Marketingbudget im Konzern: So zeigt der marginale CAC, wo der ROI kippt

Der Zentralverband der deutschen Werbewirtschaft (ZAW) rechnete in seiner Prognose vom Dezember 2025 für das Jahr mit Werbeinvestitionen von rund 39,1 Milliarden Euro, 2,9 Prozent mehr als im Vorjahr, und mit Netto-Werbeerlösen der Medien von etwa 27,5 Milliarden Euro. Das Wachstum kommt fast vollständig aus digitalen Kanälen und konzentriert sich auf wenige globale Plattformen. Für ein Konzernmarketing heißt das: Ein wachsender Teil des Budgets fließt in Systeme, die ihre eigene Wirkung selbst messen. Wer diese Selbstauskünfte nicht prüft, verteilt Millionen nach dem Urteil des Verkäufers.

Prüfen lässt sich das mit einem Regelkreis aus vier Teilen. Der marginale CAC, also die Kosten für den nächsten zusätzlichen Kunden, entscheidet, wohin der nächste Euro fließt. Experimente zeigen, ob er dort wirkt. Die Attribution verteilt die Gutschrift, und die Governance legt fest, wie oft sich all das ändern darf. Fehlt ein Glied, erstarrt das Budget im Januar und wird im Dezember mit Anekdoten verteidigt.

Der Durchschnitts-CAC verdeckt, wo das Geld verbrennt

Der erste Fehler ist, das Budget als einen Topf zu behandeln. Konzernausgaben verteilen sich auf vier Kanaltypen, die sich völlig unterschiedlich verhalten. Always-on-Performance (Suche, Social-Retargeting) ist gut messbar, hat hohe Kaufabsicht und skaliert mit vorhersehbaren Kosten, bis der Kanal sättigt. Nachfragegenerierung (Video, Discovery-Anzeigen, Creator) erreicht Menschen, die noch nicht kaufen wollen. Die Wirkung zeigt sich erst Wochen später, wenn mehr Leute nach der Marke suchen oder die Seite direkt aufrufen. Lifecycle-Kanäle wie E-Mail und CRM kosten am Rand wenig und zahlen über Bindung und Ausbau zurück. Marke und Sponsoring wirken über mehrere Quartale und erzeugen unterstützte Abschlüsse, die kein Klickmodell sauber zuordnet.

Im deutschen B2B kommt ein fünfter Posten hinzu, den internationale Frameworks gern übersehen: Messen. Für viele Mittelständler sind Fachmessen ein großer Einzelposten, und kein digitales Attributionsmodell erfasst, welche Aufträge auf ein Standgespräch zurückgehen. Ein eigener Kampagnencode pro Messe im CRM und eine Nachfassquote, die der Vertrieb vier Wochen nach der Messe meldet, machen aus dem Bauchgefühl eine Zahl. Über die kann man im nächsten Jahr wenigstens streiten.

Innerhalb dieser Mischung zählt der marginale CAC. Jeder zusätzliche Euro bringt in einem Kanal weniger als der vorherige. Zuerst kaufen die Nutzer, die ohnehin kaufen wollten. Jede weitere Budgetstufe erreicht teurere Kontakte, die weniger Interesse haben. Die brauchbare Frage lautet deshalb: Was kostet hier der nächste Euro im Verhältnis zum LTV, den er zurückbringt?

Marginaler CAC an einem Rechenbeispiel

Ein Kanal bekommt sein Budget in Stufen, und erst die Differenz zwischen zwei Stufen zeigt, was der nächste Euro kostet.

• Stufe 1: 50.000 Euro Ausgabe → 500 Neukunden, gemischter CAC = 100 Euro.
• Stufe 2: 80.000 Euro Ausgabe → 650 Neukunden, gemischter CAC = 123 Euro.

Der gemischte CAC steigt scheinbar harmlos von 100 auf 123 Euro. Der marginale erzählt die eigentliche Geschichte: Die zusätzlichen 30.000 Euro haben 150 Kunden gebracht, also 30.000 / 150 = 200 Euro pro Kunde, doppelt so viel, wie der Durchschnitt vermuten lässt. Liegt der LTV bei 180 Euro, trägt Stufe 1 noch. Der Aufschlag auf Stufe 2 macht dagegen Verlust, obwohl der gemischte CAC mit 123 Euro komfortabel unter dem LTV bleibt. Im Monat verbrennt der Kanal damit 150 × 20 = 3.000 Euro Deckung, ohne dass ein einziger Bericht rot wird.

Saisonale Spitzen verschieben solche Kurven zusätzlich. Im vierten Quartal, mit Black Week und Weihnachtsgeschäft, steigen die Auktionspreise für alle gleichzeitig, und ein Kanal wirkt allein dadurch gesättigt. Den marginalen CAC vergleicht man deshalb mit demselben Zeitraum des Vorjahres. Bleibt die Frage, woher man weiß, dass die 150 zusätzlichen Kunden überhaupt durch den Kanal kamen.

Geo-Tests beweisen, was Modelle nur behaupten

Weil sich die Kurven verschieben, braucht jede Umschichtung einen Beleg. Geo-Tests und Inkrementalitätstests zeigen, was die Ausgaben tatsächlich bewirkt haben, also welcher Umsatz ohne sie gefehlt hätte. Ein/Aus-Experimente legen den Beitrag eines ganzen Kanals offen, Motiv- und Zielgruppentests den Effekt innerhalb eines Kanals. Ohne diese Schicht ist jede Umverteilung die Intuition des lautesten Stakeholders.

Für Geo-Tests bietet Deutschland eine bewährte Einteilung: die Nielsen-Gebiete, mit denen Mediaplanung und Marktforschung seit Jahrzehnten arbeiten, oder Gruppen von Bundesländern mit ähnlicher Umsatzhistorie. Zwei Eigenheiten verlangen Sorgfalt. Die Schulferien liegen je nach Bundesland zu unterschiedlichen Zeiten, und auch Feiertage wie Fronleichnam oder der Reformationstag gelten nicht überall. Ein Test, der eine Ferienwoche nur in der Testregion enthält, misst den Kalender mit. Ballungsräume wie Berlin, Hamburg oder München reagieren wegen Kaufkraft und Wettbewerbsdichte anders als ländliche Gebiete, deshalb vergleicht man sie paarweise und nie gegen die Fläche.

Ein Geo-Holdout durchgerechnet. Zwei Gruppen von Bundesländern liefen in den acht Wochen vor dem Test fast parallel: Die Testgruppe setzte im Schnitt das 1,02-Fache der Kontrollgruppe um, und keine Sechs-Wochen-Summe wich um mehr als 2 Prozent von diesem Verhältnis ab. Dann schaltet das Team Video in der Testgruppe für sechs Wochen ab und spart 90.000 Euro. Die Kontrollgruppe setzt in dieser Zeit 2,4 Millionen Euro um, erwartet wären in der Testgruppe also 2,448 Millionen. Gemessen werden 2,31 Millionen. Es fehlen 138.000 Euro Umsatz, 5,6 Prozent des Erwartungswerts und damit fast das Dreifache des normalen Rauschens. Bei 35 Prozent Deckungsbeitrag gehen 48.300 Euro Deckung verloren, gespart wurden 90.000 Euro.

Kurzfristig rechnet sich Video in diesem Beispiel also nicht. Wer den Kanal deshalb streicht, übersieht aber, was sechs Wochen nicht zeigen können: Markensuche und Direktzugriffe, die erst im übernächsten Quartal fallen. Die saubere Entscheidung lautet, den Holdout nach dem Ende noch acht Wochen weiter zu beobachten. Fällt die Lücke dann auf unter 2 Prozent, war der Effekt kurzlebig und das Budget darf schrumpfen; wächst sie, finanziert Video Nachfrage, die andere Kanäle später ernten. Ein auffallend großes Ergebnis prüft man zuerst auf Fehler. Eine falsch zugeordnete Postleitzahl oder ein doppelt gebuchter Großauftrag in der Kontrollregion erzeugt genau so eine Lücke.

Experimente sind allerdings teuer und langsam, ein Konzern kann nicht jeden Kanal jedes Quartal abschalten. Für die übrige Zeit braucht er Modelle, die sich gegenseitig kontrollieren.

Drei Attributionsverfahren, drei blinde Flecken

Attribution heißt, die Wirkung mit mehreren Verfahren zu schätzen und die Ergebnisse gegeneinander zu prüfen, denn jedes Verfahren übersieht etwas anderes. Regelbasierte Modelle (First-Touch, Last-Touch, linear, positionsbasiert) sind leicht zu erklären, bei langen Kaufprozessen im Konzern aber irreführend. Last-Touch schreibt einen Abschluss nach neun Monaten Vertrieb der letzten Markensuche gut. Statistische Modelle wie datengetriebene Attribution oder Media-Mix-Modeling verbinden mehr Signale. Sie brauchen dafür aber viele Daten und echte Fachleute für Datenanalyse. Nur kausale Verfahren, also Geo-Experimente, Zielgruppen-Splits und Holdouts, messen den Zusatzeffekt direkt. Deshalb eichen sie die beiden anderen.

In der Praxis laufen die Verfahren nebeneinander. Multi-Touch-Attribution (MTA) erfasst Nutzerpfade in digitalen Kanälen, Media-Mix-Modeling (MMM) bildet Makrotrends und Offline-Ausgaben ab, die MTA nie sieht, und Experimente prüfen, was beide vorhersagen. Widersprechen sich Experiment und Modell, klärt das Team zuerst, ob beide denselben Markt, Zeitraum und Effekt abbilden. Erst danach zählt, welche Schätzung belastbarer ist; bei sauberem Design gewinnt das Experiment, und das MMM wird neu kalibriert.

In Deutschland kommt ein Grund hinzu, der Pfad-Attribution nicht allein zu trauen. Nach § 25 des Telekommunikation-Digitale-Dienste-Datenschutz-Gesetzes (TDDDG, bis Mai 2024 TTDSG) braucht jeder nicht unbedingt erforderliche Zugriff auf das Endgerät eine Einwilligung. Aufsichtsbehörden und Gerichte verlangen, dass das Ablehnen nicht schwerer sein darf als das Zustimmen. Seit viele Banner eine gleichwertige Ablehnen-Option auf der ersten Ebene zeigen, fehlt ein spürbarer Teil der Besucher in den Pfaden, die MTA rekonstruiert.

Wer fehlt, ist kein Zufall. Wie oft Menschen ablehnen, hängt von Gerät, Alter und Einstiegskanal ab. MTA liefert also weiter genaue Zahlen, aber über eine schiefe Auswahl der Besucher. Zur Größenordnung: Stimmen auf dem Desktop 70 Prozent zu und mobil nur 45 Prozent, und kommt Social überwiegend mobil, dann sieht MTA von jeder Social-Conversion deutlich weniger als von einer Desktop-Suche. Der Kanal erscheint im Bericht schwächer, als er ist. MMM und Geo-Tests arbeiten mit aggregierten Umsätzen und verfolgen keine Einzelpersonen, deshalb haben sie in vielen Budgetrunden an Gewicht gewonnen. Ändert sich die Einwilligungsrate nach einem Banner-Relaunch, sind Attributionsberichte vor und nach dem Wechsel nur mit Vorsicht vergleichbar.

Selbst eine saubere Gutschrift sagt aber noch nicht, ob sich das Geld gelohnt hat. Dafür braucht es eine Zahl mit Zeitachse.

Ein ROI ohne Zeitachse führt in die Irre

Ein belastbarer ROI zeigt drei Dinge: welchen Umsatz das Marketing wirklich zusätzlich gebracht hat, wann er eintrifft und was ein Kunde unterm Strich einbringt. Gebuchter Umsatz allein reicht dafür nicht. Berichtenswert sind der marginale CAC, der LTV aus ARPU, Retention, Expansion und Churn, die Payback-Periode in Monaten, der tatsächlich durch Marketing verursachte Zusatzumsatz und der Deckungsbeitrag nach Kosten der Kundenbetreuung. Am häufigsten täuscht der gemischte CAC. Er mittelt Sättigung und abgenutzte Motive weg, zusammen mit ganzen Blöcken ineffizienter Ausgaben.

Die Zeit ist die zweite Falle. Konzernzyklen sind lang, deshalb muss eine ROI-Zahl die Länge des Vertriebszyklus und die Verzögerung der Attribution berücksichtigen. Ein Monat ist ein zu kurzes Fenster für einen Kanal, dessen Abschlüsse zwei Quartale später fallen. Ein quartalsweises Entscheidungsfenster hält das Budget beweglich, ohne die Zahl des Vormonats zum Urteil zu erklären. Bei vielen Kanälen, langen Fenstern und hohen Summen braucht es deshalb echte ökonomische Modellierung; ein einzelner gemischter CAC im Monatsbericht trägt diese Last nicht.

Für Software mit wiederkehrenden Umsätzen gibt es eine verbreitete Messlatte: ein Verhältnis von LTV zu CAC von mindestens 3 und eine CAC-Payback-Periode um zwölf Monate. Im Konzern legt man sie an den marginalen Euro an. Daraus folgt eine Entscheidungsregel: Liegt der marginale LTV/CAC eines Kanals unter 3 und der Payback über zwölf Monaten, wird der Kanal auf der aktuellen Stufe gedeckelt. Liegt nur einer der beiden Werte daneben, bekommt der Kanal ein Quartal mit Experiment, bevor das Geld wandert.

Eine Warnung gehört dazu. Wird der Payback zum Ziel, schieben Teams Budget in Retargeting, das vorhandene Nachfrage abschöpft und auf dem Papier schnell zurückzahlt. Die Kennzahl sieht dann besser aus, während das Unternehmen kaum neue Kunden gewinnt. Gegenmittel ist eine zweite Größe, die sich nicht gleichzeitig schönrechnen lässt, etwa der Anteil der Neukunden, die vorher keinen Markenkontakt hatten.

Das rollierende Jahr verteilt das Geld neu

Kern der Steuerung ist ein rollierendes Budget über vier Quartale, das jedes Quartal neu geplant wird. Darum herum gibt es Termine in drei Rhythmen. Monatlich beobachtet das Team Kanalperformance, Sättigung und die Verschiebung von CAC und LTV. Quartalsweise wird tatsächlich umverteilt, und die Attributionsmodelle werden aktualisiert. Jährlich oder halbjährlich stehen Markenstrategie und Portfolio auf dem Prüfstand. Die Frequenz eines Termins passt zur Geschwindigkeit des Signals, das er steuert.

Wie viel Geld ein Quartal bewegen darf, legt man vorher fest. Eine praktikable Grenze sind 10 bis 15 Prozent des Quartalsbudgets: genug, um auf einen gesättigten Kanal zu reagieren, zu wenig, um nach einem schlechten Monat die Markenarbeit zu zerschlagen. Governance heißt auch, das Quartal zu proben, das man sich nicht wünscht. Wer eine Rezession, 20 Prozent CPC-Inflation oder einen neuen Wettbewerber vorab durchspielt, hat bei Eintritt bereits einen Plan.

Die Effektivitätsforschung hält diesem Regelwerk etwas Unbequemes entgegen. Les Binet und Peter Field werteten für „The Long and the Short of It“ (2013) die Effektivitätsdatenbank des britischen IPA aus. Im Durchschnitt kamen sie auf etwa 60 Prozent für langfristigen Markenaufbau und 40 Prozent für kurzfristige Aktivierung, wobei sich das Verhältnis je nach Kategorie verschiebt und im B2B in späteren Arbeiten stärker zur Aktivierung neigt. Daraus folgt eine berechtigte Sorge: Ein System, das jeden Euro am marginalen CAC eines Quartals misst, unterfinanziert die Marke systematisch, weil ihr Effekt erst nach dem Messfenster eintritt. Jedes Quartal wandert ein wenig Geld zur Aktivierung, bis die Markensuche sinkt und die Performance-Kanäle teurer werden.

Am stärksten wirkt das bei langen Kaufzyklen und wenig bekannten Marken. Abhilfe schafft eine Trennung der Töpfe. Der Markenanteil wird einmal im Jahr als Untergrenze beschlossen und an Markensuche und gestützter Bekanntheit gemessen; der Quartals-CAC spielt für ihn keine Rolle. Nur der Aktivierungstopf läuft durch den Regelkreis. Die 60 zu 40 taugen dabei als Ausgangshypothese, die jedes Unternehmen an den eigenen Zahlen prüft.

Kennzahlen, die erst im Konzernmaßstab Sinn ergeben

Manche Größen sind für ein Startup Rauschen und im Konzern unverzichtbar. Kennzahlen über alle Stufen des Kaufprozesses, von mehr Markensuchen bis zum Beitrag zur Vertriebspipeline, helfen bei erklärungsbedürftigen Produkten. Man sollte sie aber nur als Richtungsanzeige lesen. Zwei Effizienzgrößen schärfen das Bild: die Kosten pro qualifizierter Verkaufschance und der ROAS des letzten Euros im Vergleich zum Durchschnitt. Und weil Marketing ein Portfolio ist, steht oben die Portfoliosicht mit dem Verhältnis von Marken- zu Performance-Ausgaben, dem ROI nach Region und dem Abgleich von Plan und Ist.

Ein Beispiel zeigt, warum die Lead-to-Opportunity-Rate im Konzern mehr verrät als die Leadzahl. Kampagne A bringt 1.200 Leads, von denen 6 Prozent zur Opportunity werden, also 72. Kampagne B bringt 500 Leads bei 18 Prozent, also 90. Bei gleichem Budget von 60.000 Euro kostet die Opportunity in A rund 833 Euro, in B rund 667 Euro. Ein Bericht, der nur Leads zählt, belohnt die schlechtere Kampagne um den Faktor 2,4.

Der letzte Punkt wird leicht übersprungen. Das ganze System setzt Marketingverantwortliche voraus, die bei Unit Economics, Statistik und Experimentdesign mithalten und dieselben Definitionen mit Controlling und Vertrieb teilen. Wenn Marketing und Controlling mit unterschiedlichen Zahlen argumentieren, übersteht kein Framework das erste schlechte Quartal. Ein gemeinsames Glossar mit einer Formel pro Kennzahl ist deshalb das billigste Werkzeug im ganzen Aufbau.

Rückfragen aus der Budgetrunde

Wie viel Budget gehört in Experimente?

Genug, damit pro Quartal mindestens ein Kanal sauber getestet wird. In vielen Plänen sind das einige Prozent des Mediabudgets (etwa 3 bis 5 Prozent), verbucht als eigener Posten, damit ein Holdout nicht als Umsatzverlust des Kanalverantwortlichen zählt. Wer Tests aus dem Kanalbudget bezahlt, bekommt sie nie genehmigt.

Wie bewertet man Messen?

Mit eigener Lead-Erfassung am Stand, fester Übergabe ins CRM und einer Auswertung über den gesamten Vertriebszyklus, nicht nur über die vier Wochen danach. Ohne diese Kette bleibt jede Messebewertung eine Meinungsfrage, und im Sparjahr verliert dann der Posten mit der schwächsten Lobby, egal wie gut seine Ergebnisse waren.

Erst der marginale CAC, dann der Streit um Attribution

Wenn Sie eine Sache zuerst festziehen, dann den marginalen CAC pro Kanal. Fast jeder Budgetstreit löst sich auf, sobald das Team sieht, wo der nächste Euro aufhört, sich zurückzuzahlen. Als ersten Schritt nehmen Sie die zwei größten Kanäle, rechnen für die letzten zwei Budgetstufen die Differenz wie im Beispiel oben und legen das Ergebnis neben den LTV. Die eigentliche Frage für die nächste Runde lautet dann nicht mehr, welcher Kanal gut ist, sondern auf welcher Stufe er es nicht mehr ist.