Welcher Marketingkanal funktioniert? Warum jede Plattform denselben Verkauf beansprucht

Warum jede Plattform denselben Verkauf beansprucht

Jede Werbeplattform misst ihre eigene Leistung, mit eigener Definition einer Conversion, eigenem Attributionsmodell und eigenem Lookback-Fenster. Innerhalb dieser Regeln berichtet jede ehrlich. Das Problem ist, dass die Regeln von der Partei geschrieben wurden, die benotet wird, und eine Plattform zählt einen Verkauf, den sie berührt hat, als Verkauf, den sie verursacht hat.

Eine Kundin, hier nur zur Anschauung, bewegt sich so durch den Monat. Am Montag sieht sie eine Videoanzeige auf einer Social-Plattform. Am Mittwoch sucht sie eine Vergleichsformulierung und klickt eine bezahlte Suchanzeige. In der Woche darauf sieht sie ein Retargeting-Banner, kommt dann direkt zurück und kauft. Eine Kundin, eine Bestellung, eine Zahlung.

Die Social-Plattform meldet eine Conversion, weil ihre Anzeige innerhalb ihres View-Fensters gesehen wurde. Die Suchplattform meldet eine, weil ihr Klick in ihrem Klick-Fenster sitzt. Die Retargeting-Kampagne meldet aus demselben Grund eine. Drei Berichte, drei beanspruchte Verkäufe, eine tatsächliche Kundin, und jede Plattform kann ihre Zahl für sich genommen verteidigen.

Jede Plattform ist genau, was den eigenen Beitrag angeht, und schweigt über die Beiträge aller anderen. Die Verzerrung entsteht in dem Moment, in dem die Berichte addiert werden.

Über einen vollen Monat wird die Rechnung sichtbar. Wo sich mehrere Kanäle bei denselben Kunden überlappen, liegt die gemeldete Summe üblicherweise weit über der wahren Bestellzahl, und der gemeldete Umsatz ebenso. Ein Unternehmen, das das Budget des nächsten Quartals aus diesen Dashboards verteilt, teilt Geld nach Zahlen auf, die sich mit dem eigenen Kontoauszug nicht abgleichen lassen.

Was Attribution tatsächlich misst

Attribution ist das Verfahren, einen Verkauf dem Marketing zuzurechnen, das ihm vorausging. Sie beantwortet eine schmale Frage: Welche der Interaktionen, die diese Plattform sehen kann, lagen vor dem Kauf, und wie soll die Zurechnung zwischen ihnen aufgeteilt werden.

Das ist eine schwächere Frage, als die meisten Inhaber zu stellen glauben. Attribution beschreibt eine aufgezeichnete Abfolge. Sie belegt nicht, dass der Verkauf ohne die Anzeige ausgeblieben wäre, und eine Kundin, die schon zu kaufen beschlossen hatte und unterwegs an einer Anzeige vorbeikam, erzeugt eine attribuierte Conversion und keinen zusätzlichen Umsatz.

Die Unterscheidung trägt einen Namen, den zu lernen sich lohnt, denn sie regiert jede Entscheidung in diesem Artikel. Attribution ist Buchführung über beobachtete Kontaktpunkte. Inkrementalität ist das zusätzliche Geschäft, das ein Kanal erzeugt hat und das sonst nicht gekommen wäre. Nur das zweite rechtfertigt ein Budget.

Die Plattformen bieten durchaus randomisierte Lift-Studien an, und das sind echte Experimente mit einer Kontrollgruppe, der die Werbung vorenthalten wird. Die Grenze ist kaufmännisch. Die interessierte Partei entwirft den Test, definiert die Kontrollgruppe und meldet das Ergebnis, eine Plattform-Lift-Studie liest man also als Indiz und nicht als Beweis.

Attributionsmodelle und Lookback-Fenster

Zwei Einstellungen entscheiden fast jede gemeldete Zahl. Das Modell entscheidet, wie die Zurechnung zwischen den Interaktionen aufgeteilt wird. Das Lookback-Fenster entscheidet, wie weit die Plattform in der Zeit zurückgreift, um eine Interaktion zum Gutschreiben zu finden.

• Letzter Klick. Die volle Zurechnung geht an den letzten Klick vor dem Kauf. Die Methode ist einfach und reproduzierbar, und sie ist systematisch großzügig zu allem, was der Kasse am nächsten steht.
• Erster Klick. Die volle Zurechnung geht an die erste aufgezeichnete Interaktion. Das bevorzugt die Nachfrageerzeugung und ignoriert, was den Verkauf abgeschlossen hat.
• Linear. Die Zurechnung wird gleichmäßig auf alle aufgezeichneten Interaktionen verteilt. Der Ansatz ist ausgewogen und selten wahr, denn Interaktionen überzeugen nicht gleichmäßig.
• Zeitverlauf. Interaktionen näher am Kauf erhalten mehr Gutschrift als frühere. Das ist eine weichere Form des letzten Klicks, mit derselben Schlagseite.
• Positionsbasiert. Ein fester Anteil geht an die erste und die letzte Interaktion, der Rest verteilt sich auf die Mitte. Die Regel ist willkürlich, auch wenn sie als Kompromiss auftritt.
• Datengetrieben. Die Plattform baut aus ihren eigenen beobachteten Wegen ein statistisches Modell und vergibt anteilige Gutschriften. Die Methode ist ausgefeilter, und sie wird weiterhin innerhalb der bewerteten Plattform berechnet, auf den Daten, die diese Plattform hält.

Vier davon, First Click, Linear, Zeitverlauf und Positionsbasiert, hat Google 2023 zurückgezogen und in den eigenen Produkten Datengetrieben und Letzter Klick übrig gelassen. Die Einteilung zu kennen lohnt trotzdem, denn andere Plattformen und Drittwerkzeuge verwenden sie weiter.

Lookback-Fenster arbeiten neben dem Modell und bekommen weit weniger Aufmerksamkeit. Ein Klick-Fenster von dreißig Tagen bedeutet: Jeder Kauf innerhalb von dreißig Tagen nach einem Klick wird diesem Klick gutgeschrieben, was auch immer dazwischen geschah. Google Ads verwendet standardmäßig ein Klick-Fenster von dreißig Tagen, einstellbar zwischen einem und neunzig Tagen. Meta hat seine Achtundzwanzig-Tage-Optionen 2021 zurückgezogen und setzt heute standardmäßig ein Klick-Fenster von sieben Tagen und ein View-Fenster von einem Tag. Ein Google-Bericht und ein Meta-Bericht für denselben Monat zählen also über Spannen, die sich um mehr als drei Wochen unterscheiden, die beiden Zahlen waren nie vergleichbar.

Die Standardwerte sind das praktische Problem, denn die meisten Konten ändern sie nie. Eine Plattform wählt das Modell und das Fenster, die ihren eigenen Beitrag am besten aussehen lassen, und nichts verpflichtet sie, die zu wählen, die die Entscheidung des Kunden am treuesten beschreiben. Längere Fenster und einschließendere Modelle erzeugen größere Zahlen, und größere Zahlen lesen sich als bessere Leistung.

Die Conversions, die ohne Klick gezählt werden

View-through-Gutschrift ist die am wenigsten verstandene Einstellung im Werbereporting. Sie zählt eine Conversion, wenn eine Anzeige einer Person angezeigt wurde, die später kaufte, obwohl diese Person nie darauf geklickt hat.

Es gibt ein berechtigtes Argument dafür. Werbung, die gesehen und nicht geklickt wird, kann eine Entscheidung trotzdem beeinflussen, das ist die Prämisse der breiteren Formate in die ineffizienten Kanäle, die Ihr Budget verschwenden. Es gibt auch ein offensichtliches Problem. Eine Anzeige, die weit unten auf einer Seite stand oder in einem Feed, an dem die Person vorbeiscrollte, wurde womöglich nie angesehen, und sie wird trotzdem gezählt, wenn innerhalb des Fensters ein Kauf folgt. Meta hat sein View-Fenster von achtundzwanzig Tagen 2021 zurückgezogen und einen Ein-Tages-Standard gelassen, was die extremsten Fälle verringert, ohne den Mechanismus zu entfernen.

• Vor jedem Kanalvergleich prüfen, ob View-through-Gutschrift enthalten ist, denn eine Nur-Klick-Zahl und eine Zahl mit Views sind verschiedene Messungen.
• View-gutgeschriebene Conversions getrennt lesen von klick-gutgeschriebenen, damit die Mischung sichtbar wird.
• Retargeting-Zahlen mit besonderer Vorsicht behandeln. Retargeting zeigt Anzeigen Menschen, die schon da waren, eine hohe attribuierte Conversion-Rate beschreibt also teilweise, wer angesprochen wurde.
• Gleiches mit Gleichem vergleichen. Steht eine Plattform auf langem Fenster mit View-Gutschrift und eine andere auf kurzem Nur-Klick-Fenster, kann der Abstand in der gemeldeten Leistung vollständig ein Unterschied der Einstellungen sein.

Der kaufmännische Schaden der Zurechnung zum letzten Klick

Die größten Plattformen haben sich vom letzten Klick als Standard verabschiedet, doch die Schlagseite, die er beschreibt, ist geblieben. Datengetriebene Modelle vergeben die Zurechnung weiterhin nur unter den Interaktionen, die eine Plattform sehen kann, und sie gewichten die kaufnächsten Interaktionen weiterhin am stärksten. Die Zurechnung landet auf dem, was die Kundin kurz vor dem Kauf berührte, meist der Kanal, der einer bereits vorhandenen Absicht am nächsten stand.

Die Markensuche ist der klarste Fall. Wer beschlossen hat, bei einem Unternehmen zu kaufen, erreicht es häufig, indem er dessen Namen in eine Suchmaschine tippt. Erscheint über dem organischen Eintrag eine Anzeige und die Kundin klickt sie, wird der Verkauf der bezahlten Suche zugeschrieben. Diese Kampagne wird eine glänzende Rendite melden, denn sie sammelt Zurechnungen für Nachfrage ein, die anderswo entstand, und oft für Besuche, die das Unternehmen ohne Bezahlung erhalten hätte, ein Punkt, der direkt an die organische Sichtbarkeit aus warum der meiste Suchtraffic scheitert anschließt.

Die Zurechnung zum letzten Klick belohnt den Kanal, der dem Kauf am nächsten steht, und entzieht den Kanälen das Geld, die den Kunden vom Kauf überzeugt haben.

Die Folge verstärkt sich über Quartale. Das Budget wandert zu den Kanälen mit der stärksten gemeldeten Rendite, also zu denen, die dem Kauf am nächsten stehen und am leichtesten zu messen sind. Die Kanäle, die Nachfrage erzeugen, darunter Markenaufbau, Pressearbeit und Formate mit großer Reichweite, melden unter diesen Regeln schwach, weil ihre Wirkung früh geschieht und oft ohne Klick.

Werden diese Kanäle gestrichen, bleiben die gemeldeten Renditen eine Zeit lang stark, denn die von ihnen erzeugte Nachfrage steckt noch im System. Einige Monate später sinkt die Zahl der Menschen, die kaufbereit ankommen, und die effizienten Kanäle beginnen, schlechtere Ergebnisse zu melden, ohne dass sich eine Einstellung geändert hätte. Dann liegt die Ursache mehrere Quartale hinter dem Symptom, und genau darum wird der Aufbau, den eine starke Marke aufbauen beschreibt, so oft von einem Messsystem demontiert statt von einer Entscheidung.

Modellierte Conversions und die fehlende Aufzeichnung

Berichte zeigen zwei verschiedene Arten von Zahlen in derselben Spalte, ohne sichtbaren Unterschied. Manche Conversions wurden beobachtet. Andere wurden von einem statistischen Modell geschätzt, das ableitet, wie viele Conversions unter den Menschen, denen die Plattform nicht folgen konnte, wahrscheinlich stattgefunden haben.

Zwei gewöhnliche Verhaltensweisen entfernen einen Teil der Aufzeichnung. Das erste ist Consent. Lehnt ein Besucher das Tracking ab, verliert die Plattform die Möglichkeit, dessen späteren Kauf mit der vorausgegangenen Anzeige zu verbinden, und die Lücke wird durch Modellierung gefüllt. Das zweite ist der Gerätewechsel. Wer abends auf dem Telefon eine Anzeige sieht und am nächsten Morgen auf dem Laptop kauft, hat die Kette unterbrochen, sofern nicht eine Anmeldung oder eine ähnliche Kennung die beiden Sitzungen verbindet.

Modellierung ist auf beides eine vernünftige Antwort, und besser, als die Lücke zu ignorieren. Das Problem ist die Darstellung. Eine Schätzung, als ganze Zahl in einer Tabelle geliefert, liest sich wie ein Ereignis, das stattgefunden hat, und nichts an der Oberfläche sagt, welcher Teil der Zahl gesehen und welcher erschlossen wurde.

Jede Plattformzahl enthält also ein modelliertes Volumen, und der Anteil variiert nach Markt, Consent-Verhalten und Bauweise der Website. Die praktische Antwort ist, die Größenordnung abzugleichen und das Detail zu ignorieren. Eine Plattform, die das Doppelte der verbuchten Bestellungen meldet, verlangt eine Untersuchung. Eine Plattform, die drei weniger meldet, liegt in der normalen Schwankung.

Nichts davon macht Plattformreporting nutzlos. Plattformreporting steuert das Innere einer Kampagne. Es entscheidet nicht, ob die Kampagne sich gelohnt hat.

Die Abhilfen, die zum Start nichts kosten

Vier Gewohnheiten beheben den größten Teil des Schadens, und keine verlangt Software, ein Datenprojekt oder ein Budget. Sie können diese Woche beginnen.

1. Jeden Anfragenden fragen, wie er das Unternehmen gefunden hat, und die Antwort festhalten. Eine Freitextfrage im Anfrageformular oder eine Frage im Gespräch erzeugt eine Aufzeichnung, die keine Plattform kontrolliert. Freitext trägt weiter als eine Auswahlliste, denn eine Liste bringt Menschen dazu, die erste plausible Antwort zu wählen.
2. Die eigenen Verkaufsunterlagen als einzige Quelle der Wahrheit behandeln. Bestellsystem, Rechnungen und Buchhaltung halten die einzige Kundenzahl, die es gibt. Jeder Marketingbericht ist eine Behauptung über diese Zahl, und die Zahl selbst ist nicht verhandelbar.
3. Die beanspruchten Conversions durch die verbuchten Bestellungen teilen und das Verhältnis monatlich verfolgen. Alle Conversions, die die Plattformen für einen definierten Zeitraum beanspruchen, addieren und durch die Bestellungen im eigenen System teilen. Ein Verhältnis von 1,7 heißt: Die Dashboards beanspruchen siebzig Prozent mehr Verkäufe, als das Unternehmen gemacht hat. Ein stabiles Verhältnis heißt, die Berichte bleiben von Monat zu Monat vergleichbar, auch wenn sie aufgebläht sind; ein wanderndes Verhältnis heißt, an den Einstellungen oder am Kanalmix hat sich etwas geändert. Dieses Verhältnis als Abschlag anzuwenden, bevor zwei Plattformberichte verglichen werden, ist der Abgleich, den die Dashboards nie vornehmen.
4. Gesamtausgaben gegen Gesamtumsatz über einen gleichen Zeitraum vergleichen. Alle Marketingkosten eines definierten Zeitraums addieren, den Umsatz aus Neukunden desselben Zeitraums addieren, vergleichen. Dieses eine Verhältnis übersteht jeden Attributionsstreit, denn keine der beiden Zahlen stammt von einer Plattform.

Die selbstberichtete Frage verdient eine Verteidigung, denn analytisch denkende Menschen tun sie ab. Sie ist unpräzise, das Gedächtnis ist unzuverlässig, und Menschen nennen das Letzte, woran sie sich erinnern. Alles wahr. Sie ist zugleich die einzige Messung im Unternehmen, die einen Kanal benennen kann, den kein Trackingsystem sieht: die Empfehlung eines Kollegen, ein Podcast, eine Konferenz, eine gedruckte Anzeige, ein Gespräch. Diese Kanäle sind für jedes Dashboard unsichtbar, und die Selbstauskunft ist der einzige Ort, an dem sie je erscheinen.

Zusammen verwendet, triangulieren die Gewohnheiten. Die Verkaufsunterlagen sagen, wie viele Kunden kamen, die Selbstauskünfte sagen, was diese Kunden ihrer Ansicht nach brachte, und die Plattformberichte sagen, was jeder Kanal beansprucht. Wo alle drei übereinstimmen, ist der Schluss sicher. Wo sie auseinanderliegen, ist die Abweichung der nützlichste Befund im Bericht.

Umsatz statt Conversion-Zählung

Eine Conversion ist, was auch immer das Konto als Conversion zu zählen eingestellt wurde: ein abgeschicktes Formular, eine Newsletter-Anmeldung, ein Klick auf eine Telefonnummer, ein ausreichend langer Seitenaufruf, ein In-den-Warenkorb. Mehrere davon können bei einer Person in einem Besuch anfallen, und keine davon ist Geld.

Der Umsatz kennt diese Beweglichkeit nicht. Er wird vom Unternehmen verbucht, von der Buchhaltung abgeglichen, und keine Plattform kann ihn umdefinieren, um einen Bericht zu verschönern. Die Hauptmessgröße von Conversion-Zählungen auf Umsatz umzustellen entfernt die meiste Zweideutigkeit in einem Schritt.

• Wert unterscheidet sich je Kunde, und Durchschnitte verdecken das. Zwei Kanäle mit gleicher Anfragezahl können sehr verschiedenen Umsatz bringen, wenn einer größere Aufträge anzieht.
• Anfragequalität ist Teil der Kosten. Ein Kanal, der Anfragen erzeugt, die sich nicht abschließen lassen, verbraucht Verkaufszeit zusätzlich zum Mediabudget, und diese Zeit taucht in kaum einem Bericht auf.
• Der Verzug unterscheidet sich je Kanal. Überlegte Käufe schließen über Wochen oder Monate, ein in kurzem Fenster beurteilter Kanal sieht also immer schlechter aus als einer, der heute Kaufbereite bedient.
• Wiederkehrendes Geschäft gehört in die Bewertung. Wer Akquise allein an der ersten Bestellung misst, unterschätzt Kanäle, die wiederkehrende Kunden bringen.
• Marge schlägt Umsatz. Hoher Umsatz aus rabattierten Aufträgen mit dünner Marge kann weniger wert sein als ein kleinerer Kanal, der zum vollen Preis verkauft.

Für Unternehmen mit langen oder komplexen Verkaufszyklen ist der praktische Schritt, die Anfragedaten mit dem späteren Ausgang zu verbinden, sodass jeder abgeschlossene Verkauf die Herkunft trägt, die bei der Anfrage festgehalten wurde. Diese Verbindung ist der Kern von ernsthaftem Analytics und Performance-Reporting, und sie verlagert das Monatsgespräch von Menge auf Wert.

Holdout- und Geo-Tests

Nur eine Methode stellt fest, ob ein Kanal etwas beigetragen hat: ihn irgendwo anhalten, anderswo weiterlaufen lassen und den Unterschied in den Ergebnissen vergleichen. Ein kontrolliertes Experiment vergleicht die tatsächlichen Ergebnisse mit denen, die entstanden, wo der Kanal vorenthalten wurde. Attribution kann das nicht, denn sie beschreibt nur aufgezeichnete Abfolgen.

1. Geo-Tests. Vergleichbare Regionen auswählen, den Kanal in einigen weiterführen und in anderen aussetzen, und den Verkaufsunterschied zwischen den Gruppen messen. Tests auf Regionsebene sind von Consent-Entscheidungen und Gerätewechseln unberührt, denn sie müssen nie einer einzelnen Person folgen.
2. Audience-Holdout. Den Kanal einem zufällig gewählten Teil der Zielgruppe vorenthalten und deren Kaufverhalten mit dem aller anderen vergleichen. Derselbe Mechanismus, auf Menschen statt auf Orte angewandt.
3. Geplante Pausen. Einen Kanal für einen definierten Zeitraum ganz anhalten, alles andere konstant halten, und beobachten, was mit den gesamten Anfragen und dem Umsatz geschieht. Die ungenaueste Variante, und oft die einzige, die einem kleineren Unternehmen offensteht.
4. Lift-Studien der Plattformen. Die großen Plattformen fahren randomisierte Tests mit einer Kontrollgruppe, der die Werbung nicht gezeigt wird. Das sind echte Experimente, und die Plattform entwirft trotzdem den Test und meldet das Ergebnis, das Resultat gehört also neben die übrigen Belege und nicht über sie.

Die ehrlichen Vorbehalte zählen so viel wie die Methode. Testen verlangt Volumen, denn ein Unterschied von ein paar Verkäufen zwischen zwei Regionen beweist nichts. Es verlangt Geduld, denn der Testzeitraum muss den üblichen Abstand zwischen Erstkontakt und Kauf abdecken. Es verlangt Stabilität, denn eine Preisänderung, ein Saisongipfel oder die Kampagne eines Wettbewerbers in einer Region verunreinigt den Vergleich. Und es hat einen Preis, in bewusst entgangenem Umsatz in der zurückgehaltenen Gruppe. Wo das Volumen wirklich klein ist, lohnt eine geplante Pause mit sorgfältigen Aufzeichnungen trotzdem, sofern der Schluss als Hinweis behandelt wird und nicht als Beweis.

Marketing-Mix-Modelling beantwortet dieselbe Frage aus einer anderen Richtung. Es arbeitet mit aggregierten Ausgaben und Umsätzen über die Zeit, übersteht also den Consent-Verlust und deckt Offline-Kanäle ab, die kein Trackingcode sieht. Die Grenzen sind real und gehören vor Beginn ausgesprochen. Es braucht zwei bis drei Jahre Geschichte und spürbare Schwankung in den Ausgaben, es liefert Schätzungen mit weiten Spannen statt exakter Zahlen, und es taugt am meisten für die Verteilung zwischen Kanälen und wenig für das Urteil über eine einzelne Kampagne. Experimente und Modellierung wirken am besten zusammen, denn die Experimente kalibrieren das Modell.

Wie ehrliches Reporting aussieht

Ehrliches Reporting ist eine einzige abgeglichene Sicht statt eines Stapels von Plattform-Screenshots. Es beginnt bei den Zahlen, die das Unternehmen besitzt, und arbeitet sich zu den Behauptungen darüber vor. Die gesamten Marketingausgaben des Zeitraums stehen als eine Zahl da, einschließlich Media, Produktion und Honoraren. Der Gesamtumsatz aus Neukunden desselben Zeitraums kommt aus den Verkaufsunterlagen. Das Anfragevolumen nach selbstberichteter Quelle erscheint so, wie es am Kontaktpunkt festgehalten wurde, und die Plattformansprüche stehen daneben, mit ausgewiesener Überlappung statt einer falschen Summe.

Der Bericht spricht dann ein Urteil je Kanal aus: was die Belege tragen, was ein Test gezeigt hat, und was unbekannt bleibt. Diese letzte Zeile trennt einen Bericht von einem Verkaufsdokument. Jeder Anbieter kann eine Zahl liefern, und ein Anbieter, der bereit ist aufzuschreiben, was die Belege nicht herleiten, ist einer, dem man zuhören sollte. Wo ein Bericht nicht an den fakturierten Umsatz anschließt, klärt eine kurze Fragenliste die Sache meist.

1. Das Attributionsmodell und das Lookback-Fenster hinter diesen Zahlen, und ob beide auf den Standardwerten blieben.
2. Der Anteil der Zahl, der modelliert statt beobachtet ist.
3. Der Abgleich zwischen diesen Conversions und den im eigenen System verbuchten Bestellungen, mit einer Erklärung der Lücke.
4. Die erwartete Wirkung auf die Verkäufe, wenn der Kanal stoppte, und die Belege hinter dieser Erwartung.
5. Die Trennung zwischen der Behauptung der Plattform und dem eigenen Urteil des Anbieters.

Sichere, konkrete Antworten zeigen einen Anbieter, der die Arbeit gemacht hat. Eine Antwort, die nur die Dashboard-Zahl wiederholt, zeigt einen Anbieter, der sie nicht geprüft hat. Reporting dieser Art gehört zu wie wir arbeiten.

Selbst machen oder Spezialisten holen

Vieles davon liegt ohne Hilfe in Reichweite jedes Unternehmens. Eine Frage im Anfrageformular kostet nichts, das Festhalten der Antworten in einer Tabelle auch nicht. Gesamtausgaben gegen Neukundenumsatz über einen gleichen Zeitraum zu vergleichen verlangt Arithmetik und Disziplin, und es zeigt meist mehr als ein Jahr Dashboard-Lektüre. Modell und Lookback-Fenster jedes Kontos zu prüfen ist eine kurze Aufgabe, die die Lektüre jedes künftigen Berichts dauerhaft verbessert.

Spezialisierte Hilfe verdient ihr Honorar weiter hinten. Ein gültiges Experiment zu entwerfen ist technische Arbeit, und zwei Urteile entscheiden, ob das Ergebnis etwas bedeutet: den Test so zu dimensionieren, dass sich der Unterschied von der normalen Schwankung trennen lässt, und die Dauer am echten Kaufzyklus auszurichten. Arbeit über mehrere Märkte ist noch schwerer, denn Consent-Verhalten, Kanalmix und Saisonalität unterscheiden sich je Land. Mehrere Kanäle über mehrere Märkte sind meist der Punkt, an dem die interne Variante nicht mehr genügt, und der Zusammenhang, in dem Paid-Media-Management und Messung als eine zusammenhängende Arbeit beauftragt werden sollten.

Bei der Wahl dieser Hilfe gilt ein Filter. Jeden infrage kommenden Anbieter fragen, wie er beweisen wird, dass seine Arbeit Umsatz hinzugefügt hat. Antworten mit Abgleich gegen die eigenen Unterlagen und kontrollierten Tests beschreiben eine Messpraxis. Antworten mit plattformgemeldetem ROAS beschreiben eine Reportinggewohnheit, und die Vergütungsstrukturen, die die eine Antwort wahrscheinlicher machen als die andere, untersucht die Vergütungsmodelle, die entscheiden, wessen Interessen gewinnen.

Das Wichtigste in Kürze

• Jede Plattform benotet die eigene Arbeit, aufsummierte Dashboards beanspruchen also mehr Verkäufe, als das Unternehmen gemacht hat.
• Attributionsmodell und Lookback-Fenster entscheiden den größten Teil der gemeldeten Zahl, und die Standardwerte begünstigen die Plattform. Google Ads zählt dreißig Tage Klicks, Meta zählt sieben Tage Klicks und einen Tag Views.
• Die Zurechnung sammelt sich beim kaufnächsten Kanal, die Kanäle, die die Nachfrage erzeugt haben, verlieren ihr Geld also zuerst.
• View-through-Gutschrift zählt Anzeigen, die angezeigt und nie geklickt wurden, Nur-Klick-Zahlen und Zahlen mit Views sind also verschiedene Messungen.
• Consent-Entscheidungen und Gerätewechsel entfernen einen Teil der Aufzeichnung, und die Modellierung füllt die Lücke, ohne es zu sagen.
• Selbstberichtete Quelle, Verkaufsunterlagen und ein monatliches Verhältnis von beansprucht zu verbucht kosten nichts und lassen sich von keiner Plattform manipulieren.

Die Frage, welcher Kanal funktioniert, ist beantwortbar, aber die Antwort kommt nie von den Kanälen selbst. Sie entsteht, indem man deren Ansprüche neben die eigenen Aufzeichnungen aus Kunden und Umsatz legt und gelegentlich etwas abschaltet, um zu sehen, was passiert. Unternehmen, die das beständig tun, geben weniger aus und wissen mehr, während ihre Wettbewerber weiter Budget auf der Grundlage von Zahlen verschieben, die nie dafür gebaut wurden, addiert zu werden.

Für eine abgeglichene Sicht darauf, was jeder Kanal wirklich beiträgt, und eine ehrliche Auskunft darüber, was die verfügbaren Belege noch nicht herleiten können: Anruf buchen bei Reachford.