Mehr Tools
Use Cases
Rechtliches
Marketer geben jährlich 16,4 Milliarden US-Dollar für Influencer-Marketing aus – 2022 waren das 18,8 % mehr –, doch Marken haben weiterhin Schwierigkeiten, die Wirkung all dieser Ausgaben zu messen.
Die Messung des ROI von Influencern hat mich viel beschäftigt, als ich das Marketing-Science-Team bei Harry’s – einer DTC-Marke für Rasurprodukte für Männer – aufgebaut habe. Ich weiß also, wie schwierig das sein kann. Wir stellten schnell fest, dass man sich nicht allein auf Promo-Codes verlassen kann: Zu viele Kundinnen und Kunden vergessen, sie zu verwenden, und weniger seriöse Affiliates sind versucht, Codes über Coupon-Austauschportale zu teilen, um mehr Klicks zu erzielen.
Stattdessen müssen Promo-Codes Teil eines umfassenderen, ganzheitlichen Messansatzes sein, der digitales Tracking und Marketing-Mix-Modellierung (MMM) integriert. Gemeinsam helfen sie dabei, verschwendete Media-Ausgaben für Kampagnen zu vermeiden, die keine zusätzlichen Verkäufe erzielen.
Zunächst gehen wir auf die Probleme bei der Messung ein, die Sie möglicherweise bei Ihren Influencer-Marketing-Kampagnen feststellen. Anschließend geben wir eine kurze Einführung in die Marketing-Mix-Modellierung, ihre Stärken und Grenzen sowie die Gründe, warum moderne DTC-Marken sie einsetzen.
Abschließend zeigen wir Ihnen Schritt für Schritt, wie Sie in Excel / Google Sheets selbst ein einfaches Marketing-Mix-Modell erstellen. Sie erfahren, welche Daten Sie benötigen, wie die Methode funktioniert und welche Entscheidungen Sie anhand der Ergebnisse treffen können.
Influencer-Marketing ist einer der weniger gut messbaren digitalen Kanäle, da es „außerhalb der Plattformen“ stattfindet: Statt für Werbung auf einer Plattform wie Meta (Facebook & Instagram) zu bezahlen, kontaktieren Sie in der Regel einzelne Influencer und arbeiten direkt mit ihnen zusammen.
Die Ergebnisse variieren oft, da der Erfolg einer Kampagne maßgeblich davon abhängt, 1) wie relevant Ihr Produkt für die Zielgruppe eines Influencers ist, 2) ob der Influencer von Ihrem Produkt begeistert ist und 3) wie kreativ Ihre Kampagne umgesetzt wird. Hinzu kommt das Problem des Betrugs. 2021 waren beispielsweise 49 % der Instagram-Influencer-Accounts von Betrug betroffen, weshalb Marketer auf gefälschte Follower prüfen müssen. Auch die FTC und Social-Media-Plattformen gehen zunehmend gegen die fehlende ordnungsgemäße Kennzeichnung von Werbebeiträgen durch Influencer vor.
Eine der wichtigsten Messmethoden, die die meisten Marken nutzen, sind die bewährten Promo-Codes. Diese Methode geht auf die 1920er-Jahre zurück, als die Nutzung von Coupons während der Weltwirtschaftskrise ihren Höhepunkt erreichte. Frühe wissenschaftlich arbeitende Marketer wie Daniel Starch und Claude Hopkins leisteten Pionierarbeit, indem sie verschiedenen Varianten von Werbetexten eindeutige Promo-Codes zuordneten, um deren Wirksamkeit zu testen.
Diese einfache, aber effektive Methode weist leider erhebliche Schwächen auf, wenn sie in der heutigen digitalen Wirtschaft eingesetzt wird.
In keinem dieser Szenarien werden die Verkäufe als „inkrementell“ erfasst – sie wären auch ohne ein Feld für Promo-Codes zustande gekommen. Somit waren alle an Affiliates ausgezahlten Beträge oder vom Produktpreis abgezogenen Rabatte verschwendet.
Andererseits vergessen viele Kundinnen und Kunden ganz einfach, ihre Promo-Codes zu verwenden! Oder sie haben den im Text des Beitrags versteckten Code vielleicht nicht bemerkt. Alle Marketingfachleute mit Erfahrung in der Durchführung von Influencer-Kampagnen werden Ihnen sagen, dass sie deutliche Umsatzspitzen beobachten, wenn Influencer-Kampagnen live gehen – über das hinaus, was sich anhand des Trackings erklären ließe.
Marketing-Mix-Modellierung (MMM) wurde in den 1960er-Jahren eingeführt, um Spitzen und Einbrüche bei den Verkäufen mit Marketingmaßnahmen (und externen Faktoren) in Verbindung zu bringen. Richtig umgesetzt, kann sie dir den zusätzlichen Einfluss jedes Teils deiner Marketingstrategie aufzeigen, damit du datengestützte Entscheidungen darüber treffen kannst, wo du dein Marketingbudget einsetzen solltest.
Historisch, wurde sie hauptsächlich von großen Werbetreibenden genutzt, die Millionen für Super-Bowl-Werbung ausgeben. Infolge der Datenschutzänderungen in Apple iOS14, der DSGVO/CCPA und von Werbeblockern, die die Möglichkeiten von Marketern zur Nutzerverfolgung einschränken, wurde sie jedoch auch von modernen DTC-Marken übernommen. MMM funktioniert ohne Daten auf Nutzerebene und ist daher ideal für schwer messbare Kanäle wie TV, Podcasts und Influencer.
Sobald du ein Modell erstellt hast, kannst du bestimmen, wie viel du ausgeben solltest – und Budget von leistungsschwachen Kanälen auf Kanäle mit größerem Skalierungspotenzial umverteilen. Sie dient als zweite Meinung neben deinem digitalen Tracking und deiner Analyse und gibt oft den Ausschlag, wenn Google Analytics, dein Promo-Code-Tracking und die Umfrage „Wie hast du von uns erfahren?“ unterschiedliche Aussagen darüber treffen, welche Kanäle Umsatz zugeschrieben bekommen sollten.
Marketing-Mix-Modelle können schwierig korrekt umzusetzen sein und erfordern manchmal fortgeschrittene Statistikkenntnisse, beispielsweise Erfahrung mit bayesschen Algorithmen. Sie bieten eher eine Top-down-Ansicht der Gesamtwirkung, Kanal für Kanal, statt detaillierte Einblicke in einzelne Kampagnen, Creatives/Botschaften oder Taktiken zu ermöglichen. Wenn du es jedoch richtig machst, sind MMMs ein wertvoller Bestandteil des modernen Attribution-Stacks.
Um mitzumachen, sieh dir die Vorlage aus diesem Beitrag an. Sie basiert auf Daten eines fiktiven E-Commerce-Unternehmens und stammt aus den Kursen zur Marketing-Mix-Modellierung von Vexpower:
Für eine große Unternehmensmarke kann ein Marketing-Mix-Modell ein komplexes Projekt sein, für dessen Fertigstellung mehrere Personen bis zu 3 Monate benötigen und das fortlaufend gepflegt werden muss. Wenn du dich in dieser Situation befindest, ist es sinnvoll, eine bestehende Bibliothek wie Meta Robyn zu nutzen oder ein vollständig automatisiertes Tool für Marketing-Mix-Modellierung auszuprobieren, wie wir es bei Recast anbieten.
Als KMU oder Start-up kannst du jedoch an einem Nachmittag mit nichts weiter als Excel oder Google Sheets ein „ausreichend gutes“ Modell erstellen.
Du benötigst Daten aus deinem gesamten Marketing-Mix – also von allem, wofür du Geld ausgibst und was Verkäufe generiert –, damit das Modell den Einfluss von Influencern von allen anderen Faktoren trennen kann. Die Daten müssen wie gezeigt im Tabellenformat vorliegen: eine Zeile für jeden Tag oder jede Woche und eine Spalte für jeden Kanal oder jede Kampagne.
Hinweis: Wenn du mit Kanälen wie YouTube arbeitest, wirst du wahrscheinlich nicht alle Ergebnisse am Tag oder in der Woche erhalten, in der die Inhalte veröffentlicht werden. Wenn du langfristigen, fortlaufenden Traffic erwartest, wird dieses Modell diese langfristigen Vorteile nicht zuordnen.
—
Profi Tipp zur Modellierung von Influencern:
Ordne deine Ausgaben deinem Veröffentlichungsplan zu
Der Schlüssel liegt darin, die Ausgaben für jeden Beitrag dem Zeitpunkt zuzuordnen, an dem dieser Beitrag veröffentlicht wurde. Andernfalls wird das Modell an der falschen Stelle nach Auswirkungen suchen. Ausgaben dem Tag zuzuordnen, an dem der Deal abgeschlossen wurde, ist ein häufiger Fehler – ebenso wie die Zuordnung von Ausgaben zur Kalenderwoche oder zum Kalendermonat.
—
Idealerweise möchten Sie bei jedem Medienkanal die Wirkung der Ausgaben messen: Wie viele Dollar erhalten Sie für jeden ausgegebenen $1 zurück? Das heißt, wenn möglich, sollten Sie die tatsächlichen Kosten Ihrer Kampagnen modellieren, nicht die Reichweite, Impressionen, Follower oder andere leicht manipulierbare Kennzahlen.
Möglicherweise möchten Sie auch einflussreiche externe Variablen wie Ihr Amazon-Ranking oder PR berücksichtigen, sollten jedoch vorsichtig sein, wie Sie diese einbeziehen.
Dieser undurchsichtige Zahlenhaufen ist das Ergebnis der Funktion LINEST, die sowohl in Excel als auch in Google Sheets verfügbar ist. In der obersten Zeile stehen die Koeffizienten (Hinweis: Sie werden in umgekehrter Reihenfolge ausgegeben), die Ihnen die Wirkung jeder Marketingmaßnahme zeigen – vorausgesetzt, das Modell ist korrekt.
Die Koeffizienten können Sie wie folgt interpretieren. Für Influencer-Kampagnen von Modash beträgt der Koeffizient 0,02. Das bedeutet, dass Sie für jeden $1 an Budget 0,02 Verkäufe erzielt haben. Wenn Sie 1 durch 0,02 teilen, erhalten Sie die Kosten pro Akquisition (CPA), die in unserem Modell bei 46,60 $ liegen. Sie können dies mit dem Wert vergleichen, den Ihnen das Tracking per Promo-Code liefert und der höher oder niedriger ausfallen kann.
Der Multiplikator ist das Verhältnis zwischen diesen beiden Werten. Sie können ihn künftig als Faustregel verwenden, wenn Sie den „tatsächlichen“ ROI Ihrer Kampagnen schätzen. Wenn Sie beispielsweise eine neue Kampagne durchführen, bei der das Tracking per Promo-Code einen CPA von 50 $ und einen Multiplikator von 0,73 zeigt, können Sie recht sicher sein, dass der „tatsächliche“ CPA eher bei 37 $ lag (50 x 0,73 = 37).
In unserem Fall sehen wir, dass das Modell vergangene Verkäufe sehr präzise vorhersagt. Der MAPE – ein Maß für Genauigkeit bzw. Fehler – liegt in einer beliebigen Woche meist unter 5 % und insgesamt bei 3,5 %. Das ist ein guter Anfang, aber nicht ausreichend!
Als Nächstes sollten wir prüfen, ob unser Modell neue Daten, die es noch nicht gesehen hat, präzise vorhersagen kann – zum Beispiel die Verkäufe der nächsten 4 Wochen.
Wichtig ist auch, dass das Modell plausibel ist: Hätte es uns gesagt, dass unsere Influencer Verkäufe für 5 $ statt 50 $ generieren, wäre das kaum glaubwürdig und ein Zeichen dafür, dass etwas mit dem Modell nicht stimmt. In jedem Fall sollten diese Modelle anhand dessen validiert und kalibriert werden, was Sie mit anderen Methoden der Marketing-Attribution gelernt haben, einschließlich und insbesondere randomisierter kontrollierter Experimente (A/B-Tests).
Wenn Sie eine höhere Genauigkeit und statistische Validität anstreben, werden Sie fortgeschrittenere Techniken wie Bayesian MMM einsetzen wollen. Dazu gehören auch die Messung der zeitverzögerten Wirkung Ihrer Influencer-Kampagnen (wie lange treten nach dem Post noch Verkäufe auf?), die Messung abnehmender Erträge (wie viel können Sie ausgeben, bevor eine Sättigung eintritt?) sowie eine Reihe weiterer wichtiger Merkmale eines guten Marketing-Mix-Modells. An diesem Punkt müssen Sie fortgeschrittene MMM-Techniken erlernen, einen Datenwissenschaftler hinzuziehen oder einen Dienstleister wie Recast beauftragen, der diese Komplexität bewältigen und sicherstellen kann, dass Ihr Modell präzise ist.