Marketing Glossar

2.413 Fachbegriffe aus 22 Bereichen des Online Marketings

Incrementality Testing

Definition: Incrementality Testing (deutsch: Inkrementalitätstest oder Wirkungszusatztest) ist ein kausalanalytisches Verfahren im Performance Marketing, das präzise misst, welcher Anteil der erzielten Conversions, des Umsatzes oder anderer Zielgrössen tatsächlich durch eine bestimmte Marketingmaßnahme ausgelöst wurde und ohne diese Maßnahme nicht entstanden wäre. Es beantwortet damit die fundamental wichtige Frage: “Was wäre passiert, wenn wir diese Werbung nicht geschaltet hätten?” – den sogenannten kontrafaktischen Zustand. Incrementality Testing basiert auf dem Prinzip kontrollierter Experimente (Randomized Controlled Trials, RCTs): Eine zufällig ausgewählte Testgruppe wird der Marketingmaßnahme ausgesetzt, während eine vergleichbare Kontrollgruppe sie nicht sieht. Die Differenz in den Konversionsraten beider Gruppen entspricht dem tatsächlichen inkrementellen Beitrag der Maßnahme. Damit gilt Incrementality Testing als Goldstandard der Marketing-Wirkungsmessung und überwindet die fundamentalen Schwächen klassischer Attribution-Modelle, die oft Conversions zählen, die ohnehin stattgefunden hätten.

Erläuterung

Das grundlegende Problem klassischer Marketing-Attribution liegt im sogenannten Selection Bias: Retargeting-Kampagnen beispielsweise sprechen bevorzugt Nutzer an, die bereits starke Kaufabsicht gezeigt haben. Diese Nutzer würden in vielen Fällen auch ohne die zusätzliche Werbeanzeige konvertieren. Last-Click-Attribution oder Multi-Touch-Attribution schreibt diesen Conversions jedoch vollständig oder teilweise dem Retargeting-Kanal zu und überschätzt so dessen Wirkung erheblich. Incrementality Testing löst dieses Problem, indem es einen echten kausalen Effekt identifiziert: den Uplift, den die Maßnahme über das Baseline-Verhalten der Kontrollgruppe hinaus erzeugt. In der Praxis werden drei Hauptansätze unterschieden: Erstens Ghost-Ad-Tests (oder Holdout-Tests auf Nutzerbasis), bei denen einer zufälligen Untergruppe der Zielgruppe keine Anzeige gezeigt wird (oder eine Platzhalteranzeige zu einem anderen Thema), während die restliche Gruppe die echte Anzeige sieht. Diese Methode funktioniert gut für digitale Kanäle, bei denen individuelle Nutzer zuverlässig identifiziert werden können. Zweitens Geo-Experimente, bei denen vergleichbare Regionen randomisiert in Test- und Kontrollgruppen eingeteilt werden – ideal für Kanäle wie TV, Out-of-Home oder Radiowerbung, bei denen nutzerindividuelles Targeting nicht möglich ist. Google bietet dafür das Tool “Geographic Experiment” in Google Ads an. Drittens Switchback-Tests (Time-based Experiments), bei denen die Maßnahme in alternierenden Zeitperioden an- und abgeschaltet wird, was besonders bei Marktplätzen oder kontextabhängigen Umgebungen (z. B. Lieferdienste) eingesetzt wird. Die Stärke des Incrementality Testings liegt in seiner kausalen Validität; die Schwäche in der Notwendigkeit, einer Kontrollgruppe die potenzielle Werbewirkung vorzuenthalten, was kurzfristig zu Umsatzverzicht führt. Zudem erfordern valide Tests ausreichend große Stichproben und eine korrekte statistische Auswertung, einschließlich Poweranalyse vor dem Test. Plattformen wie Meta (Conversion Lift), Google Ads (Campaign Experiments) und Amazon (AMC Audiences) bieten native Tools für Incrementality Tests an. Im wissenschaftlichen Marketing-Kontext werden Incrementality Tests von Autoren wie Causal Impact-Entwickler Brodersen et al. (2015) und Gordon et al. (2019) als unverzichtbare Ergänzung zu attributionsbasierter Messung beschrieben.

Testdesigns im Überblick

Anwendungsfälle in der Praxis

Praxistipp: Führen Sie Incrementality Tests prioritär für Ihre Remarketing-Budgets durch: Hier ist der Selection Bias am stärksten, und viele Unternehmen überschätzen die Wirkung ihrer Retargeting-Kampagnen erheblich. Definieren Sie vor dem Test eine klare Primärmetrik (z. B. inkrementelle Conversions oder inkrementeller ROAS), berechnen Sie die benötigte Stichprobengrösse und planen Sie eine Mindestlaufzeit von zwei bis vier Wochen ein, um saisonale Schwankungen auszugleichen. Halten Sie die Ergebnisse nicht für sich, sondern nutzen Sie sie, um Budget-Allokationsentscheidungen gegenüber dem Management evidenzbasiert zu begründen.

Ausgewählte Referenzen