ROAS ist nicht gleich Wirkung: Warum Incrementality wichtiger wird

Ein Kampagnen-ROAS von 8 klingt ausgezeichnet. Trotzdem kann es sein, dass ein großer Teil dieser Käufe auch ohne Werbung stattgefunden hätte.

Genau hier setzt Incrementality an. Statt nur zu fragen, welchem Kanal eine Conversion zugerechnet wurde, untersucht die Methode, welchen zusätzlichen Effekt Werbung tatsächlich verursacht hat.

Das Wichtigste in Kürze

• Attribution ordnet Conversions bestimmten Kontaktpunkten zu.
• Incrementality misst den kausalen Mehrwert einer Kampagne.
• Test- und Kontrollgruppen zeigen, was ohne Werbung passiert wäre.
• Plattform-ROAS und tatsächliche Zusatzwirkung können deutlich voneinander abweichen.
• Experimente, Attribution und Marketing-Mix-Modelle erfüllen unterschiedliche Aufgaben und sollten kombiniert werden.

Warum der klassische ROAS täuschen kann

Plattformen berichten, welche Umsätze nach Anzeigenkontakten oder Klicks erfasst wurden. Das beantwortet eine wichtige operative Frage: Welche Kampagne war an einer Conversion beteiligt?

Es beantwortet aber nicht automatisch diese Frage:

Wäre der Kauf ohne die Kampagne ebenfalls passiert?

Das Problem zeigt sich besonders bei:

• Brand Search,
• Retargeting,
• Bestandskund:innen,
• stark nachgefragten Produkten,
• saisonalen Aktionen,
• mehreren parallel laufenden Kanälen.

Eine Person sieht beispielsweise eine Social Ad, sucht später nach der Marke und kauft über Google. Je nach Attributionsmodell kann Google den Abschluss erhalten. Umgekehrt kann Retargeting einen Kauf zugerechnet bekommen, der ohnehin kurz bevorstand.

Attribution verteilt Anerkennung. Incrementality untersucht Ursache und Wirkung.

Wie Incrementality funktioniert

Bei einem klassischen Lift-Test werden vergleichbare Gruppen gebildet:

• Eine Testgruppe kann die Werbung sehen.
• Eine Kontrollgruppe wird von der Werbung ausgeschlossen.

Der Unterschied zwischen den Ergebnissen beider Gruppen zeigt den zusätzlichen Effekt der Kampagne – den sogenannten Lift.

Google Conversion Lift und Meta Conversion Lift arbeiten nach diesem Grundprinzip. Je nach Methode werden Nutzer:innen oder geografische Regionen aufgeteilt. Gemessen werden können beispielsweise zusätzliche Käufe, Leads, Websitebesuche oder Conversion-Werte.

Ein stark vereinfachtes Beispiel:

• Testgruppe: 1.200 Käufe
• vergleichbare Kontrollgruppe: 1.000 Käufe
• inkrementeller Effekt: 200 zusätzliche Käufe

Die Kampagne war damit an mehr als 200 Käufen beteiligt, hat aber nach dem Testmodell 200 davon tatsächlich zusätzlich verursacht.

Attribution, Experimente und MMM: Was passt wofür?

Attribution

Attribution ist schnell, granular und für die tägliche Kampagnensteuerung nützlich. Sie hilft bei Fragen zu Anzeigen, Zielgruppen und Touchpoints. Ihre Grenzen liegen bei kanalübergreifenden Wechselwirkungen und ohnehin stattfindenden Conversions.

Incrementality-Experimente

Experimente sind besonders stark bei konkreten Fragen:

• Verursacht diese Kampagne zusätzliche Verkäufe?
• Bringt Retargeting echten Mehrwert?
• Was passiert, wenn ein Kanal in bestimmten Regionen pausiert?

Sie liefern kausale Evidenz, sind aber zeitlich begrenzt und benötigen ausreichend Volumen sowie eine saubere Testanlage.

Marketing Mix Modeling

Marketing-Mix-Modelle betrachten längere Zeiträume, mehrere Kanäle und externe Faktoren wie Saison, Preise oder Markeninteresse. Googles Open-Source-Modell Meridian ist ausdrücklich auf die Schätzung kausaler Marketingeffekte ausgerichtet und kann Erkenntnisse aus Experimenten einbeziehen.

MMM ist besonders für strategische Budgetfragen interessant, benötigt aber hochwertige Daten und statistische Kompetenz.

Für wen lohnt sich Incrementality?

Nicht jedes Unternehmen braucht sofort ein komplexes Messsystem. Je höher das Budget und je mehr Kanäle parallel laufen, desto größer wird jedoch das Risiko, auf Basis überlappender Plattformberichte falsche Entscheidungen zu treffen.

Ein Einstieg lohnt sich besonders, wenn:

• Plattformen gemeinsam mehr Umsatz melden als tatsächlich erzielt wurde,
• Retargeting auffällig hohe Ergebnisse ausweist,
• Budgets zwischen Kanälen verschoben werden sollen,
• Offline- und Onlineverkäufe zusammenwirken,
• der wirtschaftliche Beitrag von Marketing intern belegt werden muss.

Kleinere Unternehmen können mit kontrollierten Kampagnenexperimenten beginnen. Wichtig ist, nicht gleichzeitig Preis, Angebot, Zielgruppe und Creative zu verändern. Sonst bleibt unklar, welcher Faktor den Unterschied verursacht hat.

Was Marketingteams jetzt tun sollten

1. Plattformzahlen mit Geschäftsdaten abgleichen: Umsatz, Marge und Neukunden nicht nur aus Werbekonten übernehmen.
2. Eine konkrete Frage formulieren: Etwa: „Erzeugt unser Retargeting zusätzliche Käufe?“
3. Passende Testmethode wählen: Nutzerbasierter Lift, Geo-Test oder Kampagnenexperiment.
4. Ausreichend lange testen: Kurzfristige Schwankungen und Saisonalität berücksichtigen.
5. Ergebnisse nicht isoliert betrachten: Ein einzelner Test gilt für einen konkreten Zeitraum und ein konkretes Setup.
6. Messmethoden verbinden: Attribution für operative Optimierung, Experimente für Kausalität und MMM für strategische Planung.