Incrementality

Werbung wirkt – oder sieht zumindest so aus. Jemand sieht eine Anzeige für Sneakers, klickt darauf und kauft. Für den Anbieter sieht das wie ein Erfolg aus. Aber vielleicht hätte diese Person die Sneakers sowieso gekauft, ganz ohne die Anzeige. Incrementality beantwortet genau diese Frage: Wie viel hat die Werbung wirklich bewirkt – und was wäre auch ohne sie passiert? Der Begriff steht für die echte Wirkung einer Maßnahme, abzüglich allem, was ohnehin geschehen wäre. Er kommt ursprünglich aus der Wirtschaft und spielt heute eine zentrale Rolle im digitalen Marketing und in der KI-gestützten Werbeauswertung.

Warum die echte Wirkung schwer zu erkennen ist

Das Problem heißt Kausalität: Nur weil zwei Dinge zusammen auftreten, hat das eine nicht das andere verursacht. Wer im Winter eine Grippe bekommt und gleichzeitig Tee trinkt, wird nicht wegen des Tees krank. Genauso wenig ist jede Anzeige, die einem Kauf vorausgeht, die Ursache dieses Kaufs. Viele Menschen kaufen Produkte, die sie ohnehin wollten – und klicken vorher zufällig auf eine Anzeige.

Klassische Kennzahlen wie Klickraten oder Conversions erfassen diesen Unterschied nicht. Sie zählen einfach alle Käufe, die nach einem Werbeklick stattfanden. Das klingt hilfreich, ist aber irreführend: Ein Unternehmen, das nur Leute anspricht, die sowieso kaufen wollen, sieht großartige Zahlen – und gibt trotzdem Geld für nichts aus.

Wie ein Incrementality-Test aufgebaut ist

Die sauberste Methode ist ein kontrolliertes Experiment. Man teilt eine Zielgruppe zufällig in zwei Gruppen auf. Die Testgruppe sieht die Werbung. Die Kontrollgruppe – auch Holdout-Gruppe genannt – sieht sie nicht. Am Ende vergleicht man die Kaufraten beider Gruppen. Der Unterschied ist der inkrementelle Effekt: der Anteil der Käufe, den die Werbung tatsächlich ausgelöst hat.

Das Prinzip stammt aus der medizinischen Forschung, wo es als randomisierter kontrollierter Versuch bekannt ist. In der Werbebranche heißt die Kontrollgruppe häufig Ghost Group oder Holdout, und die Auswertung übernehmen heute oft automatisierte Systeme. KI-Modelle helfen dabei, die Gruppen sauber zu trennen, Störvariablen zu erkennen und die Ergebnisse statistisch abzusichern – also zu prüfen, ob der gemessene Effekt nicht einfach Zufall ist.

Ein wichtiger Grenzwert ist dabei der sogenannte ROAS – Return on Ad Spend, also das Verhältnis von Werbeertrag zu Werbekosten. Incrementality-Tests zeigen oft, dass der echte ROAS deutlich schlechter ist als der scheinbare, weil viele gezählten Käufe auch ohne Werbung passiert wären.

Incrementality in der Praxis: Wo der Begriff auftaucht

Im Alltag begegnet man Incrementality vor allem in Berichten über digitale Werbeplattformen. Meta, Google und andere Anbieter haben eigene Tools entwickelt, mit denen Werbekunden testen können, ob ihre Kampagnen echten Mehrwert liefern. Das Interesse daran ist gewachsen, seit klassische Tracking-Methoden – etwa die Verfolgung über Browser-Cookies – durch Datenschutzgesetze und Apple-Updates schwieriger geworden sind.

Auch in Nachrichtenberichten über Marketing-Technologie taucht der Begriff regelmäßig auf. Unternehmen, die früher einfach Klicks und Conversions zählten, suchen jetzt nach verlässlicheren Methoden. Incrementality gilt dabei als der ehrlichere Standard – weil er nicht fragt, was nach der Werbung passiert ist, sondern was wegen ihr passiert ist.

Ein typischer Irrtum ist übrigens, Incrementality mit Reichweite zu verwechseln. Eine Kampagne kann Millionen Menschen erreichen und trotzdem einen inkrementellen Effekt von nahezu null haben – wenn all diese Menschen sowieso gekauft hätten. Umgekehrt kann eine kleine, zielgenaue Kampagne mit wenigen Kontakten eine hohe Incrementality erzielen, weil sie genau die richtigen Personen anspricht.