Zurück zur alten Schule: Warum Marketing Mix Modelling im Cookieless-Zeitalter ein Comeback erlebt

Jahrelang galt die Attributionsfrage im digitalen Marketing als gelöst: Wer auf welche Anzeige geklickt hat und was er danach gekauft hat, ließ sich über Cookies und Tracking-Pixel bis ins Detail nachverfolgen. Dieses Fundament bröckelt. Strengere Datenschutzregeln, das schrittweise Ende der Drittanbieter-Cookies und das Tracking-Blocking moderner Browser haben die lückenlose Nutzerverfolgung unzuverlässig gemacht. In diese Lücke stößt eine Methode, die älter ist als das Internet selbst – und gerade ein bemerkenswertes Comeback erlebt: das Marketing Mix Modelling, kurz MMM.

Eine Methode aus der Werbe-Steinzeit

Das Grundprinzip stammt aus den Zeiten von Fernsehspots und Zeitungsanzeigen. Statt einzelne Klicks zu zählen, betrachtet MMM die Gesamtheit der Marketingausgaben und setzt sie statistisch ins Verhältnis zu Verkaufszahlen. Aus historischen Daten – Werbebudgets pro Kanal, Saisonalität, Preisaktionen, Wettereinflüsse – wird mit Regressionsmodellen geschätzt, welcher Kanal welchen Anteil am Umsatz beigetragen hat. Der entscheidende Vorteil: Die Methode kommt ganz ohne personenbezogene Daten aus, weil sie auf aggregierten Zahlen aufbaut. Genau das macht sie im datenschutzsensiblen Umfeld wieder attraktiv.

Bayes statt Bauchgefühl

Moderne MMM-Ansätze unterscheiden sich allerdings deutlich von ihren Vorläufern. Statt simpler linearer Modelle kommen heute oft bayesianische Verfahren zum Einsatz, die Vorwissen und reale Messdaten kombinieren. Ein prominentes Beispiel ist das Open-Source-Framework Meridian, das Google im März 2024 vorstellte und Anfang 2025 allgemein verfügbar machte. Es modelliert unter anderem den sogenannten Adstock-Effekt – also dass Werbung erst zeitversetzt und über mehrere Tage hinweg wirkt – sowie Sättigungskurven, die abbilden, dass zusätzliche Budgets ab einem gewissen Punkt immer weniger zusätzlichen Umsatz bringen. Weil die Modelle rechenintensiv sind, empfiehlt der Anbieter den Einsatz leistungsfähiger Hardware.

Ein Praxisbeispiel aus dem Möbelhandel

Wie das in der Praxis aussieht, illustriert ein aktueller Fall aus dem Onlinehandel. Der Möbelhändler home24 setzt nach eigenen Angaben auf ein datenschutzkonformes MMM-Modell, um seine Werbebudgets effizienter zu verteilen. Gemeinsam mit einem auf Marketing-Technologie spezialisierten Dienstleister sei ein Modell entwickelt worden, das einen erheblichen Teil der Umsatzschwankungen erklären und laut Unternehmensangaben zusätzlichen profitablen Umsatz erschließen könne. Solche Zahlen stammen aus der Eigendarstellung der Beteiligten und sind unabhängig schwer zu überprüfen – sie zeigen aber, in welche Richtung sich die Branche bewegt: weg von der reinen Klickmessung, hin zu statistischen Gesamtmodellen.

Kein Allheilmittel

So überzeugend die Methode klingt, sie hat ihre Tücken. MMM braucht große Mengen historischer Daten und liefert keine Antwort darauf, welcher einzelne Kunde wann reagiert hat – es bleibt eine Vogelperspektive. Korrelation und Kausalität sauber zu trennen, ist anspruchsvoll, und schlecht gepflegte Eingangsdaten führen schnell zu falschen Schlüssen. Fachleute betonen deshalb, dass MMM die klickbasierte Messung nicht vollständig ersetzt, sondern ergänzt. Häufig kombinieren Unternehmen beide Welten und kalibrieren ihre Modelle zusätzlich mit kontrollierten Experimenten.

Warum der Trend bleiben dürfte

Der eigentliche Treiber hinter der Renaissance ist weniger technische Begeisterung als Notwendigkeit. Wenn das individuelle Tracking unzuverlässiger wird, brauchen Marketingabteilungen einen Weg, Budgetentscheidungen weiter datenbasiert zu treffen. Dass ausgerechnet eine Methode aus der analogen Ära diese Rolle übernimmt, hat eine gewisse Ironie. Frei verfügbare Werkzeuge senken zudem die Einstiegshürde, sodass MMM nicht mehr nur Großkonzernen mit eigenen Analyseteams vorbehalten ist. Für mittelständische Händler könnte das bedeuten, dass eine einst exklusive Disziplin allmählich zum Standardwerkzeug wird – vorausgesetzt, die nötige Datenqualität und das statistische Know-how sind vorhanden.

Dieser Beitrag ist eine redaktionelle Einordnung eines aktuellen Branchentrends und keine Empfehlung für ein bestimmtes Produkt oder einen bestimmten Anbieter.

Mehr zum Thema

• Chips, Messen, Misstrauen: Wie Taiwan und Europa technologisch enger zusammenrücken
• Google antwortet selbst: Wie die KI-Suche das Fundament von SEO verschiebt
• Werkzeug, nicht Ersatz: Wie KI das Texterhandwerk verändert
• Sichtbar in der Antwort: Warum Unternehmen jetzt für KI-Suchmaschinen optimieren
• Roboter auf Streife: Wie autonome Technik den Wachdienst ergänzt – und wo ihre Grenzen liegen
• Abschied von der reinen Cloud? Warum „digitale Souveränität" 2026 zum Geschäftsthema wird