Ein Beitrag wird häufig gespeichert, eine Anzeige bekommt Klicks, die Verkaufszahlen steigen. Das kann erfreulich sein. Es beantwortet aber noch nicht, welchen Anteil die Maßnahme an dieser Entwicklung hatte. Unser Standpunkt: Ein gutes Reporting muss nicht möglichst eindrucksvoll aussehen. Es muss die nächste Entscheidung besser machen.
Werbung trifft häufig auf bereits vorhandenes Interesse
Stellen wir uns einen fiktiven Onlineshop vor, der Menschen erneut anspricht, nachdem sie ein Produkt angesehen haben. Einige kaufen anschließend. Der Shop kann diese Bestellungen einer Anzeige zuordnen. Daraus folgt aber nicht, dass jede Bestellung durch die Anzeige zusätzlich entstanden ist: Ein Teil der Interessierten hätte möglicherweise ohnehin gekauft.
Die praktische Frage lautet deshalb nicht nur, ob nach einem Kontakt etwas passiert ist. Wir müssen wissen wollen, wie sich vergleichbare Personen ohne diese Maßnahme entwickelt hätten. Genau diese zweite Perspektive fehlt in vielen einfachen Vorher-nachher-Erzählungen.
Was ein großer Vergleich von Messmethoden zeigt
Gordon und Kollegen verglichen Beobachtungsmodelle mit randomisierten Werbeexperimenten auf Facebook. Die Untersuchung umfasst 15 US-Experimente und rund 500 Millionen Nutzer-Experiment-Beobachtungen. Die Beobachtungsansätze reproduzierten die experimentell geschätzten Effekte häufig nicht zuverlässig – trotz umfangreicher verfügbarer Merkmale. Das ist ein Befund zur Wirkungsmessung, kein Nachweis, dass Werbung grundsätzlich wirkungslos ist. [1]
Zusätzlich entstanden oder nur zugeordnet?
Auch ein Experiment macht Unsicherheit nicht unsichtbar
Lewis und Rao zeigen anhand von 25 großen Feldexperimenten, wie schwierig präzise Aussagen zur Werberendite sein können. Selbst große Stichproben beseitigen Messunsicherheit nicht automatisch. Ihre Untersuchung stammt aus einem spezifischen Werbeumfeld und liefert keinen universellen Mindestumfang für heutige Kampagnen. [2]
Für kleinere Unternehmen heißt das aus unserer Sicht nicht, auf Auswertung zu verzichten. Es heißt, die Stärke einer Aussage an die Qualität der Daten anzupassen. Eine Handvoll zusätzlicher Anfragen kann ein interessanter Hinweis sein. Ein gesicherter, dauerhaft gültiger Umsatzhebel ist damit noch nicht belegt.
Vor dem Start festlegen, welche Entscheidung zählt
Bei einem fiktiven Anbieter von Industriesoftware wäre die Zahl qualifizierter Erstgespräche möglicherweise hilfreicher als die Zahl aller Formularabsendungen. „Qualifiziert“ muss vorher definiert werden: etwa anhand eines passenden Anwendungsfalls, eines konkreten Bedarfs und einer realistischen nächsten Entscheidung. Sonst lässt sich dieselbe Kampagne im Nachhinein beliebig gut oder schlecht erzählen.
Bei einer Pferdemarke kann eine frühe Kampagne dagegen zunächst erklären sollen, für welche Einsatzsituation ein neues Produkt gedacht ist. Dann sind Verständnis und passende Rückfragen interessante Beobachtungen. Ein direkter Kauf ist nicht zwingend der einzige sinnvolle Maßstab. Die Beobachtung darf nur nicht nachträglich als Umsatzbeweis umetikettiert werden.
Ein Reporting, das auch widersprechen darf
Wir würden für jede Maßnahme vier Dinge festhalten: das Geschäftsziel, die dazu passende Kennzahl, die Vergleichsbasis und die verbleibende Unsicherheit. Wenn möglich, sollte ein kontrollierter Test Teil der Planung sein. Wenn das nicht sinnvoll machbar ist, benennen wir ausdrücklich, was die verfügbaren Daten zeigen – und was nicht.
Ein guter Bericht kann deshalb zu einer unbequemen Empfehlung führen: weniger Budget in eine scheinbar erfolgreiche Maßnahme, mehr Aufmerksamkeit für die Qualität der Anfragen oder zunächst ein besserer Test. Marketing wird nicht unternehmerischer, wenn jede Zahl positiv klingt. Es wird unternehmerischer, wenn Zahlen Entscheidungen tragen dürfen.
Weiterlesen: Eine starke Marke muss nicht lauter sein. Sondern klarer. ↗