Die Messung von Werbemaßnahmen war noch nie sehr einfach. In der heutigen zerklüfteten Landschaft treffen die Verbraucher auf eine Vielzahl von Anzeigen auf verschiedenen Plattformen, Geräten und in unterschiedlichen Zeiträumen. Dadurch entsteht ein komplexes Geflecht von Interaktionen, das es fast unmöglich macht, die tatsächliche Wirkung jeder einzelnen Anzeige zu isolieren. Mit der Verbreitung von digitalem Tracking wurden neue Möglichkeiten zur Verhaltensanalyse geschaffen, doch selbst mit fortschrittlichen Analysemethoden bleiben entscheidende tote Winkel bestehen.

So bleiben beispielsweise Faktoren wie Preis, Produktverfügbarkeit und Offline-Konversionen oft unberücksichtigt. Die wachsende Abhängigkeit der Branche von Drittanbieterdaten wurde auch durch die Abschaffung von Cookies und zunehmende Beschränkungen innerhalb von „Walled Gardens“ wie Meta und Google gestört. Diese Herausforderungen machen es schwieriger denn je, den tatsächlichen Beitrag von Investitionen in Media zu messen.

Da Marketingverantwortliche weiterhin unter großem Druck stehen, kurzfristige Ergebnisse zu liefern, war die Nachfrage nach präzisen Messverfahren noch nie so ausgeprägt wie derzeit. Viele wenden sich an Ad-Tech-Lösungen, die KI-gesteuerte Einblicke und Leistungsoptimierung versprechen. Diese Tools liefern jedoch oft keine messbaren Geschäftsergebnisse. Eine mögliche Lösung ist die sogenannte Inkrementalitätsmethode, die Werbetreibenden dabei hilft, den tatsächlichen Wert ihrer Werbeausgaben zu ermitteln. Aber ist es wirklich eine bahnbrechende Strategie oder nur ein weiteres Modewort der Branche?

Die Vor- und Nachteile von inkrementellen Testverfahren

Obwohl die inkrementelle Messung oft als Lösungsansatz für die Herausforderungen der modernen Mediamessung präsentiert wird, ist ihre Anwendung in der Praxis mit erheblichen Schwierigkeiten verbunden. Aufgrund von realen Einschränkungen – wie Budgets, Kanalmix, kreative Variationen und Verhaltensänderungen – gibt es keine praktikable Möglichkeit, die tatsächliche inkrementelle Wirkung jedes Werbedurchlaufs ohne kontinuierliche Langzeittests für jedes Szenario zu bestimmen. Und dies ist einfach nicht praktikabel.

Trotz dieser Herausforderungen weiß jeder Marketingverantwortliche, dass die Verwendung der Last-Click-Attribution oder anderer nicht datengestützter Modelle entweder zu Doppelarbeit, zur Verzerrung zugunsten bestimmter Kanäle oder in den meisten Fällen zu beidem führt. Ohne einen solideren Measurement-Ansatz kann die Marketing-Performance schnell falsch abgebildet werden. Nur durch den Einsatz inkrementeller Messungen und die Validierung ihrer Ergebnisse können wir unsere Media-Investitionen in den Griff bekommen.

Doch selbst bei inkrementellen Tests bleibt eine gewisse Skepsis bestehen. Für Werbetreibende wird es immer schwieriger, den Ergebnissen zu vertrauen, insbesondere wenn große Plattformen ihre eigenen Messmethoden einführen. Das A/B-Testing-Tool von Meta wurde beispielsweise dafür kritisiert, dass es aufgrund der unterschiedlichen Auslieferung keine unverfälschten Ergebnisse liefern kann. Anstatt die Anzeigen gleichmäßig auf die Testgruppen zu verteilen, optimiert Meta die Auslieferung, indem es die Nutzer priorisiert, die am anfälligsten für die Botschaften einer Werbeanzeige sind. Das bedeutet, dass die gemeldeten Ergebnisse sowohl die Targeting-Effekte als auch die tatsächliche Wirkung der Anzeige widerspiegeln, wodurch der wahrgenommene Lift überbewertet wird.

Angesichts dieser Herausforderungen betrachten manche Marketingverantwortliche den Begriff Inkrementalität nur als ein weiteres Modewort der Branche – ein reizvolles Konzept, das unter realen Bedingungen nicht funktioniert. Heißt das aber, dass Inkrementalität völlig außer Acht gelassen werden sollte? Nicht ganz. Zwar ist keine Methode perfekt, aber wenn sie richtig angewendet wird, ist das inkrementelle Testen nach wie vor eines der besten verfügbaren Instrumente, um die tatsächliche Wirkung von Media-Investitionen abzuschätzen.

Warum Inkrementalität wichtiger ist denn je

Die Untersuchung der inkrementellen Effekte von Werbemaßnahmen liefert wertvolle Erkenntnisse, die über die einfache Rentabilität der Investitionen (ROI) hinausgehen. So können Marketingverantwortliche nicht nur feststellen, wie viel Umsatz ihre Werbemittel generieren, sondern auch, wo ihr nächster Marketingetat eingesetzt werden sollte, um die größtmögliche Hebelwirkung zu erzielen.

Einer der Hauptvorteile von Inkrementalitäts-Tests ist die Ermittlung von Sättigungsgrenzen – die Höhe der Investitionen, bei denen die Wirkung eines Mediakanals stagniert. Einfach ausgedrückt, erfahren Marketingspezialisten so, wann mehr Ausgaben keine zusätzlichen Conversions zur Folge haben, und können ihre Budgets effizienter umverteilen.

Inkrementalität hilft auch dabei, die wahre Effizienz der Mediaausgaben (MROI) zu messen, indem differenziert wird, welche Maßnahmen tatsächlich zu Ergebnissen führen, im Gegensatz zu denen, die aufgrund fehlerhafter Attributionsmodelle effektiv erscheinen. Ohne Inkrementalitätstests weisen viele Marketingspezialisten unwissentlich Budgets für Werbekanäle zu, die zwar in den Statistiken gut aussehen, aber nicht zum tatsächlichen geschäftlichen Wachstum beitragen.

Die Durchführung von Inkrementalitätsprüfungen ist jedoch nicht immer einfach. Kontinuierliche Tests liefern zwar die genauesten Ergebnisse, haben aber auch ihren Preis. Die Durchführung von Experimenten über mehrere Szenarien hinweg kann teuer und zeitaufwändig sein, weshalb es schwierig ist, sie in jeder Umgebung anzuwenden. Dennoch können die Erkenntnisse, die aus einigen wenigen gut durchgeführten Tests gewonnen werden, die Marketingeffizienz erheblich verbessern. Sie helfen Unternehmen, fundiertere Entscheidungen über ihre Mediastrategie zu treffen und häufige Risiken zu vermeiden, wie z. B. unnötige Ausgaben und übermäßiges Vertrauen in irreführende Attributionsmodelle.

Häufige Fallstricke bei der Attribution und der Analyse

Bei der Analyse der Media-Performance verlassen sich Marketingspezialisten zur Erfolgsmessung häufig auf Adserver und Analyseplattformen. Diese Tools sind jedoch mit erheblichen Einschränkungen konfrontiert, die zu falschen Budgetentscheidungen und Fehlinterpretationen der Marketingeffektivität führen können.

Eine häufige Herausforderung ist das Conversion-Tracking über Pixel. Plattformen wie Meta Ads und Google Ads verwenden ihre eigenen Pixel, um Conversions zu verfolgen, was jedoch häufig zu überhöhten Berechnungen führt, wenn mehrere Plattformen für denselben Verkauf berücksichtigt werden. Floodlights, mit denen Konversionen plattformübergreifend nachverfolgt werden können, verringern zwar die Duplizierung, berücksichtigen aber keine externen Einflüsse wie Saisonabhängigkeit, Aktivitäten von Mitbewerbern oder übergreifende Marktentwicklungen.

Google Analytics 4 (GA4) stellt aufgrund seines Sitzungsquellen-/ Medium-Modells, das auf der Last-Touch-Attribution beruht, ebenfalls eine Herausforderung dar. Obwohl GA4 vom Last-Touch-Ansatz zu einem datengesteuerten Attributionsmodell übergegangen ist, erfolgt die Zuteilung von Credits nach wie vor in erster Linie auf der Grundlage von Klick-Interaktionen. Infolgedessen sind die bezahlte und die organische Suche oft überrepräsentiert, während die Maßnahmen im Upper-Funnel, die sich stärker auf Impressionen und View-basiertes Engagement stützen, unterbewertet bleiben. Das Ergebnis? Die Mediabudgets werden für die bestehende Nachfrage in der jeweiligen Kategorie optimiert und nicht für Maßnahmen, die ein echtes zusätzliches Wachstum fördern.

Wenn Unternehmen ihre Werbung auf der Grundlage der Last-Touch-Attribution optimieren, geraten sie häufig in einen „Teufelskreis“, den wir als „Doom Loop“ bezeichnen könnten:

• Die Budgets werden auf die Kanäle verlagert, die scheinbar den höchsten Last-Touch-Return on Ad Spend (ROAS) haben.
• Im Laufe der Zeit nimmt die Markenbekanntheit ab, da die Investitionen in Media im Upper-Funnel-Bereich sinken.
• Die Nachfrage geht zurück, was zu einem geringeren Gesamtumsatz führt.
• Um dies zu kompensieren, werden die Marketingbudgets weiter gekürzt, wodurch sich der Kreislauf verstärkt.

Aus diesem Grund ist das Testen der Inkrementalität so wichtig. Andernfalls laufen Unternehmen Gefahr, zu viel in Kanäle zu investieren, die auf dem Papier zwar effektiv aussehen, aber tatsächlich nicht zum langfristigen Wachstum beitragen.

Aus diesem Grund ist das Testen der Inkrementalität so wichtig. Andernfalls laufen Unternehmen Gefahr, zu viel in Kanäle zu investieren, die auf dem Papier zwar effektiv aussehen, aber tatsächlich nicht zum langfristigen Wachstum beitragen.

Wie misst man die Inkrementalität? Die zwei wichtigsten Ansätze

Es gibt verschiedene Möglichkeiten, die Inkrementalität zu messen, aber zwei Methoden erweisen sich als die zuverlässigsten: Inkrementalitätstests und Marketing-Mix-Modellierung (MMM). Jede Methode dient einem bestimmten Zweck und kann je nach den spezifischen Messanforderungen eines Unternehmens eingesetzt werden.

Inkrementalitätstests: Am besten für neue Kanäle

Beim Inkrementalitäts-Testing wird eine Kontrollgruppe (die einem Marketingkanal nicht ausgesetzt ist) mit einer exponierten Gruppe (denjenigen, die die Werbung sehen) verglichen, um die tatsächliche Wirkung eines bestimmten Kanals zu ermitteln. Der Schlüssel liegt darin, Gruppen auszuwählen, die sich vor der Durchführung der Marketingmaßnahme ähnlich verhalten. So wird sichergestellt, dass jeder Performance-Unterschied im Nachhinein auf die Werbemittel und nicht auf externe Faktoren zurückzuführen ist.

Einer der besten Ansätze im Rahmen des Inkrementalitäts-Tests ist das Geo-Testing, bei dem bestimmte geografische Regionen als Test- und Kontrollgruppen verwendet werden. Geotests gelten als Goldstandard, weil sie viele der Abweichungen beseitigen, die bei der Verfolgung auf individueller Benutzerebene auftreten. Jüngste technologische Fortschritte haben das Geo-Testing schneller und effizienter gemacht, so dass Marketingspezialisten eine genauere Möglichkeit haben, den durch Media-Investitionen erzeugten Lift zu messen.

Marketing-Mix-Modellierung (MMM): Am besten geeignet für die Bewertung der bisherigen Leistung

MMM verwendet statistische Regressionsmodelle, um die Beziehung zwischen den Medienausgaben und den Geschäftsergebnissen zu schätzen. Im Gegensatz zum Inkrementalitäts-Testing, das sich auf direkte Vergleiche konzentriert, untersucht MMM historische Daten, um Trends im Zeitverlauf zu analysieren.

Eine Einschränkung der grundlegenden Regressionsmodelle besteht darin, dass Korrelation nicht immer Kausalität bedeutet. Moderne MMM-Techniken integrieren jedoch Rahmenwerke für kausale Schlussfolgerungen, die die Genauigkeit verbessern, indem sie Faktoren wie Saisonabhängigkeit, externe Einflüsse und Markttrends berücksichtigen, was die Genauigkeit erheblich verbessert.  Dies macht MMM zu einem ausgezeichneten Instrument für Unternehmen, die die vergangene Media-Performance bewerten und die künftige Budgetzuweisung optimieren möchten.

Beide Methoden – wenn sie richtig angewandt werden – helfen Vermarktern, über unzuverlässige Attributionsmodelle hinauszugehen und ein tieferes Verständnis für die tatsächliche Wirkung ihrer Werbemaßnahmen zu erlangen. Die Wahl zwischen den beiden Methoden hängt vom Unternehmensziel ab: Testen Sie neue Kanäle? Verwenden Sie Inkrementalitätstests. Optimierung der langfristigen Budgetzuweisung? Verwenden Sie MMM.

Wie Marketingspezialisten vorgehen können

Inkrementalität zu verstehen ist eine Sache – sie effektiv anzuwenden eine andere. Auch wenn kein Messansatz perfekt ist, können Marketingexperten bestimmte Schritte durchführen, um sicherzustellen, dass sie besser informierte, datengestützte Entscheidungen treffen.

1. Ziehen Sie ein Team von Analyseexperten hinzu, um einen Referenzrahmen zu erstellen: Die Messung der Inkrementalität setzt Fachwissen voraus. Die Zusammenarbeit mit Analysten kann dabei helfen, den richtigen Ansatz auf der Grundlage Ihrer Geschäftsziele, der Datenverfügbarkeit und der Budgetbeschränkungen zu definieren.
2. Nutzen Sie die Marketing-Mix-Modellierung (MMM), um die bisherige Performance zu bewerten: MMM kann Ihnen helfen zu verstehen, wie verschiedene Media-Investitionen in der Vergangenheit zu Geschäftsergebnissen beigetragen haben. Dies ermöglicht eine strategischere Budgetzuweisung für die Zukunft.
3. Experimentieren Sie mit neuen Werbekanälen und validieren Sie deren zusätzlichen Wert: Bevor Sie Investitionen in neue Kanäle skalieren, sollten Sie Inkrementalitäts-Tests durchführen, um deren tatsächliche Wirksamkeit zu ermitteln. Geotests und Kontroll-/Exposed-Experimente können klare, umsetzbare Erkenntnisse liefern.

Durch die Umsetzung dieser Schritte können Unternehmen veraltete Attributionsmodelle ablösen und sicherstellen, dass Marketinginvestitionen zu echtem, messbarem Wachstum führen – und nicht nur zu einer Verschiebung von Mitteln zwischen verschiedenen Plattformen.

Es gibt keine perfekte Methode, um die Auswirkungen jeder Marketingmaßnahme zu messen. Der Verlust von Drittanbieter-Cookies, Attributionslücken und widersprüchliche Plattformdaten machen es schwieriger denn je, die Conversions genau zu verfolgen.

Inkrementalitäts-Tests und Marketing-Mix-Modellierung (MMM) liefern jedoch bessere Erkenntnisse als veraltete Attributionsmodelle. Auch wenn sie nicht fehlerfrei sind, helfen sie Marketingexperten, fundiertere, datengestützte Entscheidungen zu treffen.

Durch die Zusammenarbeit mit Analyseexperten und die Durchführung rigoroser Tests können Unternehmen sicherstellen, dass ihre Marketinginvestitionen zu echtem, messbarem Wachstum führen – und nicht nur zu Verschiebungen in der Zuordnung.