Dein ROAS im Meta Ads Manager sieht gut aus. Google meldet steigende Conversion-Zahlen. Aber kaufen diese Kunden wirklich wegen deiner Anzeigen — oder hätten sie sowieso konvertiert? Genau diese Frage beantwortet ein Inkrementalitätstest.
Für DTC-Brands, die auf Profit optimieren, ist die Antwort entscheidend. Wer Budgets auf Basis von Last-Click-Zahlen steuert, läuft Gefahr, Kanäle zu überinvestieren, die kaum echten Mehrumsatz erzeugen. Ein sauber durchgeführter Inkrementalitätstest zeigt dir den tatsächlichen kausalen Beitrag deiner Werbung — nicht das, was die Plattform dir gerne zeigen möchte.
Was Inkrementalität wirklich bedeutet
Inkrementalität misst, wie viele Conversions zusätzlich entstehen, weil du Werbung geschaltet hast. Die Logik dahinter ist denkbar einfach: Du teilst deine Zielgruppe zufällig in zwei Gruppen auf. Gruppe A sieht deine Anzeigen (Testgruppe), Gruppe B nicht (Holdout-Gruppe). Am Ende vergleichst du die Conversion-Raten beider Gruppen. Die Differenz ist dein inkrementeller Lift.
Klingt simpel. Die Herausforderung liegt im sauberen Setup und in der richtigen Interpretation der Ergebnisse — dazu gleich mehr.
Inkrementalitätstests unterscheiden sich grundlegend von klassischen A/B-Tests auf Anzeigenebene. Beim A/B-Test vergleichst du zwei Creatives oder Zielgruppen. Beim Inkrementalitätstest fragst du: "Hat Werbung an sich eine Wirkung gehabt?" Das ist eine ganz andere, viel fundamentalere Frage — und deshalb methodisch anspruchsvoller.
Inkrementalitätstests auf Meta durchführen
Meta bietet im Ads Manager unter dem Bereich Experiments mehrere Testformate an. Für Inkrementalitätsmessungen sind zwei besonders relevant:
Conversion Lift (Holdout-Test)
Der Conversion Lift ist Metas klassisches Format für Inkrementalitätsmessungen. Meta teilt deine Zielgruppe automatisch in eine Testgruppe und eine Holdout-Gruppe auf. Die Holdout-Gruppe sieht deine Anzeigen für die Dauer des Tests nicht.
So richtest du ihn ein:
- Öffne den Ads Manager und navigiere zu Experiments (unter dem Menüpunkt "Analyse und Berichte").
- Wähle "Conversion Lift" als Testtyp.
- Wähle die Kampagne(n), die du testen möchtest. Du kannst entweder eine einzelne Kampagne oder alle aktiven Kampagnen eines Ad Accounts einbeziehen.
- Definiere den Messzeitraum — mindestens zwei Wochen sind empfehlenswert, um statistisch belastbare Ergebnisse zu erhalten.
- Lege den Holdout-Anteil fest. Meta empfiehlt standardmäßig 10 %, was bedeutet, dass 10 % deiner Zielgruppe keine Anzeigen zu sehen bekommt.
Wichtige Einschränkung: Hast du andere aktive Kampagnen für dieselbe Marke laufend, können Personen aus der Holdout-Gruppe trotzdem Anzeigen sehen. Das kontaminiert deine Ergebnisse. Entweder du pausierst alle anderen Kampagnen oder du richtest den Test auf Account-Ebene ein.
Brand Lift (Brand Survey Test)
Der Brand Lift eignet sich, wenn du den Einfluss deiner Anzeigen auf Markenbekanntheit, Erinnerung oder Kaufabsicht messen willst — nicht auf direkte Conversions. Meta befragt beide Gruppen per Poll zu Fragen wie "Erinnerst du dich, eine Anzeige von [Brand] gesehen zu haben?"
Dieser Test ist eher für Brand-Awareness-Kampagnen relevant. Für DTC-Performance-Teams, die auf konkrete Umsatzzahlen optimieren, ist der Conversion Lift das wichtigere Instrument.
Meta-spezifische Anforderungen
- Mindestbudgets: Meta macht die Mindestbudgets je nach Region und Zielgruppengröße abhängig. Dein Meta-Ansprechpartner kann dir die konkreten Anforderungen nennen.
- Testzeitraum: Kreative und Budget sollten während des Tests stabil bleiben. Ändere keine Kampagnenparameter, solange der Test läuft.
- Starte kein neues Creative Testing parallel zum Holdout-Test — sonst misst du zwei Effekte gleichzeitig.
Inkrementalitätstests auf Google Ads durchführen
Bei Google läuft Inkrementalitätsmessung primär über das Campaign Experiments-Tool, das unter "Drafts & Experiments" im Ads Manager erreichbar ist. Google nennt das Konzept intern oft "Geo Experiments" oder nutzt Conversion Lift Studies für YouTube- und Display-Kampagnen.
Kampagnen-Experimente (Campaign Drafts & Experiments)
Google Ads erlaubt es, eine laufende Kampagne zu "duplizieren" und als Experiment-Version gegen die Original-Kampagne zu testen. Dabei teilt Google den Traffic prozentual zwischen Original und Experiment auf.
Für einen echten Inkrementalitätstest via Campaign Experiments gehst du so vor:
- Öffne die Kampagne, die du testen willst.
- Erstelle einen Draft dieser Kampagne (du findest diese Option im Kampagnen-Menü unter "Entwürfe").
- Im Draft reduzierst du das Budget auf 0 € oder setzt Gebote deutlich herab — das ist deine Holdout-Bedingung.
- Starte das Experiment mit einer 50/50-Split-Rate (50 % sehen deine Anzeigen, 50 % nicht).
- Lass den Test mindestens 4 Wochen laufen, idealerweise 6–8 Wochen für Search-Kampagnen mit geringerem Volumen.
Google zeigt dir am Ende die statistisch signifikante Differenz in Conversions, Klicks und Kosten zwischen beiden Varianten.
Geo-basierte Inkrementalitätstests
Alternativ — und für größere Budgets oft genauer — sind Geo Experiments. Dabei wählst du geografisch ähnliche Regionen aus (z. B. Hamburg vs. Düsseldorf), schaltest Werbung nur in einer Region und vergleichst die Konversionsentwicklung. Google bietet hierfür Unterstützung über sein Measurement-Team an.
Der Vorteil: Geo Experiments umgehen das Problem der User-Level-Cookietracking-Einschränkungen, weil auf Regionsebene gemessen wird. Der Nachteil: Du brauchst ausreichend Transaktionsvolumen pro Region, damit die Ergebnisse statistisch belastbar sind.
Was mit Performance Max?
Bei Performance Max ist Inkrementalitätsmessung auf Kampagnenebene schwieriger, weil Google den Traffic algorithmisch steuert und du wenig Einfluss auf die Ausspielung hast. Eine praktikable Methode: Schalte PMax für einen definierten Zeitraum in einer geografischen Region aus und vergleiche die Umsatzentwicklung mit einer ähnlichen Kontrollregion. Das ist arbeitsaufwendig, gibt aber echte Antworten.
Häufige Fehler beim Aufsetzen von Inkrementalitätstests
Zu kurze Laufzeiten. Ein Test, der nur eine Woche läuft, liefert bei den meisten DTC-Brands keine statistisch signifikanten Ergebnisse. Plane mindestens zwei, besser vier Wochen ein.
Saisonale Störeffekte. Starte keinen Inkrementalitätstest kurz vor Black Friday, Weihnachten oder anderen Sale-Perioden. Das Kaufverhalten ändert sich so stark, dass deine Kontrollgruppe kein verlässliches Baseline-Bild mehr liefert.
Mehrere Kampagnen laufen parallel. Wenn die Holdout-Gruppe über andere Kampagnen doch Berührungspunkte mit deiner Marke hat, misst du nichts Sinnvolles. Entweder du räumst den Account auf oder du bist bereit, den Lift als Unterkante zu interpretieren.
Den Test zu früh abbrechen. Du siehst nach einer Woche, dass der inkrementelle Lift bei 0 % liegt, und brichst ab. Oft reicht das Datenvolumen noch nicht für Signifikanz. Warte, bis das Tool selbst "statistisch signifikant" meldet.
Nur Plattform-eigene Tests nutzen. Meta und Google sind keine neutralen Schiedsrichter, wenn es darum geht, zu messen, ob ihre eigene Werbung wirkt. Ihre Tests messen real — aber du solltest die Ergebnisse mit externen Modellen gegenchecken.
Testergebnisse richtig interpretieren
Nach dem Test zeigt dir Meta oder Google einen inkrementellen Lift in Prozent und die Kosten pro inkrementeller Conversion (Cost per Incremental Conversion, CPIC). Das ist die relevantere Kennzahl als klassischer CPA, weil sie nur die Conversions zählt, die wegen deiner Werbung stattgefunden hätten.
Ein Beispiel: Dein ROAS laut Meta beträgt 4,0. Dein Inkrementalitätstest zeigt, dass nur 60 % der gemeldeten Conversions tatsächlich inkrementell waren. Dein echter ROAS liegt also bei 2,4 — ein erheblicher Unterschied für Budgetentscheidungen.
Was ein guter inkrementeller Lift ist, hängt vom Kanal und dem Funnel-Abschnitt ab. Für Retargeting-Kampagnen (wo die Kaufabsicht sowieso hoch ist) sind Lifts von 20–40 % realistisch. Für Prospecting-Kampagnen mit kaltem Publikum können 60–80 % inkrementeller Lift ein gutes Zeichen sein.
Wenn der Lift nahe null liegt, bedeutet das nicht automatisch, dass die Kampagne nichts taugt — es kann auch sein, dass deine Messperiode zu kurz war, das Budget zu gering ist oder die Zielgruppe zu klein für statistische Power.
Inkrementalität als Teil einer größeren Messstrategie
Plattformeigene Inkrementalitätstests sind ein wichtiges Werkzeug, aber kein vollständiges Bild. Sie funktionieren auf Kanal-Ebene gut, zeigen dir aber nicht, wie die Kanäle zusammen wirken.
Hier kommt Marketing Mix Modeling ins Spiel. Während ein Conversion Lift auf Meta dir sagt, ob Meta-Ads inkrementell wirken, beantwortet ein MMM die Frage: Was ist der optimale Budget-Mix über Meta, Google, TikTok und weitere Kanäle gleichzeitig? Beide Ansätze ergänzen sich — Inkrementalitätstests liefern die Validierungsdaten, MMM gibt die strategische Perspektive.
Eine realistische Messrealität im Performance Marketing für DTC-Brands sieht so aus: Plattform-Attribution als Orientierung, Inkrementalitätstests zur Kalibrierung und ein übergreifendes Modell für Budget-Entscheidungen. Wer sich nur auf den Ads Manager verlässt, trifft Entscheidungen auf Basis von Daten, die nach iOS 14 und den Browser-Datenschutzänderungen erheblich unvollständiger geworden sind.
Admetrics unterstützt DTC-Teams dabei, genau dieses Zusammenspiel in einer Plattform abzubilden: plattformübergreifende Attribution, ein KI-basiertes Marketing Mix Model mit Budget-Optimizer und Bayesianische Experimentier-Workflows — alles in einem Umfeld, das auf Profitmetriken wie echten ROAS und CAC ausgerichtet ist. Gerade für Teams, die Inkrementalitätstests als regelmäßigen Teil ihres Measurement-Prozesses etablieren wollen, hilft eine zentrale Datenbasis enorm: Du kannst Testergebnisse direkt gegen die übergreifende Kanalperformance einordnen, anstatt zwischen Plattform-Dashboards hin- und herzuwechseln.
Wann du mit dem ersten Test anfangen solltest
Jetzt. Nicht nach dem nächsten Sale-Event, nicht wenn das Budget größer ist.
Selbst ein einfacher Holdout-Test auf Meta mit einer kleinen Kampagne liefert dir mehr Klarheit über die tatsächliche Werbewirkung als Monate von Last-Click-Auswertung. Starte mit deiner größten Retargeting-Kampagne — dort ist der Erklärungsbedarf am größten, weil Retargeting-Zielgruppen sowieso kauffreudig sind und das Last-Click-Modell den Werbebeitrag systematisch überschätzt.
Setze dir vorab eine klare Hypothese: "Ich erwarte, dass mindestens 50 % der gemeldeten Meta-Conversions in dieser Kampagne wirklich inkrementell sind." Dann führe den Test durch und lass die Daten sprechen. Die Ergebnisse werden die Art, wie du über dein Budget nachdenkst, dauerhaft verändern.
