Paid Media wird über Grenztranchen gesteuert, nicht über den durchschnittlichen ROAS.
Stand des Nachweises
Was reproduziert wurde und was es nicht belegt.
Die Fixture und die Python-Ausführung prüfen die saturierende Reaktionskurve, die robuste Grenzrendite und die Nebenbedingungen des didaktischen Allokators, den das Staffelbeispiel verwendet. Sie prüfen weder Inkrementalität noch ROAS noch die Wirksamkeit eines echten Medieninventars.
- Technische Spezifikation des Budgetallokators, Spezifikation auf Französisch (öffnet in einem neuen Tab)
v1, 31. August 2026 · CC BY 4.0 · Spezifikation auf Französisch · Methodendokument von marketing-mix.net. Die Zahlen sind illustrativ: Es handelt sich nicht um Marktmessungen.
Was zu unterscheiden ist
Drei Bedingungen vor jeder Berechnung.
Inkrement statt Attribution
Plattformen weisen die Konversionen aus, die mit ihren Interaktionen verbunden sind. Für das Budget zählen die Verkäufe, die es sonst nicht gegeben hätte. Pausentests, geografische Experimente und MMM-Kalibrierung bringen die operativen Kennzahlen näher an diesen Estimand.
Kurve und Wertebereich
Ein Durchschnittsertrag bei 200 T€ sagt den Ertrag der nächsten 50 T€ nicht voraus. Die lokale Steigung schätzen, den beobachteten Stützbereich offenlegen und Extrapolation mit einem Abschlag versehen. Eine ungetestete Tranche kann als Lernbudget finanziert, aber nicht als sicherer Ertrag dargestellt werden.
Rollen und Synergien
Nachfrageaufbau und Nachfrageabschöpfung ersetzen einander nicht mechanisch. Interaktionen, Verzögerungen und Präsenzschwellen dokumentieren. Eine Kürzung bei einem Reichweitenkanal kann einen Suchkanal erst mehrere Wochen später schwächen.
Methode
Paid Media nach Grenzdeckungsbeitrag allokieren
- 01Die Wirtschaftlichkeit vereinheitlichen
Effekte in Deckungsbeitrag nach Marge, Rabatten, Retouren und variablen Kosten umrechnen; einen gemeinsamen Horizont wählen und unmittelbare, verzögerte und Markeneffekte trennen.
- 02Die Kurven schätzen
Historische Daten, Experimente und vergleichbare Priors kombinieren; den Grenzertrag je Tranche und sein Intervall berechnen; Kollinearität, Sättigung und Extrapolationsbereich kennzeichnen.
- 03Die Restriktionen formalisieren
Mindestpräsenz, Höchstkapazität, Verpflichtungen, Reichweite, Diversifizierung und Lernbudget festlegen; die Opportunitätskosten jeder Restriktion messen.
- 04Schrittweise umschichten
Die Tranchen nach konservativem Ertrag ordnen, bis zur Schwelle finanzieren und dann einen Anteil für das Lernen reservieren; nach jedem Zeitfenster, das zur Wirkungsverzögerung passt, neu berechnen.
Die Karte der Paid-Media-Grenztranchen
Die Kanäle werden in finanzierbare Tranchen mit jeweils eigenem Deckungsbeitrag, eigener Konfidenz und eigener Rolle zerlegt.
Eine Umschichtung von 150 T€ schafft 72 T€ Deckungsbeitrag, ohne das Budget zu erhöhen
Search, Social, Video und CRM erhalten 500 T€, 300 T€, 400 T€ und 100 T€. Die nächsten Tranchen von 50 T€ bringen zentrale inkrementelle Deckungsbeiträge von 22 T€, 15 T€, 31 T€ und 34 T€, mit konservativen Untergrenzen von 12 T€, 4 T€, 18 T€ und 25 T€.
Drei Social- und Search-Tranchen erzielen konservative Erträge von 0,08, 0,24 und 0,26. Die Tranchen CRM, Video und eine zweite CRM-Tranche erreichen 0,50, 0,36 und 0,32. Eine Umschichtung von 150 T€ hebt den konservativen Deckungsbeitrag von 29 T€ auf 59 T€, also +30 T€. Im zentralen Szenario erreicht der Zuwachs 72 T€. Das Videominimum von 350 T€ schützt die Reichweite.
Der Plan finanziert zuerst CRM, dann Video, senkt Social und eine Search-Tranche und behält 40 T€, um eine neue Zielgruppe zu testen. Der durchschnittliche ROAS bestimmte die Rangfolge nicht.
Voraussetzungen
Was erfüllt sein muss, um zu handeln.
- 01
Alle Kanäle werden auf Basis eines gemeinsamen inkrementellen Deckungsbeitrags verglichen.
- 02
Jede Tranche nennt Steigung, Intervall und beobachteten Wertebereich.
- 03
Synergien und Präsenzschwellen werden als ausdrückliche Restriktionen behandelt.
- 04
Ein Teil des Budgets finanziert das Lernen, wenn Unsicherheit einen Wert hat.
Grenzen
Was diese Analyse nicht belegt.
- Historische Kurven können sich mit Kreation, Targeting und Wettbewerb ändern.
- Verzögerte Effekte machen zu häufige Umschichtungen instabil.
- Die Granularität auf Kanalebene verdeckt bisweilen starke Unterschiede zwischen Zielgruppen und Kreationen.
Quellenangaben
Zitierte Literatur.
- Danaher, P. J. & van Heerde, H. J. (2018), „Delusion in Attribution“, Journal of Marketing Research.
- Kohavi, R., Tang, D. & Xu, Y. (2020), Trustworthy Online Controlled Experiments.
- Naik, P. A. & Raman, K. (2003), „Understanding the Impact of Synergy in Multimedia Communications“, Journal of Marketing Research.