Ganzheitliche Optimierung für mehr Marketing ROI

Seit den Zeiten von John Wanamaker, dem “Vater der modernen Werbung”, versuchen Marketer zu vermeiden “die Hälfte ihres Marketingbudgets zu verschwenden”[1]. Dabei fokussieren sich die Anstrengungen auf eine Reihe etablierter, aber zumeist immer noch fragmentierter Tools auf der Ebene einzelner Marken in einem Land. Diese Tools sind klassische Media-Mix-Optimierung, Customer-Journey-Analysen sowie Brand-Equity-Tracking.

Vor diesem Hintergrund sind Studienergebnisse keine Überraschung, die zeigen, dass man den durch Marketing getriebenen Umsatz um 15-25% bzw. den Markenumsatz insgesamt um 1-4% steigern kann, indem man das Marketingbudget nicht nur innerhalb einer Marke besser verteilt, sondern vor allem auch eine Budget-Optimierung zwischen Linien, Marken, Produktgruppen und Ländern zulässt.

Historisch war dies aufgrund der damit verbundenen Komplexität und Datenrestriktionen nur schwer möglich. Heute ist es nicht nur für viele Unternehmen möglich, sondern im Kontext der aktuellen Dynamik von Märkten und Kanälen umso mehr eine Notwendigkeit, um dauerhaft wettbewerbsfähig zu bleiben.

Hierbei zeigt die praktische Umsetzung, dass insbesondere diejenigen Unternehmen das genannte Potential nutzen können, die diese Fragestellung als Teil eines dynamischen, neuen Planungsprozesses verankern. So können sie sicherstellen, dass die notwendigen Budget-Umverteilungen ihre Wirkung über die Zeit bestätigen und ein mögliches “Übersteuern” vermieden wird.

Welche Aspekte hierbei zu beachten sind, sowie welche organisatorischen und methodischen Erfolgsfaktoren zu berücksichtigen sind, wird in den folgenden Abschnitten im Detail dargestellt.

 

Allocation is key!

In Unternehmen wird sehr viel und leidenschaftlich über die “richtige” Höhe des Gesamtbudgets für Marketing und Verkaufsförderung gestritten und gerungen – also dessen optimale Höhe zur Erreichung bestimmter Ziele. Es mag zunächst nicht intuitiv erscheinen, aber: Darauf kommt es viel weniger an (solange man im richtigen „Zielkorridor“ ist), als auf die richtige Verteilung eines vorhandenen Budgets!

Diese Erkenntnis nennt man das “Prinzip des flachen Maximums”, welches auf ein einflussreiches Paper von Tull et al. aus dem Jahre 1986 zurück geht[2]. Quintessenz: in dem Großteil der für die Praxis relevanten Situationen haben selbst Abweichungen von der optimalen Budgethöhe von bis zu ±25% keinen nennenswerten Einfluss auf den Deckungsbeitrag eines Unternehmens. Dies liegt daran, dass die höheren Kosten eines über der optimalen Höhe liegenden Werbebudgets durch die zusätzlichen Umsätze und die daraus resultierenden Deckungsbeiträge nahezu kompensiert werden.

Genauso werden die Umsatz- bzw. Deckungsbeitragsverluste aufgrund eines unter der optimalen Höhe liegenden Werbebudgets durch die geringeren Kosten ebenfalls fast ausgeglichen[3]:

Abb. 1:  Prinzip des flachen Maximums
(in Anlehnung an Skiera, 1997)

Daher ist es wichtig, stetig die Budgetverteilung nachzusteuern, da dieses dann auch das Ringen um die Budgethöhe deutlich erleichtert. In Summe: es kommt vor allem auf die Allokation an.

 

Allokation ist mehr als Media-Mix

Fokussieren wir also auf Allokation: Im Digital-Bereich werden für die Aussteuerung von Budgets moderne Tools und Methoden genutzt. In individualisierten Kanälen (z.B. Retargeting) wird die Aussteuerung und damit Budgetverteilung gänzlich einem Algorithmus überlassen, dem bestimmte “Leitplanken” in Form von Maximalbudgets etc. gesetzt werden[4].

Bei der taktischen Budget-Allokation zwischen verschiedenen Media-Kanälen werden vielfach ökonometrische Modeling-Verfahren eingesetzt, um den Effekt einzelner Kanäle zu isolieren und so Budgetierungsentscheidungen treffen zu können. Die Abkürzung MMM ist oft mit dem Begriff Media-Mix-Modeling verbunden[5].

Betrachtet man jedoch darüber hinaus, wie in Konzernen mit globalen Markenportfolios die wirklich “großen” Entscheidungen getroffen werden – nämlich die Verteilung von Budgets über Marken, Produktgruppen und sogar Länder hinweg – dann findet man vielfach sehr grobe Ansätze wieder:

  • Heuristiken (z. B. +/- 5% zum letzten Jahr, 30% für Innovationsprodukte, Verdoppelung des Digital-Budgets jedes Jahr)
  • Finance-Vorgaben (z. B. % Verteilung nach Umsatz-, Profit- oder Wachstumsbeitrag)
  • Strategische Prioritäten (z. B. BCG-Matrix, Fokusmärkte, Digitale Transformation, “Wer am lautesten schreit…”)


Allerdings liegen genau hier die größten Potentiale, wie dieses Kapitel herausstellt:
Mit dem Fokus auf eine reine Media-Allokation innerhalb einer Marke innerhalb eines Landes (und dann vielfach lediglich alle 2-3 Jahre durch ein Modeling unterstützt) springen viele Unternehmen deutlich zu kurz.

 

Abb. 2: Abdeckung klassischer Marketing-Mix-Modelle
(eigene Darstellung)

Um die hohen Potentiale in der Profitsteigerung wirklich auszuschöpfen, muss die Optimierung der Budget-Allokation in zwei Dimensionen “wachsen”:

  • Möglichst alle Aktivitäten umfassen (= in der obigen Abbildung in die Breite wachsen):
    Letztlich geht es beim Mitteleinsatz im Marketing immer darum, mittelfristig Profit zu maximieren. Darauf zahlen markenbildende TV-Kampagnen über Zeit genauso ein wie Promo-Aktionen, z. B. Startguthaben bei der Kundengewinnung im Bankenbereich oder in der Telekommunikationsbrache. Häufig werden jedoch Budgets völlig disjunkt und manchmal sogar inkonsistent orchestriert. Ein häufig beobachtetes Beispiel: ATL-Budgets werden anhand von Zielgrößen z.B. aus dem “Markenfunnel“ optimiert, aber Performance-Budgets anhand der Zielgröße “kurzfristige Absatzsteigerung”.
  • Mehr als “nur” Kanal-Mix (= in der obigen Abbildung in die Höhe wachsen):
    Budget-Allokation unterliegt bildlich gesprochen einer Hierarchie der Verteilung von Geld von oben (zwischen Ländern) nach unten (zwischen Kanälen und Kampagnen). Media-Mix – also die Verteilung von Geld auf Kanäle wie TV, Radio, SEA und Instagram – ist nur auf die Werbeeffizienz innerhalb einer Marke fokussiert. Die Aufgabe der Budget-Allokation in einem Mehr-Marken/Länder-Konzern hat jedoch deutlich mehr Dimensionen inklusive der unterschiedlichen Wachstumsdynamiken und Profitabilität der Allokationseinheiten.

Die Allokationsentscheidungen in einem solchen Konzern können dabei schnell sehr komplex werden, wie folgendes Beispiel eines Herstellers von Drogerieartikeln zeigt:

 

Abb. 3:  Zahl der Marketing-Budget-Entscheidungen in komplexen Organisationen
(eigene Darstellung)

Jedes Jahr sind also nicht nur 1.056 Einzelentscheidungen zu treffen, sondern diese haben zudem untereinander noch Wechselwirkungen. Selbst für die erfahrensten Manager und mit allen notwendigen Daten ist es ohne moderne Tools kaum möglich, diese Entscheidungen optimal zu treffen. Das verlorene EBIT-Potential im Vergleich zu den Kosten einer datenbasierten und tool-gestützten Entscheidungsunterstützung ist in solchen Situationen erheblich.

 

Globale, produktübergreifende Budget-Allokation birgt nachweislich hohes EBIT-Potential

Die Marketingwissenschaft hat klar herausgearbeitet, dass der Profit-Impact ungleich höher ist, wenn man die Budgetverteilung über mehrere dieser Ebenen optimiert (statt nur zwischen Media-Kanälen). Die wohl relevanteste Publikation hierzu stammt aus dem Jahr 2011 und sie entstand in Partnerschaft mit dem Pharma-Unternehmen Bayer[6].

Im Jahr der Datenerhebung (2008) hatte Bayer in den relevanten Ländern ein Budget für Marketing und Verkaufsförderung (inkl. Detailing) von rund 7,1 Milliarden EUR. Dies schließt klassische Media-Kanäle (z. B. Fachzeitschriften) ebenso ein wie die erheblichen Kosten der Außendienstbesuche. Das Budget war verteilt über mehrere Kernmärkte und vier sogenannte therapeutische Bereiche (z. B. Diabetes). Auf Basis von ökonometrischen Optimierungsmodellen hat das Team aus Marketingwissenschaftlern Empfehlungen für die Umverteilung der Budgets auf verschiedenen Ebenen entwickelt, nämlich

  • zwischen Ländern
  • zwischen therapeutischen Bereichen innerhalb eines Landes
  • zwischen Produkten innerhalb eines therapeutischen Bereichs
  • zwischen Marketing-Aktivitäten für ein bestimmtes Produkt

 

Abb. 4: Illustrative Darstellung der Veränderung der Budgetverteilung bei Bayer
(in Anlehnung an Albers, Fischer et al., 2011)

Die Zielgröße war dabei eine wirtschaftliche: der (diskontierte) Profit der gesamten Business Unit über die nächsten 5 Jahre. Das auf der linken Seite dargestellte Beispiel[7] für Präparate gegen Bluthochdruck zeigt, dass die quantitativ abgeleiteten Empfehlungen zum Teil durchaus drastisch von der gelernten (und in der Vergangenheit immer wieder replizierten) Budgetverteilung abwichen. Der wirtschaftliche Impact jedoch spricht für sich, und bei konsequenter Anwendung über alle Produkte und Länder hinweg sind die Effekte erheblich. Im Falle der o.g. Studie:

  • Potential: 493 Mio. EUR EBIT-Steigerung bei Umsetzung aller Empfehlungen (5-Jahres-Betrachtung)
  • Impact: 273 Mio. EUR tatsächliche EBIT-Steigerung binnen eines Jahres (2008 auf 2009)

Letzteres entspricht einer +12% EBIT-Steigerung in einem Zeitraum, in dem der Umsatz um 4% gewachsen ist. Das Marketingbudget selbst blieb dabei konstant.

 

Der größere Teil des EBIT-Impacts kommt nicht aus Media-Allokation

Unsere eigenen Projekte mit Klienten aus unterschiedlichen Industrien bestätigen die wissenschaftlichen Befunde. Wie groß das Potential allein innerhalb eines Landes sein kann, zeigt das Beispiel eines weltweit führenden Konsumgüterherstellers, der in einem seiner Kernmärkte ein Projekt zur optimierten Budget-Allokation durchgeführt hat. Ziel war die Maximierung des Umsatzes durch Reallokation eines konstanten Media-Budgets. In die Optimierung einbezogen wurde etwa ein Dutzend Marken bzw. Produktlinien in insgesamt sechs Warengruppen und mit Media-Investitionen in jeweils fünf bis sieben unterschiedlichen Media-Kanälen – in Summe über 100 Budgetentscheidungen, die mehrfach im Jahr adjustiert werden müssen.

Zunächst zum Impact: Projekte dieser Art haben ein Potenzial zur Umsatzsteigerung in Höhe von knapp +2% bei konstantem Media-Budget, also durch eine reine Reallokation. Umgerechnet entspricht dies in dem o.g. Beispiel einem nachhaltigen Profitpotential im zweistelligen Millionen EUR Bereich. Aber die wichtigste Erkenntnis ist: Der größere Teil dieses Impacts kam nicht aus dem traditionellen Bereich der Budgetverschiebung zwischen Media-Kanälen, sondern durch Budget-Reallokation zwischen Marken sowie zwischen Produktlinien innerhalb der Marken:

 

Abb. 5: Zusammensetzung des Optimierungseffektes bei Konsumgüter-Hersteller
(eigene Darstellung)

Die Allokationsempfehlungen zwischen den Marken waren – ähnlich wie im oben zitierten Case von Bayer – zum Teil relativ drastisch, aber für den Kunden nachvollziehbar, da mittels einer wissenschaftlich bestätigten Methodik abgeleitet und validiert:

Abb. 6: Beispiel einer Optimierung der Budget-Allokation auf ausgewählte Marken eines Konsumgüter-Herstellers
(eigene Darstellung)

Hierbei kam eine Optimierungslogik zum Einsatz, die direkt auf die bereits erwähnte Forschung von Prof. Fischer und Kollegen zurückgeht. Wie das folgende Schaubild zeigt, werden drei Faktoren einbezogen, um das optimale Budget für eine Allokationseinheit (z. B. Produktgruppe X der Marke Y in Land Z) zu bestimmen:

 

Abb. 7: Optimierungslogik für Budget-Allokation
(eigene Darstellung)

Für die Akzeptanz in Konzernen ist es wichtig, dass diese Optimierungslogik validiert ist, sondern auch intuitiv verständlich hinsichtlich der sich ergebenden Handlungsempfehlungen. Hier einige Beispiele:

  1. Profit-Beitrag: Ceteris paribus (unter sonst gleichen Umständen) sollten solche Marken oder Produktgruppen mehr Marketingbudget erhalten, die einen höheren absoluten Profitbeitrag zum “Gesamtkuchen” beisteuern. Es ist einleuchtend, dass Volkswagen z. B. den Absatz des gewinnträchtigen Tiguan mit mehr Werbebudget unterstützt als den Kleinwagen up.
  2. Wachstum: Ebenfalls sollten – ceteris paribus – Marken und/oder Produktgruppen mehr Marketingbudget erhalten, die sich auf einem steileren Wachstumspfad befinden. Mit diesem Bestandteil der Optimierungslogik wird ebenso sichergestellt, dass innovative Neuprodukte, die aktuell vielleicht noch einen geringen Profitbeitrag erbringen, aber rasant wachsen, ausreichend unterstützt werden.
  3. Media-Effektivität: Schließlich sollten – ebenfalls ceteris paribus – diejenigen Marken und/oder Produktgruppen mehr Marketingbudget erhalten, bei denen der Mitteleinsatz besser wirkt (Sales-Impact). Wie hoch die Effektivität von Marketing-Budgets je Marke sowie Media-Kanal ist, ermitteln Unternehmen mittels ausgereifter Modeling-Verfahren. Diese helfen dabei, den Effekt des Media-Budgets von anderen Effekten (z. B. Saisonalität) zu isolieren und liefern damit den Input für die hier dargestellte Optimierung.

 

Empfehlungen für Unternehmens-Entscheider/-innen

Die Optimierung der Budget-Allokation in Marketing und Sales über alle relevanten Ebenen (Länder, Produktgruppen, Marken, Linien, Kanäle) birgt enormes Potential zur Steigerung des Marketing-ROI. Der größere Teil des Impacts kommt dabei nicht aus dem verbesserten Media-Mix (Fokus-Thema von klassischen MMMs) sondern aus den Ebenen “darüber”. In der Praxis komplexer, gewachsener Konzernstrukturen ist dies in der Umsetzung oft herausfordernd, da Budget-Allokation eines der größten politischen Spannungsfelder ist:

  • Die Verantwortung für die Budget-Allokation zwischen Marken und gar Ländern liegt oft an anderer Stelle als die Verantwortung für den Media-Mix.
  • Selbst innerhalb der Mediengattungen findet man häufig eine historisch gewachsene Trennung in “ATL/Media” vs. “Performance/Digital”
  • Die nächste Barriere ist oft, dass Absatzförderung (z. B. Startguthaben für Neukunden oder andere Promo-Aktionen) und Media nicht stets abgestimmt erfolgen und so eine ganzheitliche Optimierung erschwert wird.

Die obigen Beispiele zeigen jedoch, dass es sich lohnt diese Silos hinter sich zu lassen und eine ganzheitliche Optimierung anzustreben. Nach unserer Erfahrung gibt es hierbei zwei Gruppen von Erfolgsfaktoren: organisatorische und methodische. Die methodischen sind keinesfalls rein technische Elemente für die Data-Science-Abteilung. Sie sind unserer Erfahrung nach auch kritisch für die Akzeptanz einer ganzheitlichen Marketing-Optimierung:

 

Quellen:

[1] John Wanamaker (1838-1922; https://en.wikipedia.org/wiki/John_Wanamaker) prägte als Erster das berühmte Zitat “Half the money I spend on advertising is wasted; the trouble is I don’t know which half.”

[2] Tull, D.S. / Wood, V.R. / Duhan, D. / Gillpatrick, T. / Robertson, K.R. / Helgeson, J.G. (1986): ‘Leveraged’ Decision Making in Advertising: The Flat Maximum Principle and Its Implications. In: Journal of Marketing Research, Vol. 23, S. 25-32.

[3] Skiera, B. (1997), “Das Prinzip des flachen Maximums”, Die Betriebswirtschaft, 57, 864-867.

[4] https://www.criteo.com/technology/ai-engine/predictive-bidding/ (die Möglichkeiten des individuellen Targetings werden absehbar durch das Verschwinden von 3rd party cookies maßgeblich eingeschränkt)

[5] https://www.marketingevolution.com/marketing-essentials/media-mix-modeling#:~:text=Media%20mix%20modeling%20(MMM)%20is,contribute%20their%20goal%2C%20often%20conversion.

[6] Fischer, Albers, Wagner und Frie 2011: Dynamic marketing budget allocation across countries,

products, and marketing activities, in: Marketing Science, 30(4), S. 568-585

[7] M. Fischer, S. Albers, N. Wagner and M. Frie: Dynamically Allocating the Marketing Budget – HOW TO LEVERAGE PROFITS ACROSS MARKETS, PRODUCTS AND MARKETING ACTIVITIES; Case Study / Vol. 4, No. 1, 2012 / GfK MIR