← Konzepte

Go-to-Market

Marketing-Mix-Modellierung (MMM)

Marketing-Mix-Modellierung (MMM) isoliert mittels ökonometrischer Regression Werbekanäle, Adstock-Verzögerungen und externe Einflussfaktoren.

Go-to-Market 4 Min. Lesezeit 2 Quellen KaTeX-Formel

Kanonische Definition · Antwort-Zuerst-Spezifikation

Die Marketing-Mix-Modellierung (MMM) ist ein ökonometrisches Zeitreihenverfahren, das den statistischen Zusammenhang zwischen Marketinginvestitionen und betriebswirtschaftlichen Zielgrößen (Umsatz, Neukunden) quantifiziert. Durch die Modellierung von Nachzieheffekten (Adstock), abnehmenden Grenzerträgen (Sättigungskurven) und exogenen Kontrollvariablen (Saisonalität, Konjunktur, Wettbewerbspreise) misst sie Werbewirkung ohne Trackingdaten.

Synonyme: Ökonometrische Mediamodellierung · Media Mix Modeling · MMM · Top-Down-Attribution

Auf dieser Seite

Operative Formulierung & Berechnung

Mathematisches Modell
Yt=β0+∑i=1Mβi⋅Hill(Adstock(Si,t;αi,Li);Ki,Si)+∑j=1PγjXj,t+ϵtY_t = \beta_0 + \sum_{i=1}^M \beta_i \cdot \text{Hill}\left(\text{Adstock}(S_{i,t}; \alpha_i, L_i); K_i, S_i\right) + \sum_{j=1}^P \gamma_j X_{j,t} + \epsilon_t

Variablen & Parametereigenschaften

Symbol Parameter Ökonomische Bedeutung & operative Abgrenzung
YtY_t Zielgröße Gesamtumsatz, Neukundengewinnung oder Auftragseingang im Zeitabschnitt t.
Si,tS_{i,t} Werbeaufwand im Kanal i Tatsächliche Werbeausgaben oder Impressionen im Marketingkanal i während der Periode t.
Adstock\text{Adstock} Werbewirkungs- und Abklingfunktion Mathematische Modellierung der Gedächtniswirkung (\alpha) und zeitlichen Wirkungsverzögerung (L) von Werbekontakten.
Hill\text{Hill} Sättigungsfunktion Nicht-lineare Kurventransformation zur Abbildung abnehmender Grenzerträge und Kanalsättigungen.
Xj,tX_{j,t} Exogene Kontrollvariablen Externe Einflussfaktoren wie saisonale Schwankungen, konjunkturelle Trends, Aktionen des Wettbewerbs und eigene Preisanpassungen.

Operative Anatomie & Fehlermodi

Grenzziehungen, Verzerrungsmuster und zulässige Management-Entscheidungen.

Bruchstellen-Analyse

Grenzen & Bruchstellen

  • Multikollinearität: Zeitgleiche Marketingkampagnen (z. B. gleichzeitiger Start von TV, Social Ads und Search) erschweren die statistische Trennung der Kanäle.
  • Bedarf an langen Datenhistorien: Erfordert in der Regel mindestens zwei bis drei Jahre aggregierter Wochendaten, um Saisoneffekte von Werbewirkung zu trennen.
  • Fehlende Mikro-Granularität: Eignet sich nicht zur Steuerung von Echtzeit-Geboten auf Keyword-Ebene oder für einzelne Werbemittel.
  • Verzerrung durch ausgelassene Variablen: Werden Preisänderungen, Sonderaktionen oder PR-Ereignisse im Modell ignoriert, schreiben Regressionsmodelle deren Effekte fälschlicherweise dem Werbebudget zu.

Dashboard-Verzerrungen

Typische Verzerrungs- & Gaming-Muster

  • Subjektives Anpassen Bayesscher Vorannahmen (Priors), bis das Modell die vom Marketingteam gewünschte Budgeterhöhung rechnerisch stützt.
  • Auslassen von Preissenkungen oder Rabatten im Datenmodell, wodurch die Nachfragezuwächse als reine Werbeleistung ausgewiesen werden.
  • Modellvalidierung ausschließlich anhand des Bestimmtheitsmaßes R² statt durch reale Out-of-Sample-Prognosen oder Feldexperimente.
  • Einstellung übertrieben langer Adstock-Abklingzeiten, um künstlich langanhaltende Markeneffekte zu simulieren.

Executive Entscheidungsmatrix

Die Übertragung dieser methodischen Bruchstellen und Verzerrungsmuster in die operative Praxis erfordert eine verbindliche Entscheidungsgovernance. Führungskräfte müssen klar trennen zwischen Management-Maßnahmen, die empirisch tragfähig sind, und unzulässigen Ableitungen, die auf methodischen Trugschlüssen beruhen.

Zulässige Management-Entscheidungen
  • Strategische Budgetallokation und Portfolio-Optimierung über unterschiedliche bezahlte Werbekanäle hinweg.
  • Ermittlung von Sättigungsgrenzen und abnehmenden Grenzerträgen für einzelne Werbekanäle.
  • Bestimmung des Grundniveaus der Nachfrage (Baseline), das auch ohne jegliche Werbeausgaben anfällt.
Unzulässige Ableitungen & Trugschlüsse
  • Taktische Umschichtung von Tages- oder Wochenbudgets auf Basis statischer vierteljährlicher Modellläufe.
  • Unkritischer Verlass auf Modellergebnisse, die nie durch kontrollierte Feldtests (z. B. Geo-Lift-Experimente) kalibriert wurden.
  • Ableitung von Budgetentscheidungen für einzelne Suchbegriffe oder Bannerformate aus aggregierten Makromodellen.

Ökonometrische Grundlagen der Marketing-Mix-Modellierung

Im Gegensatz zu digitalen Attributionsmodellen (wie Last-Click oder Multi-Touch), die auf deterministischen Zählpixeln im Browser basieren, arbeitet die Marketing-Mix-Modellierung (MMM) auf aggregierter Makroebene. Mittels multivariater Regressionsverfahren ermittelt sie den tatsächlichen kausalen Beitrag verschiedener Marketingaktivitäten zum Unternehmensergebnis.

Die unverzichtbaren Transformationen: Adstock und Sättigung

Werbeausgaben führen in der Realität weder sofort noch linear zu Umsätzen. Ein praxistaugliches Modell berücksichtigt daher zwei zentrale psychologische und marktliche Phänomene:

  1. Adstock (Erinnerungswirkung und Verzögerung): Werbekontakte hinterlassen im Gedächtnis von Entscheidungsträgern Spuren, die im Zeitverlauf abklingen. Das geometrische Adstock-Modell bildet diesen Verfall ab: Adstockt=St+λ⋅Adstockt−1\text{Adstock}_t = S_t + \lambda \cdot \text{Adstock}_{t-1} Dabei definiert λ∈[0,1)\lambda \in [0, 1) die Behaltensquote. Bei komplexen B2B-Kaufentscheidungen wird zusätzlich ein Verzögerungsparameter LL integriert.

  2. Sättigung (Abnehmende Grenzerträge): Eine Verdopplung des Werbebudgets führt nicht zu einer dauerhaften Verdopplung des Absatzes. Märkte und Zielgruppen erreichen Sättigungspunkte. Dies wird mathematisch meist über die Hill-Funktion abgebildet: Hill(x;K,S)=xSKS+xS\text{Hill}(x; K, S) = \frac{x^S}{K^S + x^S} Hierbei steuert KK den Halb-Sättigungspunkt und SS die Steilheit der Kurve.

Die Notwendigkeit der empirischen Kalibrierung

Wird ein Modell rein ökonometrisch geschätzt, neigt es zu Scheinkorrelationen und liefert je nach Vorannahmen stark schwankende ROI-Werte. Führende Unternehmen setzen daher auf Triangulation:

  • Top-Down: Ökonometrische Regression über mehrjährige Zeitreihen.
  • Bottom-Up: Kausale Lift-Tests (Geo-Experimente und randomisierte Kontrollgruppen).
  • Bayessche Verknüpfung: Die Ergebnisse realer Feldexperimente fließen als informative Priors in das statistische Modell ein.

Wissenschaftliche Quellen & Belege

  • Hanssens, D. M., Parsons, L. J., & Schultz, R. L. (2003). Market Response Models: Econometric and Time Series Analysis (2nd ed.). Kluwer Academic Publishers.
  • Broadbent, S. (1979). One Way TV Advertisements Work. Journal of the Market Research Society, 21(3), 139–166.

Diesen Eintrag zitieren

Zitierbar in wissenschaftlichen Arbeiten, Forschungsberichten und Vorstandsvorlagen.

Wissensarchitektur

Verknüpfte Wissensobjekte & Vertiefung