Was ist Marketing-Mix-Modellierung?
Du schaltest Google-Anzeigen, postest auf Instagram, hängst Plakate auf und verschickst einen Newsletter. Im Monat danach steigt der Umsatz. Aber welcher Kanal war's? Die Marketing-Mix-Modellierung (MMM) versucht, genau das zu beantworten.
Sie ist im Kern eine Regression: ein statistisches Verfahren, das schaut, wie sich Umsatz mit Werbeausgaben, Preisen, Saison und anderen Einflüssen über die Zeit bewegt. Meta beschreibt MMM als datenschutzfreundliche, robuste statistische Analyse, die den zusätzlichen Umsatzbeitrag und den ROI von Marketing und anderen Faktoren misst.
Wie funktioniert das Modell?
Stark vereinfacht zerlegt das Modell den Wochenumsatz in Bausteine:
Vereinfachtes Schema
Umsatz = Grundumsatz + Saison + Kontrollfaktoren + Wirkung der Kanäle
Die Wirkung jedes Kanals läuft vorher durch zwei Kurven: Nachwirkung (Adstock) und Sättigung.
Adstock: Werbung klingt nach
Ein TV-Spot wirkt nicht nur in der Woche, in der er läuft. Er bleibt hängen und klingt langsam ab. Meta erklärt es am Beispiel: Ein Wert von 0,75 bedeutet, dass 75 % der Wirkung aus Woche 1 in Woche 2 mitgenommen werden. Als Richtwerte nennt Meta für TV 0,3 bis 0,8, für Digitales 0 bis 0,3 — Online-Werbung verpufft also schneller.
Sättigung: Der tausendste Euro wirkt weniger
Jeder zusätzliche Werbekontakt steigert die Wirkung, aber immer weniger stark. Irgendwann hat jeder in deiner Zielgruppe die Anzeige gesehen. Die Modelle bilden das mit einer gebogenen Kurve ab. Genau daraus entsteht der praktische Nutzen: MMM zeigt, wo ein Kanal noch Luft hat und wo jeder weitere Euro verbrannt ist.
Wie viele Daten braucht MMM?
Mehr, als die meisten kleinen Unternehmen haben. Die Hersteller der großen Open-Source-Modelle nennen diese Untergrenzen:
Modell
Datenbedarf
Google Meridian
2 Jahre Wochendaten je Region, 3 Jahre national
Meta Robyn
mindestens 2 Jahre Wochendaten
PyMC-Marketing
idealerweise 2–3 Jahre
Google rechnet in der Meridian-Dokumentation vor, warum: Ein nationales Modell mit 12 Kanälen und 6 Kontrollgrößen hat 26 Stellschrauben. Zwei Jahre Wochendaten sind 104 Datenpunkte — rund vier pro Stellschraube. Das nennt Google zu wenig. Wer die Daten nach 105 Regionen aufteilen kann, kommt über drei Jahre auf 16.380 Punkte.
Dazu kommen Pflichtdaten: Umsatz oder Conversions, Ausgaben und Kontakte je Kanal sowie Kontrollgrößen wie Wettbewerb oder Suchvolumen. Lücken im Umsatz dürfen nicht einfach mit null gefüllt werden.
MMM, Attribution und Lift-Tests
Methode
Stärke
Attribution
einzelne Klickpfade, schnell, aber braucht Tracking
MMM
alle Kanäle inkl. offline, aber grob und langsam
Lift-Test
echtes Experiment, aber nur ein Kanal auf einmal
Die drei ergänzen sich. Alle großen MMM-Tools empfehlen, das Modell mit Ergebnissen aus Experimenten zu kalibrieren: Ein Lift-Test zeigt kausal, was ein Kanal bringt, und dient dem Modell als Anker.
Häufige Fehler
Fehler 1 · Zu wenig Daten
Ein Jahr Monatszahlen und zehn Kanäle — das Modell rechnet trotzdem und liefert hübsche Grafiken. Aussagekräftig sind sie nicht.
Fehler 2 · Ergebnisse als exakte Wahrheit lesen
MMM liefert Schätzungen mit Unsicherheitsbereich. Google nennt die eigenen Richtwerte selbst grob und richtungsweisend. Ein Kanal mit „ROI 2,4“ heißt: irgendwo in einer Spanne darum.
Fehler 3 · Ohne Kalibrierung
Ohne Experimente als Anker kann das Modell Zufall für Wirkung halten — etwa wenn du immer dann mehr Budget gibst, wenn die Nachfrage ohnehin steigt.
Fehler 4 · Kontrollgrößen vergessen
Wer Saison, Preisaktionen oder einen Konkurrenten mit Ausverkauf weglässt, schreibt der Werbung Umsatz zu, der auch so gekommen wäre.
Tools und Einstieg
- Google Meridian: Open Source (Apache 2.0), Python, seit Januar 2025 für alle verfügbar, mit Szenario-Planer fürs Budget.
- Meta Robyn: Open Source (MIT), in R geschrieben, mit Budget-Optimierer.
- PyMC-Marketing: Open Source (Apache 2.0) von PyMC Labs, Python, kann zusätzlich Kundenwert-Modelle.
- Für Experimente: Meta Conversion Lift, Meta GeoLift oder Google Meridian GeoX.
Häufige Fragen
Ab wann lohnt sich MMM für ein kleines Unternehmen?
Wenn du mindestens zwei, besser drei Jahre Wochendaten hast, in mehreren Kanälen wirbst und die Budgets über die Zeit schwanken. Mit nur ein, zwei Kanälen und kleinem Budget sind Lift-Tests und saubere Attribution meist sinnvoller.
Was ist der Unterschied zwischen MMM und Attribution?
Attribution folgt einzelnen Nutzern über Klicks und braucht Tracking. MMM arbeitet mit Wochensummen aller Kanäle, erfasst auch Offline-Werbung und rechnet Preis und Saison heraus, ist dafür aber gröber und langsamer.
Ist Google Meridian kostenlos?
Ja, Meridian ist Open Source unter Apache-2.0-Lizenz. Du brauchst aber Python-Kenntnisse, sauber aufbereitete Daten und Rechenleistung, Google empfiehlt eine Grafikkarte. Viele lassen es von zertifizierten Partnern aufsetzen.
Was bedeuten Adstock und Sättigung?
Adstock beschreibt, dass Werbung nachwirkt und langsam abklingt. Sättigung beschreibt, dass jeder zusätzliche Euro in einem Kanal weniger bringt als der vorherige. Beide Kurven sind das Herz jedes Marketing-Mix-Modells.
Ist MMM DSGVO-konform?
Für die Analyse selbst nutzt MMM nur zusammengefasste Zahlen wie Ausgaben und Umsatz je Woche, keine Daten einzelner Personen. Datenschutzfragen stellen sich deshalb vor allem bei der Datenerhebung in den Quellsystemen, nicht im Modell.
