Inkrementelle Tests sind ein wichtiges Instrument im Arsenal eines digitalen Vermarkters. Im Gegensatz zu traditionellen Attributionsmodelle-, bei denen oft alle Verkäufe einer Kampagne zugeschrieben werden - isoliert der Inkrementalitätstest die Verkäufe, die ohne den Einfluss der Kampagne nicht zustande gekommen wären. So erhalten Sie ein klareres Bild von der tatsächlichen Wirkung und davon, wie eine Kampagne in verschiedenen Kontexten abschneiden wird.

Inkrementalitäts-Tests beruhen im Wesentlichen auf kleinen Verbesserungen der Medieneffizienz und -effektivität, die im Laufe der Zeit zu einer erheblichen Steigerung der Effektivität des Medieneinkaufs führen können. Indem sie sich auf Inkrementalität konzentrieren, können Vermarkter datengestützte Entscheidungen treffen und sicherstellen, dass jeder ausgegebene Dollar zu einem spürbaren Geschäftswachstum beiträgt.

Richtiges Einrichten für den Inkrementalitätstesting

Die Art und Weise, wie ein Inkrementalitäts-Test aufgebaut ist, kann seine Wirksamkeit erheblich beeinflussen. Es gibt zwar viele Kampagnenelemente, die getestet werden können, aber wir empfehlen im Allgemeinen, mit zwei zentralen Ansätzen zu beginnen: Benutzerbasiert und Geografische Tests auf (Markt-)Ebene. Beide können weiter kalibriert werden, je nach Ihren Datenquellen und dem Grad der Einsicht, den Sie anstreben.

Benutzerbasierter Conversion Lift ist gut für kleinere Budgets geeignet und kann parallel zu Brand Lift- oder Search Lift-Studien durchgeführt werden. Die Ergebnisse sind in der Regel auf Kampagnenebene verfügbar und können nach demografischen Merkmalen wie Alter und Geschlecht segmentiert werden.

Geobasierter Conversion Liftist dagegen ideal für größere Kampagnen und bietet mehr Flexibilität bei den Datenquellen - einschließlich der Erstanbieter Finanzdaten-ohne sich auf die Cookies. Bei einem geobasierten Experiment können Sie beispielsweise Regionen, in denen die Kampagne aktiv ist, mit Regionen vergleichen, in denen sie nicht aktiv ist. So erhalten Sie einen klaren Überblick über den inkrementellen Anstieg. 

Analysieren von Testergebnissen und Anwenden von Erkenntnissen auf Kampagnen

Um die Inkrementalität Ihrer Medienkampagnen zu verstehen, ist eine sorgfältige Analyse der Testergebnisse erforderlich. Eine Studie von ADKDD 2020 unterstreicht die Bedeutung von marktangepassten kontrollierten Experimenten - insbesondere bei Universal App-Kampagnen - für die genaue Bewertung der zusätzlichen Wirkung von Werbeausgaben. Durch den Vergleich von Testgruppen, die Werbung erhalten haben, mit Kontrollgruppen, die keine Werbung erhalten haben, können Vermarkter den wahren "Lift" einer Kampagne ermitteln.

Inkrementalitätstests bieten eine genauere Sicht auf die Leistung als herkömmliche Attributionsmodelle und helfen dabei, störende Variablen wie regionale Unterschiede oder Saisonalität zu berücksichtigen. Kontrollierte Experimente sind speziell darauf ausgelegt, kampagnengesteuerte Effekte zu isolieren.

Ob durch geobasierte Tests oder Analysen auf Benutzerebene, diese Methoden ermöglichen es den Vermarktern, intelligentere Kampagnen zu entwerfen, die echte Verhaltensänderungen widerspiegeln. Die Beobachtung einer Umsatzsteigerung von 10% in einer Region, in der nur die Kampagne eingeführt wurde, ist ein klarer, quantifizierbarer Beweis für die Wirkung.

Durch die Integration von Inkrementalitäts-Tests in die Kampagnenplanung können Vermarkter sicherere, datengestützte Entscheidungen treffen und sicherstellen, dass die Medienbudgets messbare Ergebnisse liefern.

Herausforderungen und zukünftige Trends in Inkrementalitätstests

Inkrementelle Tests bieten Marketingexperten, die ihre Strategien optimieren möchten, zwar wertvolle Einblicke, sind jedoch mit einigen Herausforderungen bei der Durchführung verbunden. Die Marktanpassung in kontrollierten Experimenten kann komplex sein, und die Entwicklung von Tests, die die Variablen wirklich isolieren, ist keine leichte Aufgabe.

Mit dem Aufkommen fortschrittlicher Analysen und künstlicher Intelligenz wird diese Art von Tests jedoch skalierbarer und präziser. In Zukunft wird das maschinelle Lernen wahrscheinlich das Design von Experimenten verbessern und das Rauschen reduzieren, was schnellere Erkenntnisse und eine bessere Optimierung von Kampagnen ermöglicht.

In der heutigen datenschutzfreundlichen Landschaft ist das inkrementelle Testen ein wichtiges Instrument. Es hilft Marketingfachleuten, ihre Ausgaben zu optimieren, Verschwendung zu vermeiden und sich an zunehmend datenbeschränkte Umgebungen anzupassen - ohne dabei den Überblick darüber zu verlieren, was tatsächlich funktioniert.

Referenzen

• Google. https://www.thinkwithgoogle.com/intl/en-emea/marketing-strategies/data-and-measurement/incrementality-testing/
• ADKDD 2020 (Workshop über Werbung und KDD). http://papers.adkdd.org/2020/papers/adkdd20-barajas-advertising.pdf