Gewinn kann nicht lügen!? Warum das nur einer von sechs großen KPI-Irrtümern ist

Nackte Zahlen gelten als unbestechlich - und gerade deswegen können sie am besten täuschen. Das gilt auch und gerade in der Onlinewelt, in der sich alles testen, messen, ordnen und strukturieren lässt. Kaum eine Branche dürfte so zahlenhörig sein, wie die Onlinebranche. Vom Erstkontakt eines Besuchers bis zur Retourenquote - jede Verbesserung der User Experience gilt erst dann als gelungen, wenn sie sich auch in Zahlen belegen lässt. Zahlenmaterial gibt Sicherheit, hilft objektive Entscheidungen zu treffen und den Stand des eigenen Unternehmens jederzeit zu prüfen. Oder aber ein Unternehmen komplett in die Irre zu führen.

Zwar lügen Statistiken nicht - aber rein statistisch betrachtet lässt sich fast alles beweisen. Deswegen sollten Sie immer genau wissen, wovon Sie reden, wenn Sie mit Zahlen zu tun haben. Sechs falsche Freunde aus der Statistik, die Sie unbedingt kennen sollten:

Irrtum 1: Werbung wirkt!

Ein Shopbetreiber startet eine Retargeting-Kampagne. Die Kampagne erzielt im direkten Vergleich unter allen eingesetzten Werbemitteln eine hervorragende Cost-per-Order (CPO). Über die Zeit hinweg lässt sich die Kampagne sogar noch weiter verbessern und ein immer größerer Teil der Verkäufe auf die Kampagne zurückführen. Alle Zahlen zeigen, dass die Kampagne ausgezeichnet läuft, weshalb das Budget stetig erhöht wird.

Was tatsächlich passiert:
Alle KPIs wurden genau geprüft, es kann eigentlich nichts schief gehen. Trotzdem lässt sich der Shopbetreiber von falschen Zahlen in die Irre leiten.

Beispielrechnung Banner (ohne Targeting)

Bei einer herkömmlichen Banner-Kampagne bezahlt der Shopbetreiber für 1.000 Werbeeinblendungen einen Preis von 9 Euro. Die Klickrate beträgt 0,1 Prozent, jeder vierte Besucher kauft am Ende ein. Die CPO beträgt damit 9 Euro / (1.000 x 0,001) x 4) = 36 Euro. Die durchschnittliche Warenkorbgröße beträgt 70 Euro brutto oder 58,80 Euro netto. Bei einer Marge von 33 Prozent steht dem CPO von 36 Euro lediglich ein Ertrag von 19,60 Euro gegenüber. Die Kundengewinnungskosten liegen bei 16,40 Euro. Unterm Strich lassen sich die Ausgaben nur über eine Lifetime-Value-Betrachtung des Kunden und die schwer messbare Brandingwirkung des Banners rechtfertigen.

Ganz anders verhalten sich die Zahlen dagegen bei der Retargeting-Kampagne.

Beispielrechnung Retargeting

Auch in diesem Beispiel werden 1.000 Einblendungen ausgespielt. Nun aber an 100 Neubesucher des Shops. Aufgrund des größeren technischen Aufwands und des zusätzlichen Dienstleisters belaufen sich die Traffic-Kosten nun auf 13,50 Euro (plus 50 Prozent). Von den 100 Besuchern haben 95 keinerlei Kaufabsicht. Ihnen gefiel das Produkt nicht, es war zu teuer oder sie haben es bereits woanders erworben. Fünf Prozent lassen sich aber durch das Banner reaktivieren, das den zuletzt betrachteten Artikel mit einem Rabatt von 10 Prozent anbietet. Damit ergeben sich Gesamtkosten von 13,50 Euro (Media) plus Rabatt (5 x 5,80 Euro) = 42,50 Euro gesamt. Aufgeteilt auf fünf Käufer beträgt der CPO 8,50 Euro. Bei einer Bruttomarge von 33 Prozent (= 19,60 Euro) liefert die Kampagne sofort einen positiven Return-on-Invest.

Auf dem Papier gewinnt die Retargeting-Kampagne klar. Sie liefert schon bei der ersten Bestellung einen Erlös von 10,42 Euro ab, während bei der Banner-Kampagne Kosten von 16,40 Euro entstehen.

Allerdings lässt die Rechnung zwei wesentliche Effekte unberücksichtigt: Zum einen entstehen dem Shopbetreiber ja an anderer Stelle weitere Traffic-Gewinnungskosten. Schließlich muss er erst einmal 100 Neukunden auf seinen Shop lotsen, bevor er die Retargeting-Kampagne starten kann.

Zum zweiten wollten von den fünf "gewonnenen" Kunden drei das Produkt ohnehin kaufen. Die Kaufentscheidung war schon gefällt, sie haben das Banner nur geklickt, um den überraschend angebotenen Rabatt zu erhalten. Rechnet man diesen Effekt heraus, liegt der CPO für die Retargeting-Kampagne schon bei bei 21,25 Euro - und ist damit deutlich schlechter als die schlichte Display-Kampagne. Dazu kommen noch die oben erwähnten Traffic-Gewinnungskosten. Unterm Strich haben sich die Verhältnisse damit genau umgekehrt.

Das Beispiel ist keineswegs aus der Luft gegriffen, sondern folgt einer einfachen Logik, die oft nicht berücksichtigt wird:

• Die meisten Kunden, die einen Shop verlassen, ohne ein Produkt zu kaufen, tun dies aus einem handfesten Grund. Zum Beispiel gefiel das Produkt nicht oder es fehlte eine wesentliche Eigenschaft.
  
• Es ist daher reine Verschwendung, anschließend genau für dieses Produkt erneut Werbung zu machen. Bei der großen Mehrheit der Besucher verpufft sie wirkungslos.
  
• Die Retargeting-Kampagne wirkt nur bei Kunden, die das Produkt nicht gekauft haben, obwohl es sich bereits in der engeren Auswahl befindet. In dieser Gruppe ist die Kaufwahrscheinlichkeit allerdings ohnehin sehr hoch - selbst ohne weitere Werbung.
  
• Alle Verkäufe aus dieser Gruppe werden nun der Retargeting-Kampagne zugeschlagen. Obwohl die Werbung tatsächlich nur einen minimalen Wertbeitrag geleistet hat.

Merke: Wenn die erfolgreichsten Werbekampagnen zur Weihnachtszeit laufen, liegt das nicht unbedingt an der Werbekampagne. Sondern vielleicht daran, dass die Leute zur Weihnachtszeit mehr einkaufen. Genauso verhält es sich mit Retargeting. Die Werbung erscheint einfach nur bei den Kunden, bei denen fast gar kein Werbebeitrag mehr nötig ist.

Besonders fatal wirkt sich dieser Effekt aus, wenn die Kampagnen ständig auf den CPO optimiert werden. Wer ausschließlich diesen KPI im Blick hat, neigt automatisch dazu, die Kampagnen immer weiter auf diesen nur scheinbar lukrativen Traffic zu verengen.

Was sich dagegen tun lässt:
Eine Betrachtung der Cost-per-Order alleine genügt nicht. Die gewonnenen Kunden müssen auch genau betrachtet werden. Wie sind sie auf das Unternehmen aufmerksam geworden? Handelt es sich tatsächlich um Neukunden? Welchen Umsatz - und noch wichtiger! - welchen Beitrag zum Betriebsergebnis generieren sie? Und wie lange bleiben sie dem Unternehmen erhalten?

Irrtum 2: Künstliche Intelligenz kann Verhalten vorhersagen!

Natürlich ist kein Dienstleister auf den Mund gefallen. Deswegen kann er ganz sicher ausschließen, dass der oben geschilderte Effekt eintritt. Gut, ganz sicher kann er das doch nicht ausschließen. Aber bestmöglich. Schließlich wertet ein Algorithmus das Klickmuster, die Betrachtungsdauer und das Verhalten aus und kann Kunden erkennen, die auf Werbung ansprechen. Seit neuestem kommt sogar Künstliche Intelligenz (KI) zum Einsatz.

Was tatsächlich passiert:
Eine Künstliche Intelligenz entdeckt Muster und Zusammenhänge in einer Datenmenge. Zum Beispiel: "Menschen, die sich für Besteck und Geschirr interessieren, sind oft weiblich und sprechen erstaunlich gut auf Werbung für Tischdecken, Serviettenringe und Home-Accessoires an. Bohrmaschinen, Motorsägenöl und Holzschrauben kaufen sie dagegen selten"). Erkennt die KI ein Muster, spult sie Aktionen ab, die der Marketing-Entscheider zuvor festgelegt hat. Zum Beispiel: "Die Person soll ganz viel passende Produkte sehen". Dieses Vorgehen kann durchaus einen positiven Return-on-Invest aufweisen.

Allerdings hat diese Auswertung eine wesentlich geringere Aussagekraft als ein individueller Blick auf den Kunden. Der würde vielleicht zeigen, dass gerade jemand auf den Link eines Hochzeitswunschzettels geklickt hat und sich ansonsten einen Teufel um Servietten und Blumenvasen schert.

Solange man nicht personenbezogene Daten erhebt, bleibt man immer in der Wahrscheinlichkeitswolke hängen - mit der daraus folgenden relativ hohen Fehlerrate. Die sich noch vergrößert, wenn man schlechte Algorithmen oder unvollständige Datensätze verwendet.

Was sich dagegen tun lässt:
Im Onlinemarketing werden immer Wahrscheinlichkeiten verkauft, niemals exakte Prognosen. Deswegen sollte der zugekaufte Traffic immer auf seine Qualität überprüft werden. Oftmals ist er "veredelt". Sprich: Wenn nicht genügend Profildaten aus der Zielgruppe vorhanden sind, werden auch die ausgewählt, die zwar nicht genau zur Zielgruppe gehören, sich aber ähnlich verhalten. Je weiter die Kriterien dabei gefasst werden, desto schlechter werden die Daten. In der Praxis sind zugekaufte Profildaten oft kaum besser als eine klassische Umfeldplanung und gesunder Menschenverstand.

Irrtum 3: 99 Prozent ist eine hohe Genauigkeit!

Wie gefährlich das Spiel mit der Wahrscheinlichkeit ist, mag folgendes Beispiel illustrieren: Ein Händler von Motorradzubehör sucht eine Werbemöglichkeit für seinen Shop. Der Vermarkter eines trafficstarken Portals erklärt ihm, dass zwar nur jeder 1.000ste seiner Besucher Motorradfahrer sei, er diese aber dank seiner umfangreichen Profildatenbank und einer überragenden KI mit einer Zuverlässigkeit von 99 Prozent erkennen könne. Er klassifiziert also nur einen von 100 Besuchern fälschlicherweise als Biker bzw. einen von hundert Motorradfahrern als Nicht-Biker.

Klingt gut. Bei einer so hohen Genauigkeit sollte nichts schief gehen. Trotzdem sind die Ergebnisse der Kampagne ernüchternd. Kaum einer klickt die Produkte. Woran liegt's?

Was tatsächlich passiert:
Einer von 1.000 Besuchern ist tatsächlich Motorradfahrer. Bei 100.000 Besuchern sind es also 100. Bei einem Fehler von einem Prozent identifiziert der Vermarkter davon 99 Motorradpiloten richtig. Es verbleiben 99.000 Besucher. Auch diese erkennt die Maschine richtig - mit einer Fehlerquote von einem Prozent. Ergibt 990 False-Positives. Insgesamt werden dem Marketer 1.089 Kontakte vermittelt - von denen aber nur 99 zur Zielgruppe gehören!

Anders gesagt: Trotz einer Genauigkeit von 99 Prozent liegt die Wahrscheinlichkeit, einen Motorradfahrer zu erwischen, bei gerade einmal neun Prozent. Für eine erfolgreiche Kampagne viel zu wenig.

Was sich dagegen tun lässt:
Das Bauchgefühl kann extrem täuschen, wenn es um Statistik geht. Relative Zahlen und Prozentangaben klingen ganz anders als die absoluten Zahlen. Der Zubehörhändler hätte besser in einem einschlägigen Motorradportal eine Umfeldbuchung vorgenommen. Es ist immer besser, in absolute Zahlen umzurechnen, um Fehler zu umgehen. Ein Prozent klingt wenig. In absoluten Zahlen ist ein Prozent von 99.000 aber viel mehr als 99 Prozent von 100.

Irrtum 4: Der letzte gewinnt!

Nicht einmal im eigenen Unternehmen ist es leicht, diese Mechanismen zu durchschauen. Schließlich haben die Marketing-Mitarbeiter und die beteiligte Agentur ein natürliches Interesse daran, ihre Arbeit in einem positiven Licht darzustellen. Und in der Regel werden sie von der Unternehmensleitung sogar dazu aufgefordert, einen konkreten KPI zu optimieren und ihren Erfolg in handfesten Zahlen darzustellen. Insofern ist ihnen kein Vorwurf zu machen, wenn sie die Gesamtsicht aus dem Auge verlieren.

Jede Abteilung wird daher auf den lukrativsten Teil des Traffics optimieren - und der steht nun einmal ohnehin schon kurz vor der Conversion. Der Selbstbetrug funktioniert auch bei anderen Werbeformen nach demselben Schema wie beim Retargeting, haben Wissenschaftler der Universitäten Berkeley und Chicago mit Unterstützung von Ebay   herausgefunden ("Consumer Heterogeneity and Paid Search Evectiveness: A Large Scale Field Experiment"). Die Forscher konnten dabei Ebays gesamten Suchmaschinentraffic und die komplette, 100 Millionen Keywords umfassende Datenbank nutzen, um in A/B-Tests die Wirkung von Adwords-Werbung zu ergründen.

Was tatsächlich passiert:

• Wenn sich eine beworbene Marke weit oben im Relevant Set des Konsumenten befindet, wird er dieses Angebot ohnehin aufsuchen. Wer also beispielsweise eine gebrauchte Gitarre kaufen oder eine Wohnung vermieten will, denkt sowieso an die großen Marktplätze Ebay.de oder Immobilienscout24.de  .
  
• Für diese Konsumenten ist es besonders naheliegend, auf eine Anzeige der entsprechenden Marken zu klicken. Sie nutzen sie quasi als Navigationsmittel.
  
• Dieser Traffic wirkt für den Werbungtreibenden äußerst attraktiv, weil er besonders gut konvertiert. Entsprechend hoch sind die Klick- und später die CPO-Werte dieser Kampagne.

Was sich dagegen tun lässt:
Bis heute wird im Marketing oft das Attributions-Modell "Last-Cookie-Wins" verwendet. Dabei wird dem Werbemittel, das unmittelbar vor der Conversion gewirkt hat, die gesamte Werbeleistung zugeschrieben. Mit diesem Modell wird der oben beschriebene Effekt aber zementiert. Für einen Marketer ist viel unattraktiver, früh in den Entscheidungsprozess einzugreifen (auch wenn die Werbung dort einen echten Wertbeitrag leisten würde). Lukrativ ist es dagegen, einem zur Conversion fest entschlossenen Kunden noch schnell ein Werbemittel "unterzuschieben". Im Endeffekt wird nicht eine Werbeleistung bezahlt, sondern lediglich Werbegelder abgegriffen.

Irrtum 5: Wer Neukunden gewinnt hat recht!

Natürlich könnte man der oben beschriebenen Falle entgehen, indem man die Conversion Rate mit einer Kontrollgruppe vergleicht. Auf diese Weise ließe sich der wahre Wert der Werbemaßnahme erkennen. Die Werbekontakte, die ohnehin konvertiert hätten, werden durch die Kontrollgruppe ja herausgerechnet. Unbestechlicher geht es nicht.

Was tatsächlich passiert:
Leider stimmt auch diese Vermutung nicht. Auch die bereinigte Conversion sagt kaum etwas über die tatsächliche Werbewirkung aus. Denn tatsächlich werden mit der Maßnahme unter Umständen besonders viele schlechte Kunden erreicht. Kunden, die Ware retournieren, mit der Zahlung in Verzug geraten oder ohnehin nur auf einen bestimmten Vorteil (Gutschein) aus sind.

Je aggressiver die Werbemaßnahme, umso höher ist dieses Risiko. Wenn beispielsweise eine Bank Kunden mit dem Versprechen ködert, 50 Euro auf den soeben getätigten Einkauf gutzuschreiben, ist die Gefahr groß, dass die offerierten Kreditkartenverträge nur wegen dieses Bonus geschlossen werden. Es mag sein, dass der Bank ein "normaler" Kreditkarten-Kunde sogar 80 Euro wert wäre. Bei dieser speziellen Werbemaßnahme werden aber nur Kunden gewonnen, die keine fünf Cent wert sind. Dies aber mit einer beeindruckend hohen Konversionsrate.

Was sich dagegen tun lässt:
Wer eine einzelne KPI betrachtet (hier die Conversion Rate), darf niemals das Gesamtbild außer Acht lassen. Retouren, Margen, Customer-Lifetime-Value und durchschnittlicher Wertbeitrag (ROI) je Kunden sollten für jede Werbemaßnahme berücksichtigt werden.

Irrtum 6: Gewinn kann nicht lügen!

Das oben genannte Beispiel zeigt, dass die Einzelbetrachtung eines KPI immer mit Vorsicht zu genießen ist. Erst am Ende der Kette, wenn es in der Kasse klingelt, zeigt sich der wahre Wert einer Marketingmaßnahme. Nur wenn auch die direkten und indirekten Kosten der Marketingmaßnahme berücksichtigt sind, steht der Return-on-Invest (ROI) fest. Wer all diese Faktoren im Griff hat, optimiert tatsächlich auf den ROI. Dann kann man nichts mehr falsch machen.

Was tatsächlich passiert:
Leider falsch. Wobei man zugeben muss, dass man mit der oben beschriebenen Metrik ziemlich weit kommt. Trotzdem gibt es Geschäftsmodelle, bei denen sie nicht funktioniert. Nehmen wir den Sockenhändler Blacksocks  . Er bietet ein festes Monatsabo, das eine bestimmte Anzahl an Socken enthält. Ein simples Geschäftsmodell.

Um seinen Gewinn zu steigern, bleiben dem Händler drei einfache Möglichkeiten:

1. Mehr Kunden gewinnen.
   
2. Preis erhöhen bzw. Socken mit höherer Marge verkaufen.
   
3. Mehr Socken pro Kunden verkaufen.

Vermutlich wird der Händler alle drei Optionen versuchen. Wenn er alles richtig macht, wird er Wege finden, um Neukunden zu gewinnen, manchen Kunden höherwertige Socken anzudrehen und einigen Kunden wird er drei statt zwei Paar Socken monatlich verkaufen.

Leider entpuppt sich letztere Idee als Rohrkrepierer. Tatsächlich steigen zunächst die Umsätze pro Kunden an und getreu der oben vorgeschlagenen Metrik ist dieser Weg vielleicht sogar der lukrativste. Tatsächlich verkauft der Händler aber am Bedarf des Kunden vorbei. Immer mehr ungetragene Socken stapeln sich in seiner Schublade. Nach einem Jahr sind es bereits ein Dutzend Paar - und der nächste Kündigungstermin kommt bestimmt! Jetzt zieht der Kunde die Reißleine und kündigt das überdimensionierte Abo.

Folge: Er ist auf jeden Fall für ein halbes Jahr verloren, weil er inzwischen seinen Sockenvorrat aufbraucht. Der Umsatz mit diesem Kunden ist in der Langzeitbetrachtung also nicht besser, als wenn er lediglich mit zwei Paar monatlich beliefert worden wäre. Anschließend muss er aber mit einer Rückgewinnungskampagne erneut begeistert werden - was aufgrund seiner negativen Erfahrung nur mit geringer Quote (= hohen Kosten) gelingen wird. Unterm Strich wäre der Händler also besser gefahren, er hätte die dritte Optimierungsmöglichkeit nicht genutzt.

Was sich dagegen tun lässt:
Die Optimierung muss zum Geschäftsmodell passen. Wenn das Geschäftsmodell von einer langfristigen Kundenbindung lebt, sollten die Mitarbeiter nicht über Boni incentiviert werden, die sich an kurzfristigen Zielen orientieren. Umgekehrt sollten kurzfristige Rabattaktionen auch nur ein kurzfristiges Ziel verfolgen, dessen Erreichung für sich selbst genommen einen positiven ROI liefert.

Unter Druck entstehen Fehlentscheidungen

Unterm Strich gibt es zahlreiche Fehlerquellen, die aus einem scheinbar unbestechlichen Optimierungserfolg einen kompletten Irrweg machen. Fatalerweise will das in vielen Unternehmen oft auch gar keiner so genau wissen. Denn die Fachabteilung würde sich selbst schaden, wenn sie diesen Effekt offen benennen würde. Der auf die eigene Marketingleistung zurückgeführte Umsatzanteil würde sinken - wer will das schon? Einen klaren Blick kann eigentlich nur eine übergeordnete Abteilung haben. Doch für die sind die Performance-Metriken oft zu uninteressant.