Wie es funktioniert

Die zwei Begriffe, ohne die MMM nicht zu verstehen ist

Nachwirkung (Adstock)

Werbung wirkt nicht nur am Tag der Ausspielung. Wer heute ein Plakat sieht, kauft womöglich in drei Wochen. Ein Modell, das Ausgaben und Umsatz derselben Woche gegenüberstellt, ordnet diese Wirkung der falschen Woche zu — und findet deshalb bei langsam wirkenden Kanälen scheinbar keinen Zusammenhang.

Adstock modelliert, wie stark die Wirkung einer Woche in die folgenden hineinreicht und wie schnell sie abklingt. Der Wert wird nicht geraten, sondern aus den Daten geschätzt. Kanäle mit langer Nachwirkung — klassische Markenwerbung — sehen dadurch anders aus als in jeder klickbasierten Auswertung.

Sättigung

Der zweite Franken in einem Kanal wirkt nicht so stark wie der erste. Irgendwann ist die erreichbare Zielgruppe abgedeckt, und zusätzliches Budget kauft überwiegend Wiederholungskontakte. Genau dieser Punkt entscheidet über eine Umverteilung: Ein Kanal mit hohem Durchschnitts-ROI kann trotzdem der falsche Ort für den nächsten Franken sein, wenn er nahe an seiner Sättigung liegt.

Deshalb ist die Frage «welcher Kanal hat den besten ROI» nicht dieselbe wie «wo gehört der nächste Franken hin». Die zweite ist die, die Ihr Budget betrifft.

Was das Modell nicht leistet

Es misst keine Kausalität. Ein Modell findet Zusammenhänge in dem, was passiert ist. Wenn Sie Budget immer dann erhöht haben, wenn die Nachfrage ohnehin stieg, schreibt es diese Nachfrage der Werbung zu. Dagegen hilft nur ein Eingriff, den Sie selbst gesteuert haben: ein Geo-Experiment, eine bewusste Pause, ein Test in einer Teilregion. Solche Experimente kalibrieren das Modell — sie sind keine Zusatzoption, sondern der Weg von «plausibel» zu «belastbar».

Es kann nicht trennen, was gemeinsam läuft. Werden zwei Kanäle immer gleichzeitig hochgefahren, sieht das Modell einen gemeinsamen Effekt und muss ihn nach Vorannahme aufteilen. Das Ergebnis ist dann keine Messung, sondern eine Fortschreibung der Annahme — erkennbar daran, dass die Bereiche breit bleiben.

Es erklärt nicht, was ohne Werbung passiert wäre. Was keinem Kanal zugeordnet werden kann, landet in der Grundlast: Markenbekanntheit, Empfehlungen, Suchnachfrage, Saison. Eine hohe Grundlast ist kein Fehler des Modells. Ein Modell, das den Kanälen fast alles zuschreibt, hat sie dagegen nicht erkannt.