Attribution og måling: hvilke modeller kan danske virksomheder bruge?

Hvorfor attribution er blevet en dansk ledelsesdagsorden

Onlinekanaler står nu for en betydelig del af dansk erhvervslivs omsætning. En analyse fra Dansk Industri med tal fra Danmarks Statistik viser, at 33 % af virksomhedernes samlede omsætning i 2025 kom fra online salgskanaler – den højeste andel til dato og tre procentpoint mere end i 2024. De 33 % fordeler sig på 25 procentpoint via EDI og 8 procentpoint via websalg, altså webshop, app og markedspladser. 39 % af danske virksomheder sælger online, uændret fra 2024, mens salg via egen hjemmeside steg med to procentpoint og salg via online markedspladser med ét procentpoint til ni procent.

Digital modenhed breder sig fra de største virksomheder til midten af dansk erhvervsliv. Virksomheder med 250+ ansatte havde en onlineandel af omsætningen på 44 % i 2025, to procentpoint over året før, og virksomheder med 50-99 ansatte løftede deres onlineandel med 12 procentpoint på et enkelt år. Mange af de virksomheder, der nu skal vurdere kanalernes bidrag, har ikke en stor analyseafdeling i ryggen. Dansk Industris ekspert i e-commerce, Mie Bilberg, peger på, at den digitale omstilling også skal ske i den kundevendte del af forretningen, og at der i større grad er krav og forventninger om, at man kan handle med virksomhederne online – uanset om kunden er forbruger, professionel indkøber eller det offentlige.

Kunderejsen er samtidig sværere at aflæse. Ifølge konsulentvirksomheden Kynetic har forbrugeren over de seneste ti år fordoblet sine digitale touchpoints, og medtages offlinekanaler, er antallet mangedoblet: der laves mere research, og forbrugeren bevæger sig i markant flere kanaler frem mod den endelige konvertering. I en undersøgelse fra 2019 blandt mere end 1.000 virksomheder opgjorde Kynetic, at under 1 % brugte marketing attribution i deres digitale strategi. Flere touchpoints kombineret med meget lidt systematisk måling gør attribution aktuelt: uden en model står man tilbage med en række konverteringer og ingen holdbar forklaring på, hvad der skabte dem.

Dansk onlineomsætning i 2025 – nøgletal fra Dansk Industri

Udvikling i digital omstilling i dansk erhvervsliv (2024–2025)

Last-click: standarden der ofte giver et skævt billede

Uden en attributionsmodel analyseres data typisk på sidste klik. Den seneste og sidste kilde lige inden en konvertering får al kreditten. Kynetics eksempel: klikker en bruger på en Facebook-annonce og konverterer, får Facebook al æren.

Det giver en budgetbeslutning på et skævt grundlag. Ser CAC, CLV og ROI positiv ud for den kanal, der fik det sidste klik, vil man typisk skrue op for adspendet netop der. Men touchpoints forinden kan have modnet brugeren, så hun overhovedet klikkede på annoncen. De kanaler får ingen kredit, og deres bidrag forsvinder ud af regnestykket.

I dansk sammenhæng forstærkes problemet af, at onlineomsætningen ikke kun består af klik. En betydelig del kommer fra EDI, hvor sælgers ordresystem udveksler information med købers indkøbssystem, og ordren afgives automatisk, når køber indtaster bestillingen. Her er der ingen kliksekvens at kreditere. En last-click-model beskriver derfor kun en del af den omsætning, den skal forklare.

Last-click vs. multi-touch-attribution – fordele og ulemper

Multi-touch-attribution: når hele kunderejsen skal med

Med attribution modelling analyserer man hele kunderejsen med de enkelte touchpoints frem til det sidste klik. Kynetic beskriver en sekvens, hvor brugeren først klikker på en Google-annonce, herefter på en Facebook-annonce, laver en organisk Google-søgning og derefter klikker videre frem mod konverteringen. Modellen fordeler kreditten over den slags kæder i stedet for at give hele kreditten til det sidste led.

Det centrale er, at kanalerne påvirker hinanden. Kynetic fremhæver værdien af at binde kanalerne sammen og se, hvilken effekt de har på hinanden i en kunderejse, og hvordan kanaler kan bidrage til hinandens effekt. Et tidligt touchpoint kan modne kunden frem mod det klik, der senere lukker handlen, og fortjener derfor kredit, uden at det nogensinde bliver det sidste klik.

Prisen for det bredere billede er datakravene. En flerpunktsmodel forudsætter, at I kan følge det samme kundeforløb på tværs af de kanaler, der indgår – ikke bare de konverteringer, hvor en enkelt kanal stod sidst. Hvor godt det lykkes, afhænger af, hvor mange af jeres kanaler der overhovedet afsætter sporbare berøringer, og det er næste skridt at tage stilling til.

Overordnede modelvalg: fra enkelt kredituddeling til flerpunktsmodeller

Modellerne falder i to overordnede grupper. Enkeltkilde-modeller giver kreditten til ét touchpoint i rejsen – eksempelvis det sidste klik, det første klik eller den sidste kilde, der ikke er direkte trafik. Flerpunktsmodeller fordeler kreditten mellem flere touchpoints: ligeligt (lineær), med vægt på de berøringer, der ligger tættest på konverteringen (tidsvægtet), eller med vægt på både den første og den sidste berøring (positionsbaseret). Hertil kommer datadrevne modeller, hvor fordelingen ikke er fastsat på forhånd, men beregnes ud fra de faktiske konverteringsmønstre i jeres egne data.

Forskellen er, hvilket spørgsmål modellen kan besvare. Enkeltkilde-modeller svarer på, hvad der lukkede handlen, og er forholdsvis enkle at gå til, fordi de kan bygges oven på de kilder, der i forvejen registreres ved konverteringen. Flerpunkts- og datadrevne modeller svarer på, hvilke touchpoints der var med undervejs, og kræver derfor, at forløbet kan følges på tværs af kanaler.

Et praktisk rækkefølgevalg er at starte med de kanaler og konverteringer, hvor forløbet kan følges fra første berøring til ordre i egne data, og først udvide modellen, når datadækningen omfatter flere kanaler. En model, der dækker få kanaler korrekt, giver et bedre beslutningsgrundlag end en model, der på papiret dækker mange, men hviler på antagelser for en stor del af trafikken.

Sådan vælger I en attributionsmodel – trin for trin

Sådan vælger I model efter kanalmix og datamodenhed

Antal touchpoints er det første kriterium. Forbrugeren bevæger sig i mange kanaler frem mod konvertering, og jo flere led i rejsen, jo større bliver tabet ved at give al kredit til ét af dem: en model, der kun skelner mellem sidste klik, kan ikke afspejle et forløb med tre-fire berøringer.

Kanalmix er det andet kriterium, og billedet varierer kraftigt mellem brancher. I detailhandlen havde 73 % af virksomhederne onlinesalg i 2025, men online udgjorde kun 24 % af branchens omsætning, og websalg stod for blot 15 % af omsætningen. Hotel og restauration havde websalg i 65 % af virksomhederne og 24 % af deres omsætning fra web. Høj udbredelse uden en tilsvarende omsætningsandel betyder, at en stor del af kunderne afslutter et andet sted, end det sidste klik blev registreret – og i EDI-handlen findes der slet ikke et klik at kreditere. Jo større den del af omsætningen er, desto mere skal modellen kunne håndtere andet end websessioner.

Datamodenhed er det tredje kriterium. For langt de fleste handler det om at bygge grundlaget op frem for at udskifte et eksisterende setup. Tag udgangspunkt i det antal kanaler, hvor I faktisk kan følge et forløb fra første berøring til ordre, og udvid modellen i takt med, at flere kanaler bliver målbare.

Onlineomsætning i brancher – andel af omsætning via web (2025)

Undgå siloer og fejlkonklusioner i målingen

Kynetic formulerer det direkte: det giver ikke mening at arbejde med én digital kanal i en silo, uden at indsatsen hænger tæt sammen med de øvrige digital marketing-aktiviteter. Arbejdes og måles der alene på en enkelt kanal, og handler man på de data, træffer man sandsynligvis en række fejlkonklusioner og famler i blinde.

Mekanismen bag fejlkonklusionerne er samspillet. Kanaler har effekt på hinanden i en kunderejse og kan bidrage til hinandens effekt. Måler man hver kanal for sig, ser man kun de konverteringer, hvor netop den kanal stod sidst, og en kanal, der konsekvent leverer de tidlige berøringer, vil systematisk fremstå som værdiløs i rapporten – uanset hvor mange køb den var med til at modne. Risikoen er, at man reducerer det, der skaber efterspørgslen, og skruer op for det, der blot opfanger den.

Attribution modelling giver indsigt i hele kunderejsen og gør det muligt at træffe beslutninger om, hvorvidt en aktivitet reelt bidrager med værdi, selv om den ikke kan aflæses som last-click lige før konverteringen. Forudsætningen er, at kanalerne ses og vurderes i sammenhæng – det er præcis den øvelse, en siloopdelt måling ikke kan levere.

Fra model til beslutning: KPI’er og budgetjustering

Attributionens formål er at flytte budgetter. Når modellen viser, at en aktivitet bidrager med værdi, skal den holdes op mod de økonomiske nøgletal, som Kynetic fremhæver: CAC (kundeanskaffelsesomkostning), CLV (kundelivstidsværdi) og ROI. Er de positive for aktiviteten, er der grundlag for at øge adspendet; er de negative, er der grundlag for at reducere det eller flytte midlerne.

Rækkefølgen afgør, om modellen bliver et styringsværktøj eller et rapporteringsprojekt. En model, der kun viser kredituddelingen, ændrer ingenting i sig selv. En model, der er koblet til en beslutningsregel – hvor meget adspend der skal flyttes, og fra hvilken kanal til hvilken – ændrer fordelingen af budgettet i næste periode.

Hvis en kanal, der ser dyr ud på last-click, reelt modner kunder nok til at forsvare sin plads i mixet, er det en budgetbeslutning og ikke en fodnote i rapporten. Jo mere af omsætningen der skabes digitalt, desto dyrere bliver det at prioritere budgettet efter et last-click-billede, man ved er skævt.