Ein Brand Lift Survey (BLS) vergleicht zwei Gruppen — eine hat die Ads gesehen, die andere nicht. Die Differenz ist der kausale Effekt deiner Kampagne auf die Markenwahrnehmung.
Ein Brand Lift Survey misst den kausalen Einfluss einer Ad-Kampagne auf die Markenwahrnehmung. Dazu werden Antworten auf identische Survey-Fragen zwischen zwei statistisch vergleichbaren Gruppen gegenübergestellt.
User, die die Ad hätten sehen können, aber während der Kampagne zufällig zurückgehalten wurden. Ihre Antworten bilden die Baseline.
User, denen die Ad während der Kampagne ausgespielt wurde. Ihre Antworten erfassen den Effekt der Exposition.
Die Differenz zwischen beiden Gruppen ist der Lift — die einzige breit akzeptierte Methode, eine Verschiebung von Markenmetriken kausal einer konkreten Kampagne zuzuordnen.
Der Survey wird an User ausgespielt, die aus demselben Targeting-Pool wie die Kampagne stammen — aufgeteilt in Control und Exposed Group vor der Auslieferung. Das hält beide Gruppen vergleichbar, was die Voraussetzung für interpretierbaren Lift ist. Weil der Survey im selben Mobile-Umfeld läuft wie die Ad, bleiben Response Rates hoch.
| Metrik | Was sie bedeutet |
|---|---|
| Control Positive Rate | Baseline Response Rate der nicht exponierten User |
| Exposed Positive Rate | Response Rate der User, die die Kampagne gesehen haben |
| Absolute Lift | Differenz in Prozentpunkten zwischen Exposed und Control |
| Relative Lift | Proportionale Steigerung (Absolute Lift ÷ Control Rate) |
| Headroom Lift | Anteil des verbleibenden Growth-Potenzials, den die Kampagne realisiert hat |
Mobile Advertising und Programmatic Advertising Reporting endet meist bei Impressions, Clicks und CPM. Diese Metriken beschreiben Lieferung. Brand-Effekt beschreiben sie nicht.
„Awareness +5%“ in einem Tracker-Dashboard ohne Control Group kann von der Kampagne kommen, von Saisonalität, einem PR-Ereignis oder einem Wettbewerber-Fehler. Die Daten können nicht unterscheiden. Ein BLS isoliert den Kampagneneffekt.
Ohne Lift-Daten wird Budget anhand von CTR und CPM umverteilt. Diese Metriken belohnen günstiges Inventory und Direct-Response-Creative. Formate, die Wahrnehmung bewegen, verlieren in diesem Vergleich fast immer.
Deterministisches User-Level-Tracking ist in iOS- und Android-Umgebungen schmaler geworden. Multi-Touch Attribution Coverage ist gefallen. Campaign-Level Lift, was ein BLS liefert, ist davon weniger betroffen.
Lift nach Alter, Geschlecht oder Region zeigt, welche Kohorte bereits gesättigt ist und wo Headroom bleibt. Das ist die Grundlage für Creative-Refreshes statt fortgesetzten Spend gegen bereits überzeugte Bands.
Nach Kampagnenschluss erhältst du einen Lift-Report mit den unten gezeigten Blöcken. Die Zahlen stammen aus einer realen Mobile-Advertising-Kampagne (Marken-Namen anonymisiert) und zeigen, wie Lift gesamt und nach Segment dargestellt wird.
Lesart: 21–24 zeigte den stärksten relativen Lift mit +56.25%. 55+ war bereits nahe der Ceiling und liefert nur +5.86%. Diese Aufschlüsselung sagt dir, welche Kohorte beim nächsten Flight Priorität bekommt.
Vor dem Launch. Das Measurement Design muss zum Targeting-Zeitpunkt stehen, damit Control und Exposed Group sauber getrennt werden können. Nachträgliche Surveys verlieren den Grossteil der kausalen Stärke.
Absolute Lift ist die Differenz in Prozentpunkten zwischen Exposed und Control. Relative Lift setzt diese Differenz ins Verhältnis zur Control Rate und zeigt die proportionale Verbesserung. Beide gehören zusammen berichtet.
Welchen Anteil des verbleibenden Growth-Potenzials die Kampagne realisiert hat. Eine Marke mit 80% Baseline-Awareness hat strukturell weniger Headroom als eine mit 20%. Die Metrik macht absoluten Lift im Kontext vergleichbar.
Baue den BLS in die nächste Kampagne ein. Wir setzen Control und Exposed Group zum Targeting-Zeitpunkt auf und liefern Lift-Reports mit Segment-Breakdowns.