Wie erzielen führende Unternehmen mit KI mehr Wachstum und Effizienz? Um das zu verstehen, analysieren wir in unserer Serie „Wege zur KI-Exzellenz“ die Ergebnisse einer globalen Umfrage unter 2.000 Marketern. In diesem Artikel untersuchen wir, wie Marken und Agenturen mit KI und besseren Messmethoden ihr Marketing optimieren können.
Angesichts der angespannten Wirtschaftslage stehen Marketer mehr denn je unter Druck, jeden Euro optimal zu nutzen. Gleichzeitig macht es die immer komplexer werdende Customer Journey von heute schwer, den Erfolg einzelner Maßnahmen eindeutig nachzuweisen.
Genau hier können moderne Messverfahren wie Attributionslösungen, Marketing-Mix-Modelle (MMM) und Inkrementalitätstests den Unterschied machen. Das Problem? Die meisten nutzen sie nicht. Selbst unter leitenden Marketing-Analyst*innen kombinieren nur 44 % diese drei Ansätze und lassen damit wertvolle Chancen ungenutzt.1
Was hilft: ein neues Rollenverständnis. Marketer sollten sich heute als eine Art Coach sehen: Jeder Kanal ist ein Athlet, der auf strategische Tipps wartet, um die eigene Leistung zu steigern.
In diesem Artikel erfährst du, wie du als „Marketer-Coach“ mithilfe von KI Wachstum und Effizienz in deinem Marketing steigerst.
Marketing-Mix-Modelle für eine 360-Grad-Sicht
Der Weg zur Erfolgsmessung („Messung und Einblicke“) ist der bekannteste der vier „Wege zur Exzellenz“ aus unserer BCG-Studie. Er bietet das größte Potenzial für KI-Implementierung. Dennoch haben hier erst 9 % der Unternehmen führende Kompetenzen erreicht.2
Woran liegt das? Viele scheitern daran, ihr Kundenwissen praktisch umzusetzen. Gerade mal 24 % der Unternehmen haben eine echte 360-Grad-Sicht auf ihre Kund*innen, um deren Daten überhaupt für ihr Marketing nutzen zu können.3
Falls dein Unternehmen bereits über eine starke First-Party-Datenstrategie verfügt, mag dich dieser Wert überraschen. Doch er erklärt sich, wenn man genauer hinschaut: Vielen fehlen die grundlegenden Testverfahren. So nutzen beispielsweise 42 % keine A/B-Tests zur Bewertung der Effektivität und 52 % keine Brand-Lift-Messwerte zur Erfassung der Wahrnehmung.4
Doch selbst mit solchen Tests fehlt häufig der Überblick. Erinnere dich an die Coach-Metapher vom Anfang: Du musst verstehen, wie alle deine „Spieler“ – sprich Kanäle – zusammenwirken. Welcher Kanal trägt wie viel zum Erfolg bei? Wo lohnt sich mehr Budget, wo weniger? Marketing-Mix-Modelle (MMMs) liefern genau diese Vogelperspektive auf die Performance und geben Marketern das nötige Wissen für Budgetentscheidungen an die Hand.
Dafür haben wir Meridian entwickelt, ein Open-Source-MMM, das für die moderne Customer Journey konzipiert wurde. Es hilft dir, dein Budget dort einzusetzen, wo es wirklich wirkt: online wie offline, im TV und überall dort, wo sich die Kund*innen aufhalten.
Schnellere und bessere Inkrementalitätstests
Unsere Studie zeigt ein klares Muster: Unternehmen am Anfang ihrer KI-Reise fehlen oft die technischen Grundlagen für aussagekräftige Tests. Sie setzen KI nur punktuell ein – und wissen am Ende nicht, welche Investition sich gelohnt hat.
Hier helfen Inkrementalitätstests. Sie funktionieren wie eine Videoanalyse nach dem Spiel und zeigen genau, welcher „Spieler“ wie zum Erfolg beigetragen hat. Für dich als Marketer könnte dieser „Starspieler“ eine entscheidende Anzeige oder ein Media-Buy sein. Um deine MVPs (Most Valuable Players) zweifelsfrei zu identifizieren, brauchst du beides: den Gesamtüberblick eines MMM und den detaillierten Blick der Inkrementalitätstests.
Vereinfacht gesagt: Wer MMMs und Inkrementalitätstests kombiniert, maximiert den ROI. Das sehen auch die Profis so: 80 % der leitenden Marketing-Analyst*innen in den USA bestätigen, dass Erkenntnisse aus Inkrementalitätstests das Umsatzwachstum deutlich steigern – sofern sie natürlich umgesetzt werden.5
Die besten Ergebnisse liefern KI-gestützte Tests mit lückenloser Datenbasis. Konkret heißt das: Du siehst nicht nur, dass jemand gekauft hat, sondern auch welche Anzeigen, Kanäle und Touchpoints vorher eine Rolle gespielt haben. Erst diese Vollständigkeit macht deine Tests wirklich aussagekräftig. Ein starkes Beispiel dafür liefert Nissan: Durch eine konsequente First-Party-Datenstrategie erkannte der Autohersteller, welche Marketing-Maßnahmen tatsächlich Verkäufe auslösen – und welche lediglich zu mehr Besuchen im Autohaus führen. So konnte das Team sein Budget auf die umsatzstärksten Aktionen konzentrieren und gleichzeitig in Echtzeit prüfen, ob die KI-Tools die gewünschte Wirkung zeigen.
Wer MMMs und Inkrementalitätstests kombiniert, kann seinen ROI deutlich steigern.
Ähnlich wie Nissan gelang es auch der US-Hotelkette Westgate Resorts, mithilfe von KI die Nachfrage besser vorherzusagen. Der Schlüssel zum Erfolg lag darin, die verschiedenen Kundengruppen (Hotelgäste, Mieter*innen, Timeshare-Besitzer*innen) mit den passenden Reisezielen zu verbinden. Die Marke weitete den Ansatz auf 20 Resorts aus und etablierte kontinuierliche Tests als festen Bestandteil ihrer Werbestrategie.
Trotz dieser klaren Erfolgsbeispiele nutzen nur 24 % der Unternehmen einen „Always on“-Testansatz, bei dem sie kontinuierlich mit KI testen und daraus lernen.6 Um Marketingteams den Einstieg zu erleichtern, haben wir Inkrementalitätstests für alle Google-Ads-Kampagnentypen vereinfacht und beschleunigt. Sie lassen sich jetzt schon ab einem Budget von 5.000 Euro durchführen. Und mit Google Analytics können Unternehmen ihre Ausgaben über alle Kanäle hinweg mit datengestützten Erkenntnissen bewerten.
Zusammenhänge erkennen mit datengetriebener Attribution
Zu viele Unternehmen schreiben den gesamten Conversion-Erfolg immer noch dem letzten Klick zu. Der Grund: Es fehlen ihnen Tools, die umsetzbare Erkenntnisse liefern. Dadurch übersehen sie den wahren Wert aller Anzeigen, die zu einem Ergebnis geführt haben – so, als würde ein Football-Trainer den gesamten Erfolg nur dem Quarterback zuschreiben. Dabei macht gerade die präzise Attribution den Unterschied: Sie zeigt, welchen Beitrag jeder Touchpoint entlang der Customer Journey leistet – vom ersten Klick bis zur finalen Entscheidung.
Um KI für diese präzise Attribution zu nutzen, müssen Marketer ihre Daten so aufbereiten, dass die KI sie leicht lesen kann. Google Ads nutzt beispielsweise KI, um Touchpoints dynamisch einen Wert zuzuweisen und Marken dabei zu helfen, sich an die moderne Customer Journey anzupassen.
Doch als Branche hat das Marketing hier noch einen weiten Weg vor sich. Vielen Unternehmen fehlen die notwendigen Tools, um überhaupt grundlegende Daten zu sammeln: 42 % haben kein Customer-Relationship-Management-System (CRM) und 57 % keine Customer Data Platform (CDP).7
Je früher du diese Systeme und Tools implementierst, desto mehr Daten stehen dir für zukünftige KI-Integrationen zur Verfügung.
Wenn wichtige Daten fehlen, entsteht kein vollständiges Bild der Customer Journey. Hier kann die Kombination verschiedener Datenquellen helfen: Wer eigene First-Party-Daten – etwa aus physischen Geschäften, dem CRM oder Apps – mit den Daten des Werbepartners zusammenführt, schließt diese Lücken. Tools wie der Data Manager unterstützen Marketingteams dabei, diese verschiedenen Datenquellen zu verstehen, zu vereinheitlichen und optimal zu nutzen.
Warum jetzt handeln?
Wenn du noch nicht zu den Top-Wachstumstreibern gehörst, die KI nutzen, bist du in guter Gesellschaft. Warum also diese Eile? Ganz einfach: Je früher du diese Systeme und Tools etablierst, desto mehr Daten stehen dir für zukünftige KI-Integrationen zur Verfügung.
Die Zahlen sprechen für sich: Unternehmen, die vier oder mehr der sechs entscheidenden Fähigkeiten implementieren, haben eine um 59 % höhere Wahrscheinlichkeit, neue Einblicke in das Konsumverhalten zu gewinnen.8
Um dahin zu kommen, braucht es die Denkweise eines Coaches: Mit MMMs gewinnen Marketer eine ganzheitliche Sicht auf ihre Kanäle. Mit Inkrementalitätstests schärfen sie die Analyse und erkennen, was wirklich funktioniert. Und mit präziser Datenattribution weisen sie jeder Maßnahme den richtigen Wert zu.
Wer diese drei Elemente kombiniert, optimiert seine Ressourcen gezielt für Wachstum. Und das ist eine klare Erfolgsstrategie.
