Campaign Intelligence · Vertiefung
Inkrementalität messen, nicht Vanity-Metriken
Eine einzige Auswertungsfläche, die echten Lift vom Last-Click-Verdienst trennt: Geo- und Holdout-Tests für Kausalität, Attention jenseits der Viewability, an Experimenten kalibriertes Marketing-Mix-Modeling. Was es wirklich bedeutet, dass eine Kampagne funktioniert hat.
CAMPAIGN INTELLIGENCE · INKREMENTALITÄT
Rein · Rohsignale: Impressions, Klicks, Last-Click-Conversions
Raus · Inkrementeller ROI, den Sie verteidigen können
Kontrafaktisches Design (Geo-Holdout / PSA-Ghost-Kontrolle)
Baut das Kontrafaktische, indem eine Kontrollgruppe von der Exposition ausgenommen wird — Geo-Holdout mit gematchten Märkten oder PSA-/Ghost-Ads auf Nutzerebene — sodass eine Welt-ohne-Kampagne beobachtbar und vergleichbar ist, nicht bloß angenommen.
Attention-Layer (Viewability-Baseline + aufmerksame Sekunden)
Ergänzt eine in aufmerksamen Sekunden gemessene Attention-Ebene über der MRC-Viewability-Baseline und trennt Inventar, das die Botschaft tatsächlich wahrnehmen lässt, von Inventar, das technisch sichtbar, aber ignoriert ist.
Inkrementalitäts-Lift vs. Last-Click-Zuschreibung
Berechnet den inkrementellen Lift — die Conversions, die ohne die Kampagne nicht eingetreten wären — und stellt ihn dem aufgeblähten Last-Click-Verdienst gegenüber, der lediglich bereits laufende Nachfrage abfängt.
MMM kalibriert auf Experiment-Priors (bayesianisch)
Speist die Experimentergebnisse als Bayes'sche Priors in das Marketing-Mix-Modell, sodass das Modell vorzeitige Sättigung korrigiert und die strategische Portfolio-Allokation neu ausrichtet, einschließlich Offline und Brand.
Triangulation: Experiment + MMM + Attribution
Trianguliert Experiment, MMM und Attribution, um die blinden Flecken des jeweils anderen abzudecken: Das Experiment verankert die Kausalität, das MMM liefert die Portfolio-Sicht, und die Attribution bleibt die granulare Diagnostik für Kreation und Taktik.
Eine Lesefläche, eine Entscheidung
Verdichtet alles zu einer einzigen Auswertungsfläche, die eine gegenüber dem CFO verteidigbare Budgetentscheidung liefert und Lift, Konfidenzintervall und statistische Power berichtet statt Dashboards, die sich widersprechen.
Wenn die Zahlen steigen, das Geschäft aber nicht
Wenn das Reporting glänzt, der Umsatz aber nicht, messen Sie meist Korrelation statt Ursache. Das sind die verräterischen Symptome.
- Last-Click streicht den ganzen Verdienst ein: Kanäle am unteren Funnel-Ende wirken hocheffizient, weil sie Nachfrage abfangen, die ohnehin konvertiert hätte, und belegen damit keinerlei Mehrwert.
- Sie pausieren einen Kanal und der Umsatz bleibt stabil: das deutlichste Zeichen, dass die Ausgabe redundant war, kaschiert durch eine Vanity-Metrik, die nie inkrementelle Conversions gutschrieb.
- Hohe Viewability, geringe Erinnerung: eine technisch sichtbare Anzeige ist keine wahrgenommene Anzeige; ohne Attention-Ebene misst Viewability die Chance, gesehen zu werden, nicht das Gesehenwerden.
- Jede Plattform beansprucht dieselben Conversions: Walled Gardens berichten Metriken, die darauf ausgelegt sind, die Ausgaben in den eigenen Mauern zu maximieren, sodass die Summe der gutgeschriebenen Ergebnisse den realen Umsatz übersteigt.
- Dashboards lassen sich nicht abgleichen: Attribution, Brand-Tracking und Modelle leben in getrennten Tabellen, und niemand gleicht die Widersprüche ab, sodass Budgetentscheidungen Meinungen bleiben.
Für CMOs, Heads of Growth und multinationale Media-Verantwortliche, die die Budgetallokation gegenüber dem CFO mit kausalem Beweis verteidigen müssen, nicht mit steigenden Kurven.
Die richtige Frage: Was wäre ohnehin passiert
Inkrementalität zu messen heißt, das Kontrafaktische zu schätzen: den Unterschied zwischen der Welt mit der Kampagne und der Welt ohne sie. Alles andere ist Buchhaltung der Vergangenheit.
Attribution ≠ Kausalität
Last-Click erfasst den letzten messbaren Kontakt vor der Conversion, schätzt aber nie, was ohne die Anzeige passiert wäre. Er erfasst einen Pfad, keinen Effekt. Nützlich für die Diagnostik, nutzlos für die Entscheidung, wie viel auszugeben ist.
Inkrementalität ist netto-neuer Wert
Inkrementalität misst die Conversions, die ohne die Kampagne nicht eingetreten wären. Sie ist die einzige Metrik, die die Frage des Vorstands beantwortet: Hat jeder Euro Verkäufe erzeugt, die wir sonst nicht gehabt hätten?
Das Kontrafaktische wird gebaut, nicht angenommen
Ohne Kontrollgruppe gibt es keine Inkrementalität, nur Vermutung. Geo-Holdouts, PSA-/Ghost-Ads und randomisierte Splits existieren, um eine beobachtbare, vergleichbare Welt-ohne-Kampagne zu schaffen.
Vanity-Metriken verwechseln Volumen mit Verdienst
Impressions, Klicks und Reach sind Inputs, keine Ergebnisse. Sie messen Exposition, nicht Verhaltensänderung. Gefährlich werden sie in dem Moment, in dem sie in Bonusziele oder Skalierungsentscheidungen einfließen.
Keine einzelne Methode ist vollständig
Experimente, Modelle und Attribution haben je unterschiedliche blinde Flecken. Eine verlässliche Antwort entsteht aus Triangulation, nicht aus dem Glauben an eine einzige Quelle.
Einen Test entwerfen, der das interne Kreuzverhör übersteht
Ein schlecht entworfener Inkrementalitätstest erzeugt Zahlen, die schlechter sind als Last-Click, weil sie wissenschaftlich aussehen. Die Disziplin liegt im Design, vor den Ergebnissen.
Vor dem Test legen Sie den MDE fest: den kleinsten Lift, der eine Budgetentscheidung rechtfertigen würde. Daraus und aus der Basis-Conversion-Rate führen Sie die Power-Analyse durch und bestimmen die Stichprobengröße.
Wählen Sie das Design: Geo-Holdout mit Matched Pairs und synthetischer Kontrolle, oder PSA-/Ghost-Ads für Kausalität auf Nutzerebene. Nutzen Sie eine Vorperiode, die mindestens so lang ist wie der Test, für eine saubere Difference-in-Differences-Auswertung.
Überwachen Sie geografische Spillover, Audience-Überschneidungen und Leakage zwischen Gruppen. Eine kontaminierte Kontrolle bläht den Lift auf oder nullt ihn und macht den Test unbrauchbar, unabhängig von der scheinbaren Signifikanz.
Berichten Sie den Effekt mit Konfidenzintervall und statistischer Power, nie als einzelne Zahl. Schwellen von 90–95 % Konfidenz und 80–90 % Power trennen ein echtes Signal vom saisonalen Rauschen.
Design und Power-Analyse in Tagen; typisches Testfenster 4–8 Wochen plus äquivalente Vorperiode; Auswertung und Kalibrierung unmittelbar danach.
Welche Methode für welche Frage
Es gibt keinen einzelnen Sieger. Jede Methode beantwortet eine Frage gut und die anderen schlecht: Die Wahl hängt davon ab, was Sie entscheiden müssen und welche Granularität Sie haben.
| Methode | Beantwortet | Zu kennende Grenze |
|---|---|---|
| Last-Click / Multi-Touch | Welche Pfade die Conversion berührt haben | Schätzt das Kontrafaktische nicht, überbewertet den unteren Funnel, hängt von verfolgbarer Identität ab |
| Geo-Holdout / Lift-Test | Der kausale Markteffekt eines Kanals | Braucht genug Märkte, eine Vorperiode und Spillover-Kontrolle; antwortet langsam |
| PSA / Ghost-Ads | Kausalität auf Nutzerebene innerhalb eines Walled Garden | Teuer (Kontrollausgabe) und schlecht plattformübergreifend übertragbar |
| Marketing-Mix-Modeling | Strategische Portfolio-Allokation, inkl. Offline und Brand | Aggregiert und langsam; leidet ohne externe Kalibrierung unter Multikollinearität |
| Attention (post-Viewability) | Ob die Anzeige tatsächlich wahrgenommen wurde, nicht nur sichtbar war | Misst die Qualität der Exposition, nicht den Verkauf: muss an das Ergebnis rückgebunden werden |
Triangulation auf einer einzigen Auswertung
Der operative Output ist keine Methode, sondern ein System, in dem jede Komponente die nächste speist und eine verteidigbare Budgetentscheidung erzeugt.
Experiment als kausaler Anker
Geo-Tests und Holdouts liefern Ground Truth: den einen Fixpunkt, der nicht von Modellannahmen oder Cookies abhängt.
MMM an Experimenten kalibriert
Experimentergebnisse gehen als Bayes'sche Priors in das Marketing-Mix-Modell ein: Das Modell behandelt sie als gegeben, korrigiert vorzeitige Sättigung, und die optimale Allokation verschiebt sich entsprechend.
Attention über Viewability
Die Attention-Ebene nutzt die MRC-Viewability als Baseline und ergänzt aufmerksame Sekunden: Sie trennt Inventar, das die Botschaft arbeiten lässt, von Inventar, das sie verschwendet.
Attribution als lokale Diagnostik
Attribution bleibt nützlich für das granulare Detail von Kreation und Taktik, sobald sie am kausalen Lift verankert ist statt als absolute Wahrheit genutzt zu werden.
Eine Kampagne hat funktioniert, wenn das Geschäft sinkt, sobald man sie abschaltet. Alles andere ist Buchhaltung.
Die Fragen eines Enterprise-Käufers
Können wir Last-Click weiter nutzen?
Ja, als granulare Diagnostik, nie als Wahrheit für die Budgetentscheidung. Verankern Sie ihn an Inkrementalitätsexperimenten: ohne Kontrafaktisches überbewertet er systematisch Kanäle, die bereits bestehende Nachfrage abfangen.
Was braucht ein glaubwürdiger Inkrementalitätstest?
Das Design zählt mehr als die Dauer. Sie brauchen einen minimal erkennbaren Effekt und eine Power-Analyse vor dem Start, eine saubere Kontrollgruppe, eine Vorperiode, die mindestens so lang ist wie der Test, und eine aktive Kontaminationskontrolle. Ein typisches Fenster sind 4–8 Wochen plus Vorperiode.
Sind Attention und Viewability dasselbe?
Nein. MRC-Viewability zertifiziert die Chance, gesehen zu werden (50 % der Pixel für 1 Sekunde bei Display, 2 Sekunden bei Video). Attention beginnt gemäß den IAB/MRC-Richtlinien von 2025 an dieser Baseline und misst, ob die Anzeige tatsächlich wahrgenommen wurde.
Fallnotizen
Vom Problem zum Ergebnis — anonymisiert.
Der Kanal, den man pausiert, während der Umsatz hält
Problem Ein multinationaler Händler skalierte weiter die Ausgaben für Brand Search und Prospecting Display und vertraute dem Last-Click, der sie als die effizientesten Kanäle im Mix auswies.
Methode Geo-Holdout mit Matched-Pair-Märkten und synthetischer Kontrolle, eine Vorperiode so lang wie der Test, aktive Spillover-Kontrolle über Regionen hinweg und der Lift mit seinem Konfidenzintervall gelesen.
Ergebnis Ein Teil der Ausgaben am unteren Funnel-Ende erwies sich als nicht-inkrementell — er fing Nachfrage ab, die ohnehin konvertierte — und das freigesetzte Budget wurde auf Kanäle mit nachgewiesenem kausalem Lift verlagert, ohne Umsatzverlust.
Das MMM, das die Sättigung nicht sah
Problem Ein Konsumgüterhersteller betrieb ein Marketing-Mix-Modell, das unter Multikollinearität litt und weiter Ausgaben für einen bereits gesättigten Kanal empfahl, während die Führung die Allokation gegenüber dem Vorstand nicht verteidigen konnte.
Methode Kausale Lift-Tests auf den Schlüsselkanälen, dann Kalibrierung des Modells durch Behandlung der Experimentergebnisse als Bayes'sche Priors, sodass das MMM die vorzeitige Sättigung korrigierte und die optimale Allokation neu berechnete.
Ergebnis Die Portfolio-Allokation verschob sich zu Hebeln mit realem verbleibendem Grenzertrag, und das kalibrierte Modell wurde zum Instrument, um das Budget mit kausalem Beweis zu verteidigen statt mit steigenden Kurven.
Hohe Viewability, geringe Erinnerung
Problem Eine Finanzdienstleistungsmarke kaufte Premium-Inventar mit sehr hoher zertifizierter Viewability, doch das Brand-Tracking zeigte enttäuschende Werbeerinnerung, und niemand konnte die Lücke erklären.
Methode Ergänzung einer Attention-Ebene über der MRC-Viewability-Baseline gemäß den IAB/MRC-Richtlinien, Messung aufmerksamer Sekunden und Rückbindung der Exposition an das Brand-Ergebnis statt beim Gesehenwerden-Können stehenzubleiben.
Ergebnis Technisch sichtbares, aber kaum wahrgenommenes Inventar wurde von wirklich aufmerksamen Platzierungen getrennt, und der Plan wurde auf Positionen ausgerichtet, die die Botschaft arbeiten ließen statt sie nur auszuliefern.
Tiefer eintauchen
Media-neutrale Planung→
Inkrementeller Lift wird zum Kriterium, mit dem jeder Kanal sein Budget verdient, nicht zur Altgewohnheit.
Programmatic-Governance→
Woher Viewability, Attention und die Walled Gardens kommen, die dieselben Conversions beanspruchen.
KI-Produktarchitektur→
Wie man die einzige Auswertungsfläche baut, die Experiment, MMM und Attribution in Einklang bringt.