Marketing Mix Modeling
Auch: MMM, Media Mix Modeling, Marketing-Mix-Modellierung, Modélisation du mix marketing, Marketing Mix Model, Media Mix Model
Statistischer Ansatz, der den Beitrag jedes Marketingkanals zum Umsatz schätzt und die Budgetverteilung steuert.
Was es ist
Marketing Mix Modeling (MMM) ist eine statistische Methode, die misst, wie stark jede Marketingaktivität zu einem Geschäftsergebnis beiträgt, meist Umsatz oder Erlös. Es nutzt aggregierte historische Daten (Ausgaben je Kanal, Preis, Promotions, Saisonalität, Wettbewerbsaktivität, sogar Wetter), um den Verkaufseffekt von TV, Digital, Radio, Print und anderen Hebeln zu isolieren. Anders als klickbasiertes Tracking arbeitet MMM auf aggregierter Ebene und benötigt keine individuellen Nutzerkennungen, was es gegenüber dem Wegfall von Drittanbieter-Cookies belastbar macht.
Warum es wichtig ist
Ein CMO, der sein Budget vor dem CFO verteidigt, braucht eine Antwort auf eine klare Frage: Was hat der letzte in TV investierte Euro tatsächlich gebracht? MMM liefert diese Antwort als Beitrag und Rendite je Kanal. Es erlaubt Führungskräften, Budgets auf Basis von Evidenz statt Gewohnheit umzuverteilen, und es hält der Datenschutzregulierung stand, weil es auf aggregierten Daten beruht, nicht auf persönlichem Tracking. Für einen CFO verbindet MMM Marketing mit der Gewinn- und Verlustrechnung. Für einen CDO ist es ein governtes Analyseprodukt auf sauberen, abgeglichenen Daten. Ein konkreter Moment: die Quartalsplanung, in der das Team Szenarien durchspielt ("15% von Paid Search zu TV verschieben") und die prognostizierte Umsatzwirkung liest, bevor Ausgaben festgelegt werden.
Wie es funktioniert
Analysten sammeln zwei bis drei Jahre Historie und bauen ein regressionsbasiertes Modell, das Verkäufe jedem Eingangsfaktor zuordnet. Zwei Effekte sind zentral. Adstock bildet ab, dass Werbung nachwirkt: eine diese Woche gesehene Kampagne beeinflusst Käufe noch Wochen später. Sättigung bildet abnehmende Erträge ab: eine Verdopplung der Ausgaben verdoppelt selten das Ergebnis. Das Modell liefert einen Beitrag je Kanal, eine Rendite der Ausgaben und eine Antwortkurve, die den Punkt zeigt, ab dem zusätzliche Ausgaben sich nicht mehr lohnen. Führungskräfte spielen dann Was-wäre-wenn-Szenarien durch und legen das nächste Budget fest. Modernes MMM nutzt oft bayessche Methoden, wird regelmäßig aktualisiert und gegen kontrollierte Experimente validiert. Seine Hauptgrenzen: es braucht genug Ausgabenvariation zum Lernen, es ist eher richtungsweisend als eurogenau, und es ergänzt Attribution und Inkrementalitätstests, ersetzt sie aber nicht.
Häufige Fragen
Was ist Marketing Mix Modeling, einfach erklärt?
Marketing Mix Modeling (MMM) ist ein statistisches Verfahren, das schätzt, wie viel jede Marketingaktivität zu Absatz oder Umsatz beiträgt. Es nutzt aggregierte historische Daten wie Spend pro Kanal, Preis, Promotions, Saisonalität und Wettbewerbsaktivität und isoliert dann den Absatzeffekt von TV, Digital, Radio, Print und anderen Hebeln. Da es top-down auf aggregierten Daten arbeitet, braucht es keine individuellen Nutzerkennungen.
Was ist der Unterschied zwischen MMM und Attribution?
Attribution verfolgt individuelle User Journeys und schreibt Conversions Klicks oder Impressions zu. MMM arbeitet top-down auf aggregierter Historie und schätzt den Beitrag jedes Kanals zum Gesamtabsatz, Offline-Medien eingeschlossen. MMM liefert eine Richtung, keine Genauigkeit auf den letzten Euro. Attribution ist granular, sieht aber nichts, was sie nicht tracken kann. Beide ergänzen sich, und beide sollten mit Incrementality-Tests validiert werden.
Wer im Führungsteam nutzt MMM tatsächlich?
Vor allem der CMO und der CDO, mit dem CFO als Adressaten. Der CMO nutzt MMM, um Budget mit Belegen statt aus Gewohnheit zu verteidigen und umzuschichten. Der CFO liest es als Verbindung zwischen Marketing-Spend und GuV, und der CDO behandelt es als gesteuertes Analytics-Produkt auf Basis sauberer, abgeglichener Daten. Der typische Zeitpunkt ist die Quartalsplanung.
Was bedeuten Adstock und Saturation in einem MMM?
Das sind die beiden Effekte im Kern des Modells. Adstock erfasst die Nachwirkung von Werbung: Eine Kampagne, die diese Woche gesehen wird, beeinflusst Käufe noch Wochen später. Saturation erfasst abnehmende Grenzerträge, denn doppelter Spend verdoppelt die Ergebnisse selten. Daraus ergibt sich die Response-Kurve, die zeigt, ab wann zusätzlicher Spend sich nicht mehr auszahlt.
Wie viele Daten braucht man, bevor man ein Marketing Mix Model rechnet?
Analysten arbeiten in der Regel mit zwei bis drei Jahren Historie zu Spend pro Kanal, Preis, Promotions, Saisonalität und externen Faktoren. Menge allein reicht nicht: Das Modell braucht ausreichend Variation im Spend, um daraus zu lernen. Ein Kanal, der das ganze Jahr auf konstantem Niveau budgetiert ist, bringt ihm wenig bei. Modernes MMM wird oft mit bayesschen Methoden gebaut, regelmäßig aktualisiert und mit kontrollierten Experimenten validiert.