Die Komplexität der Marketingbeurteilung: wie Attribution, MMM und Experimente ihre Stärken entfalten
Management Summary
Autor*innen: Alexandra Lanz & Buster Grunau
Die Herausforderung der Marketingbeurteilung
In der heutigen datengesteuerten Welt sind die Messung und Bewertung des Marketingerfolgs entscheidend. Doch viele Marketer stehen vor der Herausforderung, zu identifizieren, was wirklich funktioniert. Offline-Kanäle ohne direkte Messmöglichkeiten, unterschiedliche Attributionsmodelle und eine Vielzahl von Analysetools können zu Verwirrung führen. Es gibt nicht “die eine Wahrheit” bei der Bewertung von Marketingerfolg. Verschiedene Methoden haben unterschiedliche Stärken, Schwächen und Anwendungsbereiche. Die Wahl des passenden Bewertungssystems hängt von der spezifischen Fragestellung und den Zielen ab.
Drei Dimensionen der Marketingbeurteilung
| Methodik | Datenbasis | Anwendung | |
|---|---|---|---|
Attribution |
Regel basiert, Machine Learning | Nutzer-Level (Cookies, Logins, IDs) |
Sehr granular Echtzeit Optimierung |
MMM |
Statische Modellierungen | Aggregierte historische Daten (Umsatz, Spend etc.) |
Kanalübergreifende Budget-Allokation Langfristige, strategische Entscheidungen |
Experimente |
Kausale Inferenz | Test- & Kontrollgruppen |
Nachweis von direktem Input Methodisch am robustesten |
Unterschiede in Methodik, Datenbasis und Anwendung
- Attribution: Dieses System nutzt regelbasierte Modelle und/oder Machine Learning, um Touchpoints auf Nutzerebene zu analysieren. Sie bietet granulare Einblicke und Echtzeit-Optimierung, ist jedoch stark von Tracking-Daten abhängig und liefert keinen direkten Kausalitätsnachweis.
- Marketing-Mix-Modelle (MMM): MMM verwendet statistische Modellierungen auf Basis aggregierter historischer Daten. Sie eignen sich gut für die kanalübergreifende Budgetallokation und langfristige strategische Entscheidungen, sind jedoch weniger granular und liefern langsamere Ergebnisse.
- Experimente: Hier wird auf kausale Inferenz durch Test- und Kontrollgruppen gesetzt. Experimente bieten den robustesten Nachweis von Kausalität, können jedoch aufwändig sein und sind nicht immer praktikabel.
Stärken und Schwächen
Jeder der drei Ansätze – Attribution, Marketing-Mix-Modelle (MMM) und Experimente – weist spezifische Stärken und Schwächen auf. Strategische Fragen z.B. zur Budgetplanung oder der Kanalevaluation als Ganzes lassen sich mit einem MMM gut beantworten. Detaillierte Analysen zu z.B. Creatives lassen sich mit der Attribution eines jeden Werbetools beantworten. Was jedoch nicht passieren darf ist, dass attributierte Zahlen verschiedener Werbetools unreflektiert verglichen werden. Häufig werden dabei grundlegende Dinge missachtet: Wie wird attribuiert, mit welchem Lookback-Window? Wie ist die Messgrundlage und wie sehr sind wir von 3rd-party cookies bei der Messung abhängig? Sind Conversions dedupliziert? usw.
Die ideale Strategie besteht daher darin, Cross-Channel Analysen wie MMM, Experimente und Attributionen zu kombinieren, um ein umfassendes Bild der Marketingleistung zu erhalten und die richtigen Entscheidungen treffen zu können.
Stärken und Schwächen der Modelle, Quelle: e-dialog
Das Measurement Triangle
Keines der Bewertungssysteme ist für sich besser – die Kombination macht es. Dies ermöglicht eine kanalübergreifende, validierte Evaluation des Marketing und das Erkennen potenzieller Experimente.
The Measurement Triangle – Keine “eine Wahrheit”
Das Measurement Triangle, Quelle: e-dialog basierend auf Google
Experimente zur Kalibrierung nutzen
Um Attribution oder Marketing Mix Modeling (MMM) zu optimieren, lohnt es sich, sie durch Experimente wie Lift-Studien zu kalibrieren. Solche Tests erzeugen echte Vergleichsgruppen – mit und ohne Werbekontakt – und ermöglichen dadurch eine kausale Bewertung des Werbeeffekts. Im Gegensatz zu rein beobachtenden Modellen liefern Experimente belastbare Aussagen darüber, was Werbung tatsächlich bewirkt. Diese real gemessenen Effekte lassen sich nutzen, um Attribution oder MMM zu justieren. Das Ergebnis: valide, realitätsnahe Modelle, die Marketingentscheidungen fundierter und das Budget-Management effizienter machen.
Fazit
Die Komplexität der Marketingbeurteilung erfordert einen ganzheitlichen Ansatz. Durch die Kombination von Attribution, MMM und Experimenten können Marketer ein umfassenderes Bild ihrer Marketingleistung erhalten und fundierte Entscheidungen treffen. Es ist wichtig, die Stärken und Schwächen der Bewertungssysteme zu verstehen und sie strategisch einzusetzen, um den größtmöglichen Nutzen zu erzielen.
