Inkrementalitätstest: So findest du heraus, welche Verkäufe deine Werbung wirklich bringt

Inkrementalität ist der Anteil deiner Ergebnisse, den es ohne die Werbung nicht gegeben hätte. Kaufen 1.000 Menschen und 850 davon hätten ohnehin gekauft, hat deine Werbung 150 Käufe bewirkt. Attribution beantwortet eine andere Frage: Welcher Kontaktpunkt bekommt die Anerkennung für jeden der 1.000 Käufe? Jede Plattform rechnet sich dabei großzügig an, und keine weiß, was ohne ihre Anzeigen passiert wäre.

Die Lücke ist nicht theoretisch. Eine Connected-Car-App, die ihre Werbung mit unserem Agenten-System steuert, hat Plattformzahlen mit dem eigenen Umsatz verglichen. In Deutschland beanspruchten Meta, Google und TikTok im September 2026 zusammen das 2,2-Fache des Umsatzes, den die Firma tatsächlich gemacht hat; Google allein meldete 31,3 Tsd. €, die Firma erzielte 23,4 Tsd. €. Einen Teil davon erklären Überschneidungen in der Attribution. Der Inkrementalitätstest beantwortet die nächste Frage: Wie viel der echten 23,4 Tsd. € hat die Werbung verursacht?

Nach zwölf Jahren mit Werbekonten, in Agenturen und auf Kundenseite, traue ich einem Beleg mehr als jedem Dashboard: was mit den Verkäufen passiert, wenn die Werbung irgendwo aus ist. Wenn du erst die Grundlagen der Zuordnung willst, lies unseren Beitrag zu Attributionsmodellen.

Lift % = (Conversions mit Werbung − erwartete Conversions ohne Werbung) ÷ erwartete Conversions ohne Werbung

Inkrementeller ROAS (iROAS) = inkrementeller Umsatz ÷ Werbeausgaben

Inkrementalitätsfaktor = inkrementelle Conversions ÷ von der Plattform zugeordnete Conversions

Es gibt zwei Familien. Experimente teilen Menschen oder Regionen in eine Gruppe mit und eine ohne Werbung. Modelle schätzen die Wirkung aus historischen Ausgaben und Verkäufen. Experimente liefern sauberere Antworten für einen Kanal zu einem Zeitpunkt, Modelle decken alle Kanäle ab, brauchen aber eine Kalibrierung.

So viel, dass die erwartete Wirkung deutlich größer ist als die normalen Schwankungen deiner Verkäufe. Die veröffentlichten Mindestwerte sind die Untergrenze.

• Googles nutzerbasierter Conversion Lift verlangt 5.000 $ und mindestens 1.000 beobachtete Conversions. Tests können ab 7 Tagen laufen, Google empfiehlt mehr als 14, vor allem bei langem Conversion-Verzug (Google Ads Hilfe).
• Den geobasierten Conversion Lift gibt es über deine Google-Ansprechperson, die Kampagnen müssen auf ein einzelnes Land zielen, und das Budget empfiehlt Google nach einer Machbarkeitsprüfung (Google Ads Hilfe).
• Meta bietet Conversion Lift zum Selbermachen für Werbetreibende an, die die Kriterien erfüllen. Als Richtwert braucht das Werbekonto eine Kampagne aus dem letzten Jahr mit mindestens 5.000 $ Ausgaben und 500 Conversions; längere Kampagnen werden anteilig gerechnet, 180 Tage brauchen also 10.000 $ und 1.000 Conversions (Meta Business Hilfebereich). Bei Lift-Tests gilt für Meta eine Konfidenz ab 90 % als statistisch verlässlich (Meta Business Help Center).
• GeoLift empfiehlt Tagesdaten, mindestens 25 Vorperioden über 20 oder mehr Regionen, eine stabile Historie von 4- bis 5-facher Testlänge (am besten 52 Wochen) und mindestens 15 Tage Test bei Tagesdaten oder 4 bis 6 Wochen bei Wochendaten. Der Test sollte mindestens einen vollen Kaufzyklus abdecken (GeoLift Best Practices).

Meta selbst empfiehlt, wo möglich personenbasierte Tests wie Conversion Lift, weil sie mehr statistische Aussagekraft haben als Geo-Tests (GeoLift). Geo-Tests sind im Vorteil, wenn eine Plattform keine Lift-Studie anbietet, wenn du mehrere Kanäle gleichzeitig testen willst oder wenn dein echtes Ergebnis, etwa Ladenbesuche oder CRM-Abschlüsse, nie bei der Plattform ankommt.

1. Frage und Messgröße festlegen. Zum Beispiel: „Wie viele Bestellungen bringt Meta in Deutschland zusätzlich?“, gemessen in Shop-Bestellungen nach Lieferregion, nicht in Metas gemeldeten Käufen.
2. Regionsebene wählen. Nimm die feinste Ebene, die deine Plattformen ansteuern können, etwa Städte oder Postleitzahlbereiche. Die 16 Bundesländer reichen nicht, GeoLift arbeitet am besten mit 20 oder mehr Einheiten.
3. Tägliche Bestellungen pro Region so weit zurück ziehen wie möglich, am besten 52 Wochen, mindestens das Vier- bis Fünffache der geplanten Testlänge.
4. Testregionen wählen, deren Verkäufe sich in der Vergangenheit parallel zum Rest bewegt haben. Die Power-Analyse in GeoLift übernimmt das und zeigt dir die kleinste Wirkung, die du messen könntest.
5. Die Maßnahme festlegen. Ein Holdout schaltet die Werbung in den Testregionen ab, ein Lift-Test erhöht dort das Budget. Holdouts sind leichter zu lesen, Lift-Tests kosten weniger entgangenen Umsatz.
6. Dauer festlegen: mindestens ein voller Kaufzyklus und mindestens 15 Tage bei Tagesdaten. Hänge ein paar Tage für verspätete Conversions an.
7. Alles andere einfrieren: keine bundesweiten Aktionen, Preisänderungen oder neue TV-Spots während des Tests, keine Kampagnenänderungen in den Kontrollregionen.
8. Die Testregionen in jeder Kampagne des getesteten Kanals ausschließen und nach dem ersten Tag die Auslieferung nach Region prüfen.
9. Nicht früher abbrechen, weil die erste Woche gut oder schlecht aussieht.
10. Tatsächliche Bestellungen in den Testregionen mit der Vorhersage aus den Kontrollregionen vergleichen und Lift, iROAS und Inkrementalitätsfaktor berechnen.

Schau zuerst auf Konfidenz oder Intervall, nicht auf den Punktwert. Ein Lift von 12 % mit einem Intervall von 2 % bis 22 % ist eine echte Wirkung mit unsicherer Größe. Ein Lift von 12 % mit einem Intervall von minus 8 % bis 32 % ist nicht aussagekräftig.

• Vergleiche den iROAS mit deinem Break-even-ROAS. Kostet eine zusätzliche Bestellung 50 € und bringt 40 € Rohertrag, verliert der Kanal Geld, auch wenn sein zugeordneter ROAS gut aussieht.
• Nutze den Inkrementalitätsfaktor, um Plattformzahlen bis zum nächsten Test abzuwerten. Er ist eine Korrektur, kein Naturgesetz, und verschiebt sich mit Kampagnen, Saison und Wettbewerb.
• Ein Ergebnis ohne Signifikanz heißt „wir konnten es nicht messen“, nicht „die Werbung bringt nichts“. Wiederhole den Test größer oder länger.
• Prüf andere Kanäle. Steigt die Markensuche in Regionen, in denen Meta aus ist, ist ein Teil von Metas Wirkung dorthin gewandert. Deine Gesamtverkäufe pro Region erfassen das, Plattformberichte nicht.

Teste neu nach großen Änderungen an Budget, Angebot oder Creatives und für deinen größten Kanal mehrmals im Jahr. Die Zahlen, auf die du zwischen den Tests steuerst, sollten aus deinem eigenen Umsatz kommen. Wie das geht, steht im Beitrag zum echten ROAS.

• Zu wenige Regionen oder ein zu kurzer Test, sodass normales Rauschen die Wirkung verdeckt.
• Testen während Black Friday, einer Preisänderung oder einer bundesweiten Kampagne, die Test- und Kontrollregionen unterschiedlich trifft.
• Überlauf: Leute wohnen in einer Kontrollregion, sehen die Anzeige aber bei der Arbeit in einer Testregion, oder sie lassen an eine andere Adresse liefern.
• Kampagnen mitten im Test ändern, womit sich die Maßnahme auf halber Strecke verschiebt.
• Das Ergebnis in Plattform-Conversions messen statt in eigenen Bestellungen oder Leads.
• Conversion-Verzug ignorieren, sodass späte Käufe aus dem Testfenster fallen.
• Einen einzelnen Test für die ewige Wahrheit halten statt für eine Momentaufnahme eines Kanals bei einem Budgetniveau.

Googles Meridian ist ein Open-Source-Marketing-Mix-Modell, das Google im Januar 2025 für alle freigegeben hat (MarTech). Metas Robyn ist eine Open-Source-Alternative in R und Python (GitHub). Ein Modell deckt alle Kanäle gleichzeitig ab, seine Schätzungen können aber abdriften. Meridian bietet deshalb einen Weg, Ergebnisse aus Inkrementalitätsexperimenten in Vorannahmen (Priors) für das Modell zu übersetzen, mit Anpassungen für Budget, Aktualität und Testdauer (Google for Developers). Praktisch heißt das: Geo-Test für den größten Kanal fahren, Ergebnis ins Modell geben, und das Modell übernimmt die Budgetverteilung zwischen den Tests.

Marketing AIgency ist gehostete Software von CBX Media LLC. KI-Agenten prüfen Werbekonten und steuern auf deine Firmenzahl, also echten Umsatz oder echte Leads aus Shopify, CRM, Google Sheet oder unserem First-Party-Pixel, statt auf den Plattform-ROAS. Jeder Vorschlag landet mit Begründung in einer Freigabe-Warteschlange. Meta ist voll live, Google Ads und TikTok verbinden sich genauso per Ein-Klick-Login und laufen wie Meta.

Das Add-on Attribution enthält Unterstützung für Geo-Lift-Tests, dazu einen First-Party-Pixel, eine Kaufumfrage nach dem Kauf und die Rückspielung von Conversions an Meta per Conversions API. Geo-Tests laufen vorerst nur auf Meta. Wie du die Selbstauskunft deiner Kunden dazunimmst, zeigt unser Beitrag zur Post-Purchase-Umfrage. Die Pläne haben feste Monatspreise, ohne Anteil am Werbebudget (Preise ansehen).