Insights · Data
Der letzte Klick belohnt, wer ohnehin schon da war. Inkrementalität misst, wie viel Werbung wirklich hinzufügt. Ein ehrlicherer Weg, Budget zu entscheiden.
Jahrelang war die implizite Frage hinter jedem Werbebericht: Welchem Kanal ordnen wir diesen Verkauf zu? Die Last-Click-Attribution antwortet zuversichtlich, beantwortet aber eine Buchführungsfrage, keine kausale. Wer den Kunden zuletzt berührt hat, sagt nichts darüber aus, was ohne diesen Kontakt passiert wäre. Es ist der Unterschied zwischen dem Aufzeichnen eines Ereignisses und dessen Erklärung.
Viele der Klicks, die wir belohnen, kommen von Menschen, die ohnehin gekauft hätten. Eine Suche nach dem Markennamen, eine Retargeting-Anzeige für jemanden mit vollem Warenkorb, eine E-Mail an jemanden, der schon entschieden war: All das wird als generierter Umsatz gezählt, obwohl es oft nur abgefangener Umsatz ist. Das Budget bläht sich genau dort auf, wo die Konversion bereits vorgeschrieben war.
Inkrementalität dreht die Perspektive um. Sie fragt nicht, wer den Verkauf gebracht hat, sondern wie viele zusätzliche Verkäufe existieren, weil wir investiert haben. Es ist eine kontrafaktische Frage: Was wäre ohne die Anzeige passiert? Man kann sie nicht direkt beobachten, weshalb sie durch ein Messdesign konstruiert werden muss und nicht von einem Dashboard abgelesen werden kann.
Lift ist die Differenz zwischen den Ergebnissen von Personen, die der Werbung ausgesetzt waren, und den Ergebnissen einer vergleichbaren Gruppe, die es nicht war. Es ist der Netto-Mehrwert, bereinigt um das, was ohnehin passiert wäre.
Ohne einen Vergleichspunkt gibt es keine Inkrementalität, nur Korrelation. Die Kontrolle ist eine Gruppe von Personen oder Gebieten, die bewusst nicht exponiert wird und als Spiegel dessen dient, was die Kampagne ohne Eingriff erzielt hätte.
Ein Anteil an Verkäufen kommt ohnehin: treue Kunden, spontane Nachfrage, Mundpropaganda. Diese Basis mit dem Verdienst der Kampagne zu verwechseln ist der teuerste Fehler, weil man dann für Ergebnisse zahlt, die nicht von der Ausgabe abhängen.
Jeder zusätzliche Euro bringt weniger zurück als der vorherige. Die ersten Impressionen erfassen lebendige Nachfrage, die letzten jagen Menschen, die bereits überzeugt oder gleichgültig sind. Inkrementalität, die bei verschiedenen Ausgabenniveaus gemessen wird, zeigt, wo die Kurve abflacht.
Man beginnt mit einer prüfbaren Aussage: Diese Kampagne generiert Verkäufe, die ohne sie nicht existieren würden. Man wählt eine einzige Ergebnismetrik und entscheidet im Voraus, was als Beweis gilt — bevor man Daten gesehen hat.
Man teilt das Publikum oder das Gebiet in zwei vergleichbare Gruppen: eine sieht die Kampagne, eine nicht. Die Zuweisung sollte zufällig sein oder, wo das nicht möglich ist, auf Gebieten basieren, die im historischen Verhalten so ähnlich wie möglich sind.
Während des Tests vermeidet man es, Preise, Angebote und andere Kanäle für die Gruppen zu ändern, sonst misst das Ergebnis Rauschen statt Effekt. Die Disziplin, nichts anzufassen, ist mehr wert als jede statistische Verfeinerung.
Wenn der Zeitraum endet, vergleicht man die Ergebnisse der beiden Gruppen. Der Abstand — und nicht die Gesamtzahl der Exponierten — ist der Lift. Man bewertet auch, wie solide dieser Abstand ist oder ob er auf Zufall zurückzuführen ist.
Die Zahl allein reicht nicht: Sie wird zu Kosten pro inkrementeller Konversion und mit anderen Ausgabenpositionen verglichen. Erst dann entscheidet man, ob man das Budget erhöhen, kürzen oder verschieben soll.
Ein sauberer Zyklus dauert Wochen, nicht Tage: Der Unterschied braucht Zeit, um sich über die natürliche Variabilität hinaus abzuzeichnen.
Um eine Kontrolle zu haben, darf man einen Teil der potenziellen Kunden nicht ansprechen. Das ist ein realer, unmittelbarer Kostenfaktor, der gegen dauerhaftes Wissen getauscht wird. Wer diesen Tausch nicht eingehen will, misst keine Inkrementalität: Er dekoriert nur die Attribution.
Ein ernsthafter Test lässt sich nicht am nächsten Morgen ablesen. Organisationen, die gewohnt sind, täglich zu optimieren, finden es frustrierend, darauf zu warten, dass sich ein Signal stabilisiert. Aber eine Entscheidung, die auf täglichem Rauschen basiert, kostet mehr als ein paar Wochen Geduld.
Nicht alles lässt sich mit der gleichen Sauberkeit testen. Manche Kanäle eignen sich für klare Experimente, andere müssen mit indirekteren Methoden und breiteren Margen geschätzt werden. Zu erkennen, wo das Maß solide ist und wo es nur indikativ ist, gehört zur Ehrlichkeit der Methode.
Oft ist der reale Lift niedriger, als Attributionsberichte versprachen. Das sind unangenehme, aber nützliche Nachrichten: Sie zeigen, wo man für bereits gesicherte Verkäufe bezahlte. Eine Methode, die nur gute Nachrichten zurückliefert, misst nichts.
Wir beginnen mit der Frage, was ohnehin passiert wäre, und schauen erst dann auf die Zahlen. Ein Dashboard, das nicht auf einem Messdesign basiert, ist eine gut formatierte Meinung. Wir bevorzugen wenige vertretbare Metriken gegenüber vielen suggestiven.
Inkrementalität dient nicht dazu, denjenigen recht zu geben, der das Budget bereits festgelegt hat, sondern es in Frage zu stellen. Wir nutzen sie, um Ausgaben dorthin zu verlagern, wo tatsächlich Nachfrage geschaffen wird, auch wenn das Ergebnis für interne Gewohnheiten unbequem ist.
Besser ein sauberes Experiment zu einer wichtigen Entscheidung als zehn grobe Messungen zu marginalen Details. Wir konzentrieren den Aufwand dort, wo die Budgeteinsätze hoch sind und wo das Ergebnis tatsächlich eine Allokation verändern wird.
Jede Schätzung hat eine Marge, und das sagen wir. Eine verrauschte Zahl als Gewissheit zu behandeln führt zu selbstsicheren Entscheidungen auf fragilen Grundlagen. Ehrlich zu kommunizieren, was wir wissen und was nicht, macht das Maß verwendbar.
Ist Last-Click-Attribution nutzlos?
Nein, aber sie beantwortet eine andere Frage. Sie eignet sich gut, um zu verstehen, wie sich Kunden entlang des Pfades bewegen, nicht um zu entscheiden, wie viel ein Kanal hinzufügt. Sie zur Budgetallokation zu verwenden ist wie Temperatur mit einem Lineal zu messen: Das Werkzeug funktioniert, nur nicht für diese Aufgabe.
Braucht man ein riesiges Budget, um Inkrementalität zu testen?
Man braucht mehr Disziplin als Größe. Ein einfaches, aber rigoroses Design mit vergleichbaren Gruppen und im Voraus festgelegten Regeln sagt mehr aus als ein komplexer Apparat, der auf verwirrten Daten aufgebaut ist. Die Sauberkeit der Methode zählt mehr als die Skala.
Wie oft sollten Tests wiederholt werden?
Inkrementalität ist keine feste Wahrheit: Sie ändert sich mit der Saison, dem Wettbewerb, der Sättigung des Publikums. Sie sollte neu überprüft werden, wenn sich etwas Wesentliches im Markt oder in der Strategie ändert, nicht bei jedem wöchentlichen Meeting.
Was, wenn der Test sagt, dass ein Kanal nichts hinzufügt?
Das ist genau die Art von Antwort, für die ein Test gemacht wird. Es bedeutet, dass diese Ausgabe Verkäufe eingesammelt hat, die ohnehin angekommen wären. Die richtige Reaktion ist nicht, den Kanal zu verteidigen, sondern zu kürzen oder umzuverteilen und erneut zu prüfen.