indicator om de invloed van marketingcampagnes op branded zoekgedrag te meten.

Ook incrementality testing speelt een belangrijke rol. In het verleden voerde EasyToys meerdere geo-experimenten uit om de incrementele waarde van marketingkanalen vast te stellen. Hoewel recente testen, zoals een Out-of-Home-campagne, geen eenduidige resultaten opleverden, blijft het uitvoeren van experimenten een belangrijk onderdeel van de meetstrategie.

Door MTA te combineren met MMM en incrementality ontstaat een veel completer beeld van de marketingprestaties dan wanneer slechts één methode wordt gebruikt.

Drie lessen van EasyToys

Volgens Patrique Benes vraagt het bouwen van een volwassen attributiestructuur tijd, kennis en realistische verwachtingen. Hij geeft drie adviezen mee.

1. Wees kritisch op leveranciers
Nieuwe tooling belooft vaak veel, maar de praktijk blijkt regelmatig complexer.

Vergelijk leveranciers zorgvuldig en kijk kritisch naar wat een oplossing daadwerkelijk oplevert. Custom implementaties vragen veel tijd en capaciteit van data engineers. Laat bij een overstap oude en nieuwe tooling bovendien tijdelijk naast elkaar draaien om de resultaten goed te kunnen kalibreren.

2. Focus op trends, niet op 100% perfectie
Perfecte data bestaat niet meer. Richt je daarom niet op honderd procent nauwkeurigheid, maar op consistente trendinformatie. Als negentig procent nauwkeurigheid voldoende is om tachtig procent van de organisatie beter te laten sturen, levert dat vaak al enorme waarde op.

3. Investeer in data literacy
Veel organisaties blijven zoeken naar één ultieme ‘single source of truth’. Volgens Benes is dat niet de juiste focus. Veel belangrijker is dat marketeers en businessteams begrijpen hoe data wordt verzameld, welke beperkingen daarbij horen en hoe inzichten op de juiste manier moeten worden geïnterpreteerd.

Investeer niet alleen in tooling, maar vooral in de kennis van je mensen. Uiteindelijk zijn goed geïnformeerde teams waardevoller dan een perfect dashboard.

Het bouwen van een eigen MMM noemt hij daarbij een uitstekende leerschool voor de toekomst.

Conclusie

Privacyontwikkelingen, AI en veranderend consumentengedrag maken attributie complexer dan ooit. Toch blijft Multi-Touch Attribution een belangrijk instrument voor marketeers die hun campagnes willen optimaliseren.

Niet als enige waarheid, maar als onderdeel van een bredere aanpak waarin MTA, Marketing Mix Modeling en incrementality testing elkaar aanvullen. EasyToys laat zien dat juist die combinatie leidt tot betere inzichten én betere beslissingen.

De toekomst van marketing measurement ligt daarom niet in één perfect model, maar in het slim combineren van verschillende meetmethoden, ondersteund door een sterk datafundament en teams die begrijpen hoe data daadwerkelijk werkt.

Hedwich de Groot

Audience and Measurement Specialist NE at Google

Liridon Bejta

Data Strategy | Teamlead Data bij Springbok Agency

Jan Hendrik Fleury

Director Dataconsulting bij Artefact en Voorzitter Commissie DDE