Incrementality Measurement
Incrementality Measurement im Detail
Die zentrale Frage lautet: Was verändert unsere Maßnahme? Dafür wird das beobachtete Ergebnis mit einer begründeten Schätzung ohne die Maßnahme verglichen. Dieses nicht gleichzeitig beobachtbare Gegenstück heißt kontrafaktisches Ergebnis.
**Vom Messziel zur Methode.** Kontrollierte Experimente können Personen oder Regionen vergleichen. Beobachtungsmodelle benötigen zusätzliche Annahmen. Die Entscheidung sollte bestimmen, welche Methode geeignet ist: die Freigabe eines Kanals, eine Budgeterhöhung oder eine andere Ansprache.
**Ein Ergebnis braucht eine eindeutige Basis.** Benenne Zielgruppe, Zeitraum, Ergebnisdefinition und Vergleichsbedingung. Bei einem relativen Lift muss klar sein, worauf sich der Prozentsatz bezieht. Kosten je zusätzlichem Abschluss sind nur sinnvoll, wenn Kostenbasis und geschätzte Zusatzabschlüsse zum selben Test gehören.
Bei positiven Ergebnissen bleibt die wirtschaftliche Prüfung nötig: Umsatz, Deckungsbeitrag und Gewinn sind unterschiedliche Größen. Bei unklaren Ergebnissen sind Präzision und Datenqualität zu prüfen, bevor Wirkungslosigkeit behauptet wird.
Beispiele
Hypothetisches Anwendungsbeispiel
Ein Team testet eine zusätzliche Erinnerungs-E-Mail. Es misst bezahlte Bestellungen in beiden zufällig zugeteilten Gruppen, nicht nur Klicks in der E-Mail. So passt die Zielgröße zur Frage, ob die Erinnerung zusätzliche Käufe auslöst.
Wichtige Punkte
- Vergleichssituation und Zielgröße ausdrücklich benennen.
- Zusatzwirkung schätzen statt zugerechnete Werte umbenennen.
- Effekt und Unsicherheit gemeinsam lesen.
- Wirtschaftlichen Wert getrennt beurteilen.
Anwendung im Marketing-Alltag
Halte für jede Wirkungszahl fest, welche Änderung gegenüber welcher Basis gemessen wurde und welche Entscheidung daraus folgt.
Sinnvolle Messgrößen
Zusätzliche Abschlüsse
Geschätzte Differenz zur Vergleichssituation mit Unsicherheit.
Kosten je Zusatzabschluss
Passende Testkosten geteilt durch geschätzte zusätzliche Abschlüsse; bei unsicherem Nenner vorsichtig interpretieren.
Häufige Fehler
- Vorher-nachher-Differenzen als Kausalnachweis verwenden.
- Ergebnisse unterschiedlicher Tests ohne Abgleich addieren.
Quellen und Einordnung
- Google Ads: About Conversion Lift
Kontrollierte Lift-Messung und die jeweils definierten Ergebnisgrößen.
- Google Meridian: MMM as causal inference
Annahmen und Grenzen kausaler Interpretation von Marketing-Mix-Modellen.
Häufige Fragen zu Incrementality Measurement
Nein. Saison, Preise und andere Einflüsse können ebenfalls einen Anstieg verursachen. Eine belastbare Vergleichssituation ist nötig.
Measurement ist die übergreifende Messaufgabe. Testing beschreibt die gezielte Durchführung eines Vergleichs. Auch modellbasierte Ansätze können zur Messung beitragen, mit ihren jeweiligen Annahmen.
Nicht ohne Weiteres. Tests können sich auf unterschiedliche Baselines, Zeiträume und Überschneidungen beziehen. Eine Addition kann Wirkungen doppelt zählen.
Weiterführende Links
Begriffsempfehlungen werden geladen…
Alle BegriffeArtikel zu Incrementality Measurement
Predictive Analytics im Marketing: Datengetriebene Vorhersagen für bessere Entscheidungen
Wie Machine Learning und Predictive Analytics Marketing-Entscheidungen revolutionieren – von Churn Prediction über CLV-Modelle bis hin zu Demand Forecasting.
Behavioral Data Fusion: Wie die Verschmelzung von Verhaltensdaten das Marketing revolutioniert
Behavioral Data Fusion verbindet Datenströme aus Web-Analytics, CRM, Social Media und IoT zu einem ganzheitlichen Kundenbild. Erfahre, warum isolierte Datensilos der größte blinde Fleck im Marketing sind.
Dark Social: Die unsichtbaren 80 % deiner Content-Reichweite messen und nutzen
Der Großteil deines Contents wird über private Kanäle geteilt – aber unsichtbar für Analytics. So nutzt du Dark Social strategisch.