Die Zukunft von Marketing Measurement: Von Reports zu Echtzeit-Feedback
Eine DMEXCO Kolumne von Evgeny Popov darüber, warum KI-gesteuerte Werbung ein neues Marketing Measurement erforderlich macht. Weg von verzögertem Reporting hin zu Echtzeit-Feedback und maschinenlesbarer Accountability.
Warum Marketing Measurement im agentischen Zeitalter nicht binär bleiben kann
Jedes Werbezeitalter wird letztlich durch das definiert, was seine Messinstrumente nicht erfassen können.
In den 1960er-Jahren war es das Nielsen-Tagebuch. Haushalte notierten ihr Sehverhalten auf Papier, schickten es ein, und die Branche wartete wochenlang darauf, zu erfahren, was passiert war. Das Tagebuch war nicht falsch. Es war langsam.
Die Branche hat es nicht ersetzt, weil es schlecht war. Sie hat es ersetzt, weil Werbung aufgehört hatte, ein Saisongeschäft zu sein.
Dasselbe steht erneut bevor. Heutige Marketing Measurement-Systeme stehen vor einer ähnlichen Herausforderung. Sie wurden für eine Welt gebaut, in der Menschen Entscheidungen trafen, Kampagnen in einem handhabbaren Tempo liefen und Berichte im Nachhinein erstellt wurden.
In meiner letzten Kolumne über programmatische Werbung und Vektoren habe ich argumentiert, dass das Audience-Segment zum Flaschenhals geworden ist: ein Ja/Nein-Label, das für eine Welt konzipiert wurde, in der Menschen die Logik vorgaben und Maschinen sie ausführten. Doch sobald die Audience-Schicht beginnt, sich von festen Segmenten zu Live-Signalen zu entwickeln, taucht eine unbequemere Frage auf.
Wenn Audience-Entscheidungen nun kontinuierlich getroffen werden – warum ist die darunter liegende Messung dann immer noch binär?
Die Antwort sind nicht mehr Dashboards. Es ist Messung, die sich weniger wie ein Zeugnis verhält und mehr wie ein Preissignal. Und genau deshalb ist dieser Wandel unbequem.
Binäre Messung ist nicht nur eine technische Einschränkung. Sie ist wirtschaftlich bequem. Sie schützt Margen, verbirgt Redundanzen und ermöglicht es spät eintreffenden Impressions, sich Verdienste anzurechnen, die ihnen möglicherweise nicht zustehen. Ein inkrementelles Echtzeitsystem würde die Performance nicht nur anders berichten. Es würde den Markt neu bepreisen.
Die Marketing Measurement-Architektur, die uns hierher gebracht hat
Der modernen Messung sei ihr Verdienst gegönnt. Für das Umfeld, für das sie gebaut wurde, war sie das richtige System.
Ein Planer startete eine Kampagne. Ein Messpartner zählte die Reichweite. Eine Lift-Studie testete, ob sich die Bekanntheit verbessert hatte. Ein Attributionsmodell verknüpfte Kontakte mit einem Website-Besuch oder Kauf. Ein Dashboard verpackte alles in Diagramme, die das Team später prüfte.
Dieses Modell funktionierte, weil das Tempo der Werbung noch menschlich war.
Menschen erstellten den Plan. Menschen beobachteten die Kampagne. Menschen lasen den Bericht. Menschen entschieden, was als Nächstes geändert werden sollte.
Messung war dafür da, zu erklären, was passiert war.
Aber die Entscheidungsebene hat sich verlagert. Autonome Agenten beginnen, Medien in Echtzeit zu gestalten. Sie entscheiden, welches Signal relevant ist, welche Impression es wert ist, gekauft zu werden, welche Botschaft gezeigt werden soll, welche Zielgruppe ausgeschlossen werden soll und was zu stoppen ist.
Die zeitliche Lücke ist gnadenlos. Wenn ein Agent alle vier Millisekunden eine Medienentscheidung trifft, entspricht eine eintägige Reporting-Verzögerung mehr als 21 Millionen verpassten Entscheidungsfenstern. Streckt man diese Verzögerung auf eine Woche aus, hat das System mehr als 150 Millionen Entscheidungen getroffen, bevor das Lernfeedback eintrifft.
Das ist keine Reporting-Verzögerung. Es ist strukturelle Latenz.
Und strukturelle Latenz hat wirtschaftliche Konsequenzen.
Je länger es dauert zu erfahren, ob eine Impression relevant war, desto leichter kann jede Impression im Pfad einen Teil des Ergebnisses für sich beanspruchen. Verzögerung schafft Ambiguität. Ambiguität schützt Credit. Credit schützt Ausgaben.
Das ist der Teil, den die Branche ungern laut ausspricht.
Warum Marketing Measurement für Marketer:innen entscheidend ist
Für Marketer:innen ist das Problem nicht abstrakt. Es zeigt sich in der Budgetallokation, im Frequency Management, beim Creative Wear-out, in der Channel-Planung und bei der Performance-Interpretation.
Eine Marke glaubt vielleicht zu optimieren, weil ihr Dashboard sinkende Kosten pro Akquisition ausweist. Aber wenn das System nicht unterscheiden kann zwischen Nachfrage, die erst erzeugt wurde, Nachfrage, die bereits vorhanden war, und Nachfrage, die am Ende der Customer Journey lediglich abgegriffen wurde – dann ist „Optimierung“ ein höfliches Wort für Credit-Zuweisung.
Diese Unterscheidung ist entscheidend.
Marketing hatte schon immer ein schwieriges Verhältnis zur Kausalität. Nicht jeder Kauf nach einem Kontakt wurde durch diesen Kontakt verursacht. Nicht jeder Klick signalisiert Kaufabsicht. Nicht jede Conversion sollte als Beweis gelten, dass der letzte Touchpoint die entscheidende Leistung erbracht hat. Dennoch komprimieren viele Systeme komplexes Konsumentenverhalten immer noch in einfache Antworten am Kampagnenende.
- Hat die Reichweite gewirkt?
- Hat sich die Bekanntheit verbessert?
- Sind die Verkäufe gestiegen?
- Haben sich die Kosten pro Akquisition verbessert?
Das sind nützliche Fragen. Aber sie glätten den Weg, der zum Ergebnis geführt hat.
In einem agentischen Umfeld wird dieses Glätten gefährlicher, weil Maschinen nicht einfach über fehlerhafte Messungen berichten. Sie handeln danach.
Wenn das Feedback falsch ist, lernt das System die falsche Lektion und das schneller.
Wo Marketing Measurement blind wird
Man stelle sich zwei Haushalte vor, die beide dasselbe Produkt kaufen.
Haushalt A sieht dienstags eine Connected-TV-Werbung, erhält mittwochs eine Follow-up-Nachricht, besucht die Website am Abend und kauft am Donnerstag.
Haushalt B sieht dieselbe Werbung sieben Mal über zwei Wochen, war bereits am Kauf interessiert, bevor er mit der Werbung in Berührung kam, wurde zusätzlich durch eine Kampagne eines Wettbewerbers beeinflusst und hatte seine Entscheidung wahrscheinlich getroffen, bevor die Kampagne überhaupt richtig Fahrt aufnahm.
In einem Standard-Kampagnenbericht landen beide Haushalte in derselben Ergebnisspalte.
Zwei Conversions. Gleicher Wert. Grüne Box.
Die Gewinn- und Verlustrechnung sieht das anders.
Ein Weg spiegelt eine steigende inkrementelle Kaufwahrscheinlichkeit wider. Der andere spiegelt sinkende Grenzerträge wider. Einem Haushalt wurden rund 12 Euro an aktivem Mediabudget zugeordnet. Dem anderen wurden 48 Euro an Mediabudget zugeordnet, das eintraf, nachdem die Kaufentscheidung bereits gefallen war.
Binäre Messung berichtet sie als identisch. Die Budgetallokation behandelt sie als identisch. Der Kampagnenplan des nächsten Quartals übernimmt beide als identisch.
Das ist Measurement Arbitrage.
Kein Betrug. Kein Versagen. Etwas Stilleres: die Durchschnittsbildung von Kontakten, die relevant waren, mit solchen, die es nicht waren.
Und es wird schlimmer, wenn Agenten Brutto-Conversions als kausale Wahrheit eingespeist bekommen.
Ein Kauf ist kein Signal, solange das System nicht versteht, was ihn wahrscheinlich ausgelöst hat. War es Basisnachfrage? Promotion? Distribution? Das Fernbleiben von Wettbewerbern? Creative-Wirkung? Media-Gewicht? Oder eine Impression, die zufällig vor dem Kassenbon erschien?
Wenn Agenten Brutto-Ergebnisse ohne diese Unterscheidung verarbeiten, lösen sie das Attributionsproblem nicht. Sie automatisieren es – nur schneller.
Ein neues Modell für Marketing Measurement
Nicht-binäre Messung bedeutet, das einzelne nachträgliche Urteil durch Live-Feedback mit deklarierter Methodik zu ersetzen.
Nicht nur ob etwas gewirkt hat, sondern wie stark, wie aktuell und auf Basis welcher Messlogik.
Ein per Pixel gefeuerter Conversion Event, ein panel-geschätzter Reichweitenpunkt, ein inkrementalitätsgetestetes Lift-Ergebnis und ein Beitragswert aus dem Marketing-Mix-Modell sollten nicht als gleichwertige Wahrheitsquellen ankommen. Das Signal muss ausdrücken, was passiert ist, wie es gemessen wurde, wie aktuell es ist und wie viel Vertrauen das System in es setzen sollte.
Das ist der Unterschied zwischen dem Füttern eines Agenten mit mehr Daten und dem Ausstatten desselben Agenten mit besserem Urteilsvermögen.
Die Frage lautet nicht mehr schlicht: Hat eine Impression gewirkt? Sie lautet: Wie viel Signal ist noch vorhanden, wie schnell zerfällt es, und sollte der nächste Euro den Druck erhöhen oder verringern?
Anders ausgedrückt: Wo liegt der nächste Euro auf der Ertragskurve – noch wachstumssteigernd, bereits abflachend oder schon verschwenderisch?
Das ist es, was binäre Messung nicht beantworten kann.
Von Marketing Measurement zu Marketing Intelligence
Das ist die tiefere Verschiebung.
Historisch gesehen saß die Intelligenz beim Menschen, der den Bericht interpretierte. Der Planer schaute auf das Diagramm, schloss daraus, was relevant war, und passte den nächsten Plan an. Der Analyst erklärte, warum ein Markt über Erwartungen abschnitt und ein anderer scheiterte. Der Media-Verantwortliche entschied, ob das Budget verlagert, die Frequency gekappt, das Creative erneuert oder die Partner gewechselt werden sollten.
In einem agentischen System muss diese Erkenntnis in die Medieninfrastruktur selbst übergehen.
Das System kann nicht warten, bis ein Mensch die Erkenntnis nachträglich übersetzt. Es muss die Lektion in die nächste Entscheidung tragen.
Konkret bedeutet das: Das Outcome-Signal muss als kompaktes, maschinenlesbares Objekt in die Entscheidungsebene zurückfließen – Aktualität, Sequenz, Sättigung, Methodik, Konfidenz und wahrscheinlicher inkrementeller Impact, verdichtet zu einem Live-Input für das nächste Gebot.
Kein Bericht über die Kampagne.
Eine Korrektur des Modells.
- War dieser Haushalt bereits überexponiert?
- Wurde das Signal stärker oder schwächer?
- Hat diese Impression eine Veränderung ausgelöst – oder traf sie ein, nachdem die Entscheidung bereits gefallen war?
- War der nächste Euro noch produktiv oder kaufte er sich Credit für eine Nachfrage, die bereits existierte?
Das sind keine Fragen für eine Nachbetrachtung. Sie sind Inputs für ein Live-System.
Was sich als Nächstes beim Marketing Measurement ändern wird
Das Dashboard wird nicht verschwinden. Der Bericht wird nicht verschwinden. Das quartalsweise Business-Review wird nicht verschwinden.
Aber sie hören auf, die primären Orte zu sein, an dem Wert geschaffen wird.
Sie werden zu Zusammenfassungen von Entscheidungen, die anderswo getroffen wurden.
Diese Verschiebung wird verändern, wie Marketer Medienpartner bewerten. Sie wird verändern, wie Measurement-Unternehmen Evidenz verpacken. Sie wird verändern, wie Agenturen die Budgetallokation verteidigen. Sie wird verändern, wie Plattformen Inventar bepreisen. Sie wird verändern, wie Marken über Inkrementalität, Sättigung und echten Beitrag nachdenken.
In einem agentischen Markt hört Marketing Measurement auf, ein Schiedsrichter zu sein, und wird Teil der Preisfindungsmaschine.
Das System fragt nicht mehr nur: „Hat diese Kampagne funktioniert?“
Es fragt: „Sollte die nächste Impression mehr, weniger oder gar nichts kosten?“
Das ist die unbequeme Zukunft des Marketing Measurement.
Nicht weniger Accountability. Mehr davon.
Aber eine Accountability, die näher an der Entscheidung ankommt – in einer Form, die das System verwenden kann.
Das Tagebuch hatte seine Ära.
Das Dashboard hatte seine Ära.
Die Ära des Feedback-Loops beginnt gerade.
Evolution ist, wie immer, keine Option.
Verpass keine wichtigen Neuigkeiten aus der digitalen Marketing-Welt, national und international! Abonniere den neuen DMEXCO Newsletter „Digital Digest“ und erhalte jeden Montag, Mittwoch und Freitag die aktuellen Infos direkt in dein Postfach.
