Sådan måler du influencer marketing, når du ikke kan tracke alt

Derfor kan du ikke tracke alt

De fleste brands opdager hurtigt, at trackede salg (kuponkoder, tracking-links) kun fanger en del af det, en influencer-kampagne faktisk driver. Det skyldes fem konkrete huller: in-app-browsere på Instagram og TikTok, der ofte fjerner eller forkorter UTM-parametre og referrer-data, når en bruger klikker fra opslaget; korte cookie-levetider i browsere med Intelligent Tracking Prevention (se attributionsvinduer i influencer marketing); "dark social" — følgere, der screenshotter, sender et link i en DM eller nævner produktet mundtligt i stedet for at klikke sig direkte videre; enhedsskift, hvor en bruger ser indholdet på mobilen, men handler på en bærbar computer i en anden session; og generel brand-genkendelse, der får nogen til at søge på brandnavnet direkte i stedet for at klikke på et trackable link.

Ingen af disse er fejl i din opsætning. De er strukturelle grænser for, hvad et enkelt tracking-link eller en enkelt kuponkode kan fange — uanset hvor korrekt UTM'erne er sat op.

Faldgruben: "ikke trackable" tolkes som "ingen effekt"

Den dyreste fejl er ikke manglende tracking — det er at behandle manglende tracking som et bevis på manglende effekt. Hvis en kampagne genererer 50.000 kr. i kuponkode-salg, men ingen anden måling kører, er den naturlige (og forkerte) konklusion, at kampagnens samlede værdi er 50.000 kr. Den tracked andel er et gulv, ikke et loft.

Et lagdelt målingsframework

I stedet for at lede efter én perfekt trackingløsning, arbejder vi med fire lag, der supplerer hinanden. Ingen af dem er tilstrækkelig alene — sammen giver de et realistisk billede.

Lag 1: Direkte tracking

Unikke rabatkoder og tracking-links pr. creator. Fanger den del af salget, hvor køberen klikker direkte eller indløser en kode. Billigt og præcist for det, det fanger — men det er systematisk et gulv, ikke en fuld optælling, af de grunde beskrevet ovenfor.

Lag 2: Proxy-indikatorer

Signaler, der bevæger sig sammen med kampagnen uden at være direkte tilskrivelige: brandet-søgevolumen i kampagneperioden (Google Search Console eller Google Trends), direkte trafik-stigning på sitet i de dage, en creator poster, og følgertilvækst på brandets egne kanaler. Ingen af delene beviser årsag-virkning alene, men et konsekvent mønster — søgevolumen stiger hver gang en bestemt creator poster — er et stærkt signal.

Lag 3: Periodiske incrementality-tests

Et geografisk eller tidsbaseret holdout-eksperiment: kør kampagnen i nogle områder eller perioder, og ikke i andre, og sammenlign salget. Det er den samme logik, som Metas egne Conversion Lift-tests bruger til annoncer. Det er den mest pålidelige måde at estimere den fulde effekt på — inklusive den del, direkte tracking aldrig fanger. Se attribution i influencer marketing for en fuld gennemgang af, hvordan et holdout-eksperiment sættes op.

Lag 4: Marketing Mix Modeling (MMM)

Ved højere annonce- og influencer-budgetter kan en statistisk model (regression på tidsserie-data for salg og marketingaktivitet på tværs af kanaler) estimere hver kanals bidrag uden at være afhængig af cookies eller enkeltbruger-tracking overhovedet. Ifølge Googles egen Marketing Mix Modeling-guide er hele pointen med MMM, at den kan estimere marketingeffektivitet uden cookie-baseret tracking. Det gør metoden særligt robust over for præcis de huller, lag 1 rammer — men den kræver typisk måneders historiske data og er sjældent relevant, før influencer-budgettet er substantielt.

Regneeksempel: Sådan bruger du en incrementality-test til at estimere den utrackede andel

Følgende er et illustrativt regneeksempel, ikke et faktisk Make Influence-kundecase. Forestil dig et brand, der i sidste kvartal kørte en geografisk holdout-test: influencer-kampagnen kørte i halvdelen af landet og blev sat på pause i den anden halvdel. Salget i test-regionen var 60 % højere end i kontrol-regionen i kampagneperioden — den inkrementelle løft. Direkte tracking (koder + links) fangede i samme periode salg svarende til 100.000 kr., mens den fulde inkrementelle effekt (beregnet fra holdout-testen) var 160.000 kr. Det giver en "tracking-dækningsgrad" på 100.000 ÷ 160.000 = 62,5 %.

I den næste kampagne, hvor der ikke køres en ny holdout-test, tracker brandet 150.000 kr. i direkte salg. Ved at bruge samme dækningsgrad (62,5 %) som en tommelfingerregel, estimerer de den fulde inkrementelle effekt til 150.000 ÷ 0,625 = 240.000 kr. Det er et estimat, ikke en ny målt sandhed — og det skal genvalideres med en ny holdout-test, hvis mediemixet, creator-typerne eller sæsonen ændrer sig væsentligt.

Beslutningsramme: Hvilket lag skal du prioritere?

Make Influences perspektiv: mål det, du kan — men lad være med at styre efter det alene

Vores erfaring er, at brands, der udelukkende styrer efter kode- og link-tracking, systematisk underinvesterer i influencer marketing, fordi de kun ser toppen af isbjerget. Vi anbefaler at køre mindst én incrementality-test i et nyt brands første kvartal, netop for at kalibrere, hvor stor forskellen typisk er mellem tracked og reel effekt — og derefter genbruge det tal som en anerkendt usikkerhedsmargin, ikke som en permanent sandhed.

Ofte stillede spørgsmål

Betyder det, at tracking-links og rabatkoder er spild af tid?

Nej. De er stadig det billigste og mest præcise værktøj til dag-til-dag-optimering — hvilken creator, hvilket opslag, hvilket produkt der konverterer bedst. De er bare ikke et fuldstændigt billede af den samlede effekt.

Hvor ofte bør vi køre en incrementality-test?

Kvartalsvis er et fornuftigt udgangspunkt for de fleste brands, eller når mediemix, creator-typer eller sæson ændrer sig markant nok til, at en tidligere dækningsgrad ikke længere kan antages at holde.

Er MMM relevant for et lille eller mellemstort brand?

Sjældent som første skridt. MMM kræver måneders til års historiske data på tværs af kanaler for at give pålidelige estimater — de fleste brands får mere værdi ud af lag 1-3, før det giver mening at investere i en model.

Hvad er den billigste proxy-indikator at starte med?

Brandet-søgevolumen (Google Search Console er gratis) sammenholdt med datoerne for, hvornår en creator postede. Det kræver ingen ny opsætning og giver ofte et hurtigt retningssignal.

Hvordan ved vi, om "utracket" faktisk bare er spildt budget?

Det er præcis det, en incrementality-test svarer på: hvis salget i kontrolgruppen (uden kampagnen) er lige så højt som i testgruppen, er der ingen inkrementel effekt at forklare — og det er et reelt signal om, at budgettet ikke virker, ikke bare et trackingproblem.