Incrementality

Warum Incrementality zählt

Attribution verteilt Credit. Sie prüft keine Kausalität. Ein Kanal kann viel Attribution-Credit einsammeln und null echten Neuumsatz bringen, wenn er nur Kunden abfängt, die ohnehin konvertiert hätten.

Das Lehrbuchbeispiel ist Branded Search: Ein Kunde tippt deinen Markennamen in Google, sieht deine bezahlte Brand-Search-Anzeige, klickt sie an und konvertiert. Die Attribution schreibt es der bezahlten Search-Anzeige zu. Incrementality fragt: Hätte der Kunde stattdessen über das organische Ergebnis konvertiert? Wenn ja, hat diese Ausgabe null inkrementellen Umsatz erzeugt.

Dieses Muster taucht überall auf, Retargeting, Prospecting auf warmen Audiences, Bidding auf Marken-Keywords. Ohne Incrementality-Test sind die Kanäle, die auf Attribution Dashboards am effizientesten aussehen, oft die Kanäle mit dem geringsten echten Uplift.

Wie du Incrementality misst

Drei gängige Methoden:

1. Conversion-Lift-Studien (Holdout-Tests). Plattformen wie Meta und Google bieten sie nativ an: Halte zufällig eine Kontrollgruppe von deinen Anzeigen zurück und vergleiche die Conversionrate mit der Exposed-Gruppe. Der Unterschied ist der inkrementelle Uplift.
2. Geo-Experimente. Pausiere oder verstärke einen Kanal in einer Gruppe von Regionen, lass andere als Kontrolle laufen und miss die Umsatzlücke. Langsamer, störender, funktioniert aber für Kanäle ohne native Lift-Tests.
3. Matched-Market-Studien. Paare ähnliche Märkte, bespiele einen, halte den anderen als Kontrolle. Statistisch sauberer als naive Geo-Splits, verlangt aber sorgfältiges Market-Matching.

Wie du die Ergebnisse nutzt

Incrementality-Ergebnisse ersetzen die Attribution nicht, sie kalibrieren sie.

Ein typischer Ablauf:

1. Führe einen Incrementality-Test auf einem Kanal durch (z. B. Meta-Retargeting)
2. Berechne den inkrementellen ROAS (Umsatz-Uplift ÷ Test-Ausgaben)
3. Vergleiche ihn mit dem attribuierten ROAS, den das Modell gemeldet hat
4. Passe die Gewichtung dieses Kanals im Attributionsmodell an, um beide in Einklang zu bringen
5. Teste jährlich erneut, während sich Audiences und Creatives erneuern

Das nennt man manchmal „kalibriertes MMM“ oder „Incrementality-kalibrierte Attribution“, ein Hybrid, das die Granularität der Attribution und die kausale Fundierung von Experimenten vereint.

Häufige Fehler

• Attribuierten ROAS als inkrementellen ROAS behandeln. Das sind verschiedene Zahlen. Ein Kanal mit 5× attribuiertem ROAS kann einen inkrementellen ROAS von 1,5× haben.
• Zu wenige Tests fahren. Ein einzelner Test auf einer einzelnen Audience sagt dir etwas über diese Audience zu dieser Zeit. Bau einen festen Rhythmus auf.
• Uplift mit Signifikanz verwechseln. 10 % Uplift bei 200 Conversions sind Rauschen. 3 % Uplift auf 50.000 Conversions sind echt. Dimensioniere deine Tests richtig.

FAQ zu Incrementality

Was ist Incrementality?

Incrementality misst den Anteil der Conversions, die es OHNE eine bestimmte Marketingmaßnahme NICHT gegeben hätte. Sie ist der Wahrheitstest für die Attribution.

Wie messe ich Incrementality?

Drei gängige Methoden: Conversion-Lift-Studien (Holdout-Tests der Ad-Plattformen), Geo-Experimente (Ausgaben in Test-Regionen pausieren) und Matched-Market-Studien.

Warum ist der inkrementelle ROAS niedriger als der attribuierte ROAS?

Weil viele attribuierte Conversions ohnehin passiert wären. Branded Search, Retargeting und Prospecting auf warmen Audiences bekommen alle Credit für Nutzer, die auch ohne die Anzeige konvertiert hätten.