Lohnt sich Marketing Mix Modeling für uns?

Diese Seite ist die Entscheidungsgrundlage, nicht die Werbebroschüre. Sie nennt die Voraussetzungen, den Ablauf, die Grössenordnung der Kosten — und die Fälle, in denen die Antwort «nein» lautet.

Die kurze Antwort

Marketing Mix Modeling lohnt sich, wenn drei Dinge zusammenkommen: Sie verteilen ein Budget über mehrere Kanäle, mindestens einer davon hinterlässt keine Klickspur, und Sie haben mindestens ein Jahr Verlauf, in dem sich die Budgets bewegt haben. Fehlt eines davon, ist der Ertrag gering — und das sollte man vorher wissen und nicht nach dem ersten Lauf.

Der Nutzen entsteht dort, wo Ihre bisherige Auswertung systematisch danebenliegt: bei Kanälen, die Nachfrage erzeugen, statt sie zu ernten. In einer klickbasierten Auswertung sehen die einen zu schlecht und die anderen zu gut aus. Wie gross dieser Effekt bei Ihnen ist, wissen Sie erst hinterher — dass es ihn gibt, ist gut belegt.

Was Sie mitbringen müssen

Ein Jahr Verlauf, wöchentlich

Ausgaben je Kanal und Woche, dazu die Zielgrösse in derselben Auflösung. Monatswerte reichen selten: Ein Jahr hat zwölf Monatspunkte, aber zweiundfünfzig Wochenpunkte — und ein Modell braucht Punkte.

Budgets, die sich verändert haben

Kampagnenpausen, Saisonspitzen, ein neuer Kanal, ein abgeschalteter Kanal. Was immer gleich lief, kann nicht geschätzt werden. Wer nie variiert hat, sollte zuerst variieren — auch ohne Modell ist das die günstigste Erkenntnisquelle.

Eine Zielgrösse, die zählt

Umsatz, Deckungsbeitrag, Spenden, qualifizierte Anfragen. Sie muss durchgehend gleich erhoben sein. Ein Wechsel des Messkonzepts mitten in der Reihe erzeugt einen Sprung, den das Modell als Marketingwirkung liest.

Auch die Kanäle ohne Klick

Plakat, Mailing, TV, Sponsoring, Messen. Sie brauchen keine digitale Spur — der Betrag und der Zeitraum genügen. Wer sie weglässt, verschiebt ihre Wirkung in die Grundlast und unterschätzt sie damit systematisch.

Wann es nicht funktioniert

Vier Konstellationen, in denen wir abraten. Sie kosten sonst ein Projekt, bevor irgendjemand etwas gelernt hat.

  • Ein einziger Kanal. Ohne Alternativen gibt es nichts umzuverteilen. Ein Modell würde die gesamte Wirkung diesem Kanal oder der Grundlast zuschreiben, und beides hilft nicht weiter.
  • Konstante Budgets. Wer seit zwei Jahren jede Woche denselben Betrag ausgibt, hat dem Modell keine Variation gegeben, aus der es lernen könnte.
  • Sehr lange Kaufentscheidungen. Wenn zwischen Erstkontakt und Abschluss zwölf Monate liegen, braucht es entsprechend längere Reihen — und selbst dann bleibt die Zuordnung unscharf.
  • Kein Verantwortlicher für die Daten. Der längste Schritt ist die gemeinsame Wochenachse. Wenn niemand dafür zuständig ist, scheitert das Projekt dort und nicht am Modell.

Bevor Sie ein Projekt starten

Rechnen Sie zuerst mit den Zahlen, die Sie ohnehin haben. Der ROAS-Rechner zeigt Ihnen mit Ihrer Bruttomarge, ab welchem Wert eine Kampagne überhaupt kostendeckend ist — allein diese Schwelle verändert bei vielen Teams die Beurteilung laufender Kampagnen. Der ROI-Rechner macht denselben Schritt für die Ertragssicht.

Wenn Sie danach immer noch nicht wissen, welcher Kanal die Nachfrage erzeugt hat, ist das die Lücke, die Marketing Mix Modeling schliesst. Wie es rechnet, steht unter Wie es funktioniert; wie es sich zu Attribution verhält, im Vergleich. Die Preise stehen auf der Preisseite — hier bewusst nicht wiederholt, damit sie nicht auseinanderlaufen.

Häufige Fragen

Ab welchem Marketingbudget lohnt sich Marketing Mix Modeling?
Es gibt keine harte Schwelle, aber eine Faustregel: Der Aufwand muss sich an der Summe rechnen, über die Sie neu entscheiden. Wer 200'000 Franken im Jahr über vier Kanäle verteilt, kann durch eine Umverteilung realistisch einen mittleren fünfstelligen Betrag bewegen — das trägt ein Abonnement, aber selten ein Beratungsprojekt. Ab etwa einer Million Jahresbudget und sechs bis acht Kanälen wird auch ein begleitetes Projekt tragfähig.
Wie viele Daten brauche ich?
Mindestens ein Jahr wöchentlicher Verlauf, besser zwei bis drei. Entscheidend ist nicht die Menge, sondern die Variation: Ein Modell kann die Wirkung eines Kanals nur schätzen, wenn dessen Einsatz sich über die Zeit verändert hat. Ein Kanal mit konstantem Wochenbudget über zwei Jahre liefert keine Information, aus der sich eine Wirkung ableiten liesse — er ist statistisch nicht von der Grundlast zu unterscheiden.
Funktioniert das ohne Data-Science-Team?
Für die Durchführung ja — Datenanbindung, Modelllauf und Aufbereitung sind automatisiert. Für die Interpretation braucht es jemanden, der Unsicherheitsbereiche lesen kann und weiss, wann eine Schätzung zu unscharf ist, um darauf zu handeln. Das muss keine Data-Scientist-Stelle sein, aber jemand im Team oder auf Agenturseite sollte diese Rolle bewusst übernehmen.
Wie lange dauert ein Modelllauf?
Der Rechenlauf selbst dauert typischerweise fünf bis fünfzehn Minuten, abhängig von Zeitraum und Kanalanzahl. Der Aufwand liegt davor: Die Daten aus mehreren Quellen auf eine gemeinsame Wochenachse zu bringen, ist bei den meisten Projekten der längste Schritt — und derjenige, an dem Projekte scheitern, wenn niemand dafür zuständig ist.
Was ist der Unterschied zu einer Nielsen-Studie?
Die Methodik ist verwandt; beide rechnen bayesianisch auf aggregierten Daten. Der Unterschied liegt im Liefermodell: Eine klassische Studie ist ein Beratungsprojekt mit Datenintegration, Modellierung und Interpretation durch Spezialisten, ein bis zwei Mal jährlich. Ein SaaS-Ansatz automatisiert diese Schritte und macht sie wiederholbar. Für hochspezialisierte Kanalstrukturen und Konzernorganisationen ist das Beratungsmodell weiterhin die passendere Antwort.

Unsicher, ob Ihre Daten reichen? Schreiben Sie uns über den Kontakt — Jahresbudget, Kanalanzahl und die Frage, ob Sie Umsatz- oder Abschlussdaten führen, genügen für eine erste Einschätzung.