/ Blog

Glaube vs. Wissen - die Macht von Hypothesen im Performance Marketing

Die Formulierung sowie das Testen von Hypothesen kennt man vorrangig aus der Wissenschaft und der Forschung. In allen wissenschaftlichen Arbeiten werden Hypothesen aufgestellt, um anhand von Testergebnissen diese entweder zu verifizieren oder zu falsifizieren. Um im Performance Marketing zwischen Glaube und Wissen unterscheiden zu können, kommen auch hier Hypothesen beim Testing zum Einsatz. Es werden bei Kampagnen unterschiedliche Ziele und Hypothesen aufgestellt und eben jene gegeneinander getestet. So zeigt sich wĂ€hrend der Kampagne, ob man mit den formulierten Hypothesen Recht behalten konnte oder ob diese verworfen werden mĂŒssen. Daraus ergeben sich fĂŒr die weitere Laufzeit oder fĂŒr neue Kampagnen wichtige Erkenntnisse und Learnings fĂŒr das Targeting, die Gestaltung der Werbemittel oder den Aufbau der Landing Page.

Markus Reiter

Formulierung von Hypothesen

Hypothesen folgen meist dem Wenn-Dann-Weil Prinzip. Selbst erklÀrend bedeutet dies, wenn ein Ereignis X eintritt, dann passiert ein Folge-Ereignis Y, weil Z eintraf. Essentiell ist, dass die Hypothese eine klare und unmissverstÀndlich messbare Aussage ist.

Hier ein Beispiel fĂŒr den Ablauf einer Hypothesenbildung:

  • Ausgangslage: Die Webanalyse und das Reporting einer Kampagne hat ergeben, dass die Zielseite eine hohe Absprungrate bei der Bestellung der Produkte hat.
  • Ziel: Abbruchrate auf der Zielseite beim Online Shop senken.
  • Allgemeine Hypothese: Der Bestellvorgang ist fĂŒr die Besucher der Zielseite zu kompliziert.
  • Konkrete Hypothese: Wenn wir den Bestellvorgang etwas schlanker und schneller gestalten und mit Auto-Fill-Funktion die persönlichen Daten automatisch ausfĂŒllen lassen, wird der Bestellvorgang komfortabler gestaltet und die Anzahl der Bestellungen erhöht sich.

Diese Hypothese kann nun getestet werden und wird somit konkrete Ergebnisse liefern. Entweder es lag tatsĂ€chlich am Bestellvorgang, dass so viele Personen abgesprungen sind – dann kann diese Hypothese verifiziert werden. Oder aber es lag nicht am Bestellvorgang und die Hypothese wird falsifiziert. Auch in diesem Fall gibt es einen Lerneffekt und die verworfene Hypothese trĂ€gt zu einer Optimierung der Kampagne bei, weil dadurch ein möglicher Grund fĂŒr eine schlechte Performance ausgeschlossen werden kann und stattdessen eine neue Hypothese aufgestellt und getestet werden kann.

 

Warum Hypothesen?

Angenommen man wĂŒrde eine Kampagne starten ohne ein konkretes Ziel vor Augen zu haben. Am Ende der Laufzeit kann man weder zufrieden noch unzufrieden mit den Ergebnissen sein - man fliegt sozusagen im Blindflug. DarĂŒber hinaus kann man wenige Learnings fĂŒr weitere Folge-Kampagnen mitnehmen. Hypothesen und Prognosen helfen hier, um einen gewissen Korridor fĂŒr Erfolg zu gestalten und um eine Benchmark zu setzen, an der sich Marketer orientieren können. Verschiedene Hypothesen können einem nach der Beendigung der Kampagne helfen, ob man mit den Ergebnissen zufrieden sein kann und wo die GrĂŒnde fĂŒr eine etwaige schlechtere Performance zu finden sind. 

Jeder Marketer stellt bereits bei der Budget- und Mediaplanung fĂŒr eine neue Kampagne (bewusst oder unbewusst) verschiedene Hypothesen auf, indem er beispielsweise dem einen Kanal mehr Budget zuweist als dem anderen. Diese Aufteilung impliziert die Aussage “Ich gehe davon aus, dass wir auf diesem Kanal bessere Ergebnisse erreichen als auf diesem Kanal, weil wir hier an mehr interessierte Nutzer ausspielen können”. Jede Budgetumschichtung wĂ€hrend einer Kampagne ist somit die Falsifizierung einer Hypothese: “Der Kanal performt nicht so gut wie ich dachte - ich muss meine Mediaplanung abĂ€ndern und das Budget fĂŒr einen anderen Kanal verwenden, welcher bessere Klickzahlen und Conversion-Werte liefert.”

Fallbeispiele:

Im Folgenden sollen zwei Fallbeispiele fĂŒr Hypothesen-Tests vorgestellt werden.

Der A/B-Hypothesen Test:

Angenommen man möchte ein Produkt bewerben, welches viele unterschiedliche Vorteile fĂŒr den Endkunden bereit hĂ€lt. Um hier am effektivsten herauszufinden, welcher Vorteil beim Endkunden am besten ankommt, sollte man die unterschiedlichen Vorteile gegeneinander testen. Hier arbeitet man also ebenfalls mit Hypothesen. Eine dieser Hypothesen könnte beispielsweise sein: Der Vorteil “gĂŒnstiger Preis” wird auf dem Kanal Facebook besser funktionieren als der Vorteil “großer Komfort”. Anhand dieser Hypothese gestaltet man zwei unterschiedliche Werbemittel mit den jeweiligen Vorteilen und testet sie gegeneinander. 

 

Nach der Anfangsphase der Kampagne kann man bereits erste RĂŒckschlĂŒsse ziehen, ob die formulierte Hypothese verifiziert oder falsifiziert werden kann. Das Ergebnis wĂŒrde in unserem Fall ein Deaktivieren des weniger erfolgreichen Werbemittels sein. Somit wird die EffektivitĂ€t der Kampagne gesteigert.

Hypothesen zum Treffen von Vorhersagen:

Wie schön wĂ€re es, wenn man vor dem Beginn einer Kampagne die Conversion Rate vorhersagen könnte? Wie durch Zauberhand könnte man sagen, dass man mit einem bestimmten Budget eine bestimmte Anzahl an Conversions erreichen kann. Hat man als Unternehmen also das Ziel mit einer Kampagne eine Anzahl von X Conversions zu erreichen, könnte man somit vorhersagen, wieviel man an Budget dafĂŒr verwenden muss. Leider sind selbst erfahrene Performance Marketer keine Wahrsager. Mit Hilfe von Reverse Engineering kann man sich aber an ein Ergebnis herantasten und somit eine Prognose erstellen. Und so funktioniert’s:
 

 

FĂŒge in eine Excel Tabelle deine KanĂ€le und Targetings ein, welche du fĂŒr deine Kampagne verwenden möchtest. Alle grau hinterlegten Felder sind geschĂ€tzte Werte, welche du aus deiner Erfahrung als Online Marketer einschĂ€tzen kannst. Alle anderen Werte ergeben sich nun automatisch in AbhĂ€ngigkeit der ausgefĂŒllten Spalten, sobald du ein beliebiges Budget eingibst. Nun kannst du sehen wieviel Budget du verwenden musst, um eine bestimmte Anzahl an Conversions zu erreichen. Die Tabelle fungiert wie eine Art Budget-Conversion-Umrechner.

WĂ€hrend der Kampagnenlaufzeit beziehungsweise nach der Kampagne kann ich dann feststellen, ob ich meine Hypothese zu optimistisch oder pessimistisch formuliert habe. Sollte die Conversion Rate am Ende der Kampagne höher liegen weiß ich, dass ich bei meiner nĂ€chsten Kampagne den Wert nach oben korrigieren kann. Liegt die Conversion Rate schlussendlich jedoch unter meinen prophezeiten %, liegt der Fehler womöglich an meiner Landing Page. Hier gibt es viele unterschiedliche Anhaltspunkte, was hier das Problem sein könnte: die Landing Page hat eine zu lange Ladezeit, die Landing Page ist unĂŒbersichtlich, die Landing Page weist Bugs auf, das AusfĂŒllen des Kontaktformulars ist zu kompliziert oder eine zu große HĂŒrde fĂŒr die Nutzer uvm. Man sieht, das auch hier der bereits oben beschriebene Merkspruch gilt: auch eine falsifizierte Hypothese bringt aufschlussreiche Erkenntnisse fĂŒr die Zukunft. Sieht man in der Tabelle nĂ€mlich, dass sich alle anderen Parameter, welche mit der QualitĂ€t der Werbemittel oder der EffektivitĂ€t des Targetings in Verbindung stehen (nĂ€mlich CPM, CTR, CPC und auch qualitative Werte wie die Zeit auf der Seite und Scrolltiefe), auf dem erwarteten Niveau bewegen, erhĂ€lt man die Erkenntnis, dass man hier nicht zwingend etwas Ă€ndern muss, da das Problem eher an der Landing Page liegen wird.

 

Fazit - Glaube vs. Wissen

Am Ende einer Kampagne steht meist ein und dieselbe Frage:

Ist die Kampagne zufriedenstellend gelaufen und falls nicht, woran hat es gelegen? Schlussendlich kann man vieles vermuten und glauben, jedoch richtige Beweise dafĂŒr, dass es am Werbemittel, am Targetings oder an der Landing Page gelegen hat, hat man selten. Mit Hilfe des Ausschlussverfahrens und verifizierten/falsifizierten Hypothesen kann man bereits einige Faktoren eliminieren und zielgerichtet das jeweilige Problem angehen. Dies ist von großer Bedeutung, wenn man im Anschluss eine Folgekampagne startet und hier bessere Ergebnisse erreichen möchte. Hypothesen im Performance Marketing sind somit nicht nur ein echter Gradmesser fĂŒr Erfolg, sondern generieren auch Learnings und OptimierungsvorschlĂ€ge fĂŒr die Zukunft.

Jetzt fĂŒr unseren Newsletter anmelden!