Wenn Marketing-Analytics Sie in die Irre führt: Was CMOs 2026 wissen müssen

Ein Konsumgüterunternehmen fährt eine große Kampagne über Paid Social, Connected TV und Retail Media. Nach allen Dashboard-Metriken läuft sie gut: Der Cost-per-Acquisition sieht gesund aus, der ROASROASDer Return on Ad Spend (ROAS) misst den Umsatz, der pro eingesetzter Währungseinheit Werbebudget erzielt wird, berechnet als Umsatz geteilt durch Werbekosten.Vollständige Definition ansehen → erreicht das Ziel, das Attributionsmodell erklärt die Kampagne zum Erfolg. Sechs Monate später bemerkt der CFO, dass sich der Marktanteil nicht bewegt hat. Die Kampagne hat in der Analytics „funktioniert“ und in der Realität versagt. Das ist kein seltener Sonderfall. Es ist das prägende Messproblem dieses Jahrzehnts.

Die Lücke zwischen berichteter Marketing-Performance und tatsächlichen Geschäftsergebnissen hat sich deutlich vergrößert, seit die Kanallandschaft fragmentiert ist und Datenschutzregulierung die Tracking-Infrastruktur zerlegt hat, auf der Attributionsmodelle aufgebaut wurden. CMOs, die ihren aktuellen Analytics-Stack als Wahrheit behandeln, arbeiten mit einer falschen Karte.

Die Messinfrastruktur, die die meisten Teams noch nutzen, ist kaputt

Das Kernproblem: Klassische Multi-Touch-AttributionAttributionEin Framework, das den Touchpoints, die zu einer Conversion beigetragen haben, Credit zuweist, damit Sie messen können, welche Kanäle und Interaktionen tatsächlich Ergebnisse bringen.Vollständige Definition ansehen → (MTAMTAEine Methode, die den Conversion-Beitrag auf alle Marketing-Touchpoints der Customer Journey verteilt, statt nur die erste oder letzte Interaktion zu berücksichtigen.Vollständige Definition ansehen →) wurde für ein offenes Cookie-Umfeld entworfen, das nicht mehr existiert. Apples App Tracking Transparency, Googles Abschaffung der Third-Party-Cookies in Chrome (2024 abgeschlossen) und die zunehmende Durchsetzung von DSGVO und vergleichbaren Regelungen in Lateinamerika und Asien haben jeweils erhebliche blinde Flecken geschaffen. Übrig bleibt ein Flickenteppich: Manche Touchpoints werden vollständig getrackt, andere sind unsichtbar, und das Modell füllt die Lücke, indem es die beobachtbaren Kanäle überbewertet.

Paid Search sieht in diesen Modellen fast immer wie der Held aus. Es fängt Intent ein, der woanders entstanden ist, oft durch Brand-Kampagnen oder Word-of-Mouth, und bekommt beim letzten sichtbaren Klick die volle Credit-Zuschreibung. Investitionen in den Markenaufbau, die über längere Zeiträume wirken und selten eine klare digitale Spur hinterlassen, werden systematisch unterbewertet. Über mehrere Budgetzyklen verschiebt das die Allokation zu Performance-Kanälen und weg von der Marke. Die kurzfristigen Metriken halten; die brand equitybrand equityDer kommerzielle Wert, den Ihre Marke über die funktionalen Produkteigenschaften hinaus schafft: Preispremium, Präferenz und Loyalität.Vollständige Definition ansehen → erodiert still.

Media Mix Modeling (MMM) ist als bevorzugte Alternative zurückgekommen, unter anderem weil es nicht auf Tracking auf Individualebene angewiesen ist. Netflix, Uber und mehrere große CPG-Unternehmen haben ausführlich darüber publiziert, wie sie ihre Messung rund um MMM mit bayesianischen Ansätzen neu aufgebaut haben, die schnellere Modell-Refresh-Zyklen erlauben. Die Methodik ist solide, bringt aber eigene Komplikationen mit: MMM braucht 2 bis 3 Jahre saubere Daten für verlässliche Koeffizienten, es kann nicht sagen, was innerhalb einer Kampagne passiert ist, und es kommt mit schnellen Kanalverschiebungen schlecht zurecht. MMM als alleiniges Werkzeug zu fahren, ersetzt einfach einen blinden Fleck durch einen anderen.

Der ausgereiftere Ansatz, den inzwischen immer mehr große Advertiser nutzen, kombiniert MMM für strategische Allokationsentscheidungen mit geobasiertem Incrementality-Testing zur Validierung während der Laufzeit. Die Logik ist einfach: Bestimmte geografische Märkte werden ausgespart, die Kampagne läuft in anderen, und man vergleicht. So bekommen Sie ein direktes Signal, ob ein Kanal tatsächlich Ergebnisse treibt und nicht nur in einem Modell Credit beansprucht. P&G nutzt Geo-Hold-out-Tests seit Jahren systematisch. Metas Conversion Lift und Googles Geo Experiments bieten Varianten davon, allerdings sind beides Vendor-Produkte (von Meta beziehungsweise Google) mit einem kommerziellen Interesse daran, Incrementality für das eigene Inventar nachzuweisen.

Was das für den CMO bedeutet

Die praktische Konsequenz: CMOs müssen Messung als strategische Fähigkeit behandeln, nicht als Reporting-Funktion. Die meisten Analytics-Teams sind darauf ausgelegt, Reports zu produzieren. Reports zu produzieren ist nicht dasselbe wie kausale Fragen zu beantworten, was Ihr Marketing tatsächlich bewirkt.

Daraus folgen einige konkrete Punkte.

Erstens überschätzt Ihr Attributionsmodell wahrscheinlich den Beitrag von RetargetingRetargetingAnzeigen an Nutzer ausspielen, die Ihre Website bereits besucht oder mit Ihrer Marke interagiert haben, um sie zurückzuholen und die Conversion zu steigern.Vollständige Definition ansehen → und Brand Search und unterschätzt den Wert von Upper-FunnelFunnelDie Customer Journey von der Aufmerksamkeit bis zum Kauf, typischerweise Awareness, Interest, Consideration, Decision, Action, wobei sich die Zahl der Interessenten auf jeder Stufe verringert.Vollständige Definition ansehen →-Aktivität. Wenn Ihre interne Analytics zeigt, dass Display-Prospecting oder Video einen schwachen ROAS hat, prüfen Sie vor dem Streichen, ob Sie dafür überhaupt einen Incrementality-Test gefahren haben. Möglicherweise beobachten Sie Korrelationsartefakte, keine Kausalität.

Zweitens ist das Vendor-Daten-Problem real. Wenn ein Kanalpartner Ihnen sagt, sein Kanal habe X inkrementelle Conversions geliefert, stammt diese Zahl aus seiner Messmethodik, die von genau dem Unternehmen entworfen und gepflegt wird, das Ihnen die Media verkauft. Unabhängige Incrementality-Tests gegen die vom Vendor berichteten Lift-Werte zeigen regelmäßig Abweichungen von 30 bis 60 Prozent. Das heißt nicht, dass der Kanal wertlos ist; es heißt, dass Sie die Zahl des Vendors nicht für sich nehmen kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen.

Drittens ist die Abstimmung mit dem CFO über die Messmethodik heute eine CMO-Priorität und kein Nice-to-have. Da Finance den Marketing-ROIROIReturn on Investment: das Verhältnis von Nettogewinn zu den Kosten einer Investition. Ein ROI von 300 % bedeutet, dass jeder investierte Dollar 3 Dollar zurückbringt.Vollständige Definition ansehen → stärker unter die Lupe nimmt, geht es in den Gesprächen weniger um Kampagnenergebnisse und mehr darum, welche Methodik diese Ergebnisse produziert hat. CMOs, die den Unterschied zwischen MTA, MMM und Geo-Testing erklären und darlegen können, was sie für welche Entscheidung nutzen, stehen grundsätzlich stärker da als diejenigen, die Dashboards präsentieren.

Viertens ist die interne Skill-Lücke erheblich. Bayesianisches MMM, Experimentaldesign für Geo-Testing und die statistische Interpretation von Lift-Studien brauchen Data Scientists mit spezifischem Hintergrund. Die meisten Marketing-Analytics-Teams wurden für Reporting und Kampagnen-Tracking aufgebaut. Wenn Ihr Analytics-Team kein saubere Holdout-Experiment designen kann, haben Sie eine Fähigkeitslücke, nicht bloß eine Tool-Lücke.

Eine Messpraxis aufbauen, der man vertrauen kann

• Prüfen Sie Ihr aktuelles Attributionsmodell für mindestens einen Kanal mit einem geobasierten Holdout-Test, bevor der nächste große Budgetallokationszyklus ansteht. Wählen Sie einen Kanal mit hohem Spend und vernünftiger geografischer Verteilung.
• Legen Sie eine verbindliche Regel für Messaussagen von Vendors fest: Verlangen Sie eine Verifizierung durch Dritte oder unabhängige Lift-Tests, bevor vom Vendor berichtete Zahlen in Planungsdokumente eingehen.
• Wenn Sie MMM einsetzen, prüfen Sie Ihre Datenhistorie. Modelle auf Basis von weniger als 18 Monaten Daten oder von Daten, die einen strukturellen Bruch wie einen Pandemie-Lockdown oder den Eintritt in einen neuen Kanal überspannen, liefern unzuverlässige Koeffizienten. Seien Sie präzise darin, was das Modell sagen kann und was nicht.
• Trennen Sie Ihre Mess-Agenda von Ihrer Reporting-Agenda. Reporting beantwortet „was passiert ist“. Messung beantwortet „was es verursacht hat“. Das erfordert unterschiedliche Prozesse, unterschiedliche Skills und oft unterschiedliche Personen.
• Briefen Sie CFO und CEO einmal im Jahr zu Ihrer Messmethodik, nicht nur zu Ihren Ergebnissen. Führungskräfte, die verstehen, wie Ihre Zahlen entstehen, schützen Marken-Investitionen im Abschwung deutlich eher.

Die Unternehmen, die in den nächsten Jahren einen dauerhaften Vorteil aus Marketing-Analytics ziehen, werden nicht die mit den meisten Dashboards sein. Es werden die sein, die kausales Denken in ihre Budgetentscheidungen eingebaut haben. Der Unterschied im Ergebnis, sowohl bei der Markengesundheit als auch bei der Kapitaleffizienz, ist groß genug, um daraus ein Thema für den Aufsichtsrat zu machen.