Viele Unternehmen möchten wissen, mit welchen realistischen Ergebnissen sie aus Digitalwerbung und Marketingstrategien rechnen können. Das ist auch verständlich, denn niemand kauft gerne die Katze im Sack. Es geht um Berechenbarkeit und Planbarkeit, insbesondere dann, wenn Marketing-Budgets neu verteilt werden und ihre Gewichtung für den bestmöglichen Einsatz im kommenden Jahr geplant werden muss. Hier gestaltet sich der Prozess in Teams und Agenturen aber häufig so, dass eher Einzelzahlen und darauf basierende Vermutungen diskutiert werden, statt datenbasierte Einschätzungen.

Dabei gibt es zwar die reinen Verkäufe, die Conversions – aber wie spiegelten sich UX-Verbesserungen in den Conversionzahlen wider? Wie konkret haben Social-Media-Aktivitäten das Geschäft affektiert? Was für eine gelungene Unternehmenspräsentation fehlt, ist ein modularer, kombinierter Forecast, der zumindest die Entwicklung und Synergie der wichtigsten Faktoren abdeckt. Selbstredend lassen sich damit künftige Entwicklungen nicht exakt vorhersagen – aber wir kommen in einen realitätsnahen Referenzrahmen.

Die Berechnung von Conversion-Entwicklungen und ihren Ursachen ist der zentrale Gegenstand des Interesses für die meisten Unternehmensführungen. Hier kommt es ganz auf euch an, welche Conversion-Ereignisse konkret in eurer Ausgangslage gegeben sind. Wenn ihr als harte Conversions reine Direktanfragen oder Käufe zählt, und als weiche Conversions zum Beispiel Webinar-Anmelder für den Eintritt in den Verkaufsfunnel, empfiehlt es sich, diese beiden Conversion-Typen in separaten Graphen darzustellen. Im Endeffekt ist es aber eine reine Frage der stilistischen Ausgestaltung. Für das Forecasting selbst lassen sich beliebige Lösungen verwenden, wie etwa die Forecasting-Funktion von Microsoft Power BI, die für die nachfolgenden Beispiele verwendet wird.

Beispiel: Conversions durch Ads mit Neukundenstrategie im Fall einer stetigen Optimierung

Beispiel: Organische Bestandsentwicklung von Conversions

Basierend auf den Forecasts können wir nun modular Synergieeffekte hinzurechnen. Abhängig davon, ob ihr im B2B-Bereich Upsales anbietet oder im B2C-Bereich weitere Produkte oder Produkttypen, lässt sich die Quote für die Neukundenumwandlung hinzurechnen. Das bedeutet, ihr könnt prozentual herausrechnen, wie viele Neukunden nach einem Jahr zu Wiederkehrern werden, mit einer Analytics-Software eurer Wahl. Wenn ihr also seht, dass auf reinen organischen Landingpages die Gesamtzahl an Wiederkehrern im Jahr um 30 Prozent stieg, auf beworbenen Landingpages mit Neukundenstrategie hingegen um 50 Prozent, lässt sich davon ausgehen, dass hier viele Neukunden zu Wiederkehrern wurden. Die Differenz daraus könnt ihr mit der Conversion-Rate der jeweiligen Landingpages verrechnen und als Kennzahl für weitere Forecasts einrechnen.

Beispiel: Organische Bestandsentwicklung von Conversions mit Fünf-Prozent-Beispielanstieg durch organische, wiederkehrende Nutzer aus bezahlter Neukundenstrategie

Sofern ihr das Potenzial einer bestimmten Strategie überzeugend präsentieren wollt, eignet sich die nachfolgende Darstellung. Aus ihr wird deutlich ersichtlich, wie viel jeder Kanal gegenüber dem anderen bringt und was ein Kanal ohne den anderen wäre. In diese Darstellung lassen sich wahlweise weitere Metriken hinzufügen: Conversions aus Social Media (Linkedin, Facebook, Instagram), organisch und bezahlt, Conversions aus Mailing-Listen, oder Conversions aus Apps.

Beispiel: Vergleich und Forecast der Performance-Entwicklungen

Wenn wir nun alle Werte addieren, haben wir eine Datengrundlage, auf der wir das maximale Gesamtpotenzial aller Kanäle prognostizieren können. Nun kommt der letzte Faktor: Je nach Kanal gehen wir von einer in etwa stabilen Conversion-Rate auf den Landingpages aus. Wenn ihr hier Website-A/B-Tests durchführt (mit Google Optimize, Hubspot oder einem manuellen Ansatz), und eine besser konvertierende Website-Version ermittelt, dann solltet ihr die verbesserte Conversion-Rate entsprechend auf die Gesamtkalkulation aufrechnen.

Beispiel: Gesamt-Forecast aller Conversions mit Fünf-Prozent-Anstieg der Conversions durch verbesserte Conversion-Rate

Fertig: Nun haben wir einen Gesamt-Forecast, aus dem das realistische, maximale technische Ad-hoc-Potenzial des Unternehmens deutlich wird. Die Botschaft in diesem Beispiel wäre: Wenn wir nicht werben oder unser SEO ausbauen, bleiben wir auf der untersten Linie. Zusätzliche Maßnahmen wären UX-Optimierungen durch Website-A/B-Tests.

Beispiel: Finaler Gesamt-Forecast

Mit dieser Verfahrenstechnik könnt ihr Entwicklungen aus Kampagnen für Monate oder kommende Jahre hochrechnen. Es ist an der Stelle zu beachten, dass positive Trendentwicklungen nicht ins Unendliche exponenziert werden können: Kundenanzahl, Impressionen und Marktanteile sind selbstredend endlich. Daher ist ein gewisses Maß an operativer Erfahrung für eine realistische Einschätzung gefragt.

Insgesamt eignet sich das Verfahren insbesondere für Marketing-Teams in Unternehmen oder für Marketing-Agenturen, die ihren Kunden spannende Referenzwerte liefern können. Die Verrechnung von Synergieeffekten und die Forecasting-Funktion beeindrucken außerdem durch Nachvollziehbarkeit und liefern die optimale Argumentationsgrundlage für die Implementierung neuer Maßnahmen, Strategien und Kampagnen.

„A confused mind always says no“, heißt es bezüglich Entscheidungen aller Art – mit diesem Verfahren lässt sich viel Verwirrung ausräumen, sodass die zuständigen Entscheidungsinstanzen durch Klarheit von einem Ja zu neuen, funktionierenden Ansätzen überzeugt werden können.