Strategy Corner: Wie ökonometrische Modelle Marketingaktionen endlich messbar machen

Von Dr. Gordon Euchler und Jens Doege

Wir leben im „Age of Analytics“, in dem die Masse der Daten und der Key Performance Indicators (KPIs) im Business nicht nur steigt, sondern sich alle drei Jahre verdoppelt. Es gibt auch immer neue Formen von Daten: Attitudinal, Behavioural, Clicks, Sentiments, Likes, Traffic, Image Items. Und die große Künstliche-Intelligenz-Revolution steht vor der Tür. Das Schöne: Daten können Erfolge im Business immer besser aufzeigen. Für das Marketing sind Daten vielleicht noch entscheidender. In diesem Zusammenhang spielen Ökonometrische Modelle eine immer wichtigere Rolle, sagt Professor Dr. Alexander Preuss von Annalect: „Ökonometrische Modelle ermitteln datenbasiert die wichtigsten Treiber für die Entwicklung des Absatzes. Sie helfen (...) die Auswirkungen zukünftiger Marketing-Maßnahmen auf den Absatz zu prognostizieren.“

Markenerfolg im Nebel
Den Erfolg einer Cost-Cutting-Runde kann man einfach schwarz auf weiß in der Bilanz ablesen. Der Erfolg einer Produkt-Innovation bemisst sich an den Verkäufen. Und bei einer Salespromotion hilft ein einfacher A/B-Vergleich mit den Märkten ohne Salespromotion – die Differenz ist der Erfolg. Die Marke hat es da schwieriger: Sie ist kein Produkt, das Kunden auf Amazon kaufen können. Kein Angebot im Regal des Supermarktes. Und während das Marketing stolz Brand-Image, Reichweiten und digitale Engagements (KPIs) liefert, mangelt es oft an einem entscheidenden Punkt. Die Marke leistet einen Beitrag zu Verkäufen, aber nur selten kann man einen Verkauf direkt, klar und einfach der Marke – und nur der Marke – zuordnen. Dr. Sebastian Kerkhoff, Senior Expert bei McKinsey, bemängelt: „Ob es dem Unternehmen nun gerade wegen dem Marketing gut geht oder vielleicht trotz gutem Marketing gerade schlecht geht, das ist häufig eine gefühlsgetriebene Diskussion.“ Das ist 2020 schlicht nicht gut genug.

Chief Executive Officers (CEOs) und Chief Financial Officers (CFOs) erwarten vom Marketing „(...) ganz klar die Steigerung von Umsatz und (...) Profitabilität durch Marketingmaßnahmen“, sagt Fabian Nguyen, Manager bei Batten & Company. Laut einer Studie von McKinsey glaubten 2019 zwar 83 Prozent der CEOs, dass Marketing einer der Schlüssel zu einem schnellen und anhaltenden Wachstum ist. Gleichzeitig glaubten nur 23 Prozent der CEOs und 50 Prozent der CFOs, dass Marketing dieses Wachstum auch wirklich liefert. Mehr noch: 40 Prozent der CFOs würden Marketinginvestments im Falle von fehlendem Wachstum nicht schützen. Kurz: Für Investmententscheider ist Marketing von entscheidender Wichtigkeit. Aber das Vertrauen, dass es einen bedeutsamen Beitrag zu Sales liefert, fehlt zu oft.

Der heilige Gral vor unserer Haustür
Dabei gibt es seit den 1950ern eine Methode, den exakten Beitrag von Marken- und Kommunikationsinvestments zu Sales und damit ihren Return on Investment zu bestimmen. Sie ist sogar – ungewöhnlich im Marketing – wissenschaftlich anerkannt. Sie isoliert den Erfolgsbeitrag von Marketing und erlaubt so glaubwürdig eine harte und faire Erfolgsdiskussion mit CEOs und CFOs. Dieses Mittel sind ökonometrische Sales-Modelle. Ihr Name verheißt komplizierte höhere Mathematik. Viele Marketers denken, dass sie genau diese höhere Mathematik beherrschen müssten, um so ein Modelling zu nutzen. So ist das wahrscheinlich präziseste Instrument der Marketingerfolgsberechnung zwar in Unternehmen vorhanden – aus der Erfahrung der Autoren besitzen überraschend viele mittlere bis große Marketingabteilungen ein ökonometrisches Sales-Modelling. Aber es wird deutlich seltener genutzt zum Erfolgsnachweis und für Investmententscheidungen.

Ökonometrische Modelle sind wie Autos – jeder kann sie fahren
Die gute Nachricht: Ökonometrische Modelle sind ein bisschen wie Autos: Voller hochkomplexer Technologie. Aber fahren kann sie jeder. Kein Marketer muss ein ökonometrisches Modell rechnen können. Dafür gibt es Spezialisten sowohl bei den Marketing- als auch Strategieberatungen und bei den meisten Mediaagenturen. Aber Marketer sollten Modellings verstehen und nutzen können. Und das wiederum ist einfach. Der Ausgangspunkt ist die Saleskurve der Marke der vergangenen Jahre. Denn Sales sind es, die das Modelling erklären soll. Alternativ lassen sich auch Traffic oder Leads als vom Marketing steuerbare KPIs modellieren. Natürlich kann man auch Awareness, Consideration oder Brand-Image-Items als Startpunkt nehmen. Aber dann kann man eben auch nur diese weicheren KPIs erklären. Und das überzeugt den CEO oder CFO erfahrungsgemäß kaum.

Faktorensammlung: Je mehr, desto besser
Louise Cook von Holmes & Cook sagt zur Datensammlung für den Betrachtungszeitraum: “Econometric models can pick up marketing and media effects over as much as 5-6 years from airdate. This doesn’t always happen though. And not all marketing does have that length of effect. But routinely effects are captured 6-12 months after a particular piece of marketing has run.” Das Modell sollte möglichst alle relevanten Daten des Unternehmens in Betracht ziehen: Marketinginvestments, Investments der Wettbewerber, Traffic in den Shops, Wetter, Kundenzufriedenheit, Preislevel, Spendings in Abverkaufsaktivitäten, Produktlaunches. Im letzten Modelling, mit dem einer der Autoren arbeitete, wurden beispielsweise über 250 Variablen geprüft. Wenn entscheidende Daten fehlen, wie zum Beispiel Pricing-Daten, müssen diese Daten generiert werden. Die einzigen Grenzen des Ausprobierens: Relevanz und gesunder Menschenverstand. Denn es geht um Kausalität, nicht um Korrelation. So wurde den Autoren von einem Modell berichtet, in dem die Heimtore des lokalen Bundesligaclubs einen statistisch signifikanten Einfluss auf die Sales hatten – hier lag natürlich keine Kausalität vor, sondern eine Korrelation.

Welche Faktoren erklären die Sales am besten?
Aus all diesen Faktoren wird die mathematische Funktion gebildet, welche die Saleskurve in jeder Woche möglichst vollständig erklärt. Dazu werden einfach die Faktoren kombiniert, die den Sale beeinflussen. So werden alle Faktoren, die als Daten zur Verfügung stehen, berücksichtigt und analysiert, inwieweit ihr Auftreten mit einer Steigerung (oder Senkung) der Sales zusammenhängt. Hier kann Software meist alle möglichen Kombinationen durchrechnen und diejenigen zeigen, die der tatsächlichen Kurve am nächsten kommen und sinnhaft sind.

Normalerweise sinken zum Beispiel die Verkäufe, wenn die Spendings des Wettbewerbers steigen. Auch das Wetter hat oft einen starken Einfluss: Wenn zum Beispiel die Temperaturen über 27 Grad steigen, gehen deutlich weniger Menschen in Shops. Wenn ein Produktlaunch oder eine Promotion stattfindet, erklären auch sie einen Anteil an Verkäufen. Besonders interessant: Bei einem anstehenden Modelllaunch in der Autoindustrie sinken die Verkäufe in den zwölf Monaten vor dem Launch. Ab dem Launch hingegen hat das neue Modell einen umso positiveren Effekt auf die Verkäufe. Manchmal kommt man zu überraschenden Ergebnissen: Da war zum Beispiel die Radio-Abverkaufskampagne eines Discounters, die den Hörern trotz Sonderangeboten scheinbar so auf die Nerven ging, dass sie einen negativen Effekt auf die Sales zeitigte.

Den vollständigen Beitrag lesen Sie in der new business Ausgabe 9 vom 24. Februar 2020. Zur Bestellung geht es hier.

• Teilen