ROAS im KI-Bericht: Was eine Budgeterhöhung wirklich begründet

Ein KI-Bericht meldet einen ROAS von 4,0 und empfiehlt ein höheres Werbebudget. Ein attributierter ROAS beschreibt, welchen Kaufwert ein Messsystem der Werbung zuordnet. Er belegt für sich genommen weder zusätzlichen Umsatz durch diese Werbung noch den Ertrag einer Budgeterhöhung. Die Rechnung kann stimmen, während die Empfehlung mehr behauptet, als die Daten hergeben.

Für Marketingverantwortliche und Agenturen liegt die entscheidende Prüfung deshalb zwischen Kennzahl und Schlussfolgerung. Welche Aussage trägt die Quelle tatsächlich? Eine KI kann diesen Zusammenhang dokumentieren und fehlende Belege markieren. Das Vergleichsszenario, mit dem sich zusätzliche Verkäufe schätzen lassen, entsteht jedoch nicht durch eine überzeugende Zusammenfassung.

Was die 4,0 im Händlerbericht bedeuten

Ein ausdrücklich hypothetisches Beispiel, keine Kundenergebnisse: Im Monatsdashboard eines erfundenen Händlers stehen THB 100.000 Werbeausgaben und THB 400.000 attributierter Kaufwert. Im selben Monat lief eine Verkaufsaktion. Eine Wirkungsstudie oder ein kausales Modell liegt nicht vor. Die Division 400.000 / 100.000 ergibt einen attributierten ROAS von 4,0.

ROAS setzt den erfassten Conversion-Wert, hier den Kaufwert, ins Verhältnis zu den Werbeausgaben. Bei der Attribution erhält Werbung nach festgelegten Mess- und Zuordnungsregeln einen Anteil am Ergebnis. Diese Regeln sind für die Auswertung nützlich. Sie beantworten aber nicht, welche Käufe ohne die untersuchte Werbung ebenfalls stattgefunden hätten. Außerdem ist ein erfasster Conversion-Wert nicht zwangsläufig vereinnahmter Umsatz.

Die KI-Formulierung „Die Werbung hat THB 400.000 zusätzlichen Umsatz erzielt; erhöhen Sie das Budget“ wäre hier unbelegt. Eine tragfähige Fassung lautet: „Laut Kampagnendashboard wurden der Werbung im betrachteten Monat THB 400.000 Kaufwert bei THB 100.000 Ausgaben zugeordnet. Der attributierte ROAS beträgt 4,0. Welcher Kaufwert zusätzlich durch die Werbung entstand, lässt sich aus diesem Bericht nicht bestimmen.“

Die Verkaufsaktion gehört als mögliche Erklärung in die weitere Prüfung. Dass sie stattfand, beweist noch nicht, dass sie den ausgewiesenen Kaufwert verursachte. Ebenso wenig bedeutet ein ROAS von 4,0 einen Gewinn von 400 Prozent: Marge und weitere Kosten fehlen in dieser Kennzahl.

Welche Belege eine Wirkungsaussage tragen

Inkremental bedeutet hier: ein Ergebnis, das ohne die konkret untersuchte Werbung nicht eingetreten wäre. Dafür braucht die Schätzung ein glaubwürdiges Vergleichsszenario ohne diese Werbung, häufig als kontrafaktisches Szenario bezeichnet. Ein Umsatzanstieg nach Kampagnenstart liefert dieses Szenario nicht automatisch. Deshalb sollten im Bericht vier Belegarten erkennbar bleiben.

1. Beschreibender Vergleich: Der Umsatz ist gegenüber dem Vormonat gestiegen. Das zeigt eine Veränderung, klärt aber deren Ursache nicht.
2. Attribution: Das System ordnet Käufe bestimmten Werbekontakten zu. Die Aussage hängt von den hinterlegten Definitionen und Regeln ab.
3. Experimentelle Schätzung: Eine geeignet angelegte Studie vergleicht Behandlungs- und Kontrollgruppen, um zusätzliche Ergebnisse zu schätzen.
4. Beobachtungsbasiertes kausales Modell: Ein geeignet spezifiziertes Modell schätzt Werbewirkung aus beobachteten Daten unter offengelegten Annahmen.

Google Ads Conversion Lift nutzt kontrollierte Vergleiche mit Nutzer- oder geografischen Gruppen. Die Funktion steht nicht allen Konten zur Verfügung. Eine passende Untersuchung erfordert qualifizierte Planung; zwei ungeprüfte Gruppensummen voneinander abzuziehen reicht nicht. Beim nutzerbasierten Google Conversion Lift setzt der inkrementelle ROAS den geschätzten zusätzlichen Conversion-Wert ins Verhältnis zu den Werbeausgaben. Ausgewiesene Unsicherheitsintervalle und der Geltungsbereich gehören in die Zusammenfassung.

Auch Marketing-Mix-Modelle können kausale Effekte schätzen. Dabei müssen mögliche Einflussgrößen berücksichtigt werden, die sowohl Werbeentscheidungen als auch Verkäufe prägen. Saison und Aktionen können solche Zusammenhänge mitbestimmen; ihre Rolle muss geprüft werden. Googles Meridian-Dokumentation erläutert, warum mehrere Modelle ähnlich gut vorhersagen und trotzdem unterschiedliche kausale Erträge liefern können. Ein Sprachmodell, das Dashboardzahlen erläutert, ersetzt diese Modellierung nicht.

Warum das nächste Budget eine eigene Frage ist

Selbst ein belastbar geschätzter bisheriger Werbeeffekt beantwortet die Budgetfrage nur teilweise. Der durchschnittliche Ertrag bisheriger Ausgaben und der Ertrag zusätzlicher Ausgaben beantworten unterschiedliche Fragen. Als praktische Überlegung gilt: Mehr Budget kann andere Reichweiten, Kontakte und Bedingungen erschließen. Deshalb darf die bisherige Quote nicht ohne weitere Begründung als Ertrag jeder zusätzlich ausgegebenen Einheit fortgeschrieben werden.

Meridian unterscheidet entsprechend zwischen historischem ROI und marginalem ROI, also dem geschätzten Ertrag einer kleinen zusätzlichen Ausgabe. Modellierte Reaktionskurven beschreiben Ergebnisse bei verschiedenen Ausgabenniveaus. Je weiter eine Annahme über beobachtete Ausgaben hinausgeht, desto riskanter wird die Übertragung. Diese kausalen Modellgrößen sind nicht mit dem attributierten ROAS einer Plattform gleichzusetzen.

Eine Budgetempfehlung sollte daher sagen, welche konkrete Änderung geprüft wird und welche Erkenntnisse dafür fehlen. Ohne ausreichenden Wirkungsnachweis ist eine begrenzte geschäftliche Entscheidung unter Unsicherheit möglich. Verantwortliche sollten dann Annahmen, Entscheidungsspielraum und erneuten Prüftermin festhalten. Nicht jede Entscheidung muss auf ein Experiment warten; ihre Begründung muss die Grenzen der vorhandenen Erkenntnisse zeigen.

Eine prüfbare Zeile für jede wichtige Behauptung

MindVerve schlägt vor, zunächst folgenreiche Wörter wie „verursacht“, „zusätzlich erzielt“ und „wird steigern“ zu markieren. Anschließend wird jede wesentliche Behauptung einer Belegart zugeordnet. Für das Reporting-Briefing lässt sich diese kompakte Vorlage übernehmen; jede Behauptung erhält einen eigenen Eintrag.

1. Behauptung und Entscheidung: Originalsatz sowie die Budgetentscheidung, die er stützen soll.
2. Kennzahl und Definition: ursprünglicher Name, Zähler, Nenner und Zuordnungsregeln.
3. Quelle und Stand: Bericht, Datenstand, betrachteter Zeitraum, Kampagne, Zielgruppe und Ergebnisgröße.
4. Methode und Vergleich: beschreibende Auswertung, Attribution, Experiment oder kausales Modell; bei Wirkungsaussagen das Vergleichsszenario.
5. Grenzen: Unsicherheitsangaben, Annahmen und fehlende Belege.
6. Verantwortung und nächster Schritt: prüfende Person, zulässige Formulierung und erforderliche Klärung.

Die KI kann diesen Entwurf vorbereiten und Lücken markieren. Eine verantwortliche Person prüft jedoch die Originalquelle und gibt die folgenreiche Schlussfolgerung frei. Fehlt ein Beleg, wird er angefordert oder der Satz entsprechend eingeschränkt. Ein gut formulierter Prompt allein garantiert keine belastbare Empfehlung.

Drei Abnahmeprüfungen für ein Reporting-Pilotprojekt

Vor dem Einsatz sollten Anbieter und Auftraggeber drei Prüffälle vereinbaren. Es handelt sich um vorgeschlagene Tests, nicht um bereits durchgeführte Prüfungen oder nachgewiesene Ergebnisse.

1. Nur Attributionsdaten: Der Entwurf bewahrt die Zuordnung und macht daraus keinen zusätzlichen Umsatz.
2. Nicht eindeutige Studie: Die Zusammenfassung bewahrt die Unsicherheit und behauptet nicht mit Sicherheit, Werbung habe keine Wirkung.
3. Kausales Modell: Die Zusammenfassung nennt Geltungsbereich und Annahmen und stellt die Schätzung nicht als Experiment dar.

Erfassen Sie dabei Korrekturen unbelegter Aussagen, die Nachvollziehbarkeit wichtiger Behauptungen und den gesamten Prüfaufwand. Zur Arbeit gehört auch das Lesen der Quellen. Eine schnell erzeugte Zusammenfassung ist wenig hilfreich, wenn ihre Freigabe anschließend mehr ungeklärte Fragen aufwirft.

MindVerves Automatisierungs- und Reporting-Angebot klärt Eingaben, Ausgaben, Zuständigkeiten, Berechnungen, Prüfstellen und Regeln für Fehlerfälle. AI Workflow Launch setzt einen vereinbarten Arbeitsablauf mit Prüfungen anhand typischer Fälle und Ausnahmefälle, Dokumentation, Schulung und Übergabe um. Zugänge, Konfiguration, Lizenzen beziehungsweise API-Nutzung, zusätzliche Anbindungen und Wartung müssen gesondert im Leistungsumfang vereinbart werden. Die Einführung eines Marketing-Mix-Modells oder eine Studienplanung ist dadurch nicht automatisch enthalten.

Bringen Sie einen echten anonymisierten Bericht, die Kennzahlendefinitionen seiner Quellen und die zu unterstützende Entscheidung mit. Daraus lässt sich ein klar abgegrenztes Reporting-Pilotprojekt besprechen, bei dem die Budgetverantwortung beim Menschen bleibt.