Kommunikationssynergien: die Interaktion messen, ohne doppelt zu zählen.

UNTERSTÜTZTE ENTSCHEIDUNGEine Kombination nur dann wegen ihrer Synergie finanzieren, wenn die Interaktion getrennt von den Eigeneffekten identifiziert ist und nach den zusätzlichen Kosten wirtschaftlich positiv bleibt.

Was zu unterscheiden ist

Drei Bedingungen vor jeder Berechnung.

01

Vergleichbare Expositionen

Die vier Gruppen müssen vor der Beobachtung des Ergebnisses gebildet werden, mit zufälliger Zuordnung oder einer glaubwürdigen Identifikationsstrategie. Natürlich mehrfach exponierte Nutzer bilden keine Kontrollgruppe.

02

Eigenständige Interaktion

Die Synergie wird als Differenz von Differenzen berechnet: gemeinsames Ergebnis minus Aktivität A, minus Aktivität B, plus Kontrolle. Sie darf nicht beiden Aktivitäten vollständig gutgeschrieben werden.

03

Wert nach Kosten

Eine statistisch positive Interaktion kann zu schwach bleiben, um Kreation, Targeting oder die Komplexität der Sequenz zu finanzieren. Die Entscheidung wendet Stückbeitrag und spezifische Kosten an.

Methode

Eine Synergiemessung entwerfen und interpretieren

  1. 01Die Interaktion formulieren

    Beschreiben, warum A die Reaktion auf B verändern soll — Priming, Beleg, Wiederholung, Reichweite oder Erinnerung; Reihenfolge, Verzögerung und Population vor dem Test definieren.

  2. 02Vier Zellen bilden

    Kontrolle, A, B und A+B mit derselben Periode und überprüfbaren Expositionsregeln dimensionieren; Kontamination vermeiden und die Behandlungstreue messen.

  3. 03Die Effekte berechnen

    Effekt A, Effekt B, Gesamteffekt und Interaktion schätzen; Niveaus, Differenzen, Unsicherheit und etwaige negative Wirkungen auf die Leitplanken berichten.

  4. 04Die Sequenz abwägen

    Die zusätzlichen Konversionen bewerten, die Kosten beider Aktivitäten und ihrer Koordination abziehen und dann prüfen, ob eine einfachere Variante den Großteil der Wirkung erhält.

ORIGINALINHALT

Der faktorielle 2×2-Plan und der Interaktionsterm

Die vier Zellen machen die Wirkung jeder Aktivität sichtbar sowie die zusätzlichen Konversionen, die nur in der Kombination existieren.

Kontrolle
PaidKeine
OwnedKeine
1.000

Conversions

Nur Paid
PaidJa
OwnedNein
1.120

Conversions

Nur Owned
PaidNein
OwnedJa
1.070

Conversions

Kombination
PaidJa
OwnedJa
1.260

Conversions

INTERAKTION(1.260 − 1.000) − (1.120 − 1.000) − (1.070 − 1.000)70 Conversions
CSVDen faktoriellen Datensatz herunterladen↓
ILLUSTRATIVES BEISPIEL · SIMULIERTE DATEN

Die Kombination erzeugt 70 Synergiekonversionen

01 · SITUATION

Vier vergleichbare Gruppen erzeugen 1.000 Konversionen in der Kontrolle, 1.120 mit Paid allein, 1.070 mit Owned allein und 1.260 mit beiden. Der Beitrag je Konversion beträgt 45 €; Paid kostet 4.000 € und Owned 1.000 €.

02 · BERECHNUNG

Paid-Effekt: 120. Owned-Effekt: 70. Gemeinsamer Effekt: 260. Interaktion: 260 − 120 − 70 = 70 Konversionen, also 3.150 € Beitrag. Der gemeinsame Plan schafft 260 × 45 − 5.000 = 6.700 € netto.

03 · ENTSCHEIDUNG

Die Kombination wird gewählt, wenn das Intervall der Interaktion einen materiellen Verlust ausschließt. Die 70 Konversionen werden in einer Interaktionszeile getrennt vom Reporting der beiden Aktivitäten geführt.

Voraussetzungen

Was erfüllt sein muss, um zu handeln.

  1. 01

    Mechanismus, Reihenfolge und Fenster der Interaktion sind vorab spezifiziert.

  2. 02

    Die vier Zellen besitzen ein Kontrafaktum und eine kontrollierte Exposition.

  3. 03

    Der Interaktionsterm wird getrennt von den Eigeneffekten berechnet.

  4. 04

    Der Beitrag der Interaktion deckt die Kosten von Koordination und Kreation.

Grenzen

Was diese Analyse nicht belegt.

  • Eine Interaktion hängt vom Ausgabenniveau, von der Kreation und von der Sequenz ab.
  • Kontamination zwischen den Gruppen mindert die Fähigkeit, den Effekt zu identifizieren.
  • Ein Test mit zwei Aktivitäten beschreibt nicht alle Interaktionen eines vollständigen Portfolios.

Quellenangaben

Zitierte Literatur.

  1. Naik, P. A. & Raman, K. (2003), „Understanding the Impact of Synergy in Multimedia Communications“, Journal of Marketing Research, 40(4), 375–388.
  2. Montgomery, D. C. (2017), Design and Analysis of Experiments.
  3. Lewis, R. A. & Rao, J. M. (2015), „The Unfavorable Economics of Measuring the Returns to Advertising“, Quarterly Journal of Economics, 130(4), 1941–1973.