Adstock-Effekte, warum Werbung verzögert wirkt und was das für unsere Budgets bedeutet

Im letzten Beitrag haben wir gesehen, wie wir Sättigungskurven auch mit wenigen Datenpunkten sinnvoll schätzen können. Wir haben dabei stillschweigend angenommen, dass eine Werbe-Ausgabe heute auch heute wirkt. Das ist eine Vereinfachung, die in vielen Kanälen brauchbar ist, in anderen aber das Bild deutlich verzerrt. Wer einen Display-Banner schaltet, eine Influencer- Kooperation laufen lässt oder ein Webinar produziert, sieht den Effekt nicht in der gleichen Woche, sondern verteilt über Tage und Wochen. Genau dieses Phänomen heißt Adstock, und es ist eines der spannendsten und am häufigsten ignorierten Themen im Marketing-Modelling.

Was Adstock eigentlich beschreibt

Wenn wir an einem Montag einen Display-Banner schalten, sehen den Banner einige Leute, die sofort klicken und kaufen. Das ist der unmittelbare Effekt. Andere Leute sehen den Banner, klicken nicht, denken aber zwei Tage später beim nächsten Lebensmittel-Einkauf an die Marke und kaufen am Mittwoch im Laden. Wieder andere merken sich die Marke beiläufig, kaufen drei Wochen später ein Folge-Produkt und wir können den Verkauf nirgendwo der Display-Kampagne zuordnen, weil zwischen Anzeige und Kauf zu viel Zeit liegt.

Das Wort Adstock setzt sich aus advertising und stock zusammen, also Werbung und Lager. Die Vorstellung ist, dass jede Werbe-Ausgabe einen Werbe-Vorrat im Kopf des Konsumenten anlegt, der sich dann langsam abbaut. Heutige Conversions können auch aus diesem Vorrat schöpfen, der vor Wochen aufgefüllt wurde.

Wie wir Adstock mathematisch fassen

Die einfachste Formulierung ist die geometrische Decay-Funktion. Wir geben heute einen Euro für Werbung aus. Die Wirkung dieses Euros beträgt heute hundert Prozent. Morgen sind es vielleicht noch siebzig Prozent. Übermorgen fünfzig. Eine Woche später zehn. Mathematisch multiplizieren wir die ursprüngliche Wirkung in jeder Periode mit einem Faktor zwischen null und eins. Das ergibt eine sanft abklingende Kurve.

Halbwertszeiten typischer Kanäle

In der Praxis unterscheiden sich Kanäle stark in ihrer Halbwertszeit. Die folgenden Werte sind Erfahrungswerte aus Marketing-Mix-Modellen und können je nach Branche und Produkt variieren, aber sie geben ein gutes Gefühl für die Größenordnung.

• Performance-Search, etwa Google-Ads mit Conversion-Optimierung, hat eine Halbwertszeit von etwa null bis drei Tagen. Die Wirkung tritt sofort ein und verfliegt fast genauso schnell.
• Social-Ads mit Direct-Response-Ziel, etwa Meta-Conversions-Kampagnen, liegen bei einer Halbwertszeit von etwa zwei bis sieben Tagen.
• Display und Programmatic wirken etwas länger nach, mit Halbwertszeiten von einer bis zwei Wochen.
• Brand-Video auf YouTube oder Connected-TV wirkt deutlich länger, oft mit Halbwertszeiten von drei bis fünf Wochen.
• Klassische TV-Spots und Out-of-Home haben in der Regel die längsten Halbwertszeiten, vier bis acht Wochen und mehr.
• Content und SEO sind ein Spezialfall, hier ist Adstock im klassischen Sinn weniger relevant, weil der Inhalt selbst dauerhaft bleibt. Wir modellieren stattdessen die Sichtbarkeit über die Zeit.

Was passiert, wenn wir Adstock ignorieren

Wer Adstock ignoriert und Conversions ausschließlich der Werbung in derselben Periode zuordnet, baut systematisch Verzerrungen in seine Modelle ein. Drei typische Fehlsteuerungen ergeben sich daraus.

Brand-Werbung wird unterbewertet

Wenn wir einen Brand-Video-Spot schalten und in derselben Woche nur einen kleinen unmittelbaren Conversion-Lift sehen, schließen wir voreilig, der Spot war ineffizient. Die eigentliche Wirkung tritt in den folgenden Wochen ein, taucht aber in Last-Click-Reports unter ganz anderen Kanälen auf. Das Budget verschiebt sich Quartal für Quartal weg von Brand hin zu Performance, bis die Brand-Wahrnehmung zerbröselt und auch die Performance-Kanäle weniger effektiv werden, weil weniger Markenbekanntheit da ist, auf die sie aufbauen können.

Kampagnen-Ende wird zu schnell ausgewertet

Wenn wir eine Kampagne abschalten und unmittelbar danach den Umsatz messen, sehen wir noch die Nachwirkungen und werten sie als organischen Umsatz. Drei Wochen später denken wir, der Umsatz sei stabil ohne Kampagne, beginnen über Einsparungen nachzudenken, und kürzen das Budget weiter. Wenn der Adstock-Puffer dann doch leer ist, bricht der Umsatz ein, oft plötzlich, und niemand versteht den Zusammenhang.

Kanal-Vergleich wird unfair

Wenn wir den ROAS verschiedener Kanäle in einem festen Zeitfenster vergleichen, vergleichen wir Performance-Search mit Brand-Video, ohne deren unterschiedliche Wirkungsdauer zu berücksichtigen. Das ist, als würden wir die Reichweite einer Schreibtisch-Lampe mit der einer Straßenlaterne vergleichen, indem wir messen, wie hell es genau unter der Lampe ist. Wir bekommen eine Zahl, aber die Zahl beantwortet die falsche Frage.

Wie Adstock und Sättigungskurve zusammenspielen

Beide Effekte überlagern sich. Die Sättigungskurve sagt uns, wie viel Wirkung ein Euro Werbe-Ausgabe in der aktuellen Periode erzeugt, abhängig von der Höhe des Budgets. Adstock sagt uns, wie sich diese Wirkung über die folgenden Perioden verteilt. Korrekt modelliert kombinieren wir beide so, dass jede Werbe-Ausgabe einen Adstock-Verlauf erzeugt und jeder Adstock-Verlauf in der jeweiligen Periode der Sättigungskurve unterworfen ist.

In Vectalyze passiert das im Hintergrund. Wir schätzen die Halbwertszeit jedes Kanals bayesianisch, ähnlich wie wir die Hill-Parameter im letzten Beitrag geschätzt haben. Mit einem Start-Prior aus Branchen-Werten und schrittweiser Verfeinerung an den realen Daten. Das Ergebnis ist eine fairere Bewertung jedes Kanals und eine ehrlichere Sicht auf die Wirkung jeder einzelnen Kampagne.

Was das für konkrete Budget-Entscheidungen heißt

Drei Verhaltensänderungen empfehlen wir Teams, die Adstock ernst nehmen.

Erstens, Brand-Kampagnen nicht in derselben Periode auswerten, in der sie laufen. Geben wir uns mindestens die zwei- bis dreifache Halbwertszeit, bevor wir die Wirkung beurteilen. Bei Brand-Video heißt das, sechs bis zwölf Wochen warten, dann ehrlich messen.

Zweitens, Kampagnen mit langer Halbwertszeit nicht abrupt abschalten. Lieber langsam ausschleichen lassen, damit der Adstock-Puffer kontrolliert leer läuft und wir den Effekt sauber messen können, bevor wir ihn verlieren.

Drittens, Kanal-Budgets nicht auf Basis von Single-Period-ROAS verteilen, sondern auf Basis von langfristigem Marginal-Return, der den Adstock-Effekt mitrechnet. Das ist die Logik hinter Vectalyzes Multi-Channel-Optimizer, der für jeden Kanal nicht den nominalen ROAS, sondern den effektiven Marginal-Return über den vollen Adstock-Horizont betrachtet.

Wie das mit dem Strategie-Zyklus zusammenpasst

Adstock ist ein direkter Anwendungsfall für die Measure-Phase im Strategie-Zyklus, den wir im dritten Beitrag vorgestellt haben. Wenn wir in der Measure-Phase ehrlich sind und anerkennen, dass die Wirkung mancher Kampagnen erst nach mehreren Wochen sichtbar wird, müssen wir die Lern-Schleifen länger denken. Nicht jede Kampagne lässt sich nach einem Monat beurteilen. Wer das akzeptiert, baut robustere Strategien, weil er nicht in jede kurzfristige Schwankung hinein nachsteuert.

Im nächsten Beitrag bauen wir auf Adstock direkt auf und schauen uns ein verwandtes Thema an, das vor allem für Brand-Werbung kritisch ist, die sogenannte Brand-Equity. Wir zeigen, wie wir messen können, ob unsere Markenarbeit den Vorrat im Kopf der Konsumenten wirklich füllt, und welche Indikatoren dafür belastbar sind.