Häufige Fragen zur Marketing-Attribution

Beide, und zwar für unterschiedliche Entscheidungen. DCM beantwortet die taktische Frage 'Welche Ad in welcher Kampagne hat diesen Klick gebracht?' — user-genau, in Echtzeit, ideal für tägliche Optimierung und Creative-A/B-Tests. MMM-Wizard beantwortet die strategische Frage 'Welcher Channel-Mix maximiert ROI über die nächsten drei Monate?' — Channel-aggregiert, Bayesian, cookie-frei, ideal für Quartal-Budget-Planung. Die zwei Tools schliessen sich nicht aus, sie sind komplementär. Wer nur eines wählt, verliert die jeweils andere Entscheidungsbasis.

Weil beide verschiedene Methoden anwenden und beide Zahlen korrekt sind. DCM zählt jeden Klick mit User-Cookie und schreibt die Konversion dem letzten Touch zu. MMM modelliert den Channel-Beitrag aggregat über Bayesian-Posterior, geglättet über dreissig Tage Lag mit Adstock-Carryover. Eine einzelne Konversion erscheint in beiden Reports — aber sie wird unterschiedlich attribuiert. Disney macht das genauso: Magnite, Kepler und MiQ für taktische Buy-Side-Entscheidungen, Nielsen-MMM für die Quartal-Strategie. Niemand erwartet, dass die zwei Zahlen übereinstimmen. Reconciliation ist nicht das Ziel — Klarheit über die Aufgabenteilung ist das Ziel.

Last-Click schreibt die Konversion dem letzten Touchpoint vor dem Kauf zu — der Klick auf die Google-Ad gewinnt, alles davor wird ignoriert. Das ist einfach, aber es überschätzt systematisch Lower-Funnel-Channels und unterschätzt Brand-Awareness-Spend wie TV oder OOH. Bayesian-Attribution modelliert stattdessen die Wahrscheinlichkeitsverteilung über alle Channels, berücksichtigt Adstock-Carryover und Saturation-Curves, und liefert für jeden Channel einen Beitrag mit Konfidenzintervall. Last-Click eignet sich für tägliche Optimization. Bayesian-MMM eignet sich für Budget-Allokation und langfristige Strategie.

Nein. MMM-Wizard arbeitet auf aggregierten Channel-Daten ohne Personenbezug. Eine typische Trainings-Tabelle hat eine Zeile pro Woche, Spalten für Marketing-Spend pro Channel und Spalten für Conversions oder Sales. Es gibt keine User-IDs, keine Cookies, keine PII. Aus Datenschutz-Perspektive sind die Trainings-Daten so unproblematisch wie eine Excel-Tabelle mit Quartals-Umsätzen. Das macht MMM robust gegen iOS-14+-Tracking-Limitationen, Privacy-Sandbox und nDSG/DSGVO-Anforderungen.

Ja, über unseren Tier-4-Layer AiCMO. Die AiCMO-Browser-Extension trackt opt-in, in welchen ChatGPT-, Perplexity-, Claude- und Gemini-Prompts eine Brand erwähnt wird und ob davon Traffic auf die Brand-Website kommt. Diese AI-Citation-Events fliessen ab Sprint-6+ via Stream-J zurück in das BigQuery-Datenmodell von MMM-Wizard und werden dort als nativer Marketing-Channel modelliert — gleichberechtigt mit Search, Social und TV. Die Browser-Extension ist im Q3-2026-Beta. Die zugrundeliegenden APIs (Citation-Ingest und Summary) sind bereits produktiv.

AMDP (Agent-Marketplace-Discovery-Protocol) ist die Schnittstelle, über die MMM-Recommendations an Nexbid exportiert werden. Wenn das Bayesian-Modell empfiehlt, mehr Budget auf Channel X zu verlagern, wird diese Empfehlung mit einem Brand-Marker an die Nexbid-Match-Engine übergeben. Buy-Side-Agents auf der opua-Discovery-Layer-Plattform können die kuratierte Demand in Echtzeit matchen. Das macht MMM zur strategischen Quelle für agentische Real-Time-Aktivierung — ohne dass der Customer manuell Budgets in DSPs umverteilen muss.

Lean-4 ist ein Beweis-Assistent für formale Mathematik. Wir haben die Kern-Annahmen unseres Budget-Optimierers in Lean-4 als machine-checked Theorems formalisiert — derzeit zehn Theorems aus einem Roadmap-Set von zwanzig, mit Schwerpunkt Budget-Conservation. Das heisst: Wenn unser System empfiehlt, hundert Prozent des Budgets auf bestimmte Channels zu verteilen, ist mathematisch bewiesen, dass die Summe stimmt — kein numerischer Drift, keine Rundungs-Fehler, keine Logik-Lücke. Für CFOs und Compliance-Teams ist das eine ganz andere Vertrauensbasis als 'wir haben es getestet'. Nielsen kann das nicht beweisen. Adobe Analytics kann das nicht beweisen. Wir können.

Ausschliesslich in der EU. Konkret: Vercel-Hosting in Frankfurt (fra1), Neon Postgres in eu-central-1, Vertex AI mit Meridian-Training in europe-west6 Zürich. Daten verlassen die EU nicht. Die Authentifizierung läuft über Clerk EU mit Workload-Identity-Federation, sodass keine US-Service-Account-JSON-Keys in Umlauf sind. Der Auftragsverarbeitungs-Vertrag ist im Standard-Pricing-Tier inkludiert und entspricht den Anforderungen des Schweizer Datenschutzbeauftragten für nDSG-konforme Marketing-Analytik.

Typisch fünf bis fünfzehn Minuten auf Vertex AI in Zürich. Die Laufzeit hängt von der Datenmenge ab — ein Trainings-Lauf mit drei Jahren Wochen-Daten und acht Channels läuft in der Regel unter zehn Minuten. Posterior-Sampling via MCMC ist der teuerste Schritt, alles andere ist Datenvorbereitung und Reporting. Im Vergleich: Eine Nielsen-Custom-Study dauert acht bis zwölf Wochen Vorlaufzeit. Unser Self-Serve-Workflow liefert das erste Modell-Ergebnis am gleichen Tag, an dem die Daten hochgeladen werden.

Am 31. Mai 2026 startet unser KMU-Pilot. Acht Plätze, B2B-Fokus DACH. Pilot-Customer bekommen sechs Monate kostenloses Onboarding inklusive Lean-4-Audit-Report für den CFO oder CDO. Im Pilot sind alle Funktionen freigeschaltet: CSV- und GA4-Daten-Upload, Branchen-Priors für sieben Branchen, Bayesian-Training auf Vertex AI, Budget-Optimierer mit What-If-Szenarien, Audit-Hash-Reproducibility und die AMDP-Bridge zu Nexbid. Nach den sechs Monaten bleibt der Free-Tier dauerhaft kostenlos, Pro-Pricing ab CHF 490 pro Monat ist optional.