True ROAS
True ROAS er en beregning af annonceafkast (ROAS) baseret på faktiske, afstemte indtægter, der tilskrives annoncering, i stedet for de indtægter, som en platform som Meta eller Google selv rapporterer gennem sin egen attributionsmodel. Det korrigerer for over-attribution, tværkanal-dobbeltoptælling, refusioner og andre huller, der oppuster platform-rapporteret ROAS.
Definition af True ROAS
True ROAS (reelt annonceafkast) er en korrigeret version af den standard ROAS-metric, der bruger afstemt nettoindtægt, som faktisk kan tilskrives en annoncekanal, i stedet for det indtægtsbeløb, som annonceplatformen (Meta, Google, TikTok og lignende) rapporterer om deres egen præstation. Standard ROAS beregnes som indtægt divideret med annonceudgift, men indtægtssiden i den ligning hentes normalt direkte fra annonceplatformens eget attributionssystem – et system med en direkte interesse i at tage kredit for så mange konverteringer som muligt. True ROAS starter i stedet fra en butiks faktiske ordre- og betalingsdata, fratrækker refusioner og tilbageførsler, der fandt sted efter salget, og løser tværkanal-attributionskonflikter (hvor to eller flere platforme begge kræver kredit for samme køb), før der divideres med annonceudgift. Resultatet er et tal tættere på, hvad virksomheden faktisk tjente på sin annoncering.
Hvordan True ROAS Beregnes
Standard ROAS-formlen er enkel: indtægt tilskrevet en kanal divideret med forbrug på den kanal. Kompleksiteten i true ROAS ligger i at få indtægtssiden korrekt. Processen involverer typisk: at hente faktisk ordreniveau-indtægt fra butiksplatformen frem for annonceplatformens dashboard; at matche hver ordre til dens reelle anskaffelseskilde ved hjælp af first-party-sporing frem for udelukkende at stole på annonceplatformens egen pixel; at fratrække indtægt fra ordrer, der senere blev refunderet eller tilbageført; og, hvor flere platforme kræver kredit for samme ordre (en almindelig hændelse, når en kunde klikker på en Meta-annonce, senere klikker på en Google-annonce og derefter køber), at tildele den ordres indtægt til en enkelt kilde ved hjælp af en konsistent attributionsregel i stedet for at lade begge platforme tælle den fuldt ud.
Et regneeksempel: en butik bruger $10.000 på Meta-annoncer på en måned. Metas eget annoncedashboard rapporterer $50.000 i tilskrevne køb, hvilket giver en platform-rapporteret ROAS på 5,0x. Når butikken afstemmer de $50.000 mod faktiske ordredata, opdager den, at $4.000 af disse “konverteringer” også blev krævet og talt af Google-annoncer for de samme ordrer, og $3.000 af de tilskrevne ordrer blev senere refunderet. Netto tilskrivelig indtægt for Meta bliver $43.000, hvilket giver en true ROAS på 4,3x – et markant anderledes tal end hvad platformens eget dashboard antydede, og et tal der kunne ændre en budgetallokeringsbeslutning.
Ready to Monitor Your AI Visibility?
Track how AI chatbots mention your brand across ChatGPT, Perplexity, and other platforms.
Hvorfor True ROAS er Vigtigt for E-handelsmærker
True ROAS er vigtigt, fordi budgetbeslutninger truffet på oppustede tal forværres over tid. En forhandler, der allokerer forbrug baseret på hver platforms selvrapporterede ROAS uden at afstemme for overlap og refusioner, vil systematisk overinvestere i den platform, hvis attributionsmodel er mest aggressiv med at tage kredit – ikke nødvendigvis den platform, der faktisk driver den mest marginale indtægt. Over et helt år kan dette betyde tusindvis af dollars flyttet til en kanal, der ser mere effektiv ud på papiret, end den er i virkeligheden, på bekostning af en kanal, hvis sande præstation bliver undervurderet, fordi den spiller attributionsspillet mere konservativt.
Dette betyder endnu mere for butikker med overgennemsnitlige returrater, da et salg, der tilskrives og fejres på købstidspunktet, stille og roligt kan fortrydes dage eller uger senere uden at annonceplatformens ROAS-tal nogensinde justeres nedad for at afspejle det.
Platform-Rapporteret ROAS vs. True ROAS
| Aspekt | Platform-Rapporteret ROAS | True ROAS |
|---|---|---|
| Indtægtskilde | Annonceplatformens eget attributionssystem | Butikkens faktiske afstemte ordredata |
| Tværkanal-overlap | Hver platform tæller uafhængigt, ofte dobbelttælling | Løst til en enkelt tilskreven kilde pr. ordre |
| Refusioner/tilbageførsler | Sjældent fratrukket efter det oprindelige salg | Fratrukket for at afspejle netto beholdt indtægt |
| Attributionsvindue | Fastsat generøst af platformen selv | Fastsat af forhandleren baseret på realistisk kundeadfærd |
| Bias | Oppustet til fordel for den rapporterende platform | Neutral, knyttet til faktiske forretningsresultater |
Stay Updated on AI Visibility Trends
Get the latest insights on AI mentions, brand monitoring, and optimization strategies.
True ROAS og AI-drevet Handel
Fremkomsten af AI-shoppingflader — ChatGPT Shopping, Perplexity Shopping, Google AI Overviews — tilføjer endnu et attributionsproblem: køb påvirket af en AI-assistents produktanbefaling har måske ikke et rent henvisningsspor tilbage til den annonce eller det indhold, der oprindeligt skabte opmærksomhed, hvilket gør det endnu lettere for traditionelle annonceplatforme at overkræve kredit for et salg, der faktisk blev påvirket andetsteds i kundens researchrejse. Efterhånden som flere købsveje løber gennem AI-mellemled i stedet for direkte annonceklik, risikerer forhandlere, der udelukkende stoler på platform-rapporteret ROAS, et endnu større gab mellem hvad platformene hævder, og hvad der faktisk skete.
Det er netop denne beregning, AmICiteds eshop_get_cac_roas-værktøj er bygget omkring: det beregner CAC og ROAS ud fra annonceudgifter afstemt mod faktiske tilskrevne indtægter i stedet for at stole på hver platforms selvrapporterede tal, hvilket giver forhandlere et konsistent, sammenligneligt true ROAS-tal på tværs af kanaler, inklusive nyere AI-drevne opdagelsesveje.
Bedste Praksis for Beregning af True ROAS
- Beregn altid true ROAS ud fra nettoindtægt (efter refusioner og tilbageførsler), ikke bruttoværdi på salgstidspunktet.
- Brug en enkelt, konsistent attributionsmodel på tværs af alle kanaler ved løsning af tværplatforms-overlap, i stedet for at lade hver platforms dashboard stå alene.
- Afstem annonceudgifter og indtægter i samme takt som du træffer budgetbeslutninger – ugentlig afstemning er af begrænset værdi, hvis budgettet omallokeres dagligt baseret på platform-dashboards.
- Sammenlign true ROAS med bruttomargin, ikke kun indtægt, da en kanal med en høj true ROAS på lavmarginsprodukter stadig kan være mindre profitabel end en lavere-ROAS-kanal, der sælger produkter med højere margin.
- Genbesøg attributionsvinduer jævnligt; et vindue sat for generøst vil fortsætte med at oppuste true ROAS, selv efter korrektion for platformenes overkrævning.
Almindelige True ROAS-fejl
En almindelig fejl er at beregne true ROAS én gang og behandle det som en fast multiplikator fremadrettet, når attributionsoverlap, refusionsrater og kanalmiks i virkeligheden alle ændrer sig over tid og kræver løbende genberegning frem for en engangskorrektion. Et andet hyppigt problem er at korrigere for tværkanal-overlap, men glemme at fratrække refusioner, hvilket stadig efterlader et væsentligt oppustet tal for enhver butik med en meningsfuld returrate. Nogle forhandlere anvender også true ROAS-korrektioner inkonsekvent på tværs af kanaler – afstemmer Meta omhyggeligt, mens Googles selvrapporterede tal forbliver urørt – hvilket skaber en sammenligning, der ligner æbler med æbler, men ikke er det. Endelig er en mere subtil fejl at overkorrigere: at bruge et attributionsvindue så konservativt, at det fjerner reelle, senere konverterende kunder fra en kanals kredit helt, hvilket undervurderer true ROAS i den modsatte retning og fører til underinvestering i en kanal, der faktisk præsterer godt over en længere overvejelsescyklus.