Werbeattribution und Inkrementalität messen 2026

Werbeattribution und Inkrementalität 2026: So trennen Sie echten Werbeeffekt von Mitnahmeeffekten — mit Holdout-Tests, MMM und sauberer Kanalsteuerung.

Die Kurzfassung: Attribution beantwortet die Frage, welchem Kontaktpunkt ein Verkauf zugeordnet wird. Inkrementalität beantwortet die deutlich wichtigere Frage, ob dieser Verkauf ohne Werbung nicht ohnehin stattgefunden hätte. Beide Zahlen liegen in der Praxis weit auseinander, und der Unterschied ist genau das Geld, das Sie im Marktplatz-Marketing sparen oder besser einsetzen können. Der Standard 2026 ist ein Zusammenspiel aus drei Ebenen: ein Media-Mix-Modell für die Budgetverteilung über alle Kanäle, kontrollierte Inkrementalitätstests für die Kanäle mit der größten Unsicherheit und Plattform-Attribution für die Feinsteuerung innerhalb bereits validierter Kanäle. Dieser Beitrag zeigt, wie Sie diese Struktur mit vertretbarem Aufwand über Amazon, Otto, Kaufland und eBay aufbauen.

Das Grundproblem: ROAS misst Zuordnung, nicht Wirkung

Ein ROAS von 6 klingt gut. Er sagt aber nur, dass sechs Euro Umsatz einem Werbekontakt zugeordnet wurden — nicht, dass diese sechs Euro ohne Werbung ausgeblieben wären.

Der klassische Fall ist der Marken-Suchbegriff. Ein Kunde sucht nach Ihrem Markennamen, klickt auf die gesponserte Anzeige ganz oben und kauft. Attribution schreibt den Umsatz der Kampagne zu. Ohne Anzeige hätte derselbe Kunde vermutlich das organische Ergebnis darunter angeklickt.

Dieser Mitnahmeeffekt ist nicht immer schlecht — Markenverteidigung gegen Wettbewerber kann sinnvoll sein. Aber solange Sie den Anteil nicht kennen, steuern Sie im Blindflug.

Das gleiche Problem tritt bei Retargeting, bei Display-Kampagnen auf Produktdetailseiten und bei jeder Kampagne auf, die Käufer erreicht, die bereits kaufbereit sind. Je näher am Kaufabschluss ein Kanal ansetzt, desto höher der zugeordnete ROAS und desto niedriger typischerweise der inkrementelle Anteil.

Inkrementalität misst deshalb nicht Zuordnung, sondern Differenz: Was passiert in einer Gruppe mit Werbung im Vergleich zu einer vergleichbaren Gruppe ohne Werbung.

Wie Inkrementalitätstests praktisch funktionieren

Ein Inkrementalitätstest ist ein kontrolliertes Experiment. Eine Testgruppe sieht Ihre Anzeigen, eine Kontrollgruppe nicht, und die Differenz im Ergebnis ist der kausale Lift.

Zwei Bauformen dominieren. Beim Geo-Test teilen Sie Regionen in Test- und Kontrollgebiete auf und schalten Werbung nur in den Testgebieten. Beim Audience-Holdout wird ein definierter Anteil der Zielgruppe von der Auslieferung ausgeschlossen.

Für Marktplatzhändler in Deutschland ist der Geo-Test meist der praktikablere Weg, weil Zielgruppen-Holdouts auf vielen Retail-Media-Plattformen nicht sauber steuerbar sind. Postleitzahlgebiete oder Bundesländer lassen sich dagegen in mehreren Werbesystemen als Auslieferungsraum eingrenzen.

Zur Größenordnung: Laut einer von digitalapplied ausgewerteten Datenbasis aus 225 Geo- und Holdout-Experimenten lag der mittlere inkrementelle ROAS (iROAS) bei 2,31, und 88,4 Prozent der sauber aufgesetzten Tests erreichten statistische Signifikanz. Das ist kein Zielwert für Ihr Konto, aber ein realistischer Erwartungsrahmen: Der inkrementelle Wert liegt regelmäßig deutlich unter dem zugeordneten ROAS.

Wichtig ist die Testdauer. Ein Test über sieben Tage misst bei Produkten mit längerer Überlegungsphase nichts Belastbares. Zwei bis vier Wochen sind der übliche Korridor, bei saisonalen Artikeln entsprechend außerhalb von Peak-Zeiten.

Wie Sie das eingesparte Budget anschließend verteilen, behandelt der Beitrag zur Verteilung des Marketingbudgets im Multichannel.

Die drei Messebenen und ihre Aufgabenteilung

Die häufigste Fehlannahme lautet, man müsse sich zwischen Media-Mix-Modell (MMM), Multi-Touch-Attribution (MTA) und Inkrementalitätstests entscheiden. Der Stand 2026 ist eine Arbeitsteilung.

Das MMM liefert die strategische Portfoliosicht über alle Kanäle hinweg, auch über solche ohne Klick-Tracking wie Retail-Media-Instore oder klassische Werbung. Es arbeitet auf aggregierten Zeitreihen und ist damit unabhängig von Cookies und Consent.

Inkrementalitätstests validieren gezielt die Kanäle, bei denen das MMM die größte Unsicherheit ausweist. Sie sind teuer im Sinne von entgangenem Umsatz in der Kontrollgruppe und werden deshalb nicht flächendeckend, sondern gezielt eingesetzt.

Attribution übernimmt die Feinsteuerung innerhalb bereits validierter Kanäle — also welche Kampagne, welche Anzeigengruppe, welches Keyword. Sie ist gut für relative Vergleiche innerhalb eines Kanals und schlecht für absolute Aussagen über Kanäle hinweg.

Diese drei Ebenen bilden einen Kalibrierungskreislauf: Die Testergebnisse korrigieren die Kanalkoeffizienten im MMM, das MMM bestimmt die Budgetverteilung, die Attribution steuert innerhalb der Budgets.

Für kleinere Händler ist ein vollwertiges MMM oft überdimensioniert. Der pragmatische Einstieg ist die Kombination aus zwei bis vier Inkrementalitätstests pro Jahr und einer konsequenten Kanal-Kohortenauswertung.

Plattform-Attribution 2026: Was Amazon, Otto und Kaufland liefern

Amazon bietet mit der Amazon Marketing Cloud eine Analyseumgebung, in der Ereignisse auf pseudonymisierter Ebene ausgewertet werden — Impressionen, Klicks, Produktseitenaufrufe, Käufe. Laut Amazon Ads lassen sich dort inzwischen auch benutzerdefinierte Attributionsmodelle anwenden, darunter First-Touch und Last-Touch sowie eigene Zuordnungslogiken.

Damit können Sie zumindest innerhalb des Amazon-Ökosystems prüfen, wie stark sich das Ergebnis verändert, wenn Sie von Last-Touch auf First-Touch wechseln. Ein großer Unterschied zwischen beiden Modellen ist ein starkes Indiz dafür, dass Ihre Bewertung einzelner Kampagnentypen vom gewählten Modell abhängt — und damit fragil ist.

Für Traffic von außerhalb Amazons gibt es Amazon Attribution, das externe Kanäle mit Amazon-Konversionen verknüpft. Das ist keine Inkrementalitätsmessung, hilft aber gegen den blinden Fleck bei kanalfremden Kampagnen.

Otto und Kaufland bauen ihre Retail-Media-Angebote weiter aus, liefern aber deutlich weniger granulare Rohdaten als Amazon. Die praktische Konsequenz: Für diese Kanäle ist der Geo- oder Zeitreihen-Test oft die einzige belastbare Methode.

Genau deshalb sollten Sie Amazon, Otto und Kaufland als ein gemeinsames Retail-Media-Budget behandeln und nicht als getrennte Welten. Die Grundlagen dazu finden Sie im Beitrag zu Retail Media im Multichannel.

In 7 Schritten zu belastbaren Inkrementalitätsdaten

1. Schritt 1: Baseline definieren. Legen Sie fest, welcher Umsatz ohne jede Werbung erwartbar wäre — abgeleitet aus Zeiträumen ohne Kampagnen oder aus organischen Kanälen. Ohne Baseline ist jeder Lift-Wert bedeutungslos.

2. Schritt 2: Hypothese formulieren. Nicht "wir testen Sponsored Brands", sondern "Sponsored Brands auf Marken-Keywords erzeugt weniger als 30 Prozent inkrementellen Umsatz". Eine prüfbare Aussage macht das Ergebnis interpretierbar.

3. Schritt 3: Test- und Kontrollgruppe bilden. Bei Geo-Tests: Regionen nach historischem Umsatzniveau paaren, damit die Gruppen vergleichbar sind. Nord gegen Süd ist keine saubere Aufteilung.

4. Schritt 4: Testdauer und Mindestvolumen festlegen. Rechnen Sie vorab aus, wie viele Konversionen Sie brauchen, um einen Effekt in der erwarteten Größenordnung zu erkennen. Zu kleine Tests produzieren Zufallsergebnisse.

5. Schritt 5: Störgrößen ausschließen. Keine Preisänderungen, keine Bestandsausfälle, keine Neuprodukteinführungen im Testzeitraum. Ein Out-of-Stock in der Testgruppe macht den Test wertlos.

6. Schritt 6: Ergebnis in iROAS und inkrementellen Deckungsbeitrag umrechnen. iROAS allein reicht nicht — entscheidend ist, ob der zusätzliche Umsatz nach Marktplatzgebühren, Wareneinsatz und Retouren noch positiv ist.

7. Schritt 7: Ergebnis in die Steuerung überführen. Ein Testergebnis, das nicht in geänderte Gebote, Budgets oder Kanalgewichte mündet, war reine Beschäftigung. Setzen Sie einen festen Termin für die Umsetzung.

Praxis: Von der Messung zur Steuerung

Der schwierigste Teil ist nicht der Test, sondern die Übersetzung des Ergebnisses in tägliche Entscheidungen. Ein Test liefert eine Aussage über einen Zeitraum und eine Kampagnengruppe; die Steuerung braucht Entscheidungen auf SKU- und Keyword-Ebene, jeden Tag.

Der Mechanismus, der diese Lücke schließt, ist eine Gewichtung. Sie hinterlegen für jeden Kanal und Kampagnentyp einen Inkrementalitätsfaktor aus Ihren Tests und rechnen alle zugeordneten Werte damit herunter, bevor Sie sie vergleichen. Ein ROAS von 8 bei einem Faktor von 0,3 entspricht dann 2,4 im Vergleich zu einem ROAS von 3 bei einem Faktor von 0,9, also 2,7.

Diese Umrechnung verändert Budgetentscheidungen oft grundlegend, weil die vermeintlich effizientesten Kampagnen regelmäßig die niedrigsten Inkrementalitätsfaktoren haben.

MarketplAIce arbeitet an genau dieser Stelle prädiktiv statt reaktiv. Die Gebotsoptimierung rechnet fünf Tage voraus und bewertet 15 Dimensionen — darunter Suchvolumenverlauf, Wettbewerbsdruck, Conversion-Entwicklung, Marge und Lagerreichweite. Statt gestrige Ergebnisse fortzuschreiben, wird der erwartete Wert eines Klicks für die kommenden Tage geschätzt.

Für die Inkrementalitätsfrage ist das relevant, weil Prognose und Kontrollgruppe dieselbe Logik teilen: Beide fragen nach dem kontrafaktischen Fall. Ein Modell, das den erwarteten Umsatz ohne Gebotserhöhung abbildet, macht den Zusatzeffekt einer Erhöhung sichtbar.

Weil MarketplAIce Amazon, Otto, Kaufland, eBay und Temu in einer Datenbasis führt, lassen sich Kanalgewichte überhaupt erst vergleichbar machen. Getrennte Dashboards pro Marktplatz erzeugen fünf Wahrheiten und keine Entscheidungsgrundlage — wie Sie das strukturiert zusammenführen, zeigt der Beitrag zum KPI-Dashboard im Multichannel-Controlling.

Sie können MarketplAIce 14 Tage kostenlos testen: https://app.marketplaice.io/registrieren. Alle Tarife unter /de/preise — Essential 249 €, Growth 549 €, Pro 999 € pro Monat, netto.

Was Inkrementalität im Retail Media 2026 antreibt

Der Druck kommt von den Werbetreibenden. In einer von Skai zitierten Erhebung nennen 71 Prozent der Werbetreibenden Inkrementalität als wichtigsten KPI für Investitionen in Retail-Media-Netzwerke.

Die Netzwerke reagieren. eMarketer berichtet, dass Albertsons Media Collective Anfang 2026 ein Instore-Inkrementalitäts-Framework gestartet hat; in einer Testkampagne von Mondelēz wurden ein inkrementeller ROAS von 2,41 US-Dollar im Matched-Market-Verfahren und ein Lift von 14 Prozent bei den Instore-Umsätzen über 116 Standorte gemessen.

Das sind US-Zahlen aus dem stationären Handel und nicht eins zu eins auf deutsche Marktplätze übertragbar. Die Richtung ist aber eindeutig: Standardisierte Lift-Messung wird vom Sonderprojekt zum Bestandteil des Reportings.

Für deutsche Marktplatzhändler heißt das vor allem, sich nicht auf die Bereitstellung durch die Plattform zu verlassen. Wer heute eine eigene Testroutine aufbaut, hat in zwölf Monaten belastbare Kanalgewichte, während andere noch auf Reporting-Funktionen warten.

Der Aufbau eigener First-Party-Daten hilft dabei zusätzlich, weil er Messpunkte außerhalb der Plattformlogik schafft — mehr dazu im Beitrag zur Nutzung eigener Kundendaten.

Die fünf häufigsten Fehler bei Inkrementalitätstests

Zu kleine Testgruppen. Wer einen Effekt von 10 Prozent messen will, aber nur 200 Konversionen im Testzeitraum hat, misst Rauschen. Rechnen Sie das benötigte Volumen vor dem Start aus und verschieben Sie den Test lieber, als ihn zu klein zu fahren.

Ungleiche Vergleichsgruppen. Wenn Testregionen im Schnitt kaufkräftiger sind als Kontrollregionen, ist die gemessene Differenz zum Teil ein Strukturunterschied. Paaren Sie Regionen anhand ihres historischen Umsatzniveaus und prüfen Sie die Vorperiode auf Gleichlauf.

Störgrößen im Testzeitraum. Eine Preisänderung, ein Bestandsausfall, eine Produkteinführung oder eine Marktplatzaktion überlagert den Werbeeffekt vollständig. Testen Sie in einem ruhigen Zeitraum und dokumentieren Sie jedes Ereignis, das dazwischenkommt.

Nachlaufeffekte ignorieren. Werbung wirkt nicht nur am Tag der Auslieferung. Wenn Sie unmittelbar nach Testende die Auswertung schließen, unterschätzen Sie den Effekt bei Produkten mit längerer Überlegungsphase. Ein bis zwei Wochen Nachbeobachtung sind sinnvoll.

Ergebnis ohne Margensicht. Ein iROAS von 2,5 kann je nach Warenkosten, Marktplatzgebühren und Retourenquote profitabel oder defizitär sein. Rechnen Sie das Ergebnis immer in inkrementellen Deckungsbeitrag um, bevor Sie eine Budgetentscheidung treffen.

Ein sechster Punkt kommt hinzu, der weniger methodisch als organisatorisch ist: Tests ohne festen Auswertungstermin versanden. Setzen Sie schon beim Aufsetzen den Termin, an dem das Ergebnis besprochen und in geänderte Budgets übersetzt wird.

FAQ

Was ist der Unterschied zwischen ROAS und iROAS?

Der ROAS setzt den zugeordneten Umsatz ins Verhältnis zu den Werbekosten. Der iROAS setzt nur den zusätzlichen, durch Werbung verursachten Umsatz ins Verhältnis zu den Kosten. Der iROAS liegt praktisch immer niedriger, weil ein Teil der zugeordneten Käufe auch ohne Werbung stattgefunden hätte.

Wie lange muss ein Inkrementalitätstest laufen?

Üblich sind zwei bis vier Wochen, abhängig von Konversionsvolumen und Kaufzyklus. Entscheidend ist nicht die Dauer an sich, sondern ob genug Konversionen zusammenkommen, um einen Effekt in der erwarteten Größe statistisch zu erkennen. Rechnen Sie das vor dem Start aus.

Verliere ich durch die Kontrollgruppe Umsatz?

Ja, das ist der Preis der Messung. Die entgangenen Umsätze in der Kontrollgruppe sind die Testkosten. Halten Sie die Kontrollgruppe deshalb so klein wie statistisch vertretbar und testen Sie außerhalb der Hauptsaison.

Brauche ich als kleinerer Händler ein Media-Mix-Modell?

In der Regel nicht. Ein MMM braucht lange, saubere Zeitreihen und ausreichend Budgetvariation. Für kleinere Konten sind zwei bis vier gezielte Inkrementalitätstests pro Jahr plus eine konsequente Kanal-Kohortenauswertung der deutlich bessere Aufwand-Nutzen-Punkt.

Kann ich Inkrementalität auf Otto und Kaufland überhaupt messen?

Direkt über Plattformfunktionen meist nicht in der Tiefe, die Amazon bietet. Praktikabel sind Zeitreihen-Tests, bei denen Sie Kampagnen für definierte Zeiträume vollständig pausieren und den Umsatzverlauf gegen eine Vergleichsperiode stellen. Das ist gröber, aber besser als keine Messung.

Welchen Inkrementalitätsfaktor sollte ich für Marken-Keywords ansetzen?

Einen konservativen — solange Sie ihn nicht selbst gemessen haben. Marken-Keywords haben typischerweise die höchsten zugeordneten ROAS-Werte und die niedrigsten inkrementellen Anteile. Genau diese Kampagnen sollten deshalb ganz oben auf Ihrer Testliste stehen.

Wie verhindere ich, dass Bestandsausfälle meine Tests verfälschen?

Indem Sie Bestandsreichweite und Werbesteuerung koppeln. MarketplAIce bezieht die Lagerreichweite als eine der 15 Dimensionen in die Gebotsprognose ein und rechnet fünf Tage voraus. Ein Produkt, das im Testzeitraum ausläuft, sollte aus dem Test genommen werden.

Über den Autor

Jorginho Engelmeyer ist Founder von MarketplAIce und Geschäftsführer der AMZ+ Consulting GmbH. Er arbeitet seit über acht Jahren mit Marktplatz- und Advertising-Daten und betreut Händler und Agenturen auf Amazon, Otto, Kaufland, eBay und Temu. Sein Schwerpunkt liegt auf prädiktiver Gebotssteuerung und der sauberen Trennung von zugeordneter und tatsächlicher Werbewirkung — mehr über die Expertise.