{ "name": "MFK-Studiendatenbank", "lizenz": "CC BY 4.0", "quelle": "https://marketing-facts.de/studien/", "stand": "2026-11-07", "score_gewichte": { "design": 0.3, "datenbasis": 0.15, "unabhaengigkeit": 0.2, "replikation": 0.25, "uebertragbarkeit": 0.1 }, "anzahl": 408, "studien": [ { "id": "graham-double-jeopardy-2017", "titel_original": "Double Jeopardy – 50 years on. Reviving a forgotten tool that still predicts brand loyalty", "titel_de": "Double Jeopardy: 32 Replikationen über Jahrzehnte", "autoren": "Graham, Bennett, Franke, Henfrey, Nagy-Hamada", "herausgeber": "Australasian Marketing Journal 25(4)", "jahr": 2017, "studientyp": "Paneldaten-Analyse", "themen": [ "Markenaufbau & Wachstum", "CRM & Loyalität" ], "kernaussage": "Kleinere Marken haben nicht nur weniger Käufer, diese Käufer sind auch etwas weniger treu; das Muster zeigt sich in vielen Kategorien und Zeiträumen und lässt sich mit einer einfachen Formel vorhersagen.", "zahlen": [ { "wert": "32", "bedeutung": "Zahl der Replikationen in der Arbeit" }, { "wert": "über 35 Jahre", "bedeutung": "längster abgedeckter Datenzeitraum" }, { "wert": "w(1−b)", "bedeutung": "einfache Näherungsformel zur Vorhersage der Loyalitätsrate aus Reichweite" } ], "methode": "Erneute Prüfung des Double-Jeopardy-Musters an Kaufpaneldaten mit Vergleich gegen die einfache Näherungsformel.", "datenbasis": "Kantar-Worldpanel-Daten und weitere Quellen, Kategorien von Instantkaffee bis Flugzeugkauf, Zeiträume bis über 35 Jahre.", "einschraenkungen": "Beschreibt ein statistisches Muster, keine Ursache; sagt nicht, dass Loyalitätsmaßnahmen sinnlos sind. Ausnahmen kommen vor.", "interessenlage": "Akademische Arbeit des Ehrenberg-Bass-Umfelds, das von Unternehmen als Sponsoren getragen wird; kein spezifischer Auftraggeber bekannt.", "score": { "design": 8, "datenbasis": 9, "unabhaengigkeit": 8, "replikation": 10, "uebertragbarkeit": 9, "begruendung": "Große, lange Paneldaten über viele Kategorien und eines der am häufigsten replizierten Muster im Marketing.", "gesamt": 8.8 }, "richtung": "bestaetigt", "quelle_url": "https://www.sciencedirect.com/science/article/abs/pii/S1441358217301519", "zugang": "paywall", "folgen": [ 3 ], "stand": "2026-11-06" }, { "id": "lewis-rao-2015-unfavorable-economics", "titel_original": "The Unfavorable Economics of Measuring the Returns to Advertising", "titel_de": "Warum sich Werbewirkung so schwer messen lässt", "autoren": "Lewis, Rao", "herausgeber": "The Quarterly Journal of Economics 130(4), 1941–1973", "jahr": 2015, "studientyp": "Feldexperiment", "themen": [ "Messung & Attribution", "Methodik & Marktforschung", "Media & Budget" ], "kernaussage": "Selbst sehr große Werbeexperimente liefern oft zu ungenaue ROI-Schätzungen, weil individuelle Umsätze im Verhältnis zu den Werbekosten pro Kopf extrem schwanken. Beobachtungsmethoden sind wegen Selektionseffekten durch Targeting noch unzuverlässiger.", "zahlen": [ { "wert": "25", "bedeutung": "Anzahl großer Feldexperimente mit US-Händlern und Brokern" }, { "wert": "2,8 Mio. US-$", "bedeutung": "gesamte Display-Werbeausgaben in den Experimenten" }, { "wert": "> 100 Prozentpunkte", "bedeutung": "Breite des medianen Konfidenzintervalls für den ROI" }, { "wert": "> 10 Mio.", "bedeutung": "Personen-Wochen, die ein aussagekräftiges Experiment benötigen kann" } ], "methode": "Auswertung randomisierter Display-Werbeexperimente bei Yahoo mit Verknüpfung zu Umsatzdaten der Werbungtreibenden; Power-Analyse zur notwendigen Stichprobengröße.", "datenbasis": "25 Experimente, meist mit Millionen Nutzern je Test, USA, ca. 2007–2011.", "einschraenkungen": "Display-Werbung im Yahoo-Netzwerk; zeigt nicht, dass Werbung nicht wirkt, sondern dass die Wirkung schwer nachzuweisen ist. Häufig fälschlich als 'Online-Werbung wirkt nicht' zitiert.", "interessenlage": "Autoren damals bei Yahoo/Microsoft Research; Ergebnis ist für Werbeplattformen eher unbequem.", "score": { "design": 10, "datenbasis": 8, "unabhaengigkeit": 8, "replikation": 8, "uebertragbarkeit": 8, "begruendung": "Experimentelle Basis; das Power-Problem wurde von späteren Facebook- und Google-Studien wiederholt bestätigt.", "gesamt": 8.6 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1093/qje/qjv023", "zugang": "paywall", "folgen": [], "stand": "2026-11-06" }, { "id": "goodhardt-ehrenberg-chatfield-1984-dirichlet", "titel_original": "The Dirichlet: A Comprehensive Model of Buying Behaviour", "titel_de": "Das Dirichlet-Modell des Kaufverhaltens", "autoren": "Goodhardt, Ehrenberg, Chatfield", "herausgeber": "Journal of the Royal Statistical Society, Series A 147(5), 621 ff.", "jahr": 1984, "studientyp": "Paneldaten-Analyse", "themen": [ "Markenaufbau & Wachstum", "CRM & Loyalität", "Methodik & Marktforschung" ], "kernaussage": "Kaufverhalten in stabilen Kategorien folgt sehr regelmäßigen Mustern, die sich allein aus Marktanteilen und Kategoriekaufhäufigkeit vorhersagen lassen: Große Marken haben viel mehr Käufer und diese kaufen etwas häufiger ('Double Jeopardy'), und Marken teilen Kunden etwa proportional zu ihrer Größe ('Duplication of Purchase').", "zahlen": [], "methode": "Stochastisches Modell (NBD-Dirichlet) für Kaufhäufigkeit und Markenwahl, angepasst und geprüft an Verbraucherpanel-Daten zahlreicher Kategorien.", "datenbasis": "Haushaltspanel-Daten aus vielen Konsumgüterkategorien, vor allem Großbritannien und USA, 1960er–1980er.", "einschraenkungen": "Beschreibt stationäre Märkte ohne starke Segmentierung; Abweichungen (Nischenmarken, Change-of-Season, stark differenzierte Marken) gibt es. Das Modell erklärt Muster, nicht wie man sie durch Marketing verändert.", "interessenlage": "keine bekannt (akademisch)", "score": { "design": 6, "datenbasis": 9, "unabhaengigkeit": 10, "replikation": 10, "uebertragbarkeit": 9, "begruendung": "Über Jahrzehnte in vielen Kategorien und Ländern repliziert und Grundlage der Ehrenberg-Bass-Gesetzmäßigkeiten; Beobachtungsdaten, aber extrem robust.", "gesamt": 8.5 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.2307/2981696", "zugang": "paywall", "folgen": [], "stand": "2026-11-06" }, { "id": "allcott-site-selection-bias-2015", "titel_original": "Site Selection Bias in Program Evaluation", "titel_de": "Standortauswahl verzerrt Pilot-Ergebnisse (Opower)", "autoren": "Allcott", "herausgeber": "Quarterly Journal of Economics 130 (3)", "jahr": 2015, "studientyp": "Feldexperiment", "themen": [ "Methodik & Marktforschung" ], "kernaussage": "Über 111 randomisierte Opower-Experimente zeigt sich, dass die ersten Standorte die Wirkung in den folgenden Standorten deutlich überschätzten. Pilot-Ergebnisse sollte man beim Rollout also abschlagen.", "zahlen": [ { "wert": "111 RCTs", "bedeutung": "Umfang der Auswertung" }, { "wert": "8,6 Mio.", "bedeutung": "Haushalte" }, { "wert": "10 vs. 101", "bedeutung": "erste Standorte vs. Folgestandorte, deren Wirkung die ersten überschätzten" } ], "methode": "Vergleich der Effekte früher und später randomisierter Programmstandorte.", "datenbasis": "111 RCTs mit 8,6 Mio. US-Haushalten.", "einschraenkungen": "Bezieht sich auf Energiespar-Programme in den USA; der Mechanismus (Pilotstandorte sind besonders günstig) gilt aber allgemein.", "interessenlage": "keine bekannt", "score": { "design": 10, "datenbasis": 10, "unabhaengigkeit": 8, "replikation": 6, "uebertragbarkeit": 8, "begruendung": "Sehr große Serie randomisierter Feldexperimente; methodisch einflussreich, Übertragung auf andere Programme naheliegend.", "gesamt": 8.4 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1093/qje/qjv015", "zugang": "teilweise", "folgen": [ 21 ], "stand": "2026-11-06" }, { "id": "sahni-wheeler-chintagunta-email-2018", "titel_original": "Personalization in Email Marketing: The Role of Noninformative Advertising Content", "titel_de": "Vorname in der Betreffzeile: Feldexperimente zur E-Mail-Personalisierung", "autoren": "Sahni, Wheeler, Chintagunta", "herausgeber": "Marketing Science 37(2)", "jahr": 2018, "studientyp": "Feldexperiment", "themen": [ "CRM & Loyalität", "Kreation & Werbewirkung" ], "kernaussage": "Der Vorname in der Betreffzeile steigerte Öffnungen und Anfragen und senkte Abmeldungen messbar, allerdings in kleinen absoluten Schritten; er wirkt nicht über Relevanz, sondern weil Empfänger dem Rest mehr Aufmerksamkeit schenken.", "zahlen": [ { "wert": "9,05 → 10,8 %", "bedeutung": "Öffnungsrate ohne bzw. mit Vorname (+20 % relativ)" }, { "wert": "0,39 → 0,51 %", "bedeutung": "Anfragequote (+31 % relativ, +0,12 Prozentpunkte absolut)" }, { "wert": "1,2 → 1,0 %", "bedeutung": "Abmelderate (−17 % relativ)" }, { "wert": "+20 %", "bedeutung": "Öffnungswahrscheinlichkeit" }, { "wert": "+31 %", "bedeutung": "Sales Leads" }, { "wert": "−17 %", "bedeutung": "Abmeldungen" } ], "methode": "Randomisierte Feldexperimente mit Personalisierung der Betreffzeile gegen Kontrollgruppen.", "datenbasis": "Drei Unternehmen, Millionen von E-Mails.", "einschraenkungen": "Getestet wurde nur der Vorname, nicht inhaltliche Personalisierung; relative Steigerungen klingen größer als die absoluten Effekte.", "interessenlage": "Akademische Arbeit; die beteiligten Unternehmen werden nicht genannt, keine Interessenlage bekannt.", "score": { "design": 10, "datenbasis": 8, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 7, "begruendung": "Randomisiert, begutachtet und sehr groß; über drei Unternehmen konsistent, einzelne kleine Experimente anderer Autoren fanden schwächere Effekte.", "gesamt": 8.4 }, "richtung": "bestaetigt", "quelle_url": "https://pubsonline.informs.org/doi/abs/10.1287/mksc.2017.1066", "zugang": "paywall", "folgen": [ 8, 36 ], "stand": "2026-11-06", "alias": [ "sahni-wheeler-chintagunta-personalization-email-2018" ] }, { "id": "us-census-quarterly-ecommerce-2026", "titel_original": "Quarterly Retail E-Commerce Sales", "titel_de": "US Census: Quartalsumsatz im US-Onlinehandel", "autoren": "U.S. Census Bureau", "herausgeber": "U.S. Census Bureau", "jahr": 2026, "studientyp": "Paneldaten-Analyse", "themen": [ "Handel & Commerce" ], "kernaussage": "Die amtliche US-Statistik weist für das vierte Quartal 2025 einen Onlinehandelsumsatz von rund 365 Mrd. Dollar aus und liefert damit den Maßstab für Schätzungen einzelner Plattformen.", "zahlen": [ { "wert": "365,2 Mrd. $", "bedeutung": "US-Onlinehandelsumsatz Q4 2025, nicht saisonbereinigt" } ], "methode": "Amtliche Quartalserhebung im Einzelhandel.", "datenbasis": "USA, Q4 2025 (Veröffentlichung 18.08.2026, Tab. 1).", "einschraenkungen": "Quartals- statt Jahreswert; nicht direkt mit GMV-Schätzungen einzelner Plattformen deckungsgleich.", "interessenlage": "keine bekannt (amtliche Statistik)", "score": { "design": 6, "datenbasis": 10, "unabhaengigkeit": 10, "replikation": 10, "uebertragbarkeit": 6, "begruendung": "Amtliche, große Datenbasis ohne Eigeninteresse; als Referenzgröße sehr belastbar, aber kein Wirkungsbefund.", "gesamt": 8.4 }, "richtung": "bestaetigt", "quelle_url": "https://www.census.gov/retail/mrts/www/data/pdf/ec_current.pdf", "zugang": "offen", "folgen": [ 23 ], "stand": "2026-11-06" }, { "id": "scheibehenne-greifeneder-todd-choice-overload-2010", "titel_original": "Can there ever be too many options? A meta-analytic review of choice overload", "titel_de": "Meta-Analyse: Gibt es zu viele Optionen?", "autoren": "Scheibehenne, Greifeneder, Todd", "herausgeber": "Journal of Consumer Research 37 (3)", "jahr": 2010, "studientyp": "Meta-Analyse", "themen": [ "Handel & Commerce", "Methodik & Marktforschung" ], "kernaussage": "Über 50 Experimente gemittelt ist der Choice-Overload-Effekt praktisch null, die Ergebnisse der Einzelstudien streuen aber stark.", "zahlen": [ { "wert": "63 Bedingungen / 50 Experimente", "bedeutung": "Basis der Meta-Analyse" }, { "wert": "N = 5.036", "bedeutung": "Teilnehmende insgesamt" }, { "wert": "D = 0,04 bzw. 0,07", "bedeutung": "Effekt unter strengeren Einschlusskriterien (56 bzw. 51 Bedingungen), laut Replik der Autoren" }, { "wert": "50 Experimente / 63 Bedingungen", "bedeutung": "einbezogene veröffentlichte und unveröffentlichte Studien" }, { "wert": "5.036", "bedeutung": "Teilnehmende insgesamt" }, { "wert": "≈ 0", "bedeutung": "mittlere Effektstärke von Auswahlgröße auf Choice Overload" } ], "methode": "Meta-Analyse veröffentlichter und unveröffentlichter Experimente zum Effekt der Sortimentsgröße.", "datenbasis": "50 Experimente, 63 Bedingungen, N = 5.036.", "einschraenkungen": "Den exakten Hauptwert haben wir nicht am Volltext geprüft (Paywall); der oft zitierte Wert „D = 0,02“ ist deshalb nicht übernommen. Große Heterogenität: Unter bestimmten Bedingungen kann der Effekt auftreten (vgl. Chernev et al. 2015).", "interessenlage": "keine bekannt", "score": { "design": 8, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 9, "uebertragbarkeit": 8, "begruendung": "Meta-Analyse experimenteller Studien inkl. unveröffentlichter Arbeiten; Kernaussage „kein allgemeiner Effekt“ von zweiter Meta-Analyse gestützt.", "gesamt": 8.3 }, "richtung": "widerlegt", "quelle_url": "https://doi.org/10.1086/651235", "zugang": "paywall", "folgen": [ 21 ], "stand": "2026-11-06", "alias": [] }, { "id": "sethuraman-tellis-briesch-advertising-elasticities-2011", "titel_original": "How Well Does Advertising Work? Generalizations from Meta-analysis of Brand Advertising Elasticities", "titel_de": "Meta-Analyse der Werbeelastizitäten", "autoren": "Sethuraman, Tellis, Briesch", "herausgeber": "Journal of Marketing Research 48(3), 457–471", "jahr": 2011, "studientyp": "Meta-Analyse", "themen": [ "Media & Budget", "Messung & Attribution" ], "kernaussage": "Werbung wirkt im Schnitt klein: kurzfristige Elastizität 0,12, langfristige 0,24, also etwa doppelt so groß. 10 % mehr Werbedruck bringen über die gesamte Nachwirkung rund 2,4 % mehr Absatz, beim Median nur rund 1 %.", "zahlen": [ { "wert": "0,12 (Median 0,05)", "bedeutung": "mittlere kurzfristige Werbeelastizität" }, { "wert": "0,24 (Median 0,10)", "bedeutung": "mittlere langfristige Werbeelastizität (vorherige Meta-Analyse: 0,41)" }, { "wert": "57 %", "bedeutung": "Anteil der Kurzfrist-Schätzungen signifikant größer null" }, { "wert": "0,13 → 0,10", "bedeutung": "mittlere Kurzfrist-Elastizität vor vs. nach 1980" }, { "wert": "0,12", "bedeutung": "mittlere kurzfristige Werbeelastizität" }, { "wert": "0,24", "bedeutung": "mittlere langfristige Werbeelastizität" }, { "wert": "751 / 402", "bedeutung": "kurzfristige bzw. langfristige Elastizitäten aus 56 Studien (1960–2008)" }, { "wert": "0,22", "bedeutung": "mittlere kurzfristige Elastizität der früheren Meta-Analyse zum Vergleich" }, { "wert": "56", "bedeutung": "Anzahl einbezogener Studien, erschienen 1960–2008" } ], "methode": "Meta-Analyse; Langfrist-Elastizitäten überwiegend aus Koyck-Modellen (kurzfristig/(1 − Carryover)).", "datenbasis": "751 kurz- und 402 langfristige Elastizitäten aus 56 Studien, 1960–2008", "einschraenkungen": "Elastizität 0,24 heißt nicht 24 %. Europa stark unterrepräsentiert, keine Länderauswertung; Langfristwerte hängen an der Modellannahme.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 8, "datenbasis": 9, "unabhaengigkeit": 10, "replikation": 8, "uebertragbarkeit": 6, "begruendung": "Meta-Analyse überwiegend ökonometrischer Studien; sehr breite Basis, Richtung durch Lodish-Experimente gestützt.", "gesamt": 8.3 }, "richtung": "bestaetigt", "quelle_url": "https://www.gwern.net/doc/economics/advertising/2011-sethuraman.pdf", "zugang": "offen", "folgen": [ 22, 32 ], "stand": "2026-11-06", "alias": [ "sethuraman-tellis-briesch-advertising-elasticity-2011", "sethuraman-tellis-briesch-2011-werbeelastizitaeten" ] }, { "id": "bijmolt-van-heerde-pieters-price-elasticity-2005", "titel_original": "New Empirical Generalizations on the Determinants of Price Elasticity", "titel_de": "Meta-Analyse der Preiselastizität", "autoren": "Bijmolt, van Heerde, Pieters", "herausgeber": "Journal of Marketing Research 42 (2)", "jahr": 2005, "studientyp": "Meta-Analyse", "themen": [ "Preis & Promotion" ], "kernaussage": "Im Mittel steigt der Absatz um etwa 2,6 Prozent, wenn der Preis um ein Prozent sinkt. Absatzelastizitäten sind über vier Jahrzehnte betragsmäßig gestiegen.", "zahlen": [ { "wert": "−2,62", "bedeutung": "mittlere Preiselastizität" }, { "wert": "1.851 / 81", "bedeutung": "Elastizitätsschätzungen / Studien" } ], "methode": "Meta-Analyse von Preiselastizitätsschätzungen.", "datenbasis": "1.851 Elastizitäten aus 81 Studien.", "einschraenkungen": "Nur Abstract gelesen (Paywall); die separate Aktionselastizität aus dem Volltext wurde nicht geprüft und ist nicht übernommen.", "interessenlage": "keine bekannt", "score": { "design": 7, "datenbasis": 9, "unabhaengigkeit": 10, "replikation": 8, "uebertragbarkeit": 7, "begruendung": "Breite Meta-Analyse ökonometrischer Studien, akademisch; Größenordnung durch frühere Meta-Analysen gestützt.", "gesamt": 8.2 }, "richtung": "bestaetigt", "quelle_url": "https://research.rug.nl/en/publications/new-empirical-generalizations-on-the-determinants-of-price-elasti/", "zugang": "paywall", "folgen": [ 24 ], "stand": "2026-11-06" }, { "id": "cma-privacy-sandbox-testing-summary-2025", "titel_original": "Testing of Google’s Privacy Sandbox proposals: CMA summary", "titel_de": "CMA-Auswertung der Privacy-Sandbox-Tests", "autoren": "Competition and Markets Authority (CMA)", "herausgeber": "CMA (UK)", "jahr": 2025, "studientyp": "Feldexperiment", "themen": [ "Recht & Datenschutz", "Media & Budget" ], "kernaussage": "Die britische Wettbewerbsbehörde fasst die Tests 2023/24 zusammen: Ohne Third-Party-Cookies lag der Publisher-Erlös pro Impression rund 30 Prozent niedriger, auch mit Privacy Sandbox. Unabhängige Tester sahen meist größere Verluste als Google selbst.", "zahlen": [ { "wert": "≈ −30 %", "bedeutung": "Publisher-Erlös pro Impression ohne Third-Party-Cookies, trotz Sandbox" }, { "wert": "−14 % / −11 %", "bedeutung": "Budgets auf DV360 / Google Ads in Googles eigenem Test (laut CMA)" }, { "wert": "−32 %", "bedeutung": "Conversions pro Dollar auf DV360 (Google-Test)" }, { "wert": "−27 % / −15 %", "bedeutung": "Publisher-Erlös pro Impression GAM / AdSense (Google-Test)" }, { "wert": "−42 % / −60 % / −67 %", "bedeutung": "Budgetrückgänge bei unabhängigen Testern" } ], "methode": "Behördliche Auswertung mehrerer Feldtests mit Chromes 1-%-Testgruppen (Q4 2023 – Q2 2024).", "datenbasis": "Tests von Google und mehreren Marktteilnehmern, Q4 2023 – Q2 2024.", "einschraenkungen": "Laut CMA ein „snapshot“; bei breiterer Tool-Nutzung hätte es besser ausgehen können. Hinweise auf Selbstbevorzugung von Googles Kaufkanälen nur als CMA-Einschätzung. Einzelne Tester (z. B. Retargeting-Anbieter) mit Eigeninteresse.", "interessenlage": "Behörde ohne kommerzielles Interesse; die zusammengefassten Tests stammen teils von Google und Wettbewerbern mit Eigeninteresse.", "score": { "design": 10, "datenbasis": 7, "unabhaengigkeit": 8, "replikation": 8, "uebertragbarkeit": 5, "begruendung": "Behördliche Synthese randomisierter Feldtests; Ergebnis durch PNAS-Experiment bestätigt.", "gesamt": 8.2 }, "richtung": "bestaetigt", "quelle_url": "https://assets.publishing.service.gov.uk/media/684bee68df3ce2ce31e3f948/Summary_of_testing_of_Google_Privacy_Sandbox_proposals.pdf", "zugang": "offen", "folgen": [ 30 ], "stand": "2026-11-06" }, { "id": "ehrenberg-goodhardt-barwise-double-jeopardy-1990", "titel_original": "Double Jeopardy Revisited", "titel_de": "Double Jeopardy: Kleine Marken, weniger und weniger treue Käufer", "autoren": "Ehrenberg, Goodhardt, Barwise", "herausgeber": "Journal of Marketing 54 (3)", "jahr": 1990, "studientyp": "Paneldaten-Analyse", "themen": [ "CRM & Loyalität", "Markenaufbau & Wachstum" ], "kernaussage": "Kleine Marken haben nicht nur weniger Käufer, diese sind auch etwas weniger treu. Treue lässt sich deshalb kaum unabhängig von der Markengröße steigern.", "zahlen": [], "methode": "Analyse von Kaufdaten über viele Kategorien.", "datenbasis": "In der Belegliste nicht näher erfasst.", "einschraenkungen": "In Folge 29 nur als Verweis genutzt; ausführlich in Folge 3.", "interessenlage": "keine bekannt", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 10, "replikation": 10, "uebertragbarkeit": 8, "begruendung": "Klassischer Paneldatenbefund, vielfach über Kategorien und Länder repliziert.", "gesamt": 8.2 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1177/002224299005400307", "zugang": "paywall", "folgen": [ 29 ], "stand": "2026-11-06" }, { "id": "gordon-moakler-zettelmeyer-2023-close-enough", "titel_original": "Close Enough? A Large-Scale Exploration of Non-Experimental Approaches to Advertising Measurement", "titel_de": "663 Facebook-Experimente: Beobachtungsmethoden liegen daneben", "autoren": "Gordon, Moakler, Zettelmeyer", "herausgeber": "Marketing Science 42(4), 768–793", "jahr": 2023, "studientyp": "Feldexperiment", "themen": [ "Messung & Attribution", "Methodik & Marktforschung", "KI im Marketing" ], "kernaussage": "Selbst mit über 5.000 Nutzermerkmalen und modernem Machine Learning (DML, Propensity-Score-Matching) lassen sich Kampagneneffekte ohne Experiment nicht verlässlich schätzen; die Verfahren überschätzen den Lift systematisch, am stärksten im oberen Funnel.", "zahlen": [ { "wert": "663", "bedeutung": "Anzahl großer Werbeexperimente auf Facebook" }, { "wert": "29 % / 18 % / 5 %", "bedeutung": "mediane experimentell gemessene Lifts für Upper-, Mid- und Lower-Funnel-Ziele" }, { "wert": "83 % / 58 % / 24 %", "bedeutung": "mediane Lifts nach Double/Debiased Machine Learning für dieselben Funnel-Stufen" }, { "wert": "173 % / 176 % / 64 %", "bedeutung": "mediane Lifts nach stratifiziertem Propensity-Score-Matching" } ], "methode": "Für jedes Experiment wird der echte Lift (Randomisierung) mit dem Lift verglichen, den nicht-experimentelle Verfahren aus denselben Nutzerdaten schätzen würden.", "datenbasis": "663 Facebook-Kampagnen verschiedener Werbungtreibender, USA, mit über 5.000 Nutzer-Features.", "einschraenkungen": "Facebook-spezifisch und nutzerbasiert; trifft aggregierte MMM nicht direkt. Die Lift-Werte sind Mediane über sehr unterschiedliche Kampagnen und keine Benchmark für einzelne Kampagnen.", "interessenlage": "Mitautor Moakler bei Meta; Meta bietet experimentelle Lift-Tests an.", "score": { "design": 10, "datenbasis": 9, "unabhaengigkeit": 6, "replikation": 8, "uebertragbarkeit": 7, "begruendung": "Sehr große experimentelle Benchmark, bestätigt die Studie von 2019; Plattformnähe und Facebook-Kontext begrenzen Unabhängigkeit und Übertragbarkeit etwas.", "gesamt": 8.2 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1287/mksc.2022.1413", "zugang": "teilweise", "folgen": [], "stand": "2026-11-06" }, { "id": "gu-johnson-kobayashi-cookies-field-experiment-2026", "titel_original": "Can privacy technologies replace cookies? Ad revenue in a field experiment", "titel_de": "Feldexperiment: Können Privacy-Technologien Cookies ersetzen?", "autoren": "Gu, Johnson, Kobayashi", "herausgeber": "PNAS", "jahr": 2026, "studientyp": "Feldexperiment", "themen": [ "Recht & Datenschutz", "Media & Budget", "Messung & Attribution" ], "kernaussage": "Ohne Third-Party-Cookies sanken die Werbeerlöse der Publisher um knapp ein Drittel, und Googles Privacy Sandbox holte davon nur einen kleinen Bruchteil zurück.", "zahlen": [ { "wert": "−29,1 %", "bedeutung": "Publisher-Werbeerlös ohne Third-Party-Cookies" }, { "wert": "4,2 %", "bedeutung": "Anteil des Verlusts, den die Privacy Sandbox zurückholt (gut 1 Prozentpunkt)" }, { "wert": "> 200 Mio. / > 5.000", "bedeutung": "Impressions / Publisher weltweit" } ], "methode": "Randomisierung über Chromes Testgruppen (Mode A/B, 2024, von Google und CMA beaufsichtigt), Daten eines großen Ad-Management-Anbieters.", "datenbasis": "Über 200 Mio. Impressions bei über 5.000 Publishern weltweit, 2024.", "einschraenkungen": "Der Wert spiegelt laut Autoren die geringe Verbreitung der Sandbox-Tools im Testzeitraum. Misst Publisher-Erlös, nicht Absatz der Werbetreibenden. Googles „89 % recovery“ misst etwas anderes (Budget auf Google-Plattformen). Volltext nicht zugänglich, Abstract über Crossref geprüft.", "interessenlage": "Finanzierung im Abstract nicht angegeben; Daten von einem Ad-Management-Anbieter.", "score": { "design": 10, "datenbasis": 9, "unabhaengigkeit": 7, "replikation": 8, "uebertragbarkeit": 5, "begruendung": "Großes randomisiertes Feldexperiment, akademisch mit Industriedaten; Größenordnung durch CMA-Auswertung bestätigt.", "gesamt": 8.2 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1073/pnas.2603752123", "zugang": "paywall", "folgen": [ 30 ], "stand": "2026-11-06" }, { "id": "nijs-et-al-category-demand-promotions-2001", "titel_original": "The Category-Demand Effects of Price Promotions", "titel_de": "Kategorie-Nachfrageeffekte von Preisaktionen (Nijs et al.)", "autoren": "Nijs, Dekimpe, Steenkamp, Hanssens", "herausgeber": "Marketing Science 20 (1)", "jahr": 2001, "studientyp": "Ökonometrie/MMM", "themen": [ "Preis & Promotion" ], "kernaussage": "Preisaktionen steigern die Kategorienachfrage kurzfristig stark, nach rund zehn Wochen ist die Wirkung aber verpufft und langfristig null. Sie sichern vor allem den Status quo.", "zahlen": [ { "wert": "2,21 (Median 1,75)", "bedeutung": "mittlere kurzfristige Aktionselastizität auf Kategorieebene" }, { "wert": "≈ 10 Wochen", "bedeutung": "durchschnittliche Dauer bis zum Abklingen" }, { "wert": "560", "bedeutung": "Produktkategorien" } ], "methode": "VARX-Modelle auf nationalen Supermarkt-Absatzdaten.", "datenbasis": "560 Kategorien, 4 Jahre, nationale Verkäufe in niederländischen Supermärkten.", "einschraenkungen": "Supermarkt-Konsumgüter in den Niederlanden. Häufigste Konkurrenzreaktion war keine Reaktion. Dauerhafte Kategoriezuwächse kommen eher von Neuprodukten.", "interessenlage": "keine bekannt", "score": { "design": 7, "datenbasis": 9, "unabhaengigkeit": 10, "replikation": 8, "uebertragbarkeit": 6, "begruendung": "Sehr breite Zeitreihenanalyse, akademisch, ausgezeichnet; Ergebnis durch Pauwels et al. und Dekimpe et al. gestützt.", "gesamt": 8.1 }, "richtung": "bestaetigt", "quelle_url": "https://ideas.repec.org/a/inm/ormksc/v20y2001i1p1-22.html", "zugang": "paywall", "folgen": [ 24 ], "stand": "2026-11-06" }, { "id": "dellavigna-linos-nudge-units-2022", "titel_original": "RCTs to Scale: Comprehensive Evidence From Two Nudge Units", "titel_de": "Nudges in der Praxis: 126 RCTs zweier Nudge Units", "autoren": "DellaVigna, Linos", "herausgeber": "Econometrica 90 (1)", "jahr": 2022, "studientyp": "Feldexperiment", "themen": [ "Methodik & Marktforschung", "CRM & Loyalität" ], "kernaussage": "In der Praxis wirken Nudges deutlich schwächer als in Fachartikeln: In allen RCTs zweier US-Nudge-Units stieg die Inanspruchnahme nur um gut einen Prozentpunkt. Den größten Teil der Lücke erklärt selektive Veröffentlichung.", "zahlen": [ { "wert": "+1,4 Prozentpunkte (+8,0 %)", "bedeutung": "Effekt in 126 RCTs der Nudge Units" }, { "wert": "+8,7 Prozentpunkte (+33,4 %)", "bedeutung": "Effekt in akademischen Publikationen" }, { "wert": "≈ 70 %", "bedeutung": "Anteil der Differenz, der durch selektive Veröffentlichung erklärt wird" }, { "wert": "23 Mio.", "bedeutung": "erreichte Personen in den RCTs" }, { "wert": "126 RCTs / > 23 Mio. Personen", "bedeutung": "alle Experimente zweier großer US-Nudge-Units" }, { "wert": "+1,4 Pp. (+8,1 %)", "bedeutung": "durchschnittlicher Effekt der Nudge-Unit-Experimente auf die Zielhandlung" }, { "wert": "+8,7 Pp. (+33,5 %)", "bedeutung": "durchschnittlicher Effekt in akademisch publizierten Nudge-Studien" } ], "methode": "Vollständige Erhebung aller RCTs des Office of Evaluation Sciences (US-Regierung) und von BIT North America, meist Briefe und E-Mails, verglichen mit publizierten Nudge-Studien.", "datenbasis": "126 randomisierte Feldexperimente mit rund 23 Mio. Menschen, USA.", "einschraenkungen": "Überwiegend Verwaltungs-Nudges per Brief oder E-Mail in den USA; Übertragung auf Marketing nur sinngemäß. Arbeitspapier-Fassung nannte leicht andere Relativwerte (33,5 % bzw. 8,1 %).", "interessenlage": "Daten stammen von den Nudge Units selbst; das Ergebnis fällt für sie eher unvorteilhaft aus. Laut NBER-Titelseite hat mindestens eine Person eine relevante finanzielle Beziehung offengelegt.", "score": { "design": 10, "datenbasis": 10, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Vollerhebung randomisierter Feldexperimente mit sehr großer Fallzahl; Daten von Praxispartnern, Befund passt zu Bias-korrigierten Meta-Analysen.", "gesamt": 8.0 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.3982/ECTA18709", "zugang": "teilweise", "folgen": [ 21 ], "stand": "2026-11-06", "alias": [ "dellavigna-linos-rcts-to-scale-2022" ] }, { "id": "gordon-et-al-facebook-experimente-2019", "titel_original": "A Comparison of Approaches to Advertising Measurement: Evidence from Big Field Experiments at Facebook", "titel_de": "Beobachtung gegen Experiment: Wie falsch Werbemessung liegt", "autoren": "Gordon, Zettelmeyer, Bhargava, Chapsky", "herausgeber": "Marketing Science 38(2)", "jahr": 2019, "studientyp": "Feldexperiment", "themen": [ "Messung & Attribution", "Methodik & Marktforschung" ], "kernaussage": "Gängige Beobachtungsverfahren lagen gegenüber dem Experiment oft um ein Vielfaches daneben, meist nach oben, teils auch nach unten; selbst umfangreiche Daten reichen nicht, um die wahre Werbewirkung ohne Experiment zu bestimmen.", "zahlen": [ { "wert": "15", "bedeutung": "groß angelegte Werbeexperimente" }, { "wert": "rund 500 Mio. / 1,6 Mrd.", "bedeutung": "Nutzer-Beobachtungen bzw. Werbeeinblendungen" }, { "wert": "Faktor 3", "bedeutung": "Abweichung der geschätzten Wirkung in der Hälfte der Studien" }, { "wert": "316 % vs. 73 %", "bedeutung": "Mehrkäufe nach naivem Vergleich bzw. im Experiment, Beispiel aus der Arbeit" }, { "wert": "500 Mio.", "bedeutung": "Nutzer-Experiment-Beobachtungen" }, { "wert": "1,6 Mrd.", "bedeutung": "ausgelieferte Werbeimpressionen in den Experimenten" } ], "methode": "Vergleich verschiedener Beobachtungsmethoden mit den Ergebnissen randomisierter Experimente auf denselben Kampagnen.", "datenbasis": "15 Experimente, rund 500 Millionen Nutzer-Beobachtungen, 1,6 Milliarden Werbeeinblendungen.", "einschraenkungen": "Eine Plattform; die Abweichung geht nicht immer in dieselbe Richtung. Es gibt keinen seriösen 'Durchschnittsfaktor', um den Attribution übertreibt.", "interessenlage": "Akademische Arbeit mit Plattformdaten; Mitautoren arbeiteten bei der Plattform.", "score": { "design": 10, "datenbasis": 9, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 7, "begruendung": "Sehr große randomisierte Experimente als Maßstab, begutachtet; Daten stammen von einer einzelnen Plattform.", "gesamt": 8.0 }, "richtung": "bestaetigt", "quelle_url": "https://pubsonline.informs.org/doi/10.1287/mksc.2018.1135", "zugang": "paywall", "folgen": [ 10 ], "stand": "2026-11-06", "alias": [ "gordon-zettelmeyer-bhargava-chapsky-2019-facebook" ] }, { "id": "hu-lodish-krieger-tv-tests-2007", "titel_original": "An Analysis of Real World TV Advertising Tests: A 15-Year Update", "titel_de": "Hu/Lodish/Krieger: 210 reale TV-Werbetests", "autoren": "Hu, Lodish, Krieger", "herausgeber": "Journal of Advertising Research 47(3)", "jahr": 2007, "studientyp": "Feldexperiment", "themen": [ "Media & Budget" ], "kernaussage": "Aus 210 realen TV-Tests ergibt sich eine mittlere Werbeelastizität von rund 0,1, fast identisch mit der Meta-Analyse; mehr TV-Budget allein steigerte den Absatz meist nicht.", "zahlen": [ { "wert": "0,104", "bedeutung": "mittlere Werbeelastizität aus 210 TV-Tests (zitiert bei Sethuraman et al. 2011)" } ], "methode": "Auswertung realer Split-Cable-Werbetests.", "datenbasis": "210 TV-Tests, USA", "einschraenkungen": "Original hinter WARC-Paywall; Zahl nur über Sethuraman et al. geprüft.", "interessenlage": "Mitautoren mit Bezug zum Testsystem-Anbieter IRI", "score": { "design": 10, "datenbasis": 7, "unabhaengigkeit": 7, "replikation": 8, "uebertragbarkeit": 5, "begruendung": "Feldexperimente mit großer Fallzahl, Ergebnis deckungsgleich mit Meta-Analyse; nur aus zweiter Hand geprüft.", "gesamt": 8.0 }, "richtung": "bestaetigt", "quelle_url": "https://www.warc.com/Content/7c0e2d79-16ff-448c-9546-48ba36e0c8b3", "zugang": "paywall", "folgen": [ 32 ], "stand": "2026-11-06" }, { "id": "lacetera-pope-sydnor-left-digit-cars-2012", "titel_original": "Heuristic Thinking and Limited Attention in the Car Market", "titel_de": "Left-Digit-Bias bei 22 Mio. Gebrauchtwagen", "autoren": "Lacetera, Pope, Sydnor", "herausgeber": "American Economic Review 102 (5)", "jahr": 2012, "studientyp": "Paneldaten-Analyse", "themen": [ "Preis & Promotion" ], "kernaussage": "An jeder 10.000-Meilen-Schwelle fällt der Preis von Gebrauchtwagen sprunghaft, obwohl sich der Wagen kaum unterscheidet. Etwa ein Drittel des kilometerbedingten Wertverlusts fällt genau an diesen Schwellen an.", "zahlen": [ { "wert": "150–200 $", "bedeutung": "Preissprung an jeder 10.000-Meilen-Schwelle" }, { "wert": "≈ 210 $ vs. 10 $", "bedeutung": "Mehrerlös von 79.900–79.999 Meilen gegenüber 80.000–80.100 bzw. Minderwert gegenüber 79.800–79.899 Meilen" }, { "wert": "θ ≈ 0,31", "bedeutung": "geschätzter Unaufmerksamkeitsparameter" }, { "wert": "≈ 30 %", "bedeutung": "Anteil des kilometerbedingten Wertverlusts an den Schwellen" }, { "wert": "> 22 Mio.", "bedeutung": "Transaktionen" } ], "methode": "Regressions-Diskontinuitäten an Kilometerschwellen plus strukturelle Schätzung auf Auktionsdaten.", "datenbasis": "Über 22 Mio. Transaktionen auf US-Großhandelsauktionen, Jan. 2002–Sep. 2008, Durchschnittspreis 10.301 $; kanadische Daten als Gegenprobe.", "einschraenkungen": "Beobachtungsdaten (kein Experiment), Gebrauchtwagen-Großhandel; Ursache vor allem bei Endkunden, Händler reagieren darauf.", "interessenlage": "Gefördert vom Fishman Davidson Center und vom International Motor Vehicle Program (akademisch).", "score": { "design": 6, "datenbasis": 10, "unabhaengigkeit": 10, "replikation": 8, "uebertragbarkeit": 7, "begruendung": "Riesige Marktdaten mit sauberem Diskontinuitätsdesign, akademisch; Left-Digit-Bias durch Supermarktdaten (Strulov-Shlain) bestätigt.", "gesamt": 8.0 }, "richtung": "bestaetigt", "quelle_url": "https://www.nber.org/papers/w17030", "zugang": "offen", "folgen": [ 25 ], "stand": "2026-11-06" }, { "id": "bakshy-rolle-sozialer-netzwerke-diffusion-2012", "titel_original": "The Role of Social Networks in Information Diffusion", "titel_de": "Schwache Kontakte verbreiten neue Informationen auf Facebook", "autoren": "Bakshy, Rosenn, Marlow, Adamic", "herausgeber": "Proceedings of WWW 2012 (ACM)", "jahr": 2012, "studientyp": "Feldexperiment", "themen": [ "Social & Influencer" ], "kernaussage": "Wer sieht, dass Freunde einen Link geteilt haben, teilt ihn deutlich häufiger und früher. Enge Kontakte haben pro Kopf mehr Einfluss, die Verbreitung neuer Informationen tragen aber die viel zahlreicheren schwachen Kontakte.", "zahlen": [ { "wert": "253 Mio.", "bedeutung": "Facebook-Nutzer im Feldexperiment" } ], "methode": "Randomisiertes Feldexperiment: Für zufällig ausgewählte Nutzer-Link-Paare wurde unterdrückt, dass Freunde den Link geteilt hatten; verglichen wurde das Teilen mit und ohne dieses Signal.", "datenbasis": "253 Millionen Facebook-Nutzer, mehrere Wochen im Jahr 2010.", "einschraenkungen": "Ein Netzwerk, Feed-Logik von 2010; misst Teilen von Links, nicht Kauf oder Markenwirkung. Gilt nicht automatisch für algorithmische Feeds wie TikTok.", "interessenlage": "Autoren teils Facebook-Mitarbeitende; Daten der Plattform.", "score": { "design": 10, "datenbasis": 10, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Riesiges randomisiertes Experiment; die Bedeutung schwacher Kontakte wurde später u. a. in LinkedIn-Experimenten (Rajkumar et al. 2022) gestützt.", "gesamt": 7.9 }, "richtung": "bestaetigt", "quelle_url": "https://arxiv.org/abs/1201.4145", "zugang": "offen", "folgen": [], "stand": "2026-11-06" }, { "id": "allcott-opower-social-norms-2011", "titel_original": "Social norms and energy conservation", "titel_de": "Opower: Nachbarschaftsvergleich senkt Stromverbrauch", "autoren": "Allcott", "herausgeber": "Journal of Public Economics 95 (9–10)", "jahr": 2011, "studientyp": "Feldexperiment", "themen": [ "CRM & Loyalität", "Kreation & Werbewirkung" ], "kernaussage": "Briefe mit einem Vergleich zum Stromverbrauch der Nachbarn senkten den Verbrauch messbar, so stark wie eine kurzfristige Strompreiserhöhung um 11 bis 20 %. Am stärksten reagierten Vielverbraucher.", "zahlen": [ { "wert": "−2,0 %", "bedeutung": "durchschnittliche Senkung des Stromverbrauchs" }, { "wert": "600.000", "bedeutung": "US-Haushalte in den Experimenten" }, { "wert": "−6,3 % vs. −0,3 %", "bedeutung": "Effekt im obersten vs. untersten Verbrauchsdezil" }, { "wert": "11–20 %", "bedeutung": "Strompreiserhöhung mit vergleichbarer Wirkung" } ], "methode": "Randomisierte Feldexperimente mit Opower-Verbrauchsberichten.", "datenbasis": "Rund 600.000 US-Haushalte.", "einschraenkungen": "Die ersten Standorte überschätzten die Wirkung späterer Rollouts deutlich (Allcott 2015). Social Proof im Stromsparen ist nicht automatisch auf Kaufentscheidungen übertragbar.", "interessenlage": "Daten aus Kooperation mit Opower; kein bekanntes Finanzierungsinteresse am Ergebnis.", "score": { "design": 10, "datenbasis": 9, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Große randomisierte Feldexperimente; Effekt repliziert, aber Größe beim Ausrollen kleiner (Allcott 2015).", "gesamt": 7.8 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1016/j.jpubeco.2011.03.003", "zugang": "teilweise", "folgen": [ 21 ], "stand": "2026-11-06" }, { "id": "anderson-simester-9-price-endings-2003", "titel_original": "Effects of $9 Price Endings on Retail Sales: Evidence from Field Experiments", "titel_de": "Feldexperimente zu 9er-Preisendungen im Versandhandel", "autoren": "Anderson, Simester", "herausgeber": "Quantitative Marketing and Economics 1", "jahr": 2003, "studientyp": "Feldexperiment", "themen": [ "Preis & Promotion" ], "kernaussage": "In randomisierten Katalogtests steigerte die 9er-Endung die Nachfrage, am stärksten bei neuen Artikeln. Der Effekt schrumpfte mit wachsender Stichprobe, und ein „Sale“-Hinweis wirkte stärker als die 9.", "zahlen": [ { "wert": "+35 % / +15 % / +7 %", "bedeutung": "Nachfragezuwachs durch 9er-Endung in Studie 1 / 2 / 3" }, { "wert": "+22 % vs. +10 %", "bedeutung": "Effekt bei neuen vs. etablierten Artikeln" }, { "wert": "+3,9 % vs. +8,5 %", "bedeutung": "Zusatzeffekt der 9 bei neuen Artikeln mit vs. ohne Sale-Schild" }, { "wert": "21 vs. 16", "bedeutung": "verkaufte Kleider für 39 $ vs. 34 $ in der Pilotstudie" }, { "wert": "≈ +40 %", "bedeutung": "Nachfrageplus der 9er-Endung über vier Pilot-Kleider" }, { "wert": "3", "bedeutung": "Feldexperimente, in allen stieg die Nachfrage mit $9-Endung" } ], "methode": "Randomisierte Katalogversionen zweier US-Versandhändler für Damenbekleidung (Eigenmarken, Durchschnittspreis rund 50 $).", "datenbasis": "Pilot mit 4 Artikeln; Studie 1: 3 × 20.000 Kunden, 27 Artikel; Studie 2: 2 × 31.250 Kunden, 120 Artikel; Studie 3: 3 × 90.000 Kunden, 308 Artikel.", "einschraenkungen": "Die berühmte Zahl „39 $ schlägt 34 $“ stammt aus der Pilotstudie mit nur 7 bis 24 Stück pro Zelle. Gemessen wurden Stückzahlen, nicht Gewinn. Eine Branche (US-Damenmode per Katalog), über 20 Jahre alt. Branchenzahlen wie „+24 % Umsatz durch 9er-Preise“ lassen sich nicht auf Primärstudien zurückführen.", "interessenlage": "Finanzierung nicht angegeben; die Händler kooperierten, um ihre eigene Preispolitik zu prüfen.", "score": { "design": 10, "datenbasis": 7, "unabhaengigkeit": 9, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Randomisierte Feldexperimente mit großen Kundengruppen; durch Meta-Analyse (Troll 2024) in der Richtung gestützt, aber kleinerer Effekt und eng begrenzter Kontext.", "gesamt": 7.8 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1023/A:1023581927405", "zugang": "offen", "folgen": [ 25 ], "stand": "2026-11-06", "alias": [] }, { "id": "blake-nosko-tadelis-ebay-2014", "titel_original": "Consumer Heterogeneity and Paid Search Effectiveness: A Large Scale Field Experiment", "titel_de": "eBay-Experiment: Was Suchmaschinenwerbung wirklich bringt", "autoren": "Blake, Nosko, Tadelis", "herausgeber": "NBER Working Paper 20171", "jahr": 2014, "studientyp": "Feldexperiment", "themen": [ "Search & Performance", "Messung & Attribution" ], "kernaussage": "Als eBay die Anzeigen auf den eigenen Markennamen abschaltete, kamen fast alle Klicks über die unbezahlte Suche zurück; die übliche Attribution wies Renditen aus, die im Experiment ins Negative kippten. Neukunden reagierten jedoch messbar positiv.", "zahlen": [ { "wert": "99,5 %", "bedeutung": "Anteil der entgangenen Markenklicks, der sofort über die unbezahlte Suche zurückkam" }, { "wert": "68 vs. 142", "bedeutung": "Test- gegen Kontrollregionen bei Nicht-Markenbegriffen, über 60 Tage" }, { "wert": "über 4.100 % / über 1.400 %", "bedeutung": "Rendite nach üblicher Attribution ohne bzw. mit Kontrollvariablen" }, { "wert": "−63 %", "bedeutung": "Rendite im Experiment (Vertrauensbereich −124 bis −3 %)" } ], "methode": "Abschaltung der Markenanzeigen auf mehreren Suchmaschinen sowie regionale Abschaltung der Nicht-Markenanzeigen mit Kontrollregionen.", "datenbasis": "eBay USA, 2012; 68 Test- und 142 Kontrollregionen über 60 Tage.", "einschraenkungen": "Ein Unternehmen, eine sehr bekannte Marke, ein Jahr; nicht auf kleine oder unbekannte Marken übertragbar, die keine unbezahlte Suche als Ersatz haben. Fehlzitat: 'Suchmaschinenwerbung lohnt sich nicht'.", "interessenlage": "Mit eBay durchgeführt, das das Experiment mittrug; Autoren waren teils bei eBay tätig, aber das Ergebnis ist für das Unternehmen eher unbequem.", "score": { "design": 10, "datenbasis": 7, "unabhaengigkeit": 8, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Großes Feldexperiment mit Kontrollregionen; Befund wurde vielfach diskutiert und teilweise bestätigt, ist aber an eine sehr bekannte Marke gebunden.", "gesamt": 7.8 }, "richtung": "gemischt", "quelle_url": "https://www.nber.org/system/files/working_papers/w20171/w20171.pdf", "zugang": "offen", "folgen": [ 10 ], "stand": "2026-11-06", "alias": [ "blake-nosko-tadelis-2015-ebay-paid-search" ] }, { "id": "doshi-hauser-ki-kreativitaet-homogenisierung-2024", "titel_original": "Generative AI Enhances Individual Creativity but Reduces the Collective Diversity of Novel Content", "titel_de": "KI macht Einzelne kreativer, Inhalte aber einheitlicher", "autoren": "Doshi, Hauser", "herausgeber": "Science Advances (10/28)", "jahr": 2024, "studientyp": "Feldexperiment", "themen": [ "KI im Marketing", "Kreation & Werbewirkung" ], "kernaussage": "Kurzgeschichten, deren Autorinnen und Autoren KI-Ideen nutzen konnten, wurden als kreativer, besser geschrieben und unterhaltsamer bewertet – vor allem bei weniger kreativen Schreibenden. Gleichzeitig ähnelten sich die KI-gestützten Texte stärker untereinander.", "zahlen": [], "methode": "Online-Experiment: Teilnehmende schrieben Kurzgeschichten ohne KI, mit einer oder mit bis zu fünf GPT-4-Ideen; unabhängige Bewertende beurteilten die Texte, Ähnlichkeit wurde per Textvergleich gemessen.", "datenbasis": "Online-Stichprobe von Schreibenden und separaten Bewertenden (genaue Fallzahlen im Volltext).", "einschraenkungen": "Kurze fiktionale Texte, Laien statt Kreativprofis; zeigt kein Ergebnis für Werbekampagnen. Die Homogenisierung ist ein Kollektiveffekt, den Einzelne nicht bemerken.", "interessenlage": "keine bekannt", "score": { "design": 10, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Randomisiertes Experiment; der Homogenisierungseffekt wurde in weiteren Studien zu KI-Ideenfindung ähnlich beobachtet.", "gesamt": 7.8 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1126/sciadv.adn5290", "zugang": "offen", "folgen": [], "stand": "2026-11-06" }, { "id": "fader-hardie-lee-counting-customers-bgnbd-2005", "titel_original": "\"Counting Your Customers\" the Easy Way: An Alternative to the Pareto/NBD Model", "titel_de": "BG/NBD: Kundenwert-Prognose einfach in Excel", "autoren": "Fader, Hardie, Lee", "herausgeber": "Marketing Science (24/2)", "jahr": 2005, "studientyp": "Paneldaten-Analyse", "themen": [ "CRM & Loyalität", "Messung & Attribution" ], "kernaussage": "Das BG/NBD-Modell sagt künftige Käufe und damit den Kundenwert aus Kaufhistorien (Häufigkeit, Aktualität) fast so gut voraus wie das aufwendige Pareto/NBD-Modell, lässt sich aber in einer Tabellenkalkulation schätzen. Es wurde zum Standard für CLV-Prognosen in nicht-vertraglichen Geschäften.", "zahlen": [], "methode": "Herleitung eines Wahrscheinlichkeitsmodells für Kauf- und Abwanderungsverhalten und Vergleich der Prognosegüte mit Pareto/NBD an echten Transaktionsdaten.", "datenbasis": "Transaktionsdaten einer Kundenkohorte des Online-Musikhändlers CDNOW sowie Simulationen über viele Kaufsettings.", "einschraenkungen": "Gilt für nicht-vertragliche Beziehungen mit beliebigen Kaufzeitpunkten (Handel), nicht direkt für Abos oder Versicherungsverträge mit sichtbarer Kündigung; Kaufbeträge brauchen ein Zusatzmodell (Gamma-Gamma).", "interessenlage": "keine bekannt", "score": { "design": 6, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 10, "uebertragbarkeit": 8, "begruendung": "Methodenpapier, dessen Prognosegüte in Wissenschaft und Praxis vielfach unabhängig geprüft wurde.", "gesamt": 7.8 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1287/mksc.1040.0098", "zugang": "teilweise", "folgen": [], "stand": "2026-11-06" }, { "id": "johnson-shriver-goldberg-dsgvo-marktkonzentration-2023", "titel_original": "Privacy and Market Concentration: Intended and Unintended Consequences of the GDPR", "titel_de": "DSGVO: Weniger Tracking-Anbieter, mehr Marktmacht für Google", "autoren": "Johnson, Shriver, Goldberg", "herausgeber": "Management Science (69/10)", "jahr": 2023, "studientyp": "Quasi-Experiment", "themen": [ "Recht & Datenschutz", "Media & Budget" ], "kernaussage": "Nach dem Start der DSGVO nutzten Webseiten für EU-Besucher deutlich weniger Technologie-Anbieter, behielten aber bevorzugt die großen. Dadurch stieg die Konzentration, vor allem zugunsten von Google- und Facebook-Diensten.", "zahlen": [ { "wert": "−15 %", "bedeutung": "Rückgang der eingebundenen Web-Technologie-Anbieter für EU-Nutzer in der Woche nach DSGVO-Start" }, { "wert": "+17 %", "bedeutung": "Anstieg der Marktkonzentration bei Web-Technologie-Anbietern" }, { "wert": "> 27.000", "bedeutung": "beobachtete Top-Webseiten" } ], "methode": "Paneldaten zu eingebundenen Drittanbietern auf Top-Webseiten, Vergleich der Ansicht aus der EU und von außerhalb vor und nach Mai 2018.", "datenbasis": "Über 27.000 international führende Webseiten, 2018.", "einschraenkungen": "Der Gesamteffekt ließ bis Ende 2018 nach, blieb bei Werbe-Anbietern aber bestehen. Misst Anbieterauswahl, nicht Werbeerlöse.", "interessenlage": "keine bekannt", "score": { "design": 8, "datenbasis": 8, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 7, "begruendung": "Natürliches Experiment mit breiter Basis; Konzentrationseffekte der DSGVO wurden in weiteren Studien ähnlich beobachtet.", "gesamt": 7.8 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1287/mnsc.2023.4709", "zugang": "teilweise", "folgen": [], "stand": "2026-11-06" }, { "id": "lewis-worn-out-or-just-getting-started-2015", "titel_original": "Worn-Out or Just Getting Started? The Impact of Frequency in Online Display Advertising", "titel_de": "Lewis: Frequenz und Wear-out bei Display-Werbung auf Yahoo", "autoren": "Lewis", "herausgeber": "AEA 2015 (Manuskript); MIT-Dissertation 2010", "jahr": 2015, "studientyp": "Feldexperiment", "themen": [ "Media & Budget", "Kreation & Werbewirkung" ], "kernaussage": "Wear-out ist stark kampagnenabhängig: manche Kampagnen nutzten sich nach ein bis zwei Kontakten ab, andere kaum nach fünfzig. Beobachtungsdaten ohne Kontrollgruppe überschätzen Wear-out fast immer.", "zahlen": [ { "wert": "4 von 30", "bedeutung": "Kampagnen mit signifikantem Wear-out nach ein bis zwei Kontakten" }, { "wert": "10 von 30", "bedeutung": "Kampagnen mit kaum Wear-out selbst nach 50 Kontakten" }, { "wert": "26 von 30", "bedeutung": "Kampagnen, bei denen Beobachtungsdaten Wear-out überschätzen" }, { "wert": "2,8 Mrd.", "bedeutung": "Impressions" } ], "methode": "Quasi-randomisierte Frequenzvariation über Ad-Split-Tage auf der Yahoo-Startseite; Zielgrößen Klicks und Sign-ups.", "datenbasis": "2,8 Mrd. Impressions, 30 Kampagnen, USA, Jan.–März 2010", "einschraenkungen": "Klicks und Sign-ups, kein Umsatz; Display 2010. Kampagnen mit stärkstem Wear-out hatten die höchsten Klickraten.", "interessenlage": "Von Yahoo unterstützt; Autor später bei Google", "score": { "design": 10, "datenbasis": 9, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Großes randomisiertes Frequenzexperiment; Befund zur Selektionsverzerrung methodisch zentral.", "gesamt": 7.8 }, "richtung": "bestaetigt", "quelle_url": "https://www.aeaweb.org/conference/2015/retrieve.php?pdfid=2969&tk=nRA8GNdB", "zugang": "offen", "folgen": [ 38 ], "stand": "2026-11-06" }, { "id": "noy-zhang-chatgpt-schreibproduktivitaet-2023", "titel_original": "Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence", "titel_de": "ChatGPT beim Schreiben: 40 % schneller, 18 % bessere Qualität", "autoren": "Noy, Zhang", "herausgeber": "Science (381/6654)", "jahr": 2023, "studientyp": "Feldexperiment", "themen": [ "KI im Marketing" ], "kernaussage": "Fachkräfte mit Zugang zu ChatGPT erledigten berufstypische Schreibaufgaben deutlich schneller und in besserer Qualität; die Unterschiede zwischen schwächeren und stärkeren Schreibenden schrumpften.", "zahlen": [ { "wert": "−40 %", "bedeutung": "benötigte Zeit für die Schreibaufgabe mit ChatGPT-Zugang" }, { "wert": "+18 %", "bedeutung": "bewertete Qualität der Ergebnisse" }, { "wert": "453", "bedeutung": "Hochschulgebildete Berufstätige im Experiment" } ], "methode": "Präregistriertes Online-Experiment mit bezahlten, berufsspezifischen Schreibaufgaben (z. B. Pressemitteilungen, Berichte); zufällige Hälfte erhielt ChatGPT-Zugang, Bewertung durch Fachleute derselben Berufe.", "datenbasis": "453 Berufstätige (u. a. Marketing, HR, Beratung, Datenanalyse), USA, 2023.", "einschraenkungen": "Kurze, isolierte Aufgaben ohne Faktenprüfung und Firmenkontext; bewertet wurde Textqualität, nicht Geschäftserfolg.", "interessenlage": "keine bekannt", "score": { "design": 10, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Randomisiert und präregistriert; die Richtung wurde in mehreren Folgeexperimenten bestätigt, Effektgrößen variieren stark nach Aufgabe.", "gesamt": 7.8 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1126/science.adh2586", "zugang": "paywall", "folgen": [], "stand": "2026-11-06" }, { "id": "romaniuk-bogomolova-dallolmo-riley-2012-brand-image-usage", "titel_original": "Brand Image and Brand Usage: Is a Forty-Year-Old Empirical Generalization Still Useful?", "titel_de": "40 Jahre später bestätigt: Image folgt Nutzung", "autoren": "Romaniuk, Bogomolova, Dall'Olmo Riley", "herausgeber": "Journal of Advertising Research", "jahr": 2012, "studientyp": "Umfrage", "themen": [ "Markenaufbau & Wachstum", "Methodik & Marktforschung" ], "kernaussage": "Der Zusammenhang zwischen Markenassoziationen und vergangener Markennutzung gilt auch in neuen Datensätzen über Dienstleistungen, Gebrauchsgüter, Handel und Schwellenländer.", "zahlen": [ { "wert": "45", "bedeutung": "neue Datensätze in der Replikation" } ], "methode": "Replikation an neuen, teils online erhobenen Befragungsdatensätzen.", "datenbasis": "45 Datensätze: Dienstleistungen, Gebrauchsgüter, Handel, auch Schwellenländer", "einschraenkungen": "Volltext hinter Paywall; Querschnittsdaten.", "interessenlage": "Ehrenberg-Bass-Autoren.", "score": { "design": 6, "datenbasis": 8, "unabhaengigkeit": 7, "replikation": 10, "uebertragbarkeit": 9, "begruendung": "Breite Replikation eines alten Befunds über viele Kategorien und Länder.", "gesamt": 7.8 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.2501/JAR-52-2-243-251", "zugang": "paywall", "folgen": [ 16 ], "stand": "2026-11-06" }, { "id": "sahni-temporal-spacing-online-ads-2015", "titel_original": "Effect of Temporal Spacing between Advertising Exposures: Evidence from Online Field Experiments", "titel_de": "Sahni: Zeitlicher Abstand zwischen Werbekontakten", "autoren": "Sahni", "herausgeber": "Quantitative Marketing and Economics 13(3), 203–247", "jahr": 2015, "studientyp": "Feldexperiment", "themen": [ "Media & Budget", "Kreation & Werbewirkung" ], "kernaussage": "Werbewirkung trägt in spätere Besuche hinüber; zeitlich verteilte Anzeigen wirken stärker als gebündelte. Nach etwa drei Kontakten sinkt der Grenzeffekt, nach fünf bringt mehr kaum noch etwas.", "zahlen": [ { "wert": "≈ 0,4 %", "bedeutung": "Wirkungszuwachs je Kontakt bei den ersten drei Kontakten in einer Sitzung" }, { "wert": "> 5", "bedeutung": "Kontakte, nach denen zusätzliche Anzeigen kaum noch Gewinn bringen" }, { "wert": "211.135", "bedeutung": "randomisierte Nutzer" } ], "methode": "Randomisierte Anzeigenausspielung auf einer Restaurant-Suchseite; Zielgröße Besuche der Anbieterseite.", "datenbasis": "211.135 Nutzer, Indien, Aug.–Nov. 2010", "einschraenkungen": "Carryover über Tage bis Wochen, nicht Jahre; eine Plattform, Performance-Anzeigen, Zielgröße Besuche, kein Umsatz.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 10, "datenbasis": 7, "unabhaengigkeit": 9, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Randomisiertes Feldexperiment mit großer Fallzahl; nur eine Plattform und ein Markt.", "gesamt": 7.8 }, "richtung": "bestaetigt", "quelle_url": "https://www.kellogg.northwestern.edu/departments/marketing/~/media/6D6EA07699BE4593A43423ED87F94FDF.ashx", "zugang": "offen", "folgen": [ 32, 38 ], "stand": "2026-11-06" }, { "id": "strulov-shlain-left-digit-bias-2023", "titel_original": "More Than a Penny’s Worth: Left-Digit Bias and Firm Pricing", "titel_de": "Left-Digit-Bias in Supermarkt-Scannerdaten", "autoren": "Strulov-Shlain", "herausgeber": "Review of Economic Studies 90 (5)", "jahr": 2023, "studientyp": "Ökonometrie/MMM", "themen": [ "Preis & Promotion", "Handel & Commerce" ], "kernaussage": "Kunden reagieren auf einen Cent über einem 99er-Preis, als wären es mehr als 20 Cent. Die Händler preisen so, als wäre der Bias viel kleiner, und lassen dadurch Rohertrag liegen.", "zahlen": [ { "wert": "> 20 Cent", "bedeutung": "wahrgenommene Preiserhöhung bei einem Cent über einem 99er-Preis" }, { "wert": "θ ≈ 0,2", "bedeutung": "geschätzter Left-Digit-Bias" }, { "wert": "1–4 %", "bedeutung": "entgangener möglicher Rohertrag durch zu grobe Reaktion der Händler" }, { "wert": "≈ 3.500 / 25", "bedeutung": "Produkte / US-Supermarktketten" } ], "methode": "Strukturelles Modell auf NielsenIQ-Scannerdaten.", "datenbasis": "Rund 3.500 Produkte bei 25 US-Supermarktketten.", "einschraenkungen": "Der entgangene Rohertrag ist eine Modellrechnung, keine gemessene Gewinnänderung. Fast alle Preise unter 10 $. Arbeitspapier 2018 nannte andere Werte (1–3 %, θ = 0,16); verwendet sind die Abstract-Werte des Journals.", "interessenlage": "keine bekannt (Einzelautor, Chicago Booth)", "score": { "design": 6, "datenbasis": 9, "unabhaengigkeit": 10, "replikation": 8, "uebertragbarkeit": 6, "begruendung": "Große Scannerdaten mit Strukturmodell, akademisch; Left-Digit-Bias durch Autodaten (Lacetera et al.) gestützt.", "gesamt": 7.8 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1093/restud/rdac082", "zugang": "paywall", "folgen": [ 25 ], "stand": "2026-11-06" }, { "id": "vohs-et-al-ego-depletion-2021", "titel_original": "A multisite preregistered paradigmatic test of the ego-depletion effect", "titel_de": "Zweite Multi-Site-Prüfung von Ego Depletion", "autoren": "Vohs et al.", "herausgeber": "Psychological Science 32 (10)", "jahr": 2021, "studientyp": "Laborexperiment", "themen": [ "Methodik & Marktforschung" ], "kernaussage": "Auch eine von Befürwortern des Effekts mitgeleitete vorregistrierte Studie in 36 Laboren fand keinen belastbaren Ego-Depletion-Effekt.", "zahlen": [ { "wert": "36 Labore, N = 3.531", "bedeutung": "Umfang der Multi-Site-Studie" }, { "wert": "d = 0,06", "bedeutung": "gemessener Effekt, nicht signifikant" } ], "methode": "Vorregistrierte Multi-Site-Studie mit von Befürwortern mitentwickeltem Paradigma.", "datenbasis": "36 Labore, N = 3.531.", "einschraenkungen": "Zahlen aus dem Abstract. Zeigt keinen Effekt für dieses Paradigma, nicht zwingend für jede Form von Selbstkontroll-Ermüdung.", "interessenlage": "Mitgeleitet von Befürworterinnen des Effekts, was das Nullergebnis glaubwürdiger macht.", "score": { "design": 6, "datenbasis": 8, "unabhaengigkeit": 10, "replikation": 9, "uebertragbarkeit": 6, "begruendung": "Große vorregistrierte Multi-Site-Studie; bestätigt das Nullergebnis von Hagger et al. (2016).", "gesamt": 7.8 }, "richtung": "widerlegt", "quelle_url": "https://doi.org/10.1177/0956797621989733", "zugang": "teilweise", "folgen": [ 21 ], "stand": "2026-11-06" }, { "id": "babic-rosario-ewom-sales-meta-2016", "titel_original": "The Effect of Electronic Word of Mouth on Sales: A Meta-Analytic Review", "titel_de": "Meta-Analyse: Online-Mundpropaganda und Absatz", "autoren": "Babić Rosario, Sotgiu, De Valck, Bijmolt", "herausgeber": "Journal of Marketing Research 53(3), 297–318", "jahr": 2016, "studientyp": "Meta-Analyse", "themen": [ "Handel & Commerce", "Markenaufbau & Wachstum" ], "kernaussage": "Online-Mundpropaganda und Absatz hängen im Mittel nur schwach zusammen; die Anzahl der Bewertungen zählt mehr als der Durchschnitt, Streuung schadet, negative Bewertungen nicht zwingend.", "zahlen": [ { "wert": "r = 0,091", "bedeutung": "mittlere Korrelation zwischen eWOM und Absatz" } ], "methode": "Meta-Analyse von Effektgrößen.", "datenbasis": "96 Studien, 1.532 Effektgrößen, 40 Plattformen, 26 Produktkategorien", "einschraenkungen": "Korrelationen aus Beobachtungsstudien; widerspricht You et al. und Floyd et al. bei Volumen vs. Valenz. Abstract genutzt.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 7, "datenbasis": 9, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 7, "begruendung": "Größte der drei Meta-Analysen, breite Basis; Kernfrage zwischen Meta-Analysen widersprüchlich.", "gesamt": 7.7 }, "richtung": "gemischt", "quelle_url": "https://doi.org/10.1509/jmr.14.0380", "zugang": "paywall", "folgen": [ 34 ], "stand": "2026-11-06" }, { "id": "hagger-et-al-ego-depletion-2016", "titel_original": "A multilab preregistered replication of the ego-depletion effect", "titel_de": "Multi-Lab-Replikation zu Ego Depletion", "autoren": "Hagger et al.", "herausgeber": "Perspectives on Psychological Science 11 (4)", "jahr": 2016, "studientyp": "Laborexperiment", "themen": [ "Methodik & Marktforschung" ], "kernaussage": "Eine vorregistrierte Replikation in 23 Laboren fand praktisch keinen Ego-Depletion-Effekt; Thesen zu Impulskäufen durch „erschöpfte Willenskraft“ stehen damit auf schwachem Grund.", "zahlen": [ { "wert": "23 Labore, N = 2.141", "bedeutung": "Umfang der Multi-Lab-Replikation" }, { "wert": "d = 0,04 (95-%-KI −0,07 bis 0,15)", "bedeutung": "gemessener Effekt" } ], "methode": "Vorregistrierte Multi-Lab-Replikation mit einheitlichem Protokoll.", "datenbasis": "23 Labore, N = 2.141.", "einschraenkungen": "Testet ein bestimmtes Versuchsprotokoll; Kritiker halten andere Manipulationen für geeigneter. Zahlen aus dem Abstract.", "interessenlage": "keine bekannt", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 10, "replikation": 9, "uebertragbarkeit": 6, "begruendung": "Große vorregistrierte Multi-Lab-Studie; Ergebnis durch Vohs et al. (2021) bestätigt.", "gesamt": 7.7 }, "richtung": "widerlegt", "quelle_url": "https://doi.org/10.1177/1745691616652873", "zugang": "teilweise", "folgen": [ 21 ], "stand": "2026-11-06" }, { "id": "klein-many-labs-1-2014", "titel_original": "Investigating variation in replicability: A “Many Labs” replication project", "titel_de": "Many Labs 1: Replikation von 13 Effekten in 36 Stichproben", "autoren": "Klein et al.", "herausgeber": "Social Psychology 45 (3)", "jahr": 2014, "studientyp": "Laborexperiment", "themen": [ "Methodik & Marktforschung", "Preis & Promotion" ], "kernaussage": "Von 13 klassischen Effekten replizierten 10. Geld-Priming und Flaggen-Priming scheiterten, Anchoring mit expliziten Zahlen war dagegen der stärkste Effekt von allen und größer als im Original.", "zahlen": [ { "wert": "10 von 13", "bedeutung": "replizierte Effekte" }, { "wert": "N = 6.344", "bedeutung": "Teilnehmende in 36 Stichproben" }, { "wert": "d = 0,80 → ≈ 0,01", "bedeutung": "Currency Priming: Original vs. Replikation" }, { "wert": "d = 1,18 bis 2,43", "bedeutung": "Anchoring je nach Frage, in allen 36 Stichproben signifikant (Original d = 0,93)" } ], "methode": "Koordinierte Replikation derselben Effekte in Labor- und Online-Stichproben aus mehreren Ländern.", "datenbasis": "36 Stichproben, N = 6.344, mehrere Länder.", "einschraenkungen": "Anchoring wurde mit expliziten Zahlenankern bei Wissensfragen getestet (Höhe des Mount Everest), nicht mit „zufälligen“ Ankern; für Preisanker im Handel ist das kein Direktbeweis. US- vs. Nicht-US- und Labor- vs. Online-Stichprobe hatten kaum systematischen Einfluss.", "interessenlage": "keine bekannt", "score": { "design": 6, "datenbasis": 8, "unabhaengigkeit": 10, "replikation": 8, "uebertragbarkeit": 7, "begruendung": "Großes Multi-Lab-Projekt mit vielen Stichproben, akademisch; Ergebnisse durch weitere Many-Labs-Projekte in der Tendenz gestützt.", "gesamt": 7.7 }, "richtung": "gemischt", "quelle_url": "https://doi.org/10.1027/1864-9335/a000178", "zugang": "offen", "folgen": [ 21 ], "stand": "2026-11-06" }, { "id": "leone-temporal-aggregation-carryover-1995", "titel_original": "Generalizing What Is Known About Temporal Aggregation and Advertising Carryover", "titel_de": "Leone: Carryover nach Korrektur des Aggregationsfehlers", "autoren": "Leone", "herausgeber": "Marketing Science 14(3), G141–G150", "jahr": 1995, "studientyp": "Meta-Analyse", "themen": [ "Media & Budget", "Messung & Attribution" ], "kernaussage": "Zu grobe Daten verlängern geschätzte Carryover-Effekte künstlich; nach Korrektur liegt die Werbenachwirkung typischerweise bei sechs bis neun Monaten.", "zahlen": [ { "wert": "6–9 Monate", "bedeutung": "typische Dauer der Werbenachwirkung nach Korrektur der zeitlichen Aggregation" } ], "methode": "Generalisierung veröffentlichter Carryover-Schätzungen mit Korrektur für Datenaggregation.", "datenbasis": "Veröffentlichte Carryover-Studien bis 1995", "einschraenkungen": "Nur Abstract; kein Prozentniveau für das Dauerintervall genannt. Umrechnung in Halbwertszeit (8–12 Wochen) ist eigene Rechnung, nicht Leone.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 8, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 8, "uebertragbarkeit": 5, "begruendung": "Methodisch zentrale Generalisierung, Größenordnung mit Clarke konsistent; Paywall, ältere Daten.", "gesamt": 7.7 }, "richtung": "bestaetigt", "quelle_url": "https://ideas.repec.org/a/inm/ormksc/v14y1995i3_supplementpg141-g150.html", "zugang": "paywall", "folgen": [ 32 ], "stand": "2026-11-06" }, { "id": "open-science-collaboration-reproducibility-2015", "titel_original": "Estimating the reproducibility of psychological science", "titel_de": "Reproduzierbarkeit psychologischer Studien (100 Replikationen)", "autoren": "Open Science Collaboration", "herausgeber": "Science 349 (6251)", "jahr": 2015, "studientyp": "Fallsammlung", "themen": [ "Methodik & Marktforschung" ], "kernaussage": "Bei 100 nachgestellten Psychologie-Studien ließ sich nur gut ein Drittel signifikant wiederholen, und die Effekte schrumpften im Schnitt auf die Hälfte. Sozialpsychologie, aus der viele Marketing-Tricks stammen, schnitt besonders schlecht ab.", "zahlen": [ { "wert": "97 % → 36 %", "bedeutung": "Anteil signifikanter Ergebnisse im Original vs. in der Replikation" }, { "wert": "½", "bedeutung": "Replikationseffekte im Schnitt halb so groß wie die Originaleffekte" }, { "wert": "23 % (7/31)", "bedeutung": "Replikationsquote Sozialpsychologie (JPSP)" }, { "wert": "48 % (13/27)", "bedeutung": "Replikationsquote kognitive Psychologie (JEP:LMC)" }, { "wert": "39 %", "bedeutung": "Anteil subjektiv als „repliziert“ bewerteter Studien" } ], "methode": "Systematische Wiederholung von 100 Studien aus drei Psychologie-Fachzeitschriften mit hoher Teststärke, meist mit Originalmaterial, durch Teams weltweit.", "datenbasis": "100 Replikationen aus drei Fachzeitschriften (Jahrgang 2008).", "einschraenkungen": "Betrifft Psychologie allgemein, nicht direkt Marketingstudien. Ein Scheitern einzelner Replikationen beweist nicht, dass der Originaleffekt falsch ist; die Studie zeigt eine Überschätzung im Mittel.", "interessenlage": "Gefördert vom Center for Open Science und der Laura and John Arnold Foundation (Reformanliegen); kein kommerzielles Interesse bekannt.", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 9, "replikation": 9, "uebertragbarkeit": 8, "begruendung": "Großes, koordiniertes Replikationsprojekt mit hoher Teststärke; die Diagnose wurde durch Many Labs und weitere Projekte bestätigt.", "gesamt": 7.7 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1126/science.aac4716", "zugang": "teilweise", "folgen": [ 21 ], "stand": "2026-11-06" }, { "id": "shapiro-hitsch-tuchman-tv-288-brands-2021", "titel_original": "TV Advertising Effectiveness and Profitability: Generalizable Results from 288 Brands", "titel_de": "TV-Werbewirkung bei 288 US-Marken", "autoren": "Shapiro, Hitsch, Tuchman", "herausgeber": "Econometrica 89(4)", "jahr": 2021, "studientyp": "Quasi-Experiment", "themen": [ "Media & Budget", "Messung & Attribution" ], "kernaussage": "TV-Elastizitäten sind bei 288 US-Marken sehr klein und meist nicht signifikant; wie viel Langzeitwirkung man findet, hängt stark von der vorab gesetzten Carryover-Annahme ab.", "zahlen": [ { "wert": "0,0023 vs. 0,0140", "bedeutung": "Median-Langfrist-Elastizität von TV ohne Carryover (δ = 0) vs. mit δ = 0,9 (≈ Faktor 6)" }, { "wert": "2/3", "bedeutung": "Anteil der Schätzungen nicht signifikant von null verschieden" }, { "wert": "> 80 %", "bedeutung": "Marken mit negativem marginalem ROI (für den letzten investierten Dollar)" }, { "wert": "288", "bedeutung": "Anzahl untersuchter Konsumgütermarken aus vielen Kategorien" }, { "wert": "1/3", "bedeutung": "Anteil der Marken, bei denen der ROI des tatsächlich geschalteten Werbeplans insgesamt positiv ist" } ], "methode": "Quasi-experimentelle Identifikation über Mediengrenzen (DMA-Grenzen) mit Nielsen-Scanner- und Ad-Intel-Daten.", "datenbasis": "288 Marken, USA, 2010–2014", "einschraenkungen": "'Marginal ROI negativ' heißt nicht 'TV lohnt sich nicht'. Nur US-Konsumgüter; Ergebnis hängt an Adstock-Annahme.", "interessenlage": "Akademisch, Daten von Nielsen, nicht von Nielsen finanziert", "score": { "design": 8, "datenbasis": 9, "unabhaengigkeit": 9, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Starkes quasi-experimentelles Design mit breiter Datenbasis; Effekte kleiner als in älterer Literatur, daher nur teilweise bestätigt.", "gesamt": 7.7 }, "richtung": "gemischt", "quelle_url": "https://www.econ.upenn.edu/system/files/2021-02/Ad-Effects-Generalizable-Robust-Revision-3-Jan-29.pdf", "zugang": "offen", "folgen": [ 32 ], "stand": "2026-11-06", "alias": [ "shapiro-hitsch-tuchman-2021-tv-288-marken" ] }, { "id": "bohner-schlueter-handtuch-replikation-2014", "titel_original": "A Room with a Viewpoint Revisited: Descriptive Norms and Hotel Guests' Towel Reuse Behavior", "titel_de": "Handtuch-Replikation: Normbotschaft nicht besser als Umweltappell", "autoren": "Bohner, Schlüter", "herausgeber": "PLOS ONE (9/8)", "jahr": 2014, "studientyp": "Feldexperiment", "themen": [ "Kreation & Werbewirkung", "Methodik & Marktforschung" ], "kernaussage": "In zwei deutschen Hotels steigerten Hinweisschilder die Handtuchwiederverwendung gegenüber keinem Schild, die Botschaft 'die meisten Gäste machen mit' war aber nicht wirksamer als ein normaler Umweltappell.", "zahlen": [ { "wert": "N = 724 und N = 204", "bedeutung": "Gäste in Studie 1 bzw. Studie 2" }, { "wert": "82,3 % / 76,5 %", "bedeutung": "Wiederverwendungsquote insgesamt in Studie 1 bzw. Studie 2" }, { "wert": "64,3 %", "bedeutung": "Wiederverwendung ohne Schild (Basislinie, Studie 2)" } ], "methode": "Zwei Feldexperimente mit zufälliger Zuordnung von Hinweiskarten, angelehnt an Goldstein et al. 2008.", "datenbasis": "Zwei Hotels in Deutschland, insgesamt 928 Gästeaufenthalte.", "einschraenkungen": "Hohe Grundquote der Wiederverwendung lässt wenig Spielraum für Zusatzeffekte; andere Länder und Verhaltensweisen nicht geprüft.", "interessenlage": "keine bekannt", "score": { "design": 10, "datenbasis": 4, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Offen publizierte Feldreplikation; passt zum Muster kleinerer Nudge-Effekte in späteren Großstudien.", "gesamt": 7.6 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1371/journal.pone.0104086", "zugang": "offen", "folgen": [], "stand": "2026-11-06" }, { "id": "goldstein-cialdini-griskevicius-hotel-handtuecher-2008", "titel_original": "A Room with a Viewpoint: Using Social Norms to Motivate Environmental Conservation in Hotels", "titel_de": "Hotel-Handtücher: Soziale Normen motivieren zur Wiederverwendung", "autoren": "Goldstein, Cialdini, Griskevicius", "herausgeber": "Journal of Consumer Research (35/3)", "jahr": 2008, "studientyp": "Feldexperiment", "themen": [ "Kreation & Werbewirkung" ], "kernaussage": "Hinweisschilder mit der Botschaft, dass die meisten Gäste ihre Handtücher wiederverwenden, wirkten besser als ein reiner Umweltappell. Am stärksten wirkte die Norm, die sich auf frühere Gäste desselben Zimmers bezog.", "zahlen": [ { "wert": "2", "bedeutung": "Feldexperimente in Hotels" } ], "methode": "Zufällige Zuordnung unterschiedlicher Hinweiskarten zu Hotelzimmern, gemessen wurde die tatsächliche Handtuchwiederverwendung.", "datenbasis": "Ein US-Hotel, Gäste über mehrere Wochen (genaue Fallzahl nur im kostenpflichtigen Volltext).", "einschraenkungen": "Ein Hotel, eine Verhaltensweise. Eine deutsche Replikation (Bohner & Schlüter 2014) fand keinen Vorteil der Normbotschaft gegenüber dem Standardappell; eine bayesianische Zusammenschau von sieben Handtuch-Studien (Scheibehenne, Jamil & Wagenmakers 2016) stützt dagegen einen kleinen positiven Normeffekt. Nudge-Meta-Analysen zeigen zudem deutlich kleinere Effekte in großen Feldstudien.", "interessenlage": "keine bekannt", "score": { "design": 10, "datenbasis": 4, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Sauberes Feldexperiment, aber kleiner Kontext; die zentrale Normwirkung ließ sich in einer direkten Replikation nicht bestätigen.", "gesamt": 7.6 }, "richtung": "gemischt", "quelle_url": "https://doi.org/10.1086/586910", "zugang": "paywall", "folgen": [], "stand": "2026-11-06" }, { "id": "lewis-reiley-2014-online-ads-offline-sales", "titel_original": "Online Ads and Offline Sales: Measuring the Effect of Retail Advertising via a Controlled Experiment on Yahoo!", "titel_de": "Yahoo-Experiment: Online-Werbung steigert Filialumsatz", "autoren": "Lewis, Reiley", "herausgeber": "Quantitative Marketing and Economics 12(3), 235–266", "jahr": 2014, "studientyp": "Feldexperiment", "themen": [ "Messung & Attribution", "Handel & Commerce", "Search & Performance" ], "kernaussage": "Display-Werbung eines großen Händlers steigerte die Käufe der beworbenen Kunden um rund 5 % und war profitabel – fast die gesamte Wirkung trat im stationären Handel und bei Kunden auf, die nie geklickt hatten. Klickbasierte Erfolgsmessung hätte die Kampagne grob falsch bewertet.", "zahlen": [ { "wert": "1,6 Mio.", "bedeutung": "Kunden des Händlers im randomisierten Experiment" }, { "wert": "+5 %", "bedeutung": "kausaler Anstieg der Käufe durch die Online-Werbung" }, { "wert": "93 %", "bedeutung": "Anteil des Zuwachses, der in Filialen statt online stattfand" }, { "wert": "78 %", "bedeutung": "Anteil des Zuwachses von Kunden, die nie auf eine Anzeige geklickt hatten" }, { "wert": "ca. 3x", "bedeutung": "Größe der (negativen) Verzerrung einer Querschnitts-Beobachtungsschätzung relativ zum experimentellen Effekt" } ], "methode": "Randomisierte Zuteilung von Kunden eines Händlers (Abgleich mit Yahoo-Konten) zu Werbe- und Kontrollgruppe; Messung der Online- und Filialumsätze.", "datenbasis": "1,6 Mio. Kunden eines großen US-Händlers, Yahoo-Display-Kampagnen, ca. 2007.", "einschraenkungen": "Ein Händler, eine Werbeform und ein Zeitraum; die Autoren betonen selbst, wie groß Stichproben für belastbare Werbe-Experimente sein müssen (vgl. Lewis & Rao 2015).", "interessenlage": "Autoren damals bei Yahoo! Research.", "score": { "design": 10, "datenbasis": 7, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Großes Feldexperiment mit klarer Kausalität, aber Einzelfall; Online-zu-Offline-Effekte später mehrfach bestätigt.", "gesamt": 7.6 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1007/s11129-014-9146-6", "zugang": "paywall", "folgen": [], "stand": "2026-11-06" }, { "id": "lodish-et-al-1995-how-tv-advertising-works", "titel_original": "How T.V. Advertising Works: A Meta-Analysis of 389 Real World Split Cable T.V. Advertising Experiments", "titel_de": "Wie TV-Werbung wirkt: 389 Split-Cable-Experimente", "autoren": "Lodish, Abraham, Kalmenson, Livelsberger, Lubetkin, Richardson, Stevens", "herausgeber": "Journal of Marketing Research 32(2), 125–139", "jahr": 1995, "studientyp": "Meta-Analyse", "themen": [ "Kreation & Werbewirkung", "Media & Budget", "Messung & Attribution" ], "kernaussage": "Mehr TV-Druck allein steigert den Absatz etablierter Konsumgütermarken oft nicht messbar; ob Werbung wirkt, hängt stärker von Strategie- und Kreationswechseln ab als vom Budget. Klassische Recall- und Persuasion-Pretests sagen den Verkaufserfolg kaum voraus.", "zahlen": [ { "wert": "389", "bedeutung": "Anzahl ausgewerteter BehaviorScan-Split-Cable-Experimente mit Haushaltspanel (Werbedruck- und Kreationstests)" }, { "wert": "140", "bedeutung": "Teilmenge der Tests, zu denen Auftraggeber zusätzliche Fragebögen zu Strategie, Media und Copy ausgefüllt haben" } ], "methode": "Meta-Analyse randomisierter Feldexperimente: Haushalte in Testmärkten erhielten über getrennte Kabelstränge unterschiedlichen Werbedruck bzw. unterschiedliche Spots; Kaufdaten per Scannerpanel. Ergänzende Befragung der Werbungtreibenden zu Kampagnenmerkmalen.", "datenbasis": "389 IRI-BehaviorScan-Tests aus den 1980er-Jahren, überwiegend verpackte Konsumgüter (etablierte und neue Produkte), USA.", "einschraenkungen": "Reine CPG-Daten aus dem linearen TV der 1980er; viele Einzeltests hatten wenig statistische Power, ein nicht signifikanter Test heißt nicht 'keine Wirkung'. Das 15-Jahres-Update von Hu, Lodish und Krieger (Journal of Advertising Research 2007) bestätigt das Grundmuster nur teilweise; oft fälschlich als Beleg zitiert, dass TV generell nicht wirke.", "interessenlage": "Daten und Mitautoren von Information Resources Inc. (IRI), Anbieter der Testmethode; Erstautor Wharton.", "score": { "design": 10, "datenbasis": 8, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Randomisierte Feldexperimente in großer Zahl, aber Daten eines Testanbieters, CPG-lastig und aus der Ära des linearen TV; Update 2007 bestätigt teilweise.", "gesamt": 7.6 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1177/002224379503200201", "zugang": "paywall", "folgen": [], "stand": "2026-11-06" }, { "id": "roschk-loureiro-breitsohl-background-music-meta-2017", "titel_original": "Calibrating 30 Years of Experimental Research: A Meta-Analysis of the Atmospheric Effects of Music, Scent, and Color", "titel_de": "Meta-Analyse: Wirkung von Hintergrundmusik im Laden", "autoren": "Roschk, Loureiro, Breitsohl", "herausgeber": "Journal of Retailing 93(2), 228–240", "jahr": 2017, "studientyp": "Meta-Analyse", "themen": [ "Kreation & Werbewirkung", "Handel & Commerce" ], "kernaussage": "Hintergrundmusik im Laden wirkt messbar, aber klein, und in Dienstleistungsumgebungen stärker als im Handel; gemessen wurden Befragungsmaße, keine Verkäufe.", "zahlen": [ { "wert": "r = .098 / .226 / .130", "bedeutung": "Effekt Musik vs. keine Musik auf Wohlgefallen / Zufriedenheit / Verhaltensabsicht" }, { "wert": "r = .200 vs. .112", "bedeutung": "Effekt in Dienstleistungsumgebungen vs. Handel" }, { "wert": "66 / 135 / 15.621", "bedeutung": "Studien / Effekte / Teilnehmende" } ], "methode": "Meta-Analyse experimenteller Atmosphärenstudien.", "datenbasis": "66 Studien, 135 Effekte, N = 15.621", "einschraenkungen": "Befragungsmaße statt Absatz; betrifft Ladenmusik, nicht Sound-Logos.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 6, "datenbasis": 8, "unabhaengigkeit": 10, "replikation": 8, "uebertragbarkeit": 6, "begruendung": "Meta-Analyse überwiegend experimenteller Studien mit breiter Basis; Effekt klein und konsistent.", "gesamt": 7.6 }, "richtung": "bestaetigt", "quelle_url": "https://eprints.gla.ac.uk/214127/1/214127.pdf", "zugang": "offen", "folgen": [ 40 ], "stand": "2026-11-06" }, { "id": "ascarza-iyengar-schleicher-proaktive-kuendigungspraevention-2016", "titel_original": "The Perils of Proactive Churn Prevention Using Plan Recommendations: Evidence from a Field Experiment", "titel_de": "Tarifempfehlung zur Kundenbindung erhöhte die Kündigungen", "autoren": "Ascarza, Iyengar, Schleicher", "herausgeber": "Journal of Marketing Research (53/1)", "jahr": 2016, "studientyp": "Feldexperiment", "themen": [ "CRM & Loyalität" ], "kernaussage": "Ein Mobilfunkanbieter empfahl Kunden proaktiv einen für sie günstigeren Tarif – und genau diese Kunden kündigten häufiger als die Kontrollgruppe. Die Ansprache weckte offenbar Kunden aus ihrer Trägheit und regte zum Vergleichen an.", "zahlen": [ { "wert": "65.000", "bedeutung": "zufällig auf Empfehlung vs. keine Empfehlung aufgeteilte Kunden" }, { "wert": "10 % vs. 6 %", "bedeutung": "Abwanderung innerhalb von drei Monaten mit bzw. ohne Tarifempfehlung" } ], "methode": "Randomisiertes Feldexperiment bei einem südamerikanischen Mobilfunkanbieter mit anschließender Analyse, welche Kundengruppen besonders reagierten.", "datenbasis": "65.000 Mobilfunkkunden, ein Anbieter, drei Monate Beobachtung.", "einschraenkungen": "Ein Anbieter, eine Maßnahmenart (Tarifempfehlung). Zeigt nicht, dass Kundenansprache generell schadet, sondern dass sie gezielt nach erwarteter Reaktion ausgesteuert werden muss.", "interessenlage": "akademisch; Daten des kooperierenden Anbieters", "score": { "design": 10, "datenbasis": 6, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 7, "begruendung": "Großes RCT mit echtem Kündigungsverhalten; die Folgearbeit von Ascarza (2018) zeigt in weiteren Daten dieselbe Logik.", "gesamt": 7.5 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1509/jmr.13.0483", "zugang": "paywall", "folgen": [], "stand": "2026-11-06" }, { "id": "chernev-boeckenholt-goodman-choice-overload-2015", "titel_original": "Choice overload: A conceptual review and meta-analysis", "titel_de": "Meta-Analyse: Wann Choice Overload auftritt", "autoren": "Chernev, Böckenholt, Goodman", "herausgeber": "Journal of Consumer Psychology 25 (2)", "jahr": 2015, "studientyp": "Meta-Analyse", "themen": [ "Handel & Commerce", "Methodik & Marktforschung" ], "kernaussage": "Ohne Moderatoren gibt es auch hier keinen signifikanten Choice-Overload-Effekt; er tritt aber vorhersagbar auf, wenn das Sortiment komplex, die Entscheidung schwierig, die Präferenz unklar ist und Kunden Aufwand sparen wollen.", "zahlen": [ { "wert": "99 Beobachtungen / 53 Studien", "bedeutung": "Basis der Meta-Analyse (53 Studien aus 21 Artikeln), nur veröffentlichte Arbeiten" }, { "wert": "N = 7.202", "bedeutung": "Teilnehmende insgesamt" }, { "wert": "78 %", "bedeutung": "Anteil der veröffentlichten Beobachtungen von Scheibehenne et al. 2010, die auch hier eingehen" }, { "wert": "4", "bedeutung": "Moderatoren: Komplexität des Angebots, Schwierigkeit der Aufgabe, Präferenzunsicherheit, Entscheidungsziel" } ], "methode": "Meta-Analyse mit vier konzeptionellen Moderatoren.", "datenbasis": "53 veröffentlichte Studien, 99 Beobachtungen, N = 7.202.", "einschraenkungen": "Starke Überschneidung mit der Datenbasis von Scheibehenne et al.; keine unveröffentlichten Studien. Beide Meta-Analysen stimmen überein, dass es keinen allgemeinen Effekt gibt.", "interessenlage": "keine bekannt", "score": { "design": 8, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 7, "begruendung": "Meta-Analyse experimenteller Studien, akademisch; der Moderator-Befund ist nur teilweise unabhängig bestätigt.", "gesamt": 7.5 }, "richtung": "gemischt", "quelle_url": "http://chernev.com/wp-content/uploads/2017/02/ChoiceOverload_JCP_2015.pdf", "zugang": "offen", "folgen": [ 21 ], "stand": "2026-11-06", "alias": [] }, { "id": "clarke-duration-advertising-effect-1976", "titel_original": "Econometric Measurement of the Duration of Advertising Effect on Sales", "titel_de": "Clarke: Wie lange Werbewirkung auf den Absatz anhält", "autoren": "Clarke", "herausgeber": "Journal of Marketing Research 13(4), 345–357", "jahr": 1976, "studientyp": "Meta-Analyse", "themen": [ "Media & Budget", "Messung & Attribution" ], "kernaussage": "Bei reifen, häufig gekauften, günstigen Produkten fallen 90 % der kumulierten Werbewirkung innerhalb von drei bis neun Monaten an.", "zahlen": [ { "wert": "3–9 Monate", "bedeutung": "Zeitraum, in dem 90 % der kumulierten Werbewirkung anfallen (laut Wiedergabe bei Assmus/Farley/Lehmann 1984)" } ], "methode": "Zusammenschau ökonometrischer Carryover-Schätzungen.", "datenbasis": "Ökonometrische Studien bis 1976, reife FMCG", "einschraenkungen": "Nur aus zweiter Hand (Assmus et al. 1984). Die kursierende Formel '3–15 Monate' ließ sich nicht belegen. Schätzungen leiden unter dem Aggregationsfehler (Leone 1995).", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 8, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 8, "uebertragbarkeit": 4, "begruendung": "Frühe ökonometrische Zusammenschau, Größenordnung von Leone bestätigt; alt und nur sekundär geprüft.", "gesamt": 7.5 }, "richtung": "bestaetigt", "quelle_url": "https://www.gwern.net/doc/economics/advertising/1984-assmus.pdf", "zugang": "teilweise", "folgen": [ 32 ], "stand": "2026-11-06" }, { "id": "hanssens-2015-empirical-generalizations-marketing-impact", "titel_original": "Empirical Generalizations about Marketing Impact (2nd edition)", "titel_de": "Empirische Verallgemeinerungen zur Marketingwirkung (MSI)", "autoren": "Hanssens (Hrsg.)", "herausgeber": "Marketing Science Institute", "jahr": 2015, "studientyp": "Übersichtsarbeit", "themen": [ "Media & Budget", "Preis & Promotion", "Methodik & Marktforschung" ], "kernaussage": "Das MSI-Kompendium bündelt gut belegte Regelmäßigkeiten zur kurz- und langfristigen Wirkung von Werbung, Preis, Promotion, Vertrieb und Produkt auf Umsatz und Gewinn – als Benchmark-Sammlung für Budgetentscheidungen.", "zahlen": [ { "wert": "123", "bedeutung": "Anzahl empirischer Verallgemeinerungen aus mehreren Jahrzehnten publizierter Marketingforschung" } ], "methode": "Herausgeber-Kompendium: Zusammenfassung meta-analytischer und wiederholt bestätigter Befunde aus führenden Marketingjournalen.", "datenbasis": "Jahrzehnte publizierter akademischer Studien (Meta-Analysen, Ökonometrie, Feldexperimente).", "einschraenkungen": "Sekundärzusammenfassung; Qualität jeder Einzelregel hängt von der zugrunde liegenden Literatur ab, die stark CPG- und US-lastig ist. Einzelwerte aus dem Kompendium sollten an den Originalstudien geprüft werden.", "interessenlage": "MSI wird von Mitgliedsunternehmen finanziert; sonst keine bekannt.", "score": { "design": 6, "datenbasis": 9, "unabhaengigkeit": 8, "replikation": 8, "uebertragbarkeit": 7, "begruendung": "Bündelt definitionsgemäß wiederholt bestätigte Befunde, ist aber selbst keine neue Datenerhebung.", "gesamt": 7.5 }, "richtung": "bestaetigt", "quelle_url": "https://www.msi.org/?p=1243", "zugang": "paywall", "folgen": [], "stand": "2026-11-06" }, { "id": "hartmann-klapper-super-bowl-ads-2018", "titel_original": "Super Bowl Ads", "titel_de": "Super-Bowl-Werbung wirkt messbar und monatelang nach", "autoren": "Hartmann, Klapper", "herausgeber": "Marketing Science (37/1)", "jahr": 2018, "studientyp": "Quasi-Experiment", "themen": [ "Media & Budget", "Kreation & Werbewirkung" ], "kernaussage": "Super-Bowl-Spots steigern die Verkäufe von Bier- und Softdrink-Marken spürbar, und zwar nicht nur in der Spielwoche, sondern auch Monate später bei weiteren Sportereignissen. Besonders groß ist der Effekt, wenn eine Marke als einzige ihrer Kategorie wirbt.", "zahlen": [ { "wert": "bis zu 10 Sixpacks je 1.000 Haushalte", "bedeutung": "Zusatzabsatz Budweiser in der Woche vor dem Spiel je 10 Punkte höherer lokaler Super-Bowl-Einschaltquote" }, { "wert": "bis zu +3,9 % / +4,7 %", "bedeutung": "Absatz bzw. Umsatz Budweiser in späteren Sportwochen je 10 Quotenpunkte" } ], "methode": "Natürliches Experiment: Die lokale Einschaltquote schwankt je nachdem, welche Teams spielen; Märkte mit Fan-bedingt höherer Quote werden mit anderen verglichen.", "datenbasis": "Scannerdaten aus rund 55 großen US-Mediamärkten über sechs Super Bowls (2006–2011), Kategorien Bier und Softdrinks.", "einschraenkungen": "Zwei Kategorien, US-Großereignis; keine ROI-Rechnung gegen die Spotkosten von über 4 Mio. US-Dollar. Für Coca-Cola kein Effekt in der Spielwoche.", "interessenlage": "keine bekannt", "score": { "design": 8, "datenbasis": 7, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Elegantes natürliches Experiment mit Scannerdaten; ähnliche Designs (z. B. Super-Bowl-Filmtrailer) bestätigen Werbewirkung großer Live-Events.", "gesamt": 7.5 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1287/mksc.2017.1055", "zugang": "teilweise", "folgen": [], "stand": "2026-11-06" }, { "id": "maier-et-al-no-evidence-nudging-2022", "titel_original": "No evidence for nudging after adjusting for publication bias", "titel_de": "Nudging nach Korrektur für Publikationsbias", "autoren": "Maier, Bartoš, Stanley, Shanks, Harris, Wagenmakers", "herausgeber": "PNAS 119 (31)", "jahr": 2022, "studientyp": "Meta-Analyse", "themen": [ "Methodik & Marktforschung" ], "kernaussage": "Nach Korrektur für Publikationsbias sinkt der mittlere Nudge-Effekt auf nahe null. Das ist fehlende Evidenz, nicht der Beweis, dass Nudges nie wirken; einzelne Nudges wie Defaults bleiben unentschieden.", "zahlen": [ { "wert": "d = 0,43 → 0,04 (KI 0,00–0,14)", "bedeutung": "Gesamteffekt vor und nach Bias-Korrektur" }, { "wert": "BF = 0,95", "bedeutung": "Bayes-Faktor für den Gesamteffekt („absence of evidence“)" } ], "methode": "Nachanalyse der Mertens-Daten mit Robust Bayesian Meta-Analysis (RoBMA).", "datenbasis": "Datensatz von Mertens et al. (2022).", "einschraenkungen": "Bias-Korrekturverfahren sind selbst Modelle. Große Heterogenität: Einige Nudges könnten wirken. Für „Information“ und „Assistance“ spricht die Evidenz gegen einen Effekt, für „Structure“ (u. a. Defaults) ist sie unentschieden. Mertens et al. haben in PNAS geantwortet.", "interessenlage": "Keine Interessenkonflikte angegeben.", "score": { "design": 7, "datenbasis": 9, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Methodisch strenge Nachanalyse einer großen Datenbasis; Richtung durch die Feld-Vollerhebung von DellaVigna & Linos gestützt, aber umstritten.", "gesamt": 7.5 }, "richtung": "gemischt", "quelle_url": "https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9351501/", "zugang": "offen", "folgen": [ 21 ], "stand": "2026-11-06", "alias": [ "maier-nudging-publication-bias-2022" ] }, { "id": "dellacqua-jagged-technological-frontier-2023", "titel_original": "Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality", "titel_de": "BCG-Experiment: KI hilft innerhalb ihrer Grenze, schadet außerhalb", "autoren": "Dell'Acqua, McFowland, Mollick, Lifshitz-Assaf, Kellogg, Rajendran, Krayer, Candelon, Lakhani", "herausgeber": "Harvard Business School (Working Paper 24-013)", "jahr": 2023, "studientyp": "Feldexperiment", "themen": [ "KI im Marketing" ], "kernaussage": "Bei Aufgaben, die GPT-4 gut beherrscht, erledigten Beraterinnen und Berater mit KI mehr Aufgaben, schneller und in höherer Qualität. Bei einer Aufgabe jenseits dieser 'gezackten Grenze' lagen sie mit KI häufiger falsch als ohne.", "zahlen": [ { "wert": "758", "bedeutung": "teilnehmende Wissensarbeiter (BCG-Beratende)" }, { "wert": "+12,2 %", "bedeutung": "mehr erledigte Aufgaben mit KI bei Aufgaben innerhalb der KI-Grenze" }, { "wert": "−25,1 %", "bedeutung": "weniger Bearbeitungszeit (25,1 % schneller) innerhalb der KI-Grenze" }, { "wert": "−19 Prozentpunkte", "bedeutung": "geringere Wahrscheinlichkeit einer richtigen Lösung mit KI bei der Aufgabe außerhalb der Grenze (Kontrollgruppe 84,5 % richtig, KI-Gruppen zusammen rund 65 %)" } ], "methode": "Präregistriertes Feldexperiment: Beratende wurden zufällig ohne KI, mit GPT-4 oder mit GPT-4 plus Prompt-Training realistischen Beratungsaufgaben zugeteilt.", "datenbasis": "758 BCG-Beratende, 18 realistische Aufgaben innerhalb und eine außerhalb der KI-Grenze, 2023.", "einschraenkungen": "Ein Unternehmen, GPT-4-Stand 2023; Aufgaben im Experimentsetting statt echter Kundenprojekte. Die Lage der 'Grenze' verschiebt sich mit jedem Modell.", "interessenlage": "akademisch, in Kooperation mit BCG (das KI-Beratung verkauft)", "score": { "design": 10, "datenbasis": 6, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Randomisiertes Experiment mit echten Fachkräften; der Befund 'KI hebt vor allem Schwächere' deckt sich mit weiteren Studien.", "gesamt": 7.4 }, "richtung": "bestaetigt", "quelle_url": "https://www.hbs.edu/faculty/Pages/item.aspx?num=64700", "zugang": "offen", "folgen": [], "stand": "2026-11-06" }, { "id": "jachimowicz-et-al-defaults-meta-2019", "titel_original": "When and why defaults influence decisions: a meta-analysis of default effects", "titel_de": "Meta-Analyse: Wann Defaults wirken", "autoren": "Jachimowicz, Duncan, Weber, Johnson", "herausgeber": "Behavioural Public Policy 3 (2)", "jahr": 2019, "studientyp": "Meta-Analyse", "themen": [ "CRM & Loyalität", "Methodik & Marktforschung" ], "kernaussage": "Voreinstellungen (Defaults) beeinflussen Entscheidungen im Mittel deutlich, im Konsumbereich stärker als im Umweltbereich, die Ergebnisse streuen aber stark.", "zahlen": [ { "wert": "d = 0,68", "bedeutung": "mittlerer Default-Effekt" }, { "wert": "58 Studien, n = 73.675", "bedeutung": "Basis der Meta-Analyse" }, { "wert": "2", "bedeutung": "Studien mit negativem Effekt" } ], "methode": "Meta-Analyse von Default-Studien aus verschiedenen Bereichen.", "datenbasis": "58 Studien mit n = 73.675.", "einschraenkungen": "Eine Bias-Korrektur wurde für diese Folge nicht geprüft; bei Maier et al. (2022) ist die Kategorie „Structure“ (u. a. Defaults) unentschieden.", "interessenlage": "keine bekannt", "score": { "design": 7, "datenbasis": 7, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 7, "begruendung": "Meta-Analyse mit mittlerer Datenbasis, akademisch; Defaults gelten als robusteste Nudge-Form, Bias-Prüfung aber offen.", "gesamt": 7.4 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1017/bpp.2018.43", "zugang": "teilweise", "folgen": [ 21 ], "stand": "2026-11-06" }, { "id": "johnson-lewis-nubbemeyer-ghost-ads-2017", "titel_original": "Ghost Ads: Improving the Economics of Measuring Online Ad Effectiveness", "titel_de": "Ghost Ads: günstigere Wirkungstests für Onlinewerbung", "autoren": "Johnson, Lewis, Nubbemeyer", "herausgeber": "Journal of Marketing Research", "jahr": 2017, "studientyp": "Feldexperiment", "themen": [ "Messung & Attribution", "Methodik & Marktforschung" ], "kernaussage": "Mit Ghost Ads wird in der Kontrollgruppe die Auktion normal durchlaufen und protokolliert, aber anderer Inhalt gezeigt; so lassen sich Wirkungstests zu einem Bruchteil der Kosten herkömmlicher Verfahren durchführen.", "zahlen": [ { "wert": "rund ein Zehntel", "bedeutung": "Kosten von Ghost-Ads-Tests im Vergleich zu den Alternativen" }, { "wert": "≥ 10x", "bedeutung": "Kostenvorteil: ähnliche Messgenauigkeit wie PSA- oder ITT-Tests bei mindestens zehnmal geringeren Kosten (Angabe Arbeitspapier)" }, { "wert": "+17 %", "bedeutung": "Anstieg der Website-Besuche durch eine Display-Retargeting-Kampagne eines Online-Händlers" }, { "wert": "+11 %", "bedeutung": "Anstieg der Käufe durch dieselbe Retargeting-Kampagne" } ], "methode": "Methodenarbeit mit Anwendung in einem Online-Werbeexperiment.", "datenbasis": "In der Belegliste nicht näher angegeben.", "einschraenkungen": "Beschreibt ein Messverfahren, keine allgemeine Werbewirkung; Kostenangabe aus zweiter Hand (Fachportal), nicht an der Primärquelle geprüft.", "interessenlage": "Akademische Arbeit; Mitautoren waren teils bei Werbeplattformen tätig.", "score": { "design": 10, "datenbasis": 5, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 7, "begruendung": "Experimentelles Verfahren in einer begutachteten Arbeit, das sich in der Praxis verbreitet hat; Details hier nur aus zweiter Hand geprüft.", "gesamt": 7.4 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1509/jmr.15.0297", "zugang": "paywall", "folgen": [ 10 ], "stand": "2026-11-06", "alias": [ "johnson-lewis-nubbemeyer-2017-ghost-ads" ] }, { "id": "schindler-kibarian-99-endings-1996", "titel_original": "Increased consumer sales response though use of 99-ending prices", "titel_de": "Feldexperiment ,99 vs. ,00 im Versandhandel", "autoren": "Schindler, Kibarian", "herausgeber": "Journal of Retailing 72 (2)", "jahr": 1996, "studientyp": "Feldexperiment", "themen": [ "Preis & Promotion" ], "kernaussage": "Ein Versandhändler für Damenbekleidung testete 99er-Endungen gegen glatte Preise; mit der 99-Endung wurde mehr gekauft.", "zahlen": [], "methode": "Feldexperiment mit Katalogpreisen (z. B. 29,99 $ vs. 30,00 $).", "datenbasis": "Ein US-Versandhändler für Damenbekleidung; Stichprobe nicht geprüft.", "einschraenkungen": "Nur Abstract gelesen (Paywall). Anderson & Simester (2003) bezeichnen die Nachfrage-Ergebnisse dieser Studie als „inconclusive“; daher nur als weiterer Hinweis ohne Zahl.", "interessenlage": "keine bekannt", "score": { "design": 10, "datenbasis": 4, "unabhaengigkeit": 9, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Feldexperiment, aber Ergebnis von späteren Autoren als nicht eindeutig bewertet; Datenbasis nicht geprüft.", "gesamt": 7.4 }, "richtung": "gemischt", "quelle_url": "https://www.sciencedirect.com/science/article/pii/S0022435996900135", "zugang": "paywall", "folgen": [ 25 ], "stand": "2026-11-06" }, { "id": "you-vadakkepatt-joshi-ewom-elasticity-2015", "titel_original": "A Meta-Analysis of Electronic Word-of-Mouth Elasticity", "titel_de": "Meta-Analyse: Elastizität von Online-Mundpropaganda", "autoren": "You, Vadakkepatt, Joshi", "herausgeber": "Journal of Marketing 79(2), 19–39", "jahr": 2015, "studientyp": "Meta-Analyse", "themen": [ "Handel & Commerce", "Markenaufbau & Wachstum" ], "kernaussage": "Im Schnitt wirkt der Durchschnitt der Bewertungen (Valenz) stärker auf den Absatz als ihre Anzahl, aber mit großer Streuung.", "zahlen": [ { "wert": "0,417", "bedeutung": "mittlere Absatz-Elastizität der Bewertungsvalenz" }, { "wert": "0,236", "bedeutung": "mittlere Absatz-Elastizität des Bewertungsvolumens" } ], "methode": "Meta-Analyse veröffentlichter eWOM-Elastizitäten.", "datenbasis": "51 Studien, 339 Volumen- und 271 Valenz-Elastizitäten", "einschraenkungen": "Große Streuung, Valenz-Elastizitäten oft nicht signifikant; Volltext hinter Paywall, Zahlen aus dem Abstract. Andere Meta-Analysen kommen bei 'Anzahl vs. Durchschnitt' zu anderem Ergebnis.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 7, "datenbasis": 8, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Meta-Analyse überwiegend beobachtender Studien; Richtung zwischen Meta-Analysen umstritten.", "gesamt": 7.4 }, "richtung": "gemischt", "quelle_url": "https://doi.org/10.1509/jm.14.0169", "zugang": "paywall", "folgen": [ 34 ], "stand": "2026-11-06" }, { "id": "albers-mantrala-sridhar-personal-selling-2010", "titel_original": "Personal Selling Elasticities: A Meta-Analysis", "titel_de": "Meta-Analyse: Wie stark wirkt persönlicher Verkauf?", "autoren": "Albers, Mantrala, Sridhar", "herausgeber": "Journal of Marketing Research 47 (5)", "jahr": 2010, "studientyp": "Meta-Analyse", "themen": [ "B2B", "Media & Budget" ], "kernaussage": "Persönlicher Verkauf wirkt messbar: Ein Prozent mehr Vertriebsinput bringt im Mittel rund 0,3 Prozent mehr Umsatz in derselben Periode, deutlich mehr als die kurzfristige Werbeelastizität.", "zahlen": [ { "wert": "0,34", "bedeutung": "mittlere Vertriebselastizität in der laufenden Periode" }, { "wert": "≈ 0,31", "bedeutung": "methodenbereinigte Elastizität" }, { "wert": "506 Schätzungen", "bedeutung": "aus 88 Datensätzen in 75 Artikeln" } ], "methode": "Meta-Analyse ökonometrischer Elastizitätsschätzungen.", "datenbasis": "506 Elastizitäten aus 88 empirischen Datensätzen, 75 Artikel.", "einschraenkungen": "Datenbasis überwiegend vor dem Digitalschub; die Elastizitäten sind laut Autoren in jüngeren Jahren kleiner, bei frühen Lebenszyklusphasen und europäischen Studien höher. Kein Kostenvergleich mit Werbung. Nur Abstract geprüft (Paywall).", "interessenlage": "keine bekannt", "score": { "design": 7, "datenbasis": 8, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Meta-Analyse ökonometrischer Studien mit breiter Basis, akademisch; Werte sinken über die Zeit, daher eingeschränkte Aktualität.", "gesamt": 7.3 }, "richtung": "bestaetigt", "quelle_url": "https://journals.sagepub.com/doi/10.1509/jmkr.47.5.840", "zugang": "paywall", "folgen": [ 22 ], "stand": "2026-11-06" }, { "id": "bird-channon-ehrenberg-1970-brand-image-usage", "titel_original": "Brand Image and Brand Usage", "titel_de": "Markenimage hängt an der Markennutzung", "autoren": "Bird, Channon, Ehrenberg", "herausgeber": "Journal of Marketing Research", "jahr": 1970, "studientyp": "Umfrage", "themen": [ "Markenaufbau & Wachstum", "Methodik & Marktforschung" ], "kernaussage": "Wie viele Menschen einer Marke eine Eigenschaft zuschreiben, hängt vor allem davon ab, wie kürzlich sie die Marke genutzt haben – Imagewerte spiegeln also zunächst die Markengröße.", "zahlen": [], "methode": "Auswertung von Imagebefragungen in Abhängigkeit vom Nutzungsverhalten.", "datenbasis": "Imagebefragungen des British Market Research Bureau", "einschraenkungen": "Volltext hinter Paywall; alte Daten. Rohe Assoziationswerte sind immer durch die Markengröße verzerrt.", "interessenlage": "Im Auftrag des British Market Research Bureau.", "score": { "design": 6, "datenbasis": 5, "unabhaengigkeit": 7, "replikation": 10, "uebertragbarkeit": 9, "begruendung": "Klassischer Beobachtungsbefund, über 40 Jahre später an 45 Datensätzen repliziert.", "gesamt": 7.3 }, "richtung": "bestaetigt", "quelle_url": "https://journals.sagepub.com/doi/10.1177/002224377000700304", "zugang": "paywall", "folgen": [ 16 ], "stand": "2026-11-06" }, { "id": "chevalier-mayzlin-online-book-reviews-2006", "titel_original": "The Effect of Word of Mouth on Sales: Online Book Reviews", "titel_de": "Chevalier & Mayzlin: Online-Buchrezensionen und Absatz", "autoren": "Chevalier, Mayzlin", "herausgeber": "Journal of Marketing Research 43(3)", "jahr": 2006, "studientyp": "Paneldaten-Analyse", "themen": [ "Handel & Commerce" ], "kernaussage": "Bessere Kundenbewertungen steigern den relativen Buchabsatz auf der jeweiligen Plattform; Ein-Stern-Bewertungen wirken stärker als Fünf-Stern-Bewertungen.", "zahlen": [], "methode": "Differenzen-Design: gleiche Bücher auf Amazon vs. Barnes & Noble, Unterschiede zwischen den Seiten rechnen die Buchqualität heraus.", "datenbasis": "Bücher auf Amazon und Barnes & Noble, Daten 2003", "einschraenkungen": "Daten über 20 Jahre alt; Absatz über Rangproxys; Bewertungen damals überwiegend positiv.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 6, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 8, "uebertragbarkeit": 6, "begruendung": "Cleveres Beobachtungsdesign, viel zitiert und in Meta-Analysen bestätigt; alt.", "gesamt": 7.3 }, "richtung": "bestaetigt", "quelle_url": "https://www.nber.org/papers/w10148.pdf", "zugang": "offen", "folgen": [ 34 ], "stand": "2026-11-06", "alias": [ "chevalier-mayzlin-online-buchrezensionen-2006" ] }, { "id": "ehrenberg-hammond-goodhardt-promotions-1994", "titel_original": "The after-effects of price-related consumer promotions", "titel_de": "Nacheffekte von Preisaktionen (Ehrenberg et al.)", "autoren": "Ehrenberg, Hammond, Goodhardt", "herausgeber": "Journal of Advertising Research 34 (4)", "jahr": 1994, "studientyp": "Paneldaten-Analyse", "themen": [ "Preis & Promotion", "Markenaufbau & Wachstum" ], "kernaussage": "Nach großen Preisaktionen liegen Absatz und Wiederkaufrate praktisch auf dem Niveau von vorher. Grund: In der Aktion kaufen fast nur Menschen, die die Marke ohnehin schon kannten, und nur ein kleiner Teil der Kundschaft nutzt sie überhaupt.", "zahlen": [ { "wert": "+1 %", "bedeutung": "durchschnittliche Absatzveränderung nach der Aktion, über 175 Vorher-nachher-Vergleiche" }, { "wert": "39 % vs. 41 %", "bedeutung": "beobachtete vs. nach NBD-Modell erwartete Wiederkaufrate" }, { "wert": "67 % / 80 % / 93 %", "bedeutung": "Aktionskäufer, die die Marke im letzten halben Jahr / Jahr / 2½ Jahren gekauft hatten" }, { "wert": "10–20 %", "bedeutung": "Anteil der bestehenden Kundschaft, der während eines Aktions-Peaks kauft" } ], "methode": "Vergleich „sauberer“ Vier-Wochen-Perioden vor und nach Aktions-Peaks (Wochenabsatz ≥ 25 % über Jahresmittel) in Haushaltspanels.", "datenbasis": "25 Produktkategorien, über 100 führende Marken, 4 Länder (USA, GB, Deutschland, Japan), Panels mit 1.000–5.000 Haushalten, Daten aus den 1980ern.", "einschraenkungen": "Häufig falsch als „25 Marken“ zitiert: Es sind 25 Kategorien. Nur Supermarkt-Konsumgüter etablierter Marken; Neumarken, langlebige Güter und Dienstleistungen ausdrücklich ausgeschlossen. Black-Friday-Sortimente (Elektronik) sind nicht abgedeckt.", "interessenlage": "Finanzierung im gesichteten Text nicht genannt.", "score": { "design": 6, "datenbasis": 8, "unabhaengigkeit": 9, "replikation": 8, "uebertragbarkeit": 5, "begruendung": "Große Mehrländer-Panelanalyse, akademisch; Kernbefund durch Dawes (2013), Pauwels (2002) und Nijs (2001) gestützt, aber alte Daten aus FMCG.", "gesamt": 7.3 }, "richtung": "bestaetigt", "quelle_url": "https://www.tandfonline.com/doi/abs/10.1080/00218499.1994.12466958", "zugang": "paywall", "folgen": [ 24 ], "stand": "2026-11-06" }, { "id": "hillstrom-minethatdata-email-challenge-2008", "titel_original": "MineThatData E-Mail Analytics and Data Mining Challenge", "titel_de": "Hillstrom-Experiment: E-Mail mit zufälliger Kontrollgruppe", "autoren": "Hillstrom; Reanalyse Radcliffe (Stochastic Solutions)", "herausgeber": "MineThatData", "jahr": 2008, "studientyp": "Feldexperiment", "themen": [ "CRM & Loyalität", "Messung & Attribution" ], "kernaussage": "In einem randomisierten Test mit Kontrollgruppe steigerte eine E-Mail die Kaufrate messbar, aber nur um Bruchteile eines Prozentpunkts; ein großer Teil der Käufer hätte auch ohne Mail gekauft.", "zahlen": [ { "wert": "1,25 % / 0,88 % / 0,57 %", "bedeutung": "Kaufrate über zwei Wochen nach Herren-Mail / Damen-Mail / ohne Mail" }, { "wert": "1,42 $ / 1,08 $ / 0,65 $", "bedeutung": "Umsatz je Kopf in den drei Gruppen" }, { "wert": "≈ 46 % bzw. 65 %", "bedeutung": "Käufer der Herren- bzw. Damen-Mail-Gruppe, die auch ohne Mail gekauft hätten (eigene Rechnung aus Rohdaten)" } ], "methode": "Zufällige Drittelung der Kunden; Rohdaten öffentlich, nachgerechnet und von Radcliffe bestätigt.", "datenbasis": "64.000 Kunden eines US-Händlers (21.307/21.387/21.306), 2008", "einschraenkungen": "Ein Händler, kurzes Zweiwochenfenster, Umsatz statt Marge. Laut Radcliffe erzeugten rund 50 Personen über die Hälfte des Mehrumsatzes.", "interessenlage": "Datensatz eines Beraters; Reanalyst verkauft Uplift-Beratung", "score": { "design": 10, "datenbasis": 6, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Randomisiertes Experiment mit offenen Rohdaten; Inkrementalität durch weitere Holdout-Studien gestützt.", "gesamt": 7.3 }, "richtung": "bestaetigt", "quelle_url": "https://blog.minethatdata.com/2008/03/minethatdata-e-mail-analytics-and-data.html", "zugang": "offen", "folgen": [ 36 ], "stand": "2026-11-06" }, { "id": "kalyanaram-winer-reference-price-1995", "titel_original": "Empirical Generalizations from Reference Price Research", "titel_de": "Empirische Generalisierungen zum Referenzpreis", "autoren": "Kalyanaram, Winer", "herausgeber": "Marketing Science 14 (3, Suppl.)", "jahr": 1995, "studientyp": "Übersichtsarbeit", "themen": [ "Preis & Promotion" ], "kernaussage": "Verbraucher bilden aus früheren Preisen einen inneren Referenzpreis und reagieren stärker auf Preise darüber als darunter. Häufige Aktionen können diesen Referenzpreis senken.", "zahlen": [], "methode": "Übersicht über die Referenzpreisforschung mit empirischen Generalisierungen, ohne eigene Meta-Statistik.", "datenbasis": "Literaturübersicht.", "einschraenkungen": "Keine Effektgrößen im Abstract; der Mechanismus „Aktionen senken den Referenzpreis“ ist eine Ableitung.", "interessenlage": "keine bekannt", "score": { "design": 6, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 8, "uebertragbarkeit": 8, "begruendung": "Übersicht über viele Panel- und Laborstudien, akademisch; Verlustaversion beim Referenzpreis mehrfach bestätigt.", "gesamt": 7.3 }, "richtung": "bestaetigt", "quelle_url": "https://ideas.repec.org/a/inm/ormksc/v14y1995i3_supplementpg161-g169.html", "zugang": "paywall", "folgen": [ 24 ], "stand": "2026-11-06" }, { "id": "lodish-55-behaviorscan-long-term-tv-1995", "titel_original": "A Summary of Fifty-Five In-Market Experimental Estimates of the Long-Term Effect of TV Advertising", "titel_de": "Lodish: Langzeiteffekt von TV-Werbung in 55 Split-Cable-Tests", "autoren": "Lodish, Abraham, Livelsberger u. a.", "herausgeber": "Marketing Science 14(3), G133–G140", "jahr": 1995, "studientyp": "Feldexperiment", "themen": [ "Media & Budget", "Messung & Attribution" ], "kernaussage": "Wirkte zusätzliche TV-Werbung im ersten Jahr, verdoppelte sich der Absatzeffekt über die zwei Folgejahre ungefähr; ohne Erstjahreseffekt gab es auch später keinen.", "zahlen": [ { "wert": "≈ 2×", "bedeutung": "kumulierter Absatzeffekt über drei Jahre im Verhältnis zum Erstjahreseffekt (nur Tests mit signifikantem Erstjahreseffekt)" }, { "wert": "55", "bedeutung": "BehaviorScan-Feldexperimente" }, { "wert": "~2-fach", "bedeutung": "kumulierter Umsatzeffekt in den zwei Folgejahren relativ zum ersten Jahr" }, { "wert": "ca. 2x", "bedeutung": "Gesamtwirkung über drei Jahre im Verhältnis zur Wirkung im Testjahr, bei Tests mit signifikantem Effekt im ersten Jahr (Absatzeffekt in den Folgejahren etwa so groß wie im Testjahr)" } ], "methode": "Split-Cable-Feldexperimente (IRI BehaviorScan, USA): Testgruppe ein Jahr mehr TV-Druck, danach zwei Jahre Nachbeobachtung.", "datenbasis": "55 Tests, etablierte US-Konsumgüter, Daten 1982–1988", "einschraenkungen": "Lineares TV der 1980er, US-FMCG; Anteil der Tests mit Erstjahreseffekt steht nicht im Abstract. 'Wirkt langfristig' rettet keinen Spot ohne Kurzfristeffekt.", "interessenlage": "Mitautoren teils von IRI, dem Anbieter des Testsystems", "score": { "design": 10, "datenbasis": 6, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Randomisierte Feldexperimente mit Langzeitnachbeobachtung; Faustregel 'langfristig ≈ doppelt' deckt sich mit der Meta-Analyse von Sethuraman et al.; alt und US-FMCG.", "gesamt": 7.3 }, "richtung": "bestaetigt", "quelle_url": "https://pubsonline.informs.org/doi/pdf/10.1287/mksc.14.3.G133", "zugang": "paywall", "folgen": [ 17, 32 ], "stand": "2026-11-06", "alias": [ "lodish-et-al-1995-long-term-tv-advertising", "lodish-et-al-1995-langzeitwirkung-tv-55-tests" ] }, { "id": "luca-reviews-reputation-revenue-yelp-2016", "titel_original": "Reviews, Reputation, and Revenue: The Case of Yelp.com", "titel_de": "Luca: Yelp-Sterne und Restaurantumsatz", "autoren": "Luca", "herausgeber": "Harvard Business School, Working Paper 12-016", "jahr": 2016, "studientyp": "Quasi-Experiment", "themen": [ "Handel & Commerce", "Markenaufbau & Wachstum" ], "kernaussage": "Ein besseres Yelp-Rating steigert den Umsatz unabhängiger Restaurants, bei Ketten wirkt es nicht. Gemessen wurde ein halber Stern; der oft zitierte 'ganze Stern' ist hochgerechnet.", "zahlen": [ { "wert": "5–9 %", "bedeutung": "Umsatzplus je (hochgerechnetem) Yelp-Stern für unabhängige Restaurants" }, { "wert": "½ Stern", "bedeutung": "tatsächlich gemessener Rundungssprung, auf einen Stern renormalisiert" } ], "methode": "Regression Discontinuity an Yelps Rundung auf halbe Sterne; Restaurants in einem Band von 0,1 Sternen um die Schwelle.", "datenbasis": "Alle Restaurants in Seattle, Umsatzdaten der Steuerbehörde Washington, 2003–2009", "einschraenkungen": "Nur unabhängige US-Restaurants; kein Effekt bei Ketten. Für bekannte Marken (etwa Versicherer) ist der Hebel vermutlich kleiner. Working Paper.", "interessenlage": "Keine Finanzierung durch Dritte angegeben", "score": { "design": 8, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Natürliches Experiment mit Vollerhebung einer Stadt; Mechanismus von Anderson & Magruder in anderer Stadt bestätigt.", "gesamt": 7.3 }, "richtung": "bestaetigt", "quelle_url": "https://www.hbs.edu/ris/Publication%20Files/12-016_a7e4a5a2-03f9-490d-b093-8f951238dba2.pdf", "zugang": "offen", "folgen": [ 34 ], "stand": "2026-11-06", "alias": [ "luca-yelp-umsatz-2016" ] }, { "id": "morgan-rego-satisfaction-loyalty-metrics-2006", "titel_original": "The Value of Different Customer Satisfaction and Loyalty Metrics in Predicting Business Performance", "titel_de": "Welche Kundenkennzahl sagt Geschäftserfolg voraus? (ACSI)", "autoren": "Morgan, Rego", "herausgeber": "Marketing Science 25 (5)", "jahr": 2006, "studientyp": "Paneldaten-Analyse", "themen": [ "CRM & Loyalität", "Messung & Attribution" ], "kernaussage": "Weiterempfehlungsbasierte Kennzahlen hatten in US-Daten kaum oder keinen Vorhersagewert für künftige Geschäftsperformance; die durchschnittliche Zufriedenheit sagte am besten voraus.", "zahlen": [], "methode": "Beobachtungsstudie mit ACSI-Kundendaten, verknüpft mit Finanzdaten aus COMPUSTAT und CRSP.", "datenbasis": "ACSI-Daten USA 1994–2000.", "einschraenkungen": "Nur Abstract gelesen (Paywall). Ältere Daten, US-Großunternehmen.", "interessenlage": "keine bekannt", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 10, "replikation": 8, "uebertragbarkeit": 5, "begruendung": "Große Beobachtungsstudie mit Finanzdaten, akademisch; Kernbefund in Norwegen, Niederlanden und UK repliziert.", "gesamt": 7.3 }, "richtung": "widerlegt", "quelle_url": "https://econpapers.repec.org/article/inmormksc/v_3a25_3ay_3a2006_3ai_3a5_3ap_3a426-439.htm", "zugang": "paywall", "folgen": [ 27 ], "stand": "2026-11-06" }, { "id": "anderson-magruder-learning-from-the-crowd-2012", "titel_original": "Learning from the Crowd: Regression Discontinuity Estimates of the Effects of an Online Review Database", "titel_de": "Anderson & Magruder: Halber Yelp-Stern und Auslastung", "autoren": "Anderson, Magruder", "herausgeber": "Economic Journal (2012), 957–989", "jahr": 2012, "studientyp": "Quasi-Experiment", "themen": [ "Handel & Commerce", "Markenaufbau & Wachstum" ], "kernaussage": "Ein halber Yelp-Stern mehr lässt Restaurants zur Hauptessenszeit deutlich häufiger ausbuchen; der Effekt verschwindet bei Lokalen mit sehr vielen Bewertungen.", "zahlen": [ { "wert": "+19 Prozentpunkte (+49 % relativ)", "bedeutung": "häufigeres Ausbuchen zur Hauptessenszeit je halbem Stern" }, { "wert": "85 % → 60 %", "bedeutung": "Verfügbarkeit um 19 Uhr beim Sprung von 3 auf 3,5 Sterne; bei 4 Sternen unter 40 %" }, { "wert": "> 500", "bedeutung": "Bewertungen, ab denen kein Sprung an den Schwellen mehr auftritt" } ], "methode": "Regression Discontinuity an der Rundung des angezeigten Sterns; Reservierungsdaten eines Online-Portals.", "datenbasis": "328 Restaurants, 148.000 Bewertungen, San Francisco", "einschraenkungen": "Es sind Prozentpunkte der Ausbuchungswahrscheinlichkeit, nicht '19 % mehr Gäste'. US-Gastronomie, ältere Daten.", "interessenlage": "Akademisch (UC Berkeley); keine bekannt", "score": { "design": 8, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Peer-reviewtes natürliches Experiment, repliziert den Mechanismus von Luca.", "gesamt": 7.2 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1111/j.1468-0297.2012.02512.x", "zugang": "teilweise", "folgen": [ 34 ], "stand": "2026-11-06" }, { "id": "ascarza-retention-futility-2018", "titel_original": "Retention Futility: Targeting High-Risk Customers Might be Ineffective", "titel_de": "Rückhalteaktionen: Nicht die Risikokunden sind die besten Ziele", "autoren": "Ascarza", "herausgeber": "Journal of Marketing Research 55 (1)", "jahr": 2018, "studientyp": "Feldexperiment", "themen": [ "CRM & Loyalität", "Markenaufbau & Wachstum" ], "kernaussage": "Zwei Feldexperimente zeigen: Kunden mit dem höchsten Abwanderungsrisiko sind nicht unbedingt die besten Ziele für Rückhalteaktionen. Entscheidend ist, wer auf die Maßnahme tatsächlich reagiert.", "zahlen": [ { "wert": "2", "bedeutung": "Feldexperimente" } ], "methode": "Zwei randomisierte Feldexperimente kombiniert mit maschinellem Lernen zur Vorhersage der Reaktion auf Maßnahmen.", "datenbasis": "Zwei Feldexperimente; Branchen im Abstract nicht genannt.", "einschraenkungen": "Zeigt nicht, dass Bindung sich nie lohnt, sondern dass die Zielauswahl nach Wirkung statt nach Risiko erfolgen sollte. Keine pauschale Kostenrelation Akquise vs. Bindung.", "interessenlage": "keine bekannt", "score": { "design": 10, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 7, "begruendung": "Randomisierte Feldexperimente, akademisch und ausgezeichnet; noch nicht breit repliziert.", "gesamt": 7.2 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1509/jmr.16.0163", "zugang": "paywall", "folgen": [ 29 ], "stand": "2026-11-06", "alias": [] }, { "id": "dawes-et-al-unbearable-lightness-buying-2022", "titel_original": "The unbearable lightness of buying", "titel_de": "Leichtkäufer tragen einen großen Umsatzanteil", "autoren": "Dawes, Graham, Trinh, Sharp", "herausgeber": "Journal of Marketing Management 38 (7–8)", "jahr": 2022, "studientyp": "Paneldaten-Analyse", "themen": [ "CRM & Loyalität", "Markenaufbau & Wachstum" ], "kernaussage": "Über fünf Jahre kauft die große Mehrheit der Käufer einer Marke höchstens einmal pro Jahr und trägt dennoch einen erheblichen Teil des Umsatzes. Die klassische 80:20-Regel trifft nicht zu.", "zahlen": [ { "wert": "80 %", "bedeutung": "Käufer, die die Marke höchstens einmal pro Jahr kaufen" }, { "wert": "40 %", "bedeutung": "ihr Anteil am Gesamtumsatz" }, { "wert": "60:20", "bedeutung": "tatsächliches Pareto-Verhältnis" }, { "wert": "200", "bedeutung": "Konsumgütermarken" } ], "methode": "Auswertung eines Fünfjahres-Haushaltspanels.", "datenbasis": "200 Konsumgütermarken, UK, fünf Jahre.", "einschraenkungen": "FMCG in Großbritannien; nicht direkt auf Vertrags- oder B2B-Märkte übertragbar.", "interessenlage": "Ehrenberg-Bass Institute (Penetrationslogik als eigene Denkschule).", "score": { "design": 6, "datenbasis": 8, "unabhaengigkeit": 8, "replikation": 8, "uebertragbarkeit": 6, "begruendung": "Große, lange Paneldaten über viele Marken; Leichtkäufer-Muster vielfach bestätigt.", "gesamt": 7.2 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1080/0267257X.2021.1963308", "zugang": "offen", "folgen": [ 29 ], "stand": "2026-11-06" }, { "id": "goldfarb-tucker-privacy-regulation-2011", "titel_original": "Privacy Regulation and Online Advertising", "titel_de": "EU-Datenschutzrichtlinie senkte Bannerwirkung um rund 65 %", "autoren": "Goldfarb, Tucker", "herausgeber": "Management Science (57/1)", "jahr": 2011, "studientyp": "Quasi-Experiment", "themen": [ "Recht & Datenschutz", "Search & Performance" ], "kernaussage": "Nach Umsetzung der EU-Datenschutzrichtlinie für elektronische Kommunikation verloren Display-Anzeigen in der EU einen Großteil ihrer Wirkung auf die Kaufabsicht. Besonders betroffen waren kleine, unauffällige Anzeigen auf allgemeinen Webseiten.", "zahlen": [ { "wert": "≈ 65 %", "bedeutung": "Rückgang der Werbewirkung auf die geäußerte Kaufabsicht in der EU relativ zu anderen Ländern" }, { "wert": "3,3 Mio.", "bedeutung": "Befragte, die zufällig Werbung sahen oder nicht" }, { "wert": "9.596", "bedeutung": "Display-Kampagnen in den Daten" } ], "methode": "Differenzen-in-Differenzen: Werbewirkungstests (Test- vs. Kontrollgruppe) vor und nach den nationalen Gesetzen in fünf EU-Ländern im Vergleich zu Nicht-EU-Ländern.", "datenbasis": "3,3 Mio. Befragte, 9.596 Kampagnen, 2001–2008; Großbritannien, Italien, Frankreich, Deutschland, Niederlande.", "einschraenkungen": "Gemessen wird geäußerte Kaufabsicht, nicht Umsatz; Rechtslage vor DSGVO. Interaktive, Video- und große Formate waren kaum betroffen.", "interessenlage": "akademisch; Daten eines Werbewirkungsforschers", "score": { "design": 8, "datenbasis": 9, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Starkes quasi-experimentelles Design mit sehr großer Basis; spätere DSGVO-Studien finden ähnliche Kosten der Regulierung für Targeting.", "gesamt": 7.2 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1287/mnsc.1100.1246", "zugang": "teilweise", "folgen": [], "stand": "2026-11-06" }, { "id": "johnson-goldstein-do-defaults-save-lives-2003", "titel_original": "Do Defaults Save Lives?", "titel_de": "Voreinstellungen entscheiden über Organspende-Zustimmung", "autoren": "Johnson, Goldstein", "herausgeber": "Science (302/5649)", "jahr": 2003, "studientyp": "Laborexperiment", "themen": [ "Kreation & Werbewirkung", "Methodik & Marktforschung" ], "kernaussage": "Ob Menschen als Organspender gelten, hängt stark von der Voreinstellung ab: Bei Widerspruchslösung stimmen fast doppelt so viele zu wie bei Zustimmungslösung. Ländervergleiche in Europa zeigen dasselbe Muster bei den registrierten Einwilligungen.", "zahlen": [ { "wert": "82 % vs. 42 %", "bedeutung": "Zustimmung im Online-Experiment bei Opt-out- bzw. Opt-in-Voreinstellung" }, { "wert": "79 %", "bedeutung": "Zustimmung bei erzwungener Wahl ohne Voreinstellung" }, { "wert": "161", "bedeutung": "Befragte im Online-Experiment" } ], "methode": "Online-Experiment mit zufällig zugeteilter Voreinstellung sowie Vergleich der Einwilligungs- und Spenderaten europäischer Länder mit Widerspruchs- oder Zustimmungslösung.", "datenbasis": "161 Befragte im Online-Experiment; Einwilligungs- und Spenderaten europäischer Länder.", "einschraenkungen": "Hohe 'Zustimmung' bei Widerspruchslösung heißt nicht, dass entsprechend mehr Organe gespendet werden – Angehörige werden oft dennoch gefragt, der Effekt auf tatsächliche Spenden ist deutlich kleiner. Für Marketing: Defaults wirken stark, sind aber rechtlich (z. B. vorangekreuzte Einwilligungen) begrenzt.", "interessenlage": "keine bekannt", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 10, "uebertragbarkeit": 8, "begruendung": "Kleines Experiment plus Ländervergleich, aber Default-Effekte sind in zahlreichen Feldstudien und Meta-Analysen robust bestätigt.", "gesamt": 7.2 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1126/science.1091721", "zugang": "paywall", "folgen": [], "stand": "2026-11-06" }, { "id": "pauwels-hanssens-siddarth-promotions-2002", "titel_original": "The Long-Term Effects of Price Promotions on Category Incidence, Brand Choice, and Purchase Quantity", "titel_de": "Langfristeffekte von Preisaktionen (Pauwels et al.)", "autoren": "Pauwels, Hanssens, Siddarth", "herausgeber": "Journal of Marketing Research 39", "jahr": 2002, "studientyp": "Ökonometrie/MMM", "themen": [ "Preis & Promotion" ], "kernaussage": "Dauerhafte Effekte von Preisaktionen gibt es praktisch nicht; nach etwa zwei Wochen ist das System wieder im Normalzustand. Langfristig dominiert zudem der Kategoriekauf statt des Markenwechsels.", "zahlen": [ { "wert": "≈ 2 Wochen", "bedeutung": "durchschnittliche Anpassungsphase nach einer Aktion" }, { "wert": "66/11/23", "bedeutung": "langfristige Zerlegung Kategoriekauf/Markenwahl/Menge, lagerfähiges Produkt (Suppe)" }, { "wert": "58/39/3", "bedeutung": "langfristige Zerlegung, verderbliches Produkt (Joghurt)" }, { "wert": "14/84/2", "bedeutung": "kurzfristige Zerlegung nach Gupta (1988) zum Vergleich" } ], "methode": "Persistenzmodelle (VAR, Impuls-Antwort-Funktionen) auf Scannerpaneldaten.", "datenbasis": "ACNielsen-Panel Sioux Falls (South Dakota), 14.07.1986–05.09.1988, zwei Kategorien.", "einschraenkungen": "Schmale Datenbasis: zwei Kategorien in einer Stadt, Daten aus den 1980ern.", "interessenlage": "keine bekannt", "score": { "design": 7, "datenbasis": 4, "unabhaengigkeit": 10, "replikation": 8, "uebertragbarkeit": 5, "begruendung": "Zeitreihenökonometrie auf Paneldaten, akademisch und ausgezeichnet; schmale Basis, Kernbefund durch Nijs et al. (2001) gestützt.", "gesamt": 7.2 }, "richtung": "bestaetigt", "quelle_url": "http://marketingandmetrics.com/wp-content/uploads/2020/06/19.-The-long-term-effects.pdf", "zugang": "offen", "folgen": [ 24 ], "stand": "2026-11-06" }, { "id": "romaniuk-dawes-nenycz-thiel-brand-growth-2014", "titel_original": "Generalizations regarding the growth and decline of manufacturer and store brands", "titel_de": "Markenwachstum: Reichweite schlägt Treue etwa 3:1", "autoren": "Romaniuk, Dawes, Nenycz-Thiel", "herausgeber": "Journal of Retailing and Consumer Services 21 (5)", "jahr": 2014, "studientyp": "Paneldaten-Analyse", "themen": [ "CRM & Loyalität", "Markenaufbau & Wachstum" ], "kernaussage": "Wenn Marken Marktanteile gewinnen oder verlieren, ändert sich vor allem die Zahl der Käufer und viel weniger deren Treue.", "zahlen": [ { "wert": "≈ 3:1", "bedeutung": "Verhältnis der Veränderung von Penetration zu Loyalität bei Marktanteilsänderungen" }, { "wert": "1.093 / 63", "bedeutung": "Marktanteilsänderungen / Kategorien" } ], "methode": "Analyse von Marktanteilsänderungen in Haushaltspaneldaten.", "datenbasis": "UK-Haushaltspanel 2003–2007, 63 Kategorien, 1.093 Marktanteilsänderungen.", "einschraenkungen": "Nur schnelldrehende Konsumgüter (FMCG); in Abo- und Vertragsmärkten kann Abwanderung wichtiger sein.", "interessenlage": "Ehrenberg-Bass Institute, vertritt seit Jahrzehnten die Penetrationslogik; Finanzierung nicht geprüft.", "score": { "design": 6, "datenbasis": 8, "unabhaengigkeit": 8, "replikation": 8, "uebertragbarkeit": 6, "begruendung": "Breite Paneldaten über viele Kategorien; Muster mehrfach repliziert, aber FMCG-gebunden.", "gesamt": 7.2 }, "richtung": "bestaetigt", "quelle_url": "https://ideas.repec.org/a/eee/joreco/v21y2014i5p725-734.html", "zugang": "paywall", "folgen": [ 29 ], "stand": "2026-11-06" }, { "id": "chen-evanschitzky-blut-2026-loyalty-program-meta-analysis", "titel_original": "Understanding Loyalty Program Effectiveness across the Customer Journey: A Meta-Analysis", "titel_de": "Meta-Analyse 2026: Bonusprogramme entlang der Customer Journey", "autoren": "Chen, Evanschitzky, Blut", "herausgeber": "Journal of Retailing", "jahr": 2026, "studientyp": "Meta-Analyse", "themen": [ "CRM & Loyalität" ], "kernaussage": "Mitglieder von Bonusprogrammen schneiden vor, während und nach dem Kauf besser ab als Nicht-Mitglieder, die Zusammenhänge sind aber klein bis mittel und durch Selbstselektion vermutlich überhöht; Anmeldeboni schwächen sie eher.", "zahlen": [ { "wert": "r = .146 / .201 / .155", "bedeutung": "Zusammenhang Mitgliedschaft und Outcomes vor dem Kauf / beim Kauf / nach dem Kauf" }, { "wert": "434", "bedeutung": "Effektgrößen aus 78 Stichproben" }, { "wert": "N = 484.363", "bedeutung": "Personen" } ], "methode": "Meta-Analyse ausschließlich von Mitglieder-Nichtmitglieder-Vergleichen.", "datenbasis": "434 Effektgrößen, 78 Stichproben, N = 484.363", "einschraenkungen": "Beruht genau auf dem Vergleich, den Leenheer et al. als stark verzerrt zeigen; kein Kausaleffekt. Koalitionsprogramme nur für die Nachkaufphase getestet.", "interessenlage": "Akademisch; keine Interessenlage bekannt.", "score": { "design": 6, "datenbasis": 8, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Große, aktuelle Meta-Analyse, aber aus verzerrten Beobachtungsvergleichen (Design der Einzelstudien +1).", "gesamt": 7.1 }, "richtung": "gemischt", "quelle_url": "https://www.sciencedirect.com/science/article/pii/S0022435926000758", "zugang": "offen", "folgen": [ 18 ], "stand": "2026-11-06" }, { "id": "floyd-online-reviews-retail-sales-meta-2014", "titel_original": "How Online Product Reviews Affect Retail Sales: A Meta-analysis", "titel_de": "Meta-Analyse: Produktbewertungen und Handelsumsatz", "autoren": "Floyd u. a.", "herausgeber": "Journal of Retailing 90(2), 217–232", "jahr": 2014, "studientyp": "Meta-Analyse", "themen": [ "Handel & Commerce" ], "kernaussage": "Die Valenz der Bewertungen wirkt stärker als ihr Volumen, besonders bei Produkten mit hohem Involvement.", "zahlen": [ { "wert": "412", "bedeutung": "Bewertungs-Absatz-Beziehungen aus 26 Artikeln" } ], "methode": "Meta-Analyse.", "datenbasis": "26 Artikel, 412 Effekte", "einschraenkungen": "Nur aus zweiter Hand (Kordrostami et al.); Abstract und Volltext hinter Elsevier-Paywall, daher keine Elastizitätswerte übernommen.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 7, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Meta-Analyse, aber nur sekundär geprüft und im Widerspruch zu Babić Rosario.", "gesamt": 7.1 }, "richtung": "gemischt", "quelle_url": "https://doi.org/10.1016/j.jretai.2014.04.004", "zugang": "paywall", "folgen": [ 34 ], "stand": "2026-11-06" }, { "id": "mathur-et-al-dark-patterns-at-scale-2019", "titel_original": "Dark Patterns at Scale: Findings from a Crawl of 11K Shopping Websites", "titel_de": "Dark Patterns im großen Maßstab: Crawl von 11.000 Shops", "autoren": "Mathur et al.", "herausgeber": "Proceedings of the ACM on Human-Computer Interaction 3 (CSCW)", "jahr": 2019, "studientyp": "Paneldaten-Analyse", "themen": [ "Recht & Datenschutz", "Handel & Commerce" ], "kernaussage": "Ein automatischer Crawl von rund 11.000 Shopping-Websites fand Dark Patterns auf gut einem Zehntel der Seiten; etwa vier von zehn gefundenen Countdown-Timern täuschten.", "zahlen": [ { "wert": "≈ 11.000 / 53.000", "bedeutung": "gecrawlte Shopping-Websites / Produktseiten" }, { "wert": "11,1 %", "bedeutung": "Seiten mit Dark Patterns (Untergrenze)" }, { "wert": "393", "bedeutung": "gefundene Countdown-Timer" }, { "wert": "157 auf 140 Websites", "bedeutung": "täuschende Timer (Reset oder Angebot gilt nach Ablauf weiter)" } ], "methode": "Automatisierter Crawl mit anschließender Klassifikation der gefundenen Muster.", "datenbasis": "Rund 11.000 überwiegend US-Shopping-Websites, 53.000 Produktseiten, 2019.", "einschraenkungen": "Nur Produktseiten gecrawlt, daher Untergrenze. US-lastig, 2019. Beispielseiten der Studie nicht als Täter nennen.", "interessenlage": "Akademisch finanziert (Princeton, Chicago).", "score": { "design": 6, "datenbasis": 9, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Große Beobachtungsstudie, akademisch; Verbreitung durch EU-Sweeps in der Größenordnung gestützt.", "gesamt": 7.1 }, "richtung": "bestaetigt", "quelle_url": "https://arxiv.org/abs/1907.07032", "zugang": "offen", "folgen": [ 28 ], "stand": "2026-11-06" }, { "id": "van-heerde-gupta-wittink-brand-switching-2003", "titel_original": "Is 75% of the Sales Promotion Bump Due to Brand Switching? No, Only 33% Is", "titel_de": "Nur ein Drittel des Aktions-Peaks ist Markenwechsel", "autoren": "van Heerde, Gupta, Wittink", "herausgeber": "Journal of Marketing Research 40 (4)", "jahr": 2003, "studientyp": "Meta-Analyse", "themen": [ "Preis & Promotion", "Messung & Attribution" ], "kernaussage": "Die verbreitete Aussage, drei Viertel des Aktions-Peaks seien Markenwechsel, betrifft Anteile an der Elastizität. In Stückzahlen gerechnet geht nur rund ein Drittel des Mehrabsatzes zulasten anderer Marken.", "zahlen": [ { "wert": "≈ 74 %", "bedeutung": "Anteil Markenwechsel an der Elastizitätszerlegung im Mittel" }, { "wert": "≈ 33 %", "bedeutung": "Anteil der Stück-Mehrmenge, der von anderen Marken der Kategorie kommt" } ], "methode": "Re-Analyse veröffentlichter Elastizitätszerlegungen aus Haushalts-Scannerpanels mit Umrechnung in Stückzahlen.", "datenbasis": "Veröffentlichte Zerlegungen aus US-Haushalts-Scannerpanels.", "einschraenkungen": "Nur Abstract gelesen (Paywall). Der Rest verteilt sich auf Vorzieh-, Mengen- und Kategorieeffekte. US-Supermarktdaten.", "interessenlage": "keine bekannt", "score": { "design": 7, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Meta-artige Re-Analyse von Paneldaten (Stufe 2), akademisch; Richtung durch Pauwels et al. (2002) gestützt.", "gesamt": 7.1 }, "richtung": "widerlegt", "quelle_url": "https://journals.sagepub.com/doi/10.1509/jmkr.40.4.481.19386", "zugang": "paywall", "folgen": [ 24 ], "stand": "2026-11-06" }, { "id": "belli-et-al-2022-loyalty-programs-meta-analysis", "titel_original": "40 years of loyalty programs: how effective are they? Generalizations from a meta-analysis", "titel_de": "Meta-Analyse: 40 Jahre Bonusprogramme", "autoren": "Belli, O’Rourke, Carrillat, Pupovac, Melnyk, Napolova", "herausgeber": "Journal of the Academy of Marketing Science", "jahr": 2022, "studientyp": "Meta-Analyse", "themen": [ "CRM & Loyalität" ], "kernaussage": "Bonusprogramme steigern laut Meta-Analyse vor allem die Verhaltensloyalität, die Einstellung zur Marke bewegen sie deutlich schwerer; die Wirkung hängt von Programmgestaltung und Branche ab.", "zahlen": [ { "wert": "429", "bedeutung": "Effektgrößen aus Studien von 1990 bis 2020" } ], "methode": "Meta-Analyse veröffentlichter Studien zu Bonusprogrammen.", "datenbasis": "429 Effektgrößen, 1990–2020", "einschraenkungen": "Nur Abstract genutzt (Paywall); Effektgrößen und Moderatoren nicht geprüft. Die einbezogenen Studien sind überwiegend Beobachtungsdaten, oft mit Selbstselektion.", "interessenlage": "Akademisch; keine Interessenlage bekannt.", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Meta-Analyse überwiegend beobachtender Studien (Design der Einzelstudien +1); Richtung durch Chen et al. 2026 bestätigt.", "gesamt": 7.0 }, "richtung": "bestaetigt", "quelle_url": "https://link.springer.com/article/10.1007/s11747-021-00804-z", "zugang": "paywall", "folgen": [ 18 ], "stand": "2026-11-06" }, { "id": "bornstein-mere-exposure-meta-1989", "titel_original": "Exposure and affect: Overview and meta-analysis of research, 1968–1987", "titel_de": "Bornstein: Meta-Analyse zum Mere-Exposure-Effekt", "autoren": "Bornstein", "herausgeber": "Psychological Bulletin 106, 265–289", "jahr": 1989, "studientyp": "Meta-Analyse", "themen": [ "Kreation & Werbewirkung" ], "kernaussage": "Wiederholte Darbietung steigert die Sympathie für einen Reiz robust, aber klein; nach 10 bis 20 Darbietungen kann sie wieder sinken.", "zahlen": [ { "wert": "r = 0,26", "bedeutung": "mittlere Effektstärke über 208 Experimente" }, { "wert": "10–20", "bedeutung": "Darbietungen, bei denen das Maximum liegt" } ], "methode": "Meta-Analyse von Laborexperimenten.", "datenbasis": "208 Experimente, 1968–1987", "einschraenkungen": "Zahlen nur aus zweiter Hand (Wikipedia); Laborreize wie Schriftzeichen, Polygone, Gesichter, keine Werbespots.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 5, "datenbasis": 7, "unabhaengigkeit": 10, "replikation": 8, "uebertragbarkeit": 4, "begruendung": "Meta-Analyse von Laborexperimenten, Grundform von Montoya bestätigt; Übertragung auf Werbung begrenzt.", "gesamt": 7.0 }, "richtung": "bestaetigt", "quelle_url": "https://dc2.philarchive.org/rec/BOREAA", "zugang": "paywall", "folgen": [ 38 ], "stand": "2026-11-06" }, { "id": "brynjolfsson-li-raymond-generative-ai-at-work-2025", "titel_original": "Generative AI at Work", "titel_de": "KI-Assistent im Kundenservice: +14 % Produktivität, +34 % für Neue", "autoren": "Brynjolfsson, Li, Raymond", "herausgeber": "The Quarterly Journal of Economics (140/2)", "jahr": 2025, "studientyp": "Quasi-Experiment", "themen": [ "KI im Marketing", "CRM & Loyalität" ], "kernaussage": "Ein generativer KI-Assistent im Kundenservice steigerte die gelösten Anfragen pro Stunde im Schnitt um 14 %, bei Neulingen und Geringqualifizierten um 34 %. Erfahrene Kräfte profitierten kaum; Kundenstimmung und Mitarbeiterbindung verbesserten sich.", "zahlen": [ { "wert": "+14 %", "bedeutung": "gelöste Kundenanliegen pro Stunde, Durchschnitt aller Servicekräfte" }, { "wert": "+34 %", "bedeutung": "dasselbe für Neulinge und gering qualifizierte Servicekräfte" }, { "wert": "5.179", "bedeutung": "Kundenservice-Mitarbeitende in der Analyse" } ], "methode": "Gestaffelte Einführung des KI-Tools über Mitarbeitende hinweg erlaubt Vorher-nachher-Vergleiche mit noch nicht ausgestatteten Kolleginnen und Kollegen.", "datenbasis": "5.179 Servicekräfte eines Softwareanbieters (Chat-Support), Millionen Gesprächsdaten.", "einschraenkungen": "Ein Unternehmen, ein Aufgabentyp mit klaren Lösungen; frühe GPT-Generation. Kein Beleg für Produktivitätsgewinne bei kreativen oder strategischen Marketingaufgaben.", "interessenlage": "akademisch; Daten und Tool eines KI-Anbieters bzw. Kunden", "score": { "design": 8, "datenbasis": 7, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Starkes Quasi-Experiment im echten Betrieb; das Muster 'Schwächere profitieren am meisten' zeigen auch Noy & Zhang sowie Dell'Acqua et al.", "gesamt": 7.0 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1093/qje/qjae044", "zugang": "offen", "folgen": [], "stand": "2026-11-06" }, { "id": "dawes-net-promoter-revenue-growth-2024", "titel_original": "Net Promoter and Revenue Growth: An Examination Across Three Industries", "titel_de": "NPS und Umsatzwachstum in drei US-Branchen", "autoren": "Dawes", "herausgeber": "Australasian Marketing Journal", "jahr": 2024, "studientyp": "Paneldaten-Analyse", "themen": [ "CRM & Loyalität", "Messung & Attribution" ], "kernaussage": "Längsschnitt-Tests mit US-Airlines, Supermärkten und Versicherern kommen zu dem Schluss, dass der NPS kein Indikator für künftiges Umsatzwachstum ist.", "zahlen": [ { "wert": "5–11 Jahre", "bedeutung": "Länge der NPS- und Umsatzzeitreihen für Airlines und Supermärkte" }, { "wert": "10", "bedeutung": "Versicherer, 2017–2020" } ], "methode": "Längsschnittvergleich von NPS-Werten und späterem Umsatzwachstum.", "datenbasis": "Drei US-Branchen; Airlines und Supermärkte über 5–11 Jahre, 10 Versicherer 2017–2020.", "einschraenkungen": "Einzelne Korrelationswerte nicht im frei lesbaren Teil gefunden. Wenige Firmen je Branche. Online first 2022.", "interessenlage": "Autor vom Ehrenberg-Bass Institute, bekannte NPS-Kritiker (eigene Denkschule).", "score": { "design": 6, "datenbasis": 5, "unabhaengigkeit": 9, "replikation": 8, "uebertragbarkeit": 6, "begruendung": "Längsschnittliche Beobachtungsdaten mit kleiner Firmenzahl, akademisch; passt zu früheren Replikationen.", "gesamt": 7.0 }, "richtung": "widerlegt", "quelle_url": "https://doi.org/10.1177/14413582221132039", "zugang": "teilweise", "folgen": [ 27 ], "stand": "2026-11-06" }, { "id": "defau-zauner-name-personalization-replication-2023", "titel_original": "Personalized subject lines in email marketing", "titel_de": "Defau & Zauner: Vorname in der Betreffzeile – Replikation", "autoren": "Defau, Zauner", "herausgeber": "Marketing Letters 34(4)", "jahr": 2023, "studientyp": "Feldexperiment", "themen": [ "CRM & Loyalität", "Kreation & Werbewirkung" ], "kernaussage": "Eine Replikation fand keinen positiven Effekt des Vornamens auf Öffnungs- und Klickraten, wohl aber des Nachnamens.", "zahlen": [], "methode": "Feldexperiment zur Namens-Personalisierung.", "datenbasis": "Nicht im Abstract beziffert (JKU Linz, DACH-Bezug)", "einschraenkungen": "Abstract enthält keine Zahlen; Öffnungsraten als Zielgröße seit Apple MPP problematisch.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 10, "datenbasis": 4, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Feldexperiment unabhängiger Autoren mit DACH-Bezug; Fallzahl nicht prüfbar.", "gesamt": 7.0 }, "richtung": "gemischt", "quelle_url": "https://ideas.repec.org/a/kap/mktlet/v34y2023i4d10.1007_s11002-023-09701-7.html", "zugang": "teilweise", "folgen": [ 36 ], "stand": "2026-11-06" }, { "id": "johnson-lewis-reiley-add-more-ads-2013", "titel_original": "Add More Ads? Experimentally Measuring Incremental Purchases Due To Increased Frequency of Online Display Advertising", "titel_de": "Johnson/Lewis/Reiley: Doppelte Frequenz, fast doppelter Umsatzeffekt", "autoren": "Johnson, Lewis, Reiley", "herausgeber": "Working Paper (Yahoo Research)", "jahr": 2013, "studientyp": "Feldexperiment", "themen": [ "Media & Budget", "Kreation & Werbewirkung" ], "kernaussage": "Die Verdopplung der Kontakte pro Person verdoppelte in einem Händler-Feldexperiment fast den Umsatzeffekt; die Erträge blieben bis rund 50 Kontakte in zwei Wochen nahezu konstant.", "zahlen": [ { "wert": "+1,7 % vs. +3,6 %", "bedeutung": "Umsatzeffekt bei durchschnittlich 17 vs. 34 Kontakten in zwei Wochen (+0,22 $ vs. +0,48 $ pro Person)" }, { "wert": "≈ 4 ¢ vs. 0,5 ¢", "bedeutung": "Grenzertrag je zusätzlichem Kontakt vs. Kosten" } ], "methode": "Randomisierung in Voll-, Halb- und Kontrollgruppe mit Placebo-Anzeigen; Umsatz online und stationär gemessen.", "datenbasis": "mehr als 3 Mio. Kunden eines US-Händlers, Frühjahr 2010", "einschraenkungen": "Eine Bestandskunden-Kampagne mit Display-Bannern; nicht auf TV-Markenwirkung übertragbar.", "interessenlage": "Von Yahoo bezahlt; Veröffentlichung vorab unabhängig vom Ergebnis zugesagt", "score": { "design": 10, "datenbasis": 9, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Großes randomisiertes Experiment mit Placebo-Kontrolle; eine Kampagne, nicht repliziert.", "gesamt": 7.0 }, "richtung": "bestaetigt", "quelle_url": "https://www.davidreiley.com/papers/AddMoreAds.pdf", "zugang": "offen", "folgen": [ 38 ], "stand": "2026-11-06" }, { "id": "jones-1990-ad-spending-maintaining-market-share", "titel_original": "Ad Spending: Maintaining Market Share", "titel_de": "Share of Voice vs. Marktanteil (ESOV-Kurve nach Jones)", "autoren": "Jones", "herausgeber": "Harvard Business Review", "jahr": 1990, "studientyp": "Paneldaten-Analyse", "themen": [ "Media & Budget", "Markenaufbau & Wachstum" ], "kernaussage": "Werbebudgets sollten am Verhältnis von Share of Voice zu Marktanteil ausgerichtet werden: Kleine Marken müssen überproportional werben, um ihren Anteil zu halten, große Marken kommen mit einem Share of Voice unter ihrem Marktanteil aus.", "zahlen": [], "methode": "Gegenüberstellung von Share of Voice (Anteil an den Werbeausgaben der Kategorie in den Hauptmedien) und Marktanteil über viele Marken; daraus abgeleitete Budgetierungsregel.", "datenbasis": "Überwiegend FMCG-Marken aus mehreren Ländern (genaue Fallzahl und Zeitraum im HBR-Abstract nicht angegeben).", "einschraenkungen": "Querschnittsbeziehung, keine Kausalität; stammt aus einer TV-dominierten Medienwelt, in der Wettbewerberbudgets leicht messbar waren. Die oft genannte Zahl von über 1.000 Marken ließ sich an der Primärquelle nicht prüfen.", "interessenlage": "keine bekannt (Autor Hochschullehrer, früher Agenturmann bei J. Walter Thompson)", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 8, "replikation": 8, "uebertragbarkeit": 6, "begruendung": "Beobachtungsdaten mit großer Breite; Muster von Nielsen (2009) und IPA-Analysen (Binet/Field) wiederholt gefunden, aber kausal nicht belegt.", "gesamt": 7.0 }, "richtung": "bestaetigt", "quelle_url": "https://store.hbr.org/product/ad-spending-maintaining-market-share/90108", "zugang": "paywall", "folgen": [], "stand": "2026-11-06" }, { "id": "levy-et-al-9-ending-price-rigidity-2011", "titel_original": "Price Points and Price Rigidity", "titel_de": "Verbreitung und Starrheit von 9er-Preisen (Dominick’s)", "autoren": "Levy, Lee, Chen, Kauffman, Bergen", "herausgeber": "Review of Economics and Statistics 93 (4)", "jahr": 2011, "studientyp": "Paneldaten-Analyse", "themen": [ "Preis & Promotion", "Handel & Commerce" ], "kernaussage": "In US-Supermarktdaten endet die große Mehrheit der Preise auf 9, weit mehr als bei Zufall, und 9er-Preise werden seltener geändert.", "zahlen": [ { "wert": "≈ 69 %", "bedeutung": "Preise mit Endziffer 9 (Zufall: 10 %)" }, { "wert": "> 15 %", "bedeutung": "Preise mit Endung 99 Cent (Zufall: 1 %)" }, { "wert": "4,9 Mio.", "bedeutung": "Wochenpreise aus vier Filialen" } ], "methode": "Auswertung wöchentlicher Supermarktpreise.", "datenbasis": "Dominick’s-Daten 1989–1997, vier Filialen, 4,9 Mio. Wochenpreise.", "einschraenkungen": "US-Supermarkt der 1990er. Häufig falsch dem Journal of Monetary Economics zugeschrieben; erschienen in der Review of Economics and Statistics.", "interessenlage": "keine bekannt", "score": { "design": 6, "datenbasis": 8, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Große Preisdatenbasis, akademisch; Verbreitung von 9er-Preisen auch in anderen Daten belegt, Daten aber alt.", "gesamt": 7.0 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1162/REST_a_00178", "zugang": "offen", "folgen": [ 25 ], "stand": "2026-11-06" }, { "id": "montoya-mere-exposure-reexamination-2017", "titel_original": "A re-examination of the mere exposure effect: The influence of repeated exposure on recognition, familiarity, and liking", "titel_de": "Montoya: Neue Meta-Analyse zum Mere-Exposure-Effekt", "autoren": "Montoya, Horton, Vevea, Citkowicz, Lauber", "herausgeber": "Psychological Bulletin 143(5), 459–498", "jahr": 2017, "studientyp": "Meta-Analyse", "themen": [ "Kreation & Werbewirkung" ], "kernaussage": "Sympathie folgt bei Wiederholung einem umgekehrten U: sie steigt und fällt dann wieder. Der Effekt zeigt sich bei visuellen, nicht bei auditiven Reizen.", "zahlen": [ { "wert": "268", "bedeutung": "Kurvenschätzungen aus 81 Artikeln" }, { "wert": "≈ 60", "bedeutung": "Darbietungen, bis zu denen die Sympathie laut Mrkva & Van Boven 2020 steigt (aus zweiter Hand)" } ], "methode": "Meta-Analyse mit Kurvenschätzung.", "datenbasis": "268 Schätzungen, 81 Artikel", "einschraenkungen": "Laborreize; Gipfel stark designabhängig; keine präregistrierte Multi-Lab-Replikation gefunden. Für Audio kein Effekt, was für Radio und Podcast offen bleibt.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 5, "datenbasis": 7, "unabhaengigkeit": 10, "replikation": 8, "uebertragbarkeit": 4, "begruendung": "Aktuelle Meta-Analyse, bestätigt Bornstein in der Grundform; Laborbefund.", "gesamt": 7.0 }, "richtung": "bestaetigt", "quelle_url": "https://researchportal.murdoch.edu.au/esploro/outputs/journalArticle/A-re-examination-of-the-mere/991005635870307891", "zugang": "teilweise", "folgen": [ 38 ], "stand": "2026-11-06" }, { "id": "troll-et-al-9-ending-prices-meta-2024", "titel_original": "A meta-analysis on the effects of just-below versus round prices", "titel_de": "Meta-Analyse zur Wirkung von 9er-Preisen", "autoren": "Troll, Frankenbach, Friese, Loschelder", "herausgeber": "Journal of Consumer Psychology 34 (2)", "jahr": 2024, "studientyp": "Meta-Analyse", "themen": [ "Preis & Promotion" ], "kernaussage": "9er-Preise erhöhen die Kaufentscheidung leicht, verbessern das Preisimage und werden öfter zu niedrig erinnert. Auf die wahrgenommene Qualität haben sie im Mittel keinen Effekt.", "zahlen": [ { "wert": "g = 0,13", "bedeutung": "Effekt auf die Kaufentscheidung" }, { "wert": "g = 0,28", "bedeutung": "Effekt auf das Preisimage" }, { "wert": "g = 0,67", "bedeutung": "Effekt auf zu niedriges Erinnern" }, { "wert": "g = 0,00 (KI −0,17 bis 0,18)", "bedeutung": "Effekt auf wahrgenommene Qualität" }, { "wert": "k = 69 / 362 / N = 40.541", "bedeutung": "Studien / Effektgrößen / Teilnehmende" } ], "methode": "Präregistrierte Meta-Analyse mit Publikationsbias-Korrekturen.", "datenbasis": "69 Studien, 362 Effektgrößen, N = 40.541.", "einschraenkungen": "Effekte klein und stark heterogen; nach Bias-Korrektur teils kleiner und nicht signifikant. Nur Abstract gelesen (Paywall). Implizite Tests (Seitz et al. 2026) und Anzeigenstudien hochwertiger Händler finden doch Qualitätsassoziationen.", "interessenlage": "keine bekannt (Leuphana Lüneburg, Universität des Saarlandes)", "score": { "design": 5, "datenbasis": 9, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Präregistrierte, breite Meta-Analyse über überwiegend Labor- und Befragungsstudien; Kaufeffekt durch Feldexperimente gestützt, Qualitätsbefund umstritten.", "gesamt": 7.0 }, "richtung": "gemischt", "quelle_url": "https://doi.org/10.1002/jcpy.1353", "zugang": "paywall", "folgen": [ 25 ], "stand": "2026-11-06" }, { "id": "van-doorn-leeflang-tijs-satisfaction-replication-2013", "titel_original": "Satisfaction as a predictor of future performance: A replication", "titel_de": "Replikation: Kundenkennzahlen und künftiges Wachstum (Niederlande)", "autoren": "van Doorn, Leeflang, Tijs", "herausgeber": "International Journal of Research in Marketing 30 (3)", "jahr": 2013, "studientyp": "Paneldaten-Analyse", "themen": [ "CRM & Loyalität", "Messung & Attribution" ], "kernaussage": "In niederländischen Daten ist der NPS weder besser noch schlechter als andere Kundenkennzahlen; alle sagen künftiges Wachstum gleich schlecht voraus.", "zahlen": [], "methode": "Explizite Replikationsstudie mit Kundenkennzahlen und Unternehmenswachstum.", "datenbasis": "Niederländische Unternehmen; Umfang im Abstract nicht erfasst.", "einschraenkungen": "Nur Abstract genutzt. Stellt Kundenkennzahlen generell als begrenzte Wachstumsprädiktoren dar, nicht speziell den NPS.", "interessenlage": "keine bekannt", "score": { "design": 6, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 8, "uebertragbarkeit": 5, "begruendung": "Replikation mit Beobachtungsdaten, akademisch; Ergebnis passt zu Morgan & Rego und Keiningham.", "gesamt": 7.0 }, "richtung": "widerlegt", "quelle_url": "https://research.rug.nl/en/publications/satisfaction-as-a-predictor-of-future-performance-a-replication/", "zugang": "paywall", "folgen": [ 27 ], "stand": "2026-11-06" }, { "id": "wang-lewis-cryder-sprigg-2016-goal-failure-loyalty", "titel_original": "Enduring Effects of Goal Achievement and Failure Within Customer Loyalty Programs: A Large-Scale Field Experiment", "titel_de": "Feldexperiment: Verfehlte Bonusziele schaden den besten Kunden", "autoren": "Wang, Lewis, Cryder, Sprigg", "herausgeber": "Marketing Science", "jahr": 2016, "studientyp": "Feldexperiment", "themen": [ "CRM & Loyalität" ], "kernaussage": "Eine Aktion mit Steigerungsziel in einem Hotel-Bonusprogramm erreichten nur wenige; wer scheiterte, buchte danach weniger, am stärksten die treuesten Kunden in hohen Statusstufen.", "zahlen": [ { "wert": "95.532", "bedeutung": "Mitglieder einer großen Hotelkette im Experiment" }, { "wert": "20 %", "bedeutung": "Teilnehmende, die das Steigerungsziel erreichten" } ], "methode": "Randomisiertes Feldexperiment mit Testgruppe; Effekt von Erfolg und Scheitern per Propensity Score geschätzt; je 8 Monate vor, während und nach der Aktion.", "datenbasis": "95.532 Mitglieder einer Hotelkette", "einschraenkungen": "Testet eine Aktion innerhalb eines Programms, nicht das Programm selbst. Der Vergleich Erfolg vs. Scheitern ist beobachtend. Nur Abstract genutzt.", "interessenlage": "Akademisch mit Firmendaten.", "score": { "design": 10, "datenbasis": 8, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Großes Feldexperiment in einer Top-Zeitschrift, aber Einzelstudie und Teilanalyse beobachtend.", "gesamt": 7.0 }, "richtung": "offen", "quelle_url": "https://pubsonline.informs.org/doi/10.1287/mksc.2015.0966", "zugang": "paywall", "folgen": [ 18 ], "stand": "2026-11-06" }, { "id": "zantedeschi-feit-bradlow-catalog-email-2017", "titel_original": "Measuring Multichannel Advertising Response", "titel_de": "E-Mail vs. Katalog: Wie lange Wirkung anhält", "autoren": "Zantedeschi, Feit, Bradlow", "herausgeber": "Management Science", "jahr": 2017, "studientyp": "Feldexperiment", "themen": [ "CRM & Loyalität", "Messung & Attribution" ], "kernaussage": "Die Wirkung einer E-Mail war nach etwa einer Woche verpufft, die eines Katalogs hielt rund drei Wochen; Targeting nach Werbe-Responsivität statt RFM versprach deutlich mehr Rendite.", "zahlen": [ { "wert": "≈ 1 Woche vs. 21 Tage", "bedeutung": "Wirkdauer von E-Mail vs. Katalog" }, { "wert": "≈ +70 %", "bedeutung": "prognostizierte Werberendite bei Targeting nach Responsivität statt RFM" } ], "methode": "Randomisierte Holdouts je Kampagne, bayesianisches Modell über viele Kampagnen.", "datenbasis": "Mehrmarken-Händler, USA (ungenannt)", "einschraenkungen": "Einzelexperimente wegen kleiner Holdouts ungenau; +70 % ist Modellprognose.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 10, "datenbasis": 6, "unabhaengigkeit": 9, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Randomisierte Holdouts mit unabhängigen Autoren; ein Händler, nicht repliziert.", "gesamt": 7.0 }, "richtung": "bestaetigt", "quelle_url": "https://papers.ssrn.com/abstract=2720615", "zugang": "teilweise", "folgen": [ 36 ], "stand": "2026-11-06" }, { "id": "neumann-tucker-whitfield-profiling-2019", "titel_original": "How Effective Is Third-Party Consumer Profiling? Evidence from Field Studies", "titel_de": "Wie genau sind Zielgruppendaten von Datenhändlern?", "autoren": "Neumann, Tucker, Whitfield", "herausgeber": "Marketing Science", "jahr": 2019, "studientyp": "Feldexperiment", "themen": [ "Search & Performance", "Media & Budget" ], "kernaussage": "Zielgruppensegmente von Datenhändlern trafen demografische Merkmale wie das Geschlecht oft nicht besser als der Zufall; interessenbasierte Segmente und Einkaufsplattformen schnitten deutlich besser ab.", "zahlen": [ { "wert": "42,3 %", "bedeutung": "Treffsicherheit beim Geschlecht (Zufall: 50 %)" }, { "wert": "24,4 %", "bedeutung": "Treffsicherheit Geschlecht und Altersgruppe zusammen (Zufall: 26,5 %)" }, { "wert": "59 %", "bedeutung": "mittlere Trefferquote über sechs Einkaufsplattformen (Spanne 40–72 %)" }, { "wert": "87,4 / 82,1 / 72,8 %", "bedeutung": "Trefferquote der Interessensegmente Sport, Fitness, Reisen" } ], "methode": "Gezielte Ausspielung an Segmente von Datenhändlern und Abgleich der tatsächlich erreichten Personen mit Referenzdaten (u. a. Nielsen Digital Ad Ratings, Panel).", "datenbasis": "19 Datenhändler, 6 Einkaufsplattformen, über 90 Zielgruppensegmente, Daten von 2016, USA.", "einschraenkungen": "Datenstand 2016; die Arbeit nennt Spannen und keine Rangliste einzelner Anbieter. Nicht pauschal vernichtend: einzelne Altersgruppen und Interessensegmente lagen klar über dem Zufall.", "interessenlage": "Begutachtete akademische Arbeit ohne Auftraggeber aus der Branche.", "score": { "design": 9, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Sauberes, begutachtetes Feld-Design ohne Interessenkonflikt; Datenstand ist aber alt und der Befund nicht unabhängig wiederholt.", "gesamt": 6.9 }, "richtung": "bestaetigt", "quelle_url": "https://ide.mit.edu/wp-content/uploads/2022/02/c.tucker.pdf", "zugang": "offen", "folgen": [ 7 ], "stand": "2026-11-06" }, { "id": "aral-walker-einflussreiche-beeinflussbare-2012", "titel_original": "Identifying Influential and Susceptible Members of Social Networks", "titel_de": "Wer beeinflusst, wer lässt sich beeinflussen? Facebook-Experiment", "autoren": "Aral, Walker", "herausgeber": "Science (337/6092)", "jahr": 2012, "studientyp": "Feldexperiment", "themen": [ "Social & Influencer" ], "kernaussage": "Einfluss und Beeinflussbarkeit sind ungleich verteilt und schließen sich eher aus: Jüngere sind beeinflussbarer als Ältere, Männer einflussreicher als Frauen, Verheiratete am wenigsten beeinflussbar; Einflussreiche sind selten selbst leicht zu beeinflussen. Die Wirkung hängt auch davon ab, wer wen erreicht.", "zahlen": [ { "wert": "1,3 Mio.", "bedeutung": "Facebook-Nutzer in der Studie" } ], "methode": "Randomisierte Benachrichtigungen über die Nutzung einer Film-App an Freunde von Nutzern; so lassen sich Einfluss- und Ansteckungseffekte von bloßer Ähnlichkeit (Homophilie) trennen.", "datenbasis": "1,3 Millionen Facebook-Nutzer, Adoption einer kommerziellen Film-App.", "einschraenkungen": "Ein Produkt (kostenlose App), eine Plattform, 2010er Jahre. Zeigt keinen Wert von bezahlten Influencern im heutigen Sinn.", "interessenlage": "akademisch, Kooperation mit App-Anbieter", "score": { "design": 10, "datenbasis": 8, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Methodisch wegweisendes Experiment, aber direkt kaum wiederholt und an ein Produkt gebunden.", "gesamt": 6.8 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1126/science.1215842", "zugang": "paywall", "folgen": [], "stand": "2026-11-06" }, { "id": "argyle-et-al-silicon-samples-2023", "titel_original": "Out of One, Many: Using Language Models to Simulate Human Samples", "titel_de": "„Silicon Samples“: GPT-3 simuliert US-Wählergruppen", "autoren": "Argyle et al.", "herausgeber": "Political Analysis 31 (3)", "jahr": 2023, "studientyp": "Laborexperiment", "themen": [ "KI im Marketing", "Methodik & Marktforschung" ], "kernaussage": "Auf Gesamtebene traf ein Sprachmodell das Wahlverhalten von US-Wählern erstaunlich gut, ausgerechnet bei parteilosen Wechselwählern aber praktisch gar nicht.", "zahlen": [ { "wert": "0,90 / 0,92 / 0,94", "bedeutung": "tetrachorische Korrelation zwischen GPT-3-„Silicon Sample“ und echten ANES-Befragten 2012 / 2016 / 2020" }, { "wert": "0,31 / 0,41 / 0,02", "bedeutung": "dieselbe Korrelation bei parteilosen Wählern 2012 / 2016 / 2020" } ], "methode": "GPT-3 erhielt Hintergrundprofile echter ANES-Befragter und sollte deren Wahlentscheidung angeben; Vergleich mit den echten Antworten.", "datenbasis": "American National Election Studies 2012, 2016, 2020 (USA).", "einschraenkungen": "Politik, nicht Konsum. Hohe Korrelation über alle Wähler heißt nicht, dass einzelne oder schwer vorhersagbare Gruppen getroffen werden. Die Übertragung auf „Light Buyers“ ist Einordnung, kein Befund.", "interessenlage": "keine bekannt (akademisch, BYU)", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 4, "begruendung": "Peer-reviewter Validierungsvergleich mit repräsentativem Panel (Stufe 3); Aggregatbefund teils bestätigt, Subgruppen-Schwäche von Folgestudien gestützt; modell- und kontextgebunden.", "gesamt": 6.8 }, "richtung": "gemischt", "quelle_url": "https://arxiv.org/pdf/2209.06899", "zugang": "offen", "folgen": [ 26 ], "stand": "2026-11-06" }, { "id": "baehre-et-al-nps-alternative-calculations-2022", "titel_original": "Customer mindset metrics: A systematic evaluation of the net promoter score (NPS) vs. alternative calculation methods", "titel_de": "NPS gegen alternative Berechnungen derselben Frage", "autoren": "Baehre, O’Dwyer, O’Malley, Story", "herausgeber": "Journal of Business Research 149", "jahr": 2022, "studientyp": "Paneldaten-Analyse", "themen": [ "CRM & Loyalität", "Messung & Attribution" ], "kernaussage": "Gegenüber sechs alternativen Auswertungen derselben 0–10-Frage schneidet der NPS ordentlich ab, einfache Top-Box-Kennzahlen aber besser; die Trennung von Passiven und Detraktoren erweist sich als unnötig.", "zahlen": [ { "wert": "193.220", "bedeutung": "ausgewertete Antworten" }, { "wert": "6", "bedeutung": "alternative Berechnungsmethoden im Vergleich" } ], "methode": "Vergleich der Prognosegüte verschiedener Berechnungen der Weiterempfehlungsfrage.", "datenbasis": "Gleicher Datensatz wie Baehre et al. (2021).", "einschraenkungen": "Keine unabhängige Replikation, da derselbe Datensatz. Nur Abstract genutzt (Paywall).", "interessenlage": "keine bekannt", "score": { "design": 6, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Systematischer Methodenvergleich auf großen Paneldaten, akademisch; Top-Box-Vorteil durch de Haan et al. (2015) gestützt.", "gesamt": 6.8 }, "richtung": "widerlegt", "quelle_url": "https://www.sciencedirect.com/science/article/abs/pii/S0148296322003897", "zugang": "paywall", "folgen": [ 27 ], "stand": "2026-11-06" }, { "id": "baek-chen-ma-mitrofanov-email-frequency-2024", "titel_original": "Balancing Customer Engagement and Annoyance in Online Retail", "titel_de": "Halbe Mail-Frequenz: Umsatz vs. Abmeldungen", "autoren": "Baek, Chen, Ma, Mitrofanov", "herausgeber": "Columbia University (Working Paper, SSRN 6165626)", "jahr": 2024, "studientyp": "Feldexperiment", "themen": [ "CRM & Loyalität" ], "kernaussage": "Halb so viele Coupon-Mails kosteten kurzfristig nur 5 bis 8 % Umsatz, senkten aber die Abmeldungen um 59 %; eine Abmeldung wiederum geht mit deutlich weniger Ausgaben einher.", "zahlen": [ { "wert": "−59 %", "bedeutung": "Abmeldungen bei Versand jeden zweiten Tag statt täglich" }, { "wert": "−5 bis −8 %", "bedeutung": "kurzfristiger Umsatz und Kaufrate bei halber Frequenz" }, { "wert": "−36 %", "bedeutung": "monatliche Kundenausgaben nach Abmeldung (Beobachtungsdaten, nicht randomisiert)" }, { "wert": "+6,8 % / +8,3 %", "bedeutung": "simulierter CLV-Gewinn durch personalisierte Frequenz" } ], "methode": "Randomisiertes Feldexperiment (täglich vs. jeden zweiten Tag) plus Regression/IV auf historischen Daten.", "datenbasis": "603.153 Kunden eines großen nordamerikanischen Onlinehändlers, 25.–31.10.2024; Beobachtungsteil ca. 200.000 Kunden", "einschraenkungen": "Nur eine Woche, ein Händler, Working Paper. Abmelde-Effekt und CLV-Werte sind Beobachtung bzw. Modellsimulation.", "interessenlage": "Akademisch; Händlerdaten", "score": { "design": 10, "datenbasis": 8, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Großes randomisiertes Experiment, aber kurz, ein Händler und noch nicht begutachtet.", "gesamt": 6.8 }, "richtung": "offen", "quelle_url": "http://www.columbia.edu/~wm2428/papers/customer_engagement.pdf", "zugang": "offen", "folgen": [ 36 ], "stand": "2026-11-06" }, { "id": "bisbee-et-al-synthetic-replacements-2024", "titel_original": "Synthetic Replacements for Human Survey Data? The Perils of Large Language Models", "titel_de": "Synthetische Umfragedaten: Mittelwerte passen, Zusammenhänge nicht", "autoren": "Bisbee et al.", "herausgeber": "Political Analysis 32 (4)", "jahr": 2024, "studientyp": "Laborexperiment", "themen": [ "KI im Marketing", "Methodik & Marktforschung" ], "kernaussage": "ChatGPT-Antworten treffen Mittelwerte echter Befragter einigermaßen, verfälschen aber Zusammenhänge zwischen Variablen, streuen zu wenig und ändern sich bei gleichem Prompt über die Zeit.", "zahlen": [ { "wert": "48 %", "bedeutung": "Regressionskoeffizienten aus ChatGPT-Daten, die signifikant von den echten ANES-Werten abweichen" }, { "wert": "32 %", "bedeutung": "davon Fälle mit umgekehrtem Vorzeichen" } ], "methode": "Vergleich von ChatGPT-Antworten auf Gefühlsthermometer zu 11 Gruppen mit ANES-Daten; Wiederholung derselben Prompts nach drei Monaten.", "datenbasis": "ANES 2016–2020 (USA); ChatGPT-Läufe April vs. Juli 2023.", "einschraenkungen": "Ein Modell zu einem Zeitpunkt, politischer Kontext. Zeigt nicht, dass synthetische Daten nie nutzbar sind, sondern dass sie für Zusammenhangsanalysen unzuverlässig sind.", "interessenlage": "keine bekannt (akademisch)", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Peer-reviewter Validierungsvergleich mit repräsentativem Panel; Schwächen durch Wang et al. und Chen et al. gestützt.", "gesamt": 6.8 }, "richtung": "widerlegt", "quelle_url": "https://www.cambridge.org/core/journals/political-analysis/article/synthetic-replacements-for-human-survey-data-the-perils-of-large-language-models/B92267DC26195C7F36E63EA04A47D2FE", "zugang": "offen", "folgen": [ 26 ], "stand": "2026-11-06" }, { "id": "bleier-eisenbeiss-vertrauen-personalisierung-2015", "titel_original": "The Importance of Trust for Personalized Online Advertising", "titel_de": "Vertrauen entscheidet über personalisierte Banner", "autoren": "Bleier, Eisenbeiss", "herausgeber": "Journal of Retailing", "jahr": 2015, "studientyp": "Quasi-Experiment", "themen": [ "Kreation & Werbewirkung", "Recht & Datenschutz" ], "kernaussage": "Personalisierte Banner steigerten die Klickrate bei vertrauten Händlern deutlich, lösten bei wenig bekannten Anbietern aber Abwehr aus; Datenschutzsorgen und das Gefühl von Aufdringlichkeit erklären die negative Reaktion.", "zahlen": [ { "wert": "+27 %", "bedeutung": "Steigerung der Klickrate personalisierter Banner bei vertrauten Händlern" } ], "methode": "Kombination aus Felddaten und Laborexperimenten zu personalisierten Bannern unterschiedlicher Händler.", "datenbasis": "Fallzahlen in der zugänglichen Zusammenfassung nicht genannt.", "einschraenkungen": "Fallzahlen nicht offen nachprüfbar; Befund zur Wirkung eines einzelnen statt aller angesehenen Produkte aus der Belegliste konnte der Trust-Arbeit nicht sicher zugeordnet werden.", "interessenlage": "Akademische Arbeit; keine Interessenlage bekannt.", "score": { "design": 7, "datenbasis": 4, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Begutachtete Arbeit mit Feld- und Labordaten ohne Interessenkonflikt; Fallzahl nicht prüfbar, Richtung durch weitere Arbeiten zu Aufdringlichkeit gestützt.", "gesamt": 6.8 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1016/j.jretai.2015.04.001", "zugang": "paywall", "folgen": [ 8 ], "stand": "2026-11-06" }, { "id": "dekimpe-et-al-promotions-manufacturers-retailers-2003", "titel_original": "ERIM Report ERS-2003-087-MKT (Übersicht, u. a. zu Srinivasan et al.: „Do Promotions Benefit Manufacturers, Retailers or Both?“)", "titel_de": "Nutzen Preisaktionen Herstellern, Händlern oder beiden?", "autoren": "Dekimpe, Hanssens, Nijs, Steenkamp", "herausgeber": "ERIM Report ERS-2003-087-MKT", "jahr": 2003, "studientyp": "Übersichtsarbeit", "themen": [ "Preis & Promotion", "Handel & Commerce" ], "kernaussage": "Preisaktionen haben für weder Hersteller noch Händler dauerhafte finanzielle Effekte, und sie senken typischerweise die Kategoriemargen des Handels.", "zahlen": [ { "wert": "25 Kategorien / 5 Jahre", "bedeutung": "Datenbasis der zusammengefassten Studie von Srinivasan et al. (Wochen-Scannerdaten)" } ], "methode": "Übersichtsarbeit, die u. a. die Studie von Srinivasan, Pauwels, Hanssens & Dekimpe zusammenfasst.", "datenbasis": "Wochen-Scannerdaten aus 25 Kategorien über 5 Jahre (laut Übersicht).", "einschraenkungen": "Aus zweiter Hand: Das Originalpaper wurde nicht gesichtet; Mitautoren teils identisch.", "interessenlage": "Förderung der Übersicht durch den Flämischen Wissenschaftsfonds (F.W.O.).", "score": { "design": 6, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Übersicht über Zeitreihenstudien, akademisch; Befund passt zu Nijs und Pauwels.", "gesamt": 6.8 }, "richtung": "bestaetigt", "quelle_url": "https://repub.eur.nl/pub/1062/ERS%202003%20087%20MKT.pdf", "zugang": "offen", "folgen": [ 24 ], "stand": "2026-11-06" }, { "id": "dinner-van-heerde-neslin-2014-cross-channel", "titel_original": "Driving Online and Offline Sales: The Cross-Channel Effects of Traditional, Online Display, and Paid Search Advertising", "titel_de": "Online-Werbung verkauft im Laden: Cross-Channel-Effekte", "autoren": "Dinner, van Heerde, Neslin", "herausgeber": "Journal of Marketing Research 51(5), 527–545", "jahr": 2014, "studientyp": "Ökonometrie/MMM", "themen": [ "Messung & Attribution", "Search & Performance", "Handel & Commerce" ], "kernaussage": "Werbung wirkt über Kanalgrenzen hinweg: Ein großer Teil der Wirkung von Display- und Suchanzeigen zeigt sich im stationären Umsatz, vor allem über mehr Kunden. Wer nur Online-Umsätze zuordnet, unterschätzt digitale Werbung.", "zahlen": [], "methode": "Dynamisches lineares Modell mit Korrektur für Werbe-Endogenität, Carryover, Markt-Heterogenität und Wettbewerbswerbung; Zerlegung in Kundenzahl und Ausgaben je Kunde.", "datenbasis": "Daten eines großen, gehobenen US-Händlers mit Online- und Filialgeschäft (klassische Werbung, Display, Paid Search).", "einschraenkungen": "Ein Händler; Beobachtungsdaten mit modellbasierter Endogenitätskorrektur, kein Experiment. Kanalwerte sind nicht auf andere Branchen übertragbar.", "interessenlage": "keine bekannt", "score": { "design": 7, "datenbasis": 5, "unabhaengigkeit": 9, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Sorgfältiges Zeitreihenmodell, aber Einzelfall; das Muster 'Online-Werbung treibt Offline-Umsatz' wurde experimentell u. a. von Lewis und Reiley (2014) gestützt.", "gesamt": 6.8 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1509/jmr.11.0466", "zugang": "paywall", "folgen": [], "stand": "2026-11-06" }, { "id": "goic-rojas-saavedra-browse-abandonment-2021", "titel_original": "The Effectiveness of Triggered Email Marketing in Addressing Browse Abandonments", "titel_de": "Getriggerte Browse-Abandonment-Mails", "autoren": "Goic, Rojas, Saavedra", "herausgeber": "Journal of Interactive Marketing 55", "jahr": 2021, "studientyp": "Feldexperiment", "themen": [ "CRM & Loyalität", "Handel & Commerce" ], "kernaussage": "Getriggerte Mails nach abgebrochenem Stöbern steigerten in einem Feldexperiment den Online-Umsatz eines Mehrkanalhändlers.", "zahlen": [], "methode": "Feldexperiment, etwa die Hälfte der Stichprobe erhielt keine Mail.", "datenbasis": "Mehrkanalhändler (Chile/USA)", "einschraenkungen": "Nur Abstract gelesen (Paywall), keine Effektgröße zitierbar.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 10, "datenbasis": 5, "unabhaengigkeit": 9, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Randomisiertes Feldexperiment, aber Effektgröße nicht prüfbar und ein Händler.", "gesamt": 6.8 }, "richtung": "bestaetigt", "quelle_url": "https://ideas.repec.org/a/eee/joinma/v55y2021icp118-145.html", "zugang": "paywall", "folgen": [ 36 ], "stand": "2026-11-06" }, { "id": "kristal-et-al-signing-first-replication-2020", "titel_original": "Signing at the beginning versus at the end does not decrease dishonesty", "titel_de": "Replikation: Unterschrift oben senkt Unehrlichkeit nicht", "autoren": "Kristal et al.", "herausgeber": "PNAS 117 (13)", "jahr": 2020, "studientyp": "Laborexperiment", "themen": [ "Methodik & Marktforschung" ], "kernaussage": "Eine große direkte Replikation und fünf konzeptuelle Replikationen fanden keinen Effekt der Unterschrift am Formularanfang auf ehrliche Angaben.", "zahlen": [ { "wert": "N = 1.235", "bedeutung": "direkte Replikation" }, { "wert": "N = 4.559", "bedeutung": "fünf konzeptuelle Replikationen zusammen" }, { "wert": "d ≈ 0", "bedeutung": "Effektgröße in der Replikation (Tabelle 2)" } ], "methode": "Direkte und konzeptuelle Replikationen des Befunds von Shu et al. (2012), unter Beteiligung von Originalautoren.", "datenbasis": "Sechs Studien, zusammen fast 5.800 Teilnehmende.", "einschraenkungen": "Betrifft Laborsetting; die Feldstudie des Originals wurde später wegen Datenproblemen zurückgezogen.", "interessenlage": "keine bekannt", "score": { "design": 6, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Große, sorgfältige Replikationsserie; Nullergebnis durch die spätere Rücknahme des Originals gestützt.", "gesamt": 6.8 }, "richtung": "widerlegt", "quelle_url": "https://doi.org/10.1073/pnas.1911695117", "zugang": "offen", "folgen": [ 21 ], "stand": "2026-11-06" }, { "id": "moshary-2021-sponsored-search-equilibrium", "titel_original": "Sponsored Search in Equilibrium: Evidence from Two Experiments", "titel_de": "Feldexperiment: Sponsored Search kannibalisiert organische Käufe", "autoren": "Moshary", "herausgeber": "Working Paper (UC Berkeley Haas)", "jahr": 2021, "studientyp": "Feldexperiment", "themen": [ "Handel & Commerce", "Messung & Attribution", "Search & Performance" ], "kernaussage": "Auf einer großen E-Commerce-Plattform steigerten Sponsored-Search-Anzeigen den Umsatz mit beworbenen Artikeln, senkten aber Käufe organischer Artikel so stark, dass die Plattform insgesamt etwas weniger verkaufte.", "zahlen": [ { "wert": "~+11 %", "bedeutung": "Ausgaben für beworbene Artikel bei Nutzern mit Anzeigen" }, { "wert": "−0,5 %", "bedeutung": "Wahrscheinlichkeit eines Kaufabschlusses auf der Plattform mit Anzeigen" }, { "wert": "−1 %", "bedeutung": "Gesamtausgaben auf der Plattform mit Anzeigen" }, { "wert": "3 %", "bedeutung": "zufällig ausgewählter US-Desktop-Traffic ohne Sponsored-Search-Anzeigen" } ], "methode": "Randomisiertes Feldexperiment: Für einen Zufallsanteil des Traffics wurden alle Sponsored-Search-Anzeigen abgeschaltet, fünf Monate lang.", "datenbasis": "große, anonyme E-Commerce-Plattform, US-Desktop, Feb.–Juni 2020", "einschraenkungen": "Working Paper, Begutachtungsstatus unklar. Zeigt den Plattform-Gesamteffekt, nicht die Wirkung für eine einzelne Marke (die Konkurrenten Käufer abnehmen kann). Plattform anonym.", "interessenlage": "Akademisch mit Plattformdaten.", "score": { "design": 10, "datenbasis": 8, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Randomisiertes Feldexperiment mit großem Traffic, aber unbegutachtet und eine Plattform.", "gesamt": 6.8 }, "richtung": "offen", "quelle_url": "https://web.archive.org/web/20250319172819/https://sics.haas.berkeley.edu/pdf_2021/paper_m.pdf", "zugang": "offen", "folgen": [ 20 ], "stand": "2026-11-06" }, { "id": "sarstedt-et-al-next-respondent-llm-2026", "titel_original": "Your Next Respondent Might Be an LLM: Guidelines for Using Silicon Samples in Marketing Research", "titel_de": "Nur ein Viertel der KI-Vergleiche stimmt mit Menschen überein", "autoren": "Sarstedt, Adler, Rau, Schmitt", "herausgeber": "NIM Marketing Intelligence Review 18 (1)", "jahr": 2026, "studientyp": "Übersichtsarbeit", "themen": [ "KI im Marketing", "Methodik & Marktforschung" ], "kernaussage": "Von 285 veröffentlichten Vergleichen zwischen Silicon Samples und echten Stichproben lieferte nur rund ein Viertel ähnliche Ergebnisse, knapp zwei Drittel wichen ab.", "zahlen": [ { "wert": "24,9 %", "bedeutung": "Vergleiche mit ähnlichen Ergebnissen" }, { "wert": "65,3 %", "bedeutung": "abweichende Vergleiche" }, { "wert": "9,8 %", "bedeutung": "teilweise übereinstimmende Vergleiche" }, { "wert": "285", "bedeutung": "ausgewertete Vergleiche" } ], "methode": "Auszählung (Vote-Counting) veröffentlichter Vergleiche, keine Meta-Analyse.", "datenbasis": "285 Vergleiche aus der Literatur.", "einschraenkungen": "Auswahlkriterien im Heftartikel nicht vollständig dokumentiert; Vote-Counting gewichtet nicht nach Studiengröße.", "interessenlage": "keine bekannt (LMU München, erschienen beim gemeinnützigen NIM)", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 9, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Übersicht über viele Validierungsstudien mit Vergleichspanels (Stufe 3), unabhängig; methodisch nur Auszählung.", "gesamt": 6.8 }, "richtung": "widerlegt", "quelle_url": "https://www.nim.org/fileadmin/PUBLIC/12_NIM_MIR_Issues/MIR_KI_in_der_Mafo/MIR_AI_Market_Research/Sarstedt_ea_AI_MR_Vol_18_No_1_ENG.pdf", "zugang": "offen", "folgen": [ 26 ], "stand": "2026-11-06" }, { "id": "baehre-et-al-nps-predict-sales-growth-2021", "titel_original": "The use of Net Promoter Score (NPS) to predict sales growth: insights from an empirical investigation", "titel_de": "Sagt der NPS Umsatzwachstum voraus? (Sportbekleidung USA)", "autoren": "Baehre, O’Dwyer, O’Malley, Lee", "herausgeber": "Journal of the Academy of Marketing Science", "jahr": 2021, "studientyp": "Paneldaten-Analyse", "themen": [ "CRM & Loyalität", "Messung & Attribution", "Markenaufbau & Wachstum" ], "kernaussage": "Das NPS-Niveau unter Bestandskunden sagte künftiges Umsatzwachstum nicht signifikant voraus; nur die Veränderung des NPS unter allen potenziellen Kunden half, und auch dann nur um wenige Prozentpunkte Erklärungskraft. Einfache Funnel-Fragen wie Consideration leisten dasselbe.", "zahlen": [ { "wert": "+2,8 Prozentpunkte", "bedeutung": "zusätzliche Varianzaufklärung durch NPS-Veränderung (adj. R² 0,322 → 0,350)" }, { "wert": "β = 1,458 (p < .01)", "bedeutung": "Effekt der NPS-Veränderung unter allen potenziellen Kunden" }, { "wert": "0,350 / 0,345 / 0,331", "bedeutung": "adj. R² mit Consideration / Awareness / Kaufabsicht statt NPS" }, { "wert": "38.644 / 193.220", "bedeutung": "Befragte / NPS-Bewertungen" }, { "wert": "N = 133", "bedeutung": "Marken-Quartale (7 Marken, 19 Quartale)" } ], "methode": "Monatliche Onlinebefragung nach Bain-Vorgaben, verknüpft mit Umsätzen aus dem NPD-Konsumentenpanel; Panelregression auf künftiges Wachstum.", "datenbasis": "7 Sportbekleidungsmarken, 19 Quartale 2013–2017/18, Befragte 16–30 Jahre, USA.", "einschraenkungen": "Eine Branche, eine Altersgruppe. Häufige Fehllesart: Das Gesamt-R² von 0,35 ist nicht die Leistung des NPS. Dawes (2025, UK) findet auch für Nichtkunden-NPS keinen klaren Zusammenhang.", "interessenlage": "keine bekannt", "score": { "design": 6, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Längsschnittliche Panelregression mit großer Befragungsbasis, akademisch; Teilbefunde von anderen Studien teils gestützt, teils widersprochen.", "gesamt": 6.7 }, "richtung": "widerlegt", "quelle_url": "https://wrap.warwick.ac.uk/id/eprint/154989/1/WRAP-use-Net-Promoter-Score-%28NPS%29-predict-sales-growth-Lee-2021.pdf", "zugang": "offen", "folgen": [ 27 ], "stand": "2026-11-06" }, { "id": "berger-milkman-viral-content-2012", "titel_original": "What Makes Online Content Viral?", "titel_de": "Was Online-Inhalte viral macht: Erregung schlägt Valenz", "autoren": "Berger, Milkman", "herausgeber": "Journal of Marketing Research (49/2)", "jahr": 2012, "studientyp": "Paneldaten-Analyse", "themen": [ "Social & Influencer", "Kreation & Werbewirkung" ], "kernaussage": "Positive Inhalte werden häufiger geteilt als negative, entscheidender ist aber die ausgelöste Erregung: Ehrfurcht, Wut und Angst fördern das Teilen, Traurigkeit bremst es. Laborexperimente stützen die Erregung als Ursache.", "zahlen": [ { "wert": "6.956", "bedeutung": "analysierte Artikel der New-York-Times-Startseite (Aug.–Nov. 2008)" }, { "wert": "+34 %", "bedeutung": "höhere Chance, auf die 'Most e-mailed'-Liste zu kommen, je Standardabweichung mehr Wut (Haupttext)" }, { "wert": "+30 %", "bedeutung": "dasselbe je Standardabweichung mehr Ehrfurcht (Haupttext)" } ], "methode": "Inhaltsanalyse (automatisch und durch Kodierer) aller NYT-Artikel über drei Monate und Regression auf das Erscheinen in der Liste der meistgemailten Artikel, kontrolliert für Platzierung; dazu drei Laborexperimente.", "datenbasis": "6.956 Artikel, davon 2.566 manuell auf Emotionen kodiert; drei Experimente.", "einschraenkungen": "Ein Medium, ein Teilkanal (E-Mail) und das Jahr 2008 – nicht automatisch auf heutige Social-Media-Algorithmen übertragbar. Beobachtungsdaten; die Prozentwerte sind im Paper teils als Odds, teils als Wahrscheinlichkeit beschrieben.", "interessenlage": "keine bekannt", "score": { "design": 6, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Große Beobachtungsdaten plus Experimente; spätere Social-Media-Studien stützen die Rolle starker Emotionen, die Effektgrößen sind kontextabhängig.", "gesamt": 6.7 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1509/jmr.10.0353", "zugang": "teilweise", "folgen": [], "stand": "2026-11-06" }, { "id": "bundesbank-verbraucherpreise-euro-umstellung-2002", "titel_original": "Die Verbraucherpreise beim Übergang von der D-Mark auf den Euro", "titel_de": "Bundesbank 2002: Preisendungen vor der Euro-Umstellung", "autoren": "Deutsche Bundesbank, Statistisches Bundesamt", "herausgeber": "Deutsche Bundesbank (Monatsbericht Juli 2002)", "jahr": 2002, "studientyp": "Paneldaten-Analyse", "themen": [ "Preis & Promotion", "Handel & Commerce" ], "kernaussage": "Vor der Euro-Umstellung endeten in Deutschland bei günstigen Gütern mehr als vier Fünftel der Preise auf 9; in höheren Preisgruppen stieg der Anteil glatter Preise.", "zahlen": [ { "wert": "> 80 %", "bedeutung": "Preise mit Endziffer 9 bei Gütern mit geringem Warenwert" }, { "wert": "≈ 15 %", "bedeutung": "„krumme“ Preise insgesamt" }, { "wert": "≈ ⅓", "bedeutung": "Anteil glatter Preise in den oberen Preisgruppen" }, { "wert": "> 18.000", "bedeutung": "Einzelpreisreihen für 35 Positionen" } ], "methode": "Sonderauswertung der amtlichen Preisstatistik; Schwellenpreis = Endziffer 9, glatter Preis = Endziffer 0 oder 5.", "datenbasis": "Über 18.000 Einzelpreisreihen für 35 Positionen des Preisindex (rund 8 % des Warenkorbs), Anfang 2001.", "einschraenkungen": "25 Jahre alt; eine neuere amtliche Zahl wurde nicht gefunden.", "interessenlage": "keine bekannt (amtliche Statistik)", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 3, "begruendung": "Amtliche, breite Preisdaten ohne Eigeninteresse; deskriptiv und veraltet.", "gesamt": 6.7 }, "richtung": "bestaetigt", "quelle_url": "https://www.bundesbank.de/resource/blob/692050/4c8345329056c6b9bc0cb5a2e977d680/mL/2002-07-verbraucherpreise-data.pdf", "zugang": "offen", "folgen": [ 25 ], "stand": "2026-11-06" }, { "id": "joo-shi-abhishek-2024-sponsored-product-listings", "titel_original": "Do Sellers Benefit from Sponsored Product Listings? Evidence from an Online Marketplace", "titel_de": "Organische Toptreffer schlagen gesponserte", "autoren": "Joo, Shi, Abhishek", "herausgeber": "Marketing Science", "jahr": 2024, "studientyp": "Quasi-Experiment", "themen": [ "Handel & Commerce", "Search & Performance" ], "kernaussage": "Auf den vorderen Plätzen bevorzugen Käufer organische Treffer gegenüber gesponserten Treffern desselben Produkts an derselben Position; weiter hinten ist ihnen der Unterschied egal.", "zahlen": [ { "wert": "448.417", "bedeutung": "Listings" }, { "wert": "8.720", "bedeutung": "Produkte" } ], "methode": "Feldstudie mit experimenteller und natürlicher Variation der Platzierung.", "datenbasis": "führende E-Commerce-App in Indien, 448.417 Listings, 8.720 Produkte", "einschraenkungen": "Indien, eine App; Übertragbarkeit auf Deutschland offen. Abstract und Uni-Mitteilung geprüft.", "interessenlage": "Akademisch; keine Interessenlage bekannt.", "score": { "design": 8, "datenbasis": 7, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Stufe 1–3: Feldstudie mit teils experimenteller Variation in einer Top-Zeitschrift, Einzelstudie.", "gesamt": 6.7 }, "richtung": "offen", "quelle_url": "https://pubsonline.informs.org/doi/10.1287/mksc.2021.0293", "zugang": "paywall", "folgen": [ 20 ], "stand": "2026-11-06" }, { "id": "luo-et-al-chatbot-disclosure-2019", "titel_original": "Frontiers: Machines vs. Humans: The Impact of Artificial Intelligence Chatbot Disclosure on Customer Purchases", "titel_de": "Chatbot vs. Mensch im Verkaufsanruf: Effekt der Offenlegung", "autoren": "Luo, Tong, Fang, Qu", "herausgeber": "Marketing Science 38 (6)", "jahr": 2019, "studientyp": "Feldexperiment", "themen": [ "KI im Marketing", "B2B" ], "kernaussage": "Nicht offengelegte Chatbots verkauften im randomisierten Test so gut wie erfahrene Verkäufer und viermal so gut wie Anfänger. Sobald offengelegt wurde, dass ein Bot spricht, brach die Kaufrate stark ein.", "zahlen": [ { "wert": "> 6.200", "bedeutung": "randomisierte Kunden" }, { "wert": "4×", "bedeutung": "Wirksamkeit nicht offengelegter Chatbots vs. unerfahrene Mitarbeiter" }, { "wert": "> 79,7 %", "bedeutung": "Rückgang der Kaufrate bei Offenlegung der Chatbot-Identität" }, { "wert": "≈ 6.000", "bedeutung": "zufällig Menschen oder Chatbots zugeteilte Kunden" } ], "methode": "Randomisiertes Feldexperiment mit strukturierten Outbound-Verkaufsanrufen durch Chatbots oder Menschen.", "datenbasis": "Über 6.200 Kunden eines anonymen Fintech-Kreditanbieters in Asien (Kreditverlängerungen).", "einschraenkungen": "B2C-Setting (Kredite, Asien), nicht direkt auf B2B übertragbar. Kein Argument gegen Transparenzpflichten nach AI Act Art. 50, sondern ein Beleg für den Verkaufseffekt der Offenlegung.", "interessenlage": "Anonymer Unternehmenspartner stellte das Feld; keine Finanzierungsinteressen bekannt.", "score": { "design": 10, "datenbasis": 6, "unabhaengigkeit": 8, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Sauberes randomisiertes Feldexperiment mit mittlerer Fallzahl; nur ein Anbieter und Kontext, nicht unabhängig repliziert.", "gesamt": 6.7 }, "richtung": "offen", "quelle_url": "https://www.fox.temple.edu/sites/fox/files/Frontiers-Machines-versus-Humans-The-Impact-of-Artificial-Intelligence-Chatbot-Disclosure-on-Customer-Purchases.pdf", "zugang": "offen", "folgen": [ 22 ], "stand": "2026-11-06", "alias": [ "luo-chatbot-offenlegung-kaeufe-2019" ] }, { "id": "pan-blut-ghiassaleh-lee-2025-influencer-meta-analysis", "titel_original": "Influencer marketing effectiveness: A meta-analytic review", "titel_de": "Meta-Analyse Influencer-Marketing: kaum Umsatzdaten", "autoren": "Pan, Blut, Ghiassaleh, Lee", "herausgeber": "Journal of the Academy of Marketing Science", "jahr": 2025, "studientyp": "Meta-Analyse", "themen": [ "Social & Influencer" ], "kernaussage": "Die größte Meta-Analyse zum Influencer-Marketing zeigt Zusammenhänge von Influencer-Merkmalen mit Einstellungen und Kaufabsichten, misst aber fast nie echte Käufe – auf den Umsatz ist keine Wirkung der Influencer-Merkmale belegt.", "zahlen": [ { "wert": "1.531", "bedeutung": "Effektgrößen aus 251 Artikeln, 279 Stichproben, 2.009.314 Personen, 27 Länder" }, { "wert": "23", "bedeutung": "Effektgrößen zum Umsatz (108 zu Umsatz oder Kaufverhalten; eigene Auszählung der Belegliste)" }, { "wert": "r = .51", "bedeutung": "Kommunikation des Influencers → Kaufverhalten (k = 13)" }, { "wert": "r = −.28 (n. s.)", "bedeutung": "Follower-Zahl → Kaufabsicht (k = 7)" }, { "wert": "r = .66 vs. .42", "bedeutung": "Informationswert → Kaufabsicht auf content- vs. profilbasierten Plattformen" } ], "methode": "Random-Effects-Meta-Analyse korrelativer Effektgrößen mit Reliabilitätskorrektur.", "datenbasis": "251 Artikel, 279 Stichproben, 27 Länder; 2 Mio. Personen überwiegend aus wenigen Big-Data-Stichproben", "einschraenkungen": "Die meisten einbezogenen Studien sind Querschnitt und messen Absichten; die Umsatzaussagen stehen auf zwei bis fünf Effektgrößen („keine Wirkung belegt“ heißt hier „zu wenig Daten“). Die Autoren schließen kausale Schlüsse selbst aus.", "interessenlage": "Laut Autoren keine Förderung.", "score": { "design": 5, "datenbasis": 7, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Große Meta-Analyse überwiegend querschnittlicher Studien (Design der Einzelstudien +1); Muster durch zwei weitere Meta-Analysen gestützt.", "gesamt": 6.7 }, "richtung": "gemischt", "quelle_url": "https://link.springer.com/content/pdf/10.1007/s11747-024-01052-7.pdf", "zugang": "offen", "folgen": [ 19 ], "stand": "2026-11-06" }, { "id": "schatto-eckrodt-chatgpt-news-web-vs-api-2025", "titel_original": "ChatGPT-Nachrichtenquellen: Weboberfläche vs. API (DACH)", "titel_de": "Hamburger Studie: ChatGPT-Nachrichtenquellen Web vs. API", "autoren": "Schatto-Eckrodt u. a.", "herausgeber": "Universität Hamburg / Leibniz-Institut für Medienforschung (SSOAR)", "jahr": 2025, "studientyp": "Paneldaten-Analyse", "themen": [ "GEO & KI-Suche" ], "kernaussage": "Auch für den DACH-Raum unterscheiden sich die Nachrichtenquellen von ChatGPT stark zwischen Weboberfläche und API; große deutsche Medien tauchen in der Oberfläche viel häufiger auf.", "zahlen": [ { "wert": "≈ 13 % vs. 2 %", "bedeutung": "Anteil von welt.de und bild.de an den Quellen in der Weboberfläche vs. API" }, { "wert": "45,5 % vs. 27,3 %", "bedeutung": "Überschneidung mit den reichweitenstärksten deutschen Medien, Web vs. API" } ], "methode": "Systematische Abfragen von Nachrichtenfragen über Web und API über fünf Wochen.", "datenbasis": "über 24.000 Antworten, DACH, fünf Wochen", "einschraenkungen": "Nur aus zweiter Hand (The Decoder), Originalpaper nicht abrufbar; Nachrichtenquellen, keine Marken.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 6, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Unabhängige Großerhebung mit DE-Bezug, aber nicht am Original geprüft.", "gesamt": 6.7 }, "richtung": "bestaetigt", "quelle_url": "https://the-decoder.com/chatgpts-news-picks-swing-wildly-depending-on-whether-you-use-the-web-interface-or-the-api/", "zugang": "teilweise", "folgen": [ 37 ], "stand": "2026-11-06" }, { "id": "wernerfelt-tuchman-shapiro-moakler-2025-offsite-daten", "titel_original": "Estimating the Value of Offsite Tracking Data to Advertisers: Evidence from Meta", "titel_de": "Was Offsite-Tracking-Daten Werbetreibenden wert sind (Meta)", "autoren": "Wernerfelt, Tuchman, Shapiro, Moakler", "herausgeber": "Marketing Science 44(2), 268–286", "jahr": 2025, "studientyp": "Feldexperiment", "themen": [ "Recht & Datenschutz", "Messung & Attribution", "Search & Performance" ], "kernaussage": "Ohne Daten über das Nutzerverhalten außerhalb der Plattform (z. B. Pixel, Cookies) würde Werbung auf Facebook und Instagram für den Median-Werbetreibenden rund ein Drittel teurer pro zusätzlichem Kunden. Kleine Werbetreibende träfe der Verlust überproportional.", "zahlen": [ { "wert": "> 70.000", "bedeutung": "Anzahl Werbetreibender im randomisierten Experiment" }, { "wert": "38,16 US-$", "bedeutung": "mediane Kosten pro inkrementellem Kunden mit Offsite-Daten" }, { "wert": "49,93 US-$", "bedeutung": "mediane Kosten pro inkrementellem Kunden bei medianem Wirkungsverlust ohne Offsite-Daten" }, { "wert": "+31 %", "bedeutung": "Anstieg der Kosten pro inkrementellem Kunden ohne Offsite-Daten (Median)" } ], "methode": "Großes randomisiertes Experiment auf Meta: Wirkung derselben Kampagnen mit und ohne Optimierung auf Offsite-Daten, Verteilung der Effekte per Dekonvolution geschätzt.", "datenbasis": "Über 70.000 Werbetreibende auf Facebook und Instagram, USA.", "einschraenkungen": "Mitautor bei Meta und Meta hat ein starkes Interesse am Wert seiner Tracking-Daten (Regulierungsdebatte, Apple ATT). Gemessen wird der Wert für Werbetreibende, nicht die Wohlfahrt der Nutzer.", "interessenlage": "Meta stellt Daten und Mitautor; Ergebnis stützt Metas Position in der Datenschutzdebatte.", "score": { "design": 10, "datenbasis": 9, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Sehr großes Experiment, aber bisher nicht unabhängig repliziert und mit klarer Interessenlage des Datengebers.", "gesamt": 6.7 }, "richtung": "offen", "quelle_url": "https://doi.org/10.1287/mksc.2023.0274", "zugang": "teilweise", "folgen": [], "stand": "2026-11-06" }, { "id": "dawes-ltr-scores-brand-growth-2025", "titel_original": "Examining the Longitudinal Association Between Positive and Negative Likelihood-to-Recommend Scores and Brand Growth", "titel_de": "Weiterempfehlungswerte und Markenwachstum (UK, 10 Jahre)", "autoren": "Dawes", "herausgeber": "Australasian Marketing Journal", "jahr": 2025, "studientyp": "Paneldaten-Analyse", "themen": [ "CRM & Loyalität", "Messung & Attribution", "Markenaufbau & Wachstum" ], "kernaussage": "Über zehn Jahre und vier britische Kategorien zeigte sich kein klarer Zusammenhang zwischen positiven oder negativen Weiterempfehlungswerten und späterem Wachstum oder Rückgang, auch nicht bei Ex- und Nie-Kunden.", "zahlen": [ { "wert": "10 Jahre / 4 Kategorien", "bedeutung": "Autos, Supermärkte, Airlines, Quick-Service-Restaurants" } ], "methode": "Längsschnittanalyse von Weiterempfehlungswerten bei Kunden, Ex-Kunden und Nie-Kunden.", "datenbasis": "UK, 10 Jahre, vier Kategorien; Datenquelle im Abstract nicht genannt.", "einschraenkungen": "Nur Abstract gelesen (Paywall). Widerspricht teilweise Baehre et al. (2021), die bei allen potenziellen Kunden einen Effekt fanden.", "interessenlage": "Autor vom Ehrenberg-Bass Institute (NPS-kritische Denkschule).", "score": { "design": 6, "datenbasis": 6, "unabhaengigkeit": 9, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Lange Zeitreihe über mehrere Kategorien, akademisch; Befundlage zu Nichtkunden-NPS uneinheitlich.", "gesamt": 6.6 }, "richtung": "widerlegt", "quelle_url": "https://journals.sagepub.com/doi/abs/10.1177/14413582241255388", "zugang": "paywall", "folgen": [ 27 ], "stand": "2026-11-06" }, { "id": "mertens-et-al-nudging-meta-2022", "titel_original": "The effectiveness of nudging: A meta-analysis of choice architecture interventions across behavioral domains", "titel_de": "Meta-Analyse zur Wirksamkeit von Nudges", "autoren": "Mertens, Herberz, Hahnel, Brosch", "herausgeber": "PNAS 119 (1)", "jahr": 2022, "studientyp": "Meta-Analyse", "themen": [ "Methodik & Marktforschung", "CRM & Loyalität" ], "kernaussage": "Unkorrigiert zeigen Nudges einen mittleren Effekt, Defaults sind die stärkste Technik. Die Autoren selbst räumen ein, dass der wahre Effekt bei Publikationsbias deutlich kleiner sein kann.", "zahlen": [ { "wert": "d = 0,43 (KI 0,38–0,48)", "bedeutung": "Gesamteffekt nach Korrektur (vorher 0,45 aus 455 Effekten)" }, { "wert": "447 Effektgrößen, N ≈ 2,1 Mio.", "bedeutung": "Basis aus mehr als 200 Studien" }, { "wert": "d = 0,62", "bedeutung": "Effekt von Defaults" }, { "wert": "d = 0,31 bzw. 0,08", "bedeutung": "von den Autoren geschätzter wahrer Effekt bei moderatem bzw. starkem Publikationsbias" }, { "wert": "212 / 447", "bedeutung": "einbezogene Publikationen bzw. Effektgrößen" }, { "wert": "2.148.439", "bedeutung": "Teilnehmende insgesamt" }, { "wert": "d = 0,43", "bedeutung": "mittlere Effektstärke (Cohen's d) aller Nudges" }, { "wert": "d = 0,54 / 0,34 / 0,28", "bedeutung": "Effekt von Entscheidungsstruktur, -information bzw. -unterstützung" } ], "methode": "Meta-Analyse von Choice-Architecture-Interventionen über viele Verhaltensbereiche; später korrigiert.", "datenbasis": "Mehr als 200 Studien, 447 Effektgrößen, N ≈ 2,1 Mio.", "einschraenkungen": "In der Korrektur wurden Beobachtungen aus der zurückgezogenen Studie Shu et al. (2012) und Codierfehler entfernt. Die Bias-Nachanalyse von Maier et al. (2022) senkt den Gesamteffekt auf nahe null.", "interessenlage": "Finanziert vom Schweizerischen Nationalfonds und vom Bundesamt für Energie; kein kommerzielles Interesse bekannt.", "score": { "design": 7, "datenbasis": 9, "unabhaengigkeit": 9, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Sehr große Meta-Analyse über überwiegend experimentelle Studien; der Kernwert wurde durch Bias-Nachanalyse und Feld-Vollerhebung stark relativiert.", "gesamt": 6.6 }, "richtung": "gemischt", "quelle_url": "https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8740589/", "zugang": "offen", "folgen": [ 21 ], "stand": "2026-11-06", "alias": [ "mertens-nudge-meta-analyse-2022" ] }, { "id": "phua-bali-anesbury-sharp-2026-shape-assets", "titel_original": "Shape-based assets are strongest: benchmarking distinctive brand asset performance across industries", "titel_de": "Formen schlagen Farben: Benchmark für Brand Assets", "autoren": "Phua, Bali, Anesbury, Sharp", "herausgeber": "International Journal of Advertising", "jahr": 2026, "studientyp": "Umfrage", "themen": [ "Markenaufbau & Wachstum", "Kreation & Werbewirkung" ], "kernaussage": "Über mehr als tausend gemessene Markenelemente sind Formen wie Logos und Verpackungen die stärksten Distinctive Assets, Farben im Schnitt die schwächsten; das durchschnittliche Asset ist eigenständig, aber zu wenig bekannt.", "zahlen": [ { "wert": "26 % / 54 %", "bedeutung": "durchschnittliche Fame bzw. Uniqueness aller Assets" }, { "wert": "40 % / 71 %", "bedeutung": "Fame / Uniqueness von Form-Assets (Logos, Packungs- und Produktformen)" }, { "wert": "12 % / 39 %", "bedeutung": "Fame / Uniqueness von Farb-Assets" }, { "wert": "r = 0,97", "bedeutung": "Korrelation von Fame und Uniqueness über alle Assets" }, { "wert": "p = .97", "bedeutung": "kein signifikanter Unterschied zwischen Audio- und Wort-Assets" } ], "methode": "Gepoolte Querschnittsbefragungen von Kategoriekäufern: Asset ohne Markennamen zeigen, offen nach der Marke fragen; Fame = Anteil der Befragten mit richtiger Zuordnung, Uniqueness = Anteil der Marke an allen Nennungen.", "datenbasis": "1.162 Assets von 128 Marken, 21 Kategorien, 4 Branchen, AU/UK/US/NZ, 2015–2023, 12.249 Befragte (229–1.500 je Studie)", "einschraenkungen": "Querschnitt, Survivor-Bias (nur aktive Assets), Asset-Auswahl durch zahlende Kunden kann die Korrelation erhöhen. Keine Verknüpfung mit Verkaufszahlen. Die 50-%-Schwellen des Rasters sind eine Konvention, nicht aus Verkaufsdaten abgeleitet. Widerlegt den populären Satz „Farbe verkauft mehr als der Slogan“.", "interessenlage": "Keine eigene Förderung; Daten aus der Messdatenbank des Ehrenberg-Bass Institute, das genau diese Messung verkauft. Rohdaten aus kommerziellen Gründen nicht verfügbar.", "score": { "design": 6, "datenbasis": 8, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 7, "begruendung": "Große Datenbasis über Länder und Jahre in begutachteter Open-Access-Studie; Richtung von Ward et al. 2020 und JKR/Ipsos gestützt, aber alles aus einem Institut.", "gesamt": 6.6 }, "richtung": "bestaetigt", "quelle_url": "https://www.tandfonline.com/doi/full/10.1080/02650487.2026.2637295", "zugang": "offen", "folgen": [ 13 ], "stand": "2026-11-06" }, { "id": "dawes-promotions-existing-buyers-2013", "titel_original": "Price-Related Promotions are Mostly Bought by Existing Brand Buyers", "titel_de": "Preisaktionen kaufen vor allem Bestandskunden (Dawes)", "autoren": "Dawes", "herausgeber": "SSRN Working Paper 2199169", "jahr": 2013, "studientyp": "Paneldaten-Analyse", "themen": [ "Preis & Promotion", "CRM & Loyalität" ], "kernaussage": "Die Mehrheit der Aktionskäufer hatte die Marke im vorangegangenen halben Jahr schon gekauft, bei großen Marken noch mehr als bei kleinen. Aktionen gewinnen also überwiegend keine Neukunden.", "zahlen": [ { "wert": "58 %", "bedeutung": "Aktionskäufer, die die Marke in den vorangegangenen 26 Wochen gekauft hatten" }, { "wert": "≈ 50 % vs. ≥ 65 %", "bedeutung": "Anteil bei kleinen vs. großen Marken" } ], "methode": "Auswertung von Panel-Kaufdaten in mehreren Kategorien.", "datenbasis": "9 Kategorien; Land und Panel im Abstract nicht genannt.", "einschraenkungen": "Working Paper ohne Journal; nur Abstract gesichtet. Kürzeres Zeitfenster (26 Wochen) als bei Ehrenberg, daher niedrigerer Wert.", "interessenlage": "Ehrenberg-Bass-Umfeld (von Unternehmen finanziertes Institut); kein Bezug zu Aktionsanbietern bekannt.", "score": { "design": 6, "datenbasis": 5, "unabhaengigkeit": 7, "replikation": 8, "uebertragbarkeit": 6, "begruendung": "Paneldatenanalyse mit mittlerer Breite, nicht peer-reviewt; repliziert den Ehrenberg-Befund.", "gesamt": 6.5 }, "richtung": "bestaetigt", "quelle_url": "https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2199169", "zugang": "offen", "folgen": [ 24 ], "stand": "2026-11-06" }, { "id": "eisend-et-al-2020-disclosing-sponsored-content-meta", "titel_original": "A Meta-Analysis of the Effects of Disclosing Sponsored Content", "titel_de": "Meta-Analyse: Was die Werbekennzeichnung bewirkt", "autoren": "Eisend, van Reijmersdal, Boerman, Tarrahi", "herausgeber": "Journal of Advertising", "jahr": 2020, "studientyp": "Meta-Analyse", "themen": [ "Social & Influencer", "Recht & Datenschutz" ], "kernaussage": "Die Kennzeichnung gesponserter Inhalte lässt Menschen Werbung besser erkennen und senkt Markeneinstellung und Glaubwürdigkeit leicht, verändert die Verhaltensabsicht aber nicht signifikant.", "zahlen": [ { "wert": "r = .255", "bedeutung": "Offenlegung → Erkennen als Werbung" }, { "wert": "|r| = .108", "bedeutung": "Senkung der Markeneinstellung (k = 89)" }, { "wert": "|r| = .132", "bedeutung": "Senkung der Glaubwürdigkeit (k = 82)" }, { "wert": "r = .023 (n. s.)", "bedeutung": "Wirkung auf Verhaltensabsicht (k = 66)" } ], "methode": "Meta-Analyse von Studien zur Offenlegung gesponserter Inhalte.", "datenbasis": "61 Papers, 57 Datensätze", "einschraenkungen": "Gilt für gesponserte Inhalte allgemein, nicht nur Influencer; überwiegend Experimente mit Absichtsmaßen. Die Kennzeichnung ist bei Gegenleistung ohnehin Pflicht.", "interessenlage": "Akademisch; keine Interessenlage bekannt.", "score": { "design": 5, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Meta-Analyse überwiegend experimenteller Laborstudien (Design der Einzelstudien +1); Pan et al. finden passend keinen Effekt auf Kaufabsicht.", "gesamt": 6.5 }, "richtung": "bestaetigt", "quelle_url": "https://pure.uva.nl/ws/files/53919254/A_Meta_Analysis_of_the_Effects_of_Disclosing_Sponsored_Content.pdf", "zugang": "offen", "folgen": [ 19 ], "stand": "2026-11-06" }, { "id": "iyengar-lepper-jam-study-2000", "titel_original": "When choice is demotivating: Can one desire too much of a good thing?", "titel_de": "Marmeladen-Studie: Wenn zu viel Auswahl demotiviert", "autoren": "Iyengar, Lepper", "herausgeber": "Journal of Personality and Social Psychology 79 (6)", "jahr": 2000, "studientyp": "Feldexperiment", "themen": [ "Handel & Commerce", "Preis & Promotion" ], "kernaussage": "Am Probierstand mit 6 Marmeladensorten kauften die Stehenbleiber deutlich häufiger als am Stand mit 24 Sorten. Am großen Stand blieben aber mehr Menschen stehen, und Meta-Analysen finden im Mittel keinen allgemeinen Choice-Overload-Effekt.", "zahlen": [ { "wert": "30 % vs. 3 %", "bedeutung": "Kaufquote der Stehenbleiber am 6er- vs. am 24er-Stand" }, { "wert": "31 vs. 4", "bedeutung": "Käufe in absoluten Zahlen" }, { "wert": "40 % vs. 60 %", "bedeutung": "Anteil Vorbeigehender, die am 6er- bzw. 24er-Stand stehen blieben (104 von 260 vs. 145 von 242)" }, { "wert": "60 % vs. 40 %", "bedeutung": "Anteil der Passanten, die am Stand mit 24 bzw. 6 Sorten stehen blieben" }, { "wert": "3 % vs. ca. 30 %", "bedeutung": "Kaufquote der Probierenden am Stand mit 24 bzw. 6 Sorten" } ], "methode": "Feldexperiment im Feinkostmarkt Draeger’s (Menlo Park) mit stündlich wechselnder Standgröße; keine Randomisierung einzelner Personen.", "datenbasis": "Zwei Samstage mit je 5 Stunden, rund 500 Vorbeigehende.", "einschraenkungen": "Die berühmten „30 % vs. 3 %“ beziehen sich nur auf Stehenbleiber; absolut nur 35 Käufe. Meta-Analysen (Scheibehenne 2010, Chernev 2015) zeigen keinen allgemeinen Effekt; Aussagen wie „zu viel Auswahl halbiert den Umsatz“ sind nicht belegt.", "interessenlage": "keine bekannt", "score": { "design": 10, "datenbasis": 2, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Feldexperiment, aber winzige Fallzahl und ohne Randomisierung einzelner Personen; der allgemeine Effekt hielt in Meta-Analysen nicht.", "gesamt": 6.5 }, "richtung": "widerlegt", "quelle_url": "https://doi.org/10.1037/0022-3514.79.6.995", "zugang": "teilweise", "folgen": [ 21 ], "stand": "2026-11-06", "alias": [ "iyengar-lepper-marmeladen-studie-2000" ] }, { "id": "keiningham-et-al-nps-longitudinal-2007", "titel_original": "A Longitudinal Examination of Net Promoter and Firm Revenue Growth", "titel_de": "Längsschnitt-Prüfung: NPS und Umsatzwachstum (Norwegen)", "autoren": "Keiningham, Cooil, Andreassen, Aksoy", "herausgeber": "Journal of Marketing 71 (3)", "jahr": 2007, "studientyp": "Paneldaten-Analyse", "themen": [ "CRM & Loyalität", "Messung & Attribution" ], "kernaussage": "Mit Längsschnittdaten aus Norwegen ließ sich die behauptete klare Überlegenheit des NPS gegenüber anderen Kennzahlen gerade in Reichhelds Vorzeigebranchen nicht bestätigen. Der Zusammenhang schwankt je Branche stark.", "zahlen": [ { "wert": "21 Firmen / > 15.500", "bedeutung": "Firmen / Interviews aus dem Norwegischen Kundenzufriedenheitsbarometer" }, { "wert": "r = −0,45 bis 0,86", "bedeutung": "Spannweite der NPS-Wachstums-Korrelation je Branche (Tankstellen bis Sicherheitssysteme; aus zweiter Hand, MeasuringU)" } ], "methode": "Längsschnittanalyse von NPS und Umsatzwachstum, ergänzt um einen Vergleich mit ACSI-Daten (USA).", "datenbasis": "21 Firmen, über 15.500 Interviews, Norwegen; 3–5 Firmen je Branche.", "einschraenkungen": "Kleine Fallzahl je Branche, daher auch große Unterschiede nicht signifikant. Nur Abstract gelesen (Paywall). Branchenkorrelationen aus zweiter Hand.", "interessenlage": "Keiningham arbeitete damals bei Ipsos Loyalty (Anbieter konkurrierender Loyalitätsmessung).", "score": { "design": 6, "datenbasis": 5, "unabhaengigkeit": 7, "replikation": 8, "uebertragbarkeit": 5, "begruendung": "Längsschnittliche Paneldaten mit kleiner Firmenzahl; Branchenpartner-Bezug; Befund durch mehrere spätere Studien gestützt.", "gesamt": 6.5 }, "richtung": "widerlegt", "quelle_url": "https://journals.sagepub.com/doi/abs/10.1509/jmkg.71.3.039", "zugang": "paywall", "folgen": [ 27 ], "stand": "2026-11-06" }, { "id": "lambrecht-tucker-retargeting-2013", "titel_original": "When Does Retargeting Work? Information Specificity in Online Advertising", "titel_de": "Dynamisches Retargeting wirkt oft schlechter als generische Anzeigen", "autoren": "Lambrecht, Tucker", "herausgeber": "Journal of Marketing Research (50/5)", "jahr": 2013, "studientyp": "Feldexperiment", "themen": [ "Search & Performance", "Kreation & Werbewirkung" ], "kernaussage": "Anzeigen, die genau die zuvor angesehenen Produkte zeigen, schnitten im Schnitt schlechter ab als allgemeine Markenanzeigen. Erst wenn Nutzer ihre Präferenzen bereits eingegrenzt hatten (z. B. nach Besuch von Bewertungsportalen), holten sie auf.", "zahlen": [], "methode": "Feldexperiment bei einem Online-Reiseanbieter mit zufälliger Zuteilung von dynamischen vs. generischen Retargeting-Anzeigen; Auswertung nach vorherigem Surfverhalten.", "datenbasis": "Nutzer eines Online-Reiseportals, Hotel- und Reiseangebote.", "einschraenkungen": "Eine Branche, Display-Retargeting vor heutigen Feed-Formaten; misst Buchungen, nicht Markenwirkung. Zeigt nicht, dass Retargeting generell nutzlos ist.", "interessenlage": "akademisch; Daten eines Reiseanbieters", "score": { "design": 10, "datenbasis": 6, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Randomisiertes Feldexperiment mit Kaufdaten, aber ein Anbieter und kaum direkte Replikationen.", "gesamt": 6.5 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1509/jmr.11.0503", "zugang": "teilweise", "folgen": [], "stand": "2026-11-06" }, { "id": "pechmann-stewart-wearin-wearout-review-1988", "titel_original": "Advertising Repetition: A Critical Review of Wearin and Wearout", "titel_de": "Pechmann & Stewart: Standard-Review zu Wear-in und Wear-out", "autoren": "Pechmann, Stewart", "herausgeber": "Current Issues and Research in Advertising 11(1/2), 285–329", "jahr": 1988, "studientyp": "Übersichtsarbeit", "themen": [ "Kreation & Werbewirkung" ], "kernaussage": "Der Standard-Review zu Werbewiederholung prägte die Begriffe: steigende Grenzerträge heißen Wear-in, sinkende Wear-out; er wertet Feld- und Laborstudien zu Erinnerung, Einstellung und Markenwahl aus.", "zahlen": [], "methode": "Kritische Literaturübersicht über Feld- und Laborstudien.", "datenbasis": "Studien bis 1988", "einschraenkungen": "Volltext nicht frei zugänglich, daher keine Einzelzahlen übernommen; Definition über Lewis zitiert.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 6, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Etablierter Review; Inhalte nur indirekt geprüft.", "gesamt": 6.5 }, "richtung": "bestaetigt", "quelle_url": "https://www.msi.org/working-papers/advertising-repetition-a-critical-review-of-wearin-and-wearout/", "zugang": "paywall", "folgen": [ 38 ], "stand": "2026-11-06" }, { "id": "reinartz-kumar-mismanagement-loyalty-2002", "titel_original": "The Mismanagement of Customer Loyalty", "titel_de": "Fehlsteuerung der Kundenloyalität (16.000 Kunden)", "autoren": "Reinartz, Kumar", "herausgeber": "Harvard Business Review 80 (7)", "jahr": 2002, "studientyp": "Paneldaten-Analyse", "themen": [ "CRM & Loyalität", "Markenaufbau & Wachstum" ], "kernaussage": "In Kundendaten von vier Unternehmen fanden die Autoren keine Belege, dass treue Kunden günstiger sind, mehr zahlen oder mehr weiterempfehlen. Nicht alle treuen Kunden sind profitabel, nicht alle profitablen treu.", "zahlen": [ { "wert": "16.000", "bedeutung": "Kunden aus vier Unternehmen" }, { "wert": "4", "bedeutung": "Segmente: „true friends“, „butterflies“, „barnacles“, „strangers“" }, { "wert": "4 Unternehmen / > 16.000 Kunden", "bedeutung": "US-Firmendienstleister, US-Versandhändler, französischer Lebensmittelhändler, deutscher Direktbroker; vier Jahre" }, { "wert": "0,20–0,45", "bedeutung": "Korrelation zwischen Bindungsdauer und Profitabilität je Unternehmen" }, { "wert": "≈ 40 %", "bedeutung": "Anteil unprofitabler Kunden unter den treuen Kunden beim Firmendienstleister" } ], "methode": "Datenbankanalyse von Kundendaten.", "datenbasis": "Rund 16.000 Kunden aus vier Unternehmen.", "einschraenkungen": "Nur Abstract genutzt (HBR-Paywall). Branchen und Länder nicht geprüft.", "interessenlage": "keine bekannt", "score": { "design": 6, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Kundendatenanalyse über mehrere Firmen, akademisch; deckt sich mit der Vorgängerstudie.", "gesamt": 6.5 }, "richtung": "widerlegt", "quelle_url": "https://pubmed.ncbi.nlm.nih.gov/12140857/", "zugang": "paywall", "folgen": [ 29 ], "stand": "2026-11-06", "alias": [ "reinartz-kumar-mismanagement-customer-loyalty-2002" ] }, { "id": "sharp-sharp-1997-loyalty-programs-fly-buys", "titel_original": "Loyalty programs and their impact on repeat-purchase loyalty patterns", "titel_de": "Fly Buys: Bonusprogramm erzeugt kaum Zusatz-Loyalität", "autoren": "Sharp, Sharp", "herausgeber": "International Journal of Research in Marketing", "jahr": 1997, "studientyp": "Paneldaten-Analyse", "themen": [ "CRM & Loyalität", "Handel & Commerce" ], "kernaussage": "Australiens größtes Bonusprogramm erzeugte kaum Loyalität über das hinaus, was die Marktgröße der Partner ohnehin erwarten ließ; die sichtbarsten Abweichungen lassen sich eher Aktionen oder anderen Ursachen zuschreiben.", "zahlen": [ { "wert": "2 von 6", "bedeutung": "Programmmarken mit deutlicher Excess Loyalty" }, { "wert": "3,6 vs. 3,2", "bedeutung": "tatsächliche vs. erwartete Kaufhäufigkeit bei Kmart, fast ganz in drei Wochen vor Weihnachten mit Punkte-Aktionen" }, { "wert": "> 3 Pp. / > 0,3", "bedeutung": "Schwelle für deutliche Abweichung bei Penetration bzw. Kaufhäufigkeit" }, { "wert": "über 3 Mio.", "bedeutung": "Fly-Buys-Mitglieder Anfang 1996 (ein Viertel der Haushalte, aus zweiter Hand)" } ], "methode": "Haushaltspanel mit Einkaufstagebuch und wöchentlichem Telefoninterview; Vergleich der Kennzahlen mit der Dirichlet-Erwartung, ohne Kontrollgruppe.", "datenbasis": "745 Haushalte im Großraum Adelaide, Aug. 1994–Apr. 1995 (Mittel zweier 9-Wochen-Panels), Supermarkt, Tankstelle, Kaufhaus", "einschraenkungen": "Keine Kontrollgruppe, kleine Mitglieder-Teilstichproben, Daten aus den 1990er-Jahren. Bei Shell kam die Abweichung vor allem von Nicht-Mitgliedern.", "interessenlage": "Gefördert über einen Antrag beim Australian Research Council; keine Industriefinanzierung bekannt.", "score": { "design": 6, "datenbasis": 4, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Panelstudie mit Benchmark-Logik, unabhängig gefördert; Kernaussage durch Leenheer et al. (kleiner Effekt nach Selektionskorrektur) gestützt.", "gesamt": 6.5 }, "richtung": "bestaetigt", "quelle_url": "https://byronsharp.wordpress.com/wp-content/uploads/2008/03/4025loyaltyprogs.pdf", "zugang": "offen", "folgen": [ 3, 18 ], "stand": "2026-11-06", "alias": [ "sharp-flybuys-1997" ] }, { "id": "sharp-wright-goodhardt-repertoire-subscription-2002", "titel_original": "Purchase Loyalty is Polarised into Either Repertoire or Subscription Patterns", "titel_de": "Zwei Markttypen: Repertoire- und Abo-Märkte", "autoren": "Sharp, Wright, Goodhardt", "herausgeber": "Australasian Marketing Journal 10 (3)", "jahr": 2002, "studientyp": "Paneldaten-Analyse", "themen": [ "CRM & Loyalität", "Markenaufbau & Wachstum" ], "kernaussage": "Märkte zerfallen in Repertoire-Märkte, in denen die meisten mehrere Marken kaufen, und Abo-Märkte, in denen die meisten einer Marke treu bleiben. In Abo-Märkten wird Abwanderung zur zentralen Stellgröße.", "zahlen": [], "methode": "Vergleich von Loyalitätsmustern über Märkte hinweg.", "datenbasis": "In der Belegliste nicht näher erfasst.", "einschraenkungen": "Markiert die Grenze der Penetrationslogik: In Abo-, Vertrags- und vielen B2B-Märkten zählt Bindung.", "interessenlage": "Ehrenberg-Bass-Umfeld.", "score": { "design": 6, "datenbasis": 5, "unabhaengigkeit": 8, "replikation": 6, "uebertragbarkeit": 8, "begruendung": "Paneldatenbasierte Generalisierung, akademisch; Datenbasis hier nicht geprüft.", "gesamt": 6.5 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1016/S1441-3582(02)70155-9", "zugang": "paywall", "folgen": [ 29 ], "stand": "2026-11-06" }, { "id": "tellis-tellis-2009-werbung-in-der-rezession", "titel_original": "Research on Advertising in a Recession: A Critical Review and Synthesis", "titel_de": "Werbung in der Rezession: kritische Literaturübersicht", "autoren": "Tellis, Tellis", "herausgeber": "Journal of Advertising Research", "jahr": 2009, "studientyp": "Übersichtsarbeit", "themen": [ "Media & Budget", "Markenaufbau & Wachstum" ], "kernaussage": "Die Übersicht ordnet über 40 Studien zur Frage, ob Werbekürzungen in Rezessionen Unternehmen kurz- oder langfristig schaden. Die Antwort ist laut Autoren nicht trivial, weil Studien Rezession unterschiedlich definieren und Kürzungen nach sehr unterschiedlichen Designs untersuchen.", "zahlen": [ { "wert": "> 40", "bedeutung": "Anzahl gesichteter Studien zu Werbung in Rezessionen" } ], "methode": "Systematische Literaturübersicht mit Unterscheidung nach Rezessionsdefinition (zwei Quartale negatives BIP-Wachstum vs. breiter Abschwung) und Studiendesign.", "datenbasis": "Über 40 Studien, überwiegend USA und Großbritannien, 20. Jahrhundert bis 2008.", "einschraenkungen": "Übersicht ohne eigene Daten; die Einzelbefunde sind überwiegend korrelativ, da finanzstarke Firmen in der Krise eher weiter werben können. Konkrete Schlussfolgerungen und Effektgrößen ließen sich ohne Volltext nicht an der Primärquelle prüfen.", "interessenlage": "keine bekannt (akademisch)", "score": { "design": 5, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Akademische Synthese korrelativer Einzelstudien; zentrale Richtung wird von späteren Panelstudien teils gestützt.", "gesamt": 6.5 }, "richtung": "gemischt", "quelle_url": "https://www.warc.com/en/article/research-on-advertising-in-a-recession%3A-a-critical-review-and-synthesis-7cae09c48bb44370ab79c0305abad9e8", "zugang": "paywall", "folgen": [], "stand": "2026-11-06" }, { "id": "ward-yang-romaniuk-beal-2020-brand-identity-elements", "titel_original": "Building a unique brand identity: measuring the relative ownership potential of brand identity element types", "titel_de": "Welche Markenelemente am ehesten einer Marke gehören", "autoren": "Ward, Yang, Romaniuk, Beal", "herausgeber": "Journal of Brand Management", "jahr": 2020, "studientyp": "Umfrage", "themen": [ "Markenaufbau & Wachstum", "Kreation & Werbewirkung" ], "kernaussage": "Figuren, Logos und Schriftzüge haben das größte Potenzial, eindeutig einer Marke zu gehören; Farben werden am stärksten mit Wettbewerbern geteilt.", "zahlen": [ { "wert": "1.281", "bedeutung": "gemessene Markenelemente aus 13 FMCG-Kategorien in 19 Ländern" } ], "methode": "Auswertung von Konsumentenbefragungen zur Zuordnung von Markenelementen; Konzentration der Nennungen je Elementtyp.", "datenbasis": "1.281 Elemente, 13 FMCG-Kategorien, 19 Länder", "einschraenkungen": "Nur Abstract gelesen (Paywall); HHI-Werte je Typ nur aus zweiter Hand. Keine Verkaufsdaten.", "interessenlage": "Autoren am Ehrenberg-Bass Institute, das Asset-Messungen verkauft.", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 7, "begruendung": "Breiter Datensatz über viele Länder; Befund durch die unabhängig erhobene Datenbasis von Phua et al. 2026 bestätigt, aber aus demselben Institut.", "gesamt": 6.5 }, "richtung": "bestaetigt", "quelle_url": "https://link.springer.com/article/10.1057/s41262-020-00187-6", "zugang": "paywall", "folgen": [ 13 ], "stand": "2026-11-06" }, { "id": "barari-eisend-jain-2026-influencer-meta-analysis", "titel_original": "A meta-analysis of the effectiveness of social media influencers: Mechanisms and moderation", "titel_de": "Meta-Analyse der Influencer-Experimente", "autoren": "Barari, Eisend, Jain", "herausgeber": "Journal of the Academy of Marketing Science", "jahr": 2026, "studientyp": "Meta-Analyse", "themen": [ "Social & Influencer" ], "kernaussage": "In Experimenten wirken Influencer bei der Kaufabsicht nur schwach und nicht besser als Prominente, wohl aber besser als eigene Markenposts; die Autoren betonen, dass Absichtsmaße die Wirkung überschätzen.", "zahlen": [ { "wert": "r = .11", "bedeutung": "Influencer vs. andere Endorsement-Formen auf Kaufabsicht (k = 86)" }, { "wert": "r < 0.01 (n. s.)", "bedeutung": "Influencer vs. Prominente auf Kaufabsicht (k = 27)" }, { "wert": "r = .26 / .09", "bedeutung": "Influencer vs. kein Endorsement bzw. Marken-Post auf Kaufabsicht" }, { "wert": "r = .24", "bedeutung": "Influencer vs. Prominente auf Engagement (k = 8)" }, { "wert": "135", "bedeutung": "Experimente aus 71 Papers, 571 Effektgrößen, 44.210 Konsumenten" } ], "methode": "Multilevel-Meta-Analyse und Meta-Regression experimenteller Studien bis Juli 2024.", "datenbasis": "71 Papers, 135 Experimente, 571 Effektgrößen, 44.210 Konsumenten", "einschraenkungen": "Fast nur Absichtsmaße und häufig fiktive Influencer als Stimuli. Die Größengrenze von 1 Mio. Followern ist eine Definition der Autoren.", "interessenlage": "Akademisch; nur die Open-Access-Gebühr wurde gefördert.", "score": { "design": 5, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Meta-Analyse von Online-/Laborexperimenten (Design der Einzelstudien +1), unabhängig; Richtung passt zu Pan et al.", "gesamt": 6.4 }, "richtung": "gemischt", "quelle_url": "https://link.springer.com/content/pdf/10.1007/s11747-025-01107-3.pdf", "zugang": "offen", "folgen": [ 19 ], "stand": "2026-11-06" }, { "id": "chen-zhu-zheng-synthetic-users-fail-2026", "titel_original": "When Synthetic Users Fail: A Cross-Domain Benchmark of LLM-Simulated Human Survey Responses", "titel_de": "Benchmark: Synthetische Befragte überschätzen Segmentunterschiede", "autoren": "Chen, Zhu, Zheng", "herausgeber": "arXiv:2607.26348", "jahr": 2026, "studientyp": "Laborexperiment", "themen": [ "KI im Marketing", "Methodik & Marktforschung", "Markenaufbau & Wachstum" ], "kernaussage": "Synthetische Befragte überschätzen den Einfluss von Demografie: Sie blähen Segmentunterschiede auf, zeigen oft auf das falsche Zielsegment und erfinden Unterschiede. Größere Modelle beheben das nicht.", "zahlen": [ { "wert": "2–4×", "bedeutung": "Aufblähung der Unterschiede zwischen Segmenten" }, { "wert": "50–72 %", "bedeutung": "Fälle, in denen das Modell auf das falsche Zielsegment zeigt" }, { "wert": "bis 41 %", "bedeutung": "erfundene Segmentunterschiede" } ], "methode": "Benchmark von vier Modellen (Claude Haiku 4.5, Claude Sonnet 4.6, Llama-3.1-8B, Llama-3.3-70B) gegen echte Umfragedaten.", "datenbasis": "General Social Survey (USA 2016–2024) und World Values Survey Welle 7 (63 Länder).", "einschraenkungen": "In Begutachtung, nicht peer-reviewt. Kein Modell schlägt auf Individualebene eine einfache statistische Baseline.", "interessenlage": "keine bekannt", "score": { "design": 4, "datenbasis": 8, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Breiter Benchmark mit großen repräsentativen Vergleichsdaten, akademisch; Preprint, Richtung durch Wang et al. gestützt.", "gesamt": 6.4 }, "richtung": "widerlegt", "quelle_url": "https://arxiv.org/pdf/2607.26348", "zugang": "offen", "folgen": [ 26 ], "stand": "2026-11-06" }, { "id": "ravichandran-korula-google-cookies-publisher-revenue-2019", "titel_original": "Google-Arbeitspapier vom 27.08.2019 zur Wirkung der Abschaltung von Third-Party-Cookies auf Publisher-Umsätze", "titel_de": "Google-Experiment 2019: Publisher-Umsatz ohne Cookies", "autoren": "Ravichandran, Korula (Google)", "herausgeber": "Google", "jahr": 2019, "studientyp": "Feldexperiment", "themen": [ "Recht & Datenschutz", "Media & Budget" ], "kernaussage": "In Googles eigenem Experiment sank der programmatische Umsatz von Top-Publishern ohne Cookies im Schnitt um rund die Hälfte. Die Kontrollgruppe bekam Kontextwerbung, gemessen wurde also der Mehrwert von Cookies gegenüber Kontext, nicht gegenüber null.", "zahlen": [ { "wert": "−52 %", "bedeutung": "durchschnittlicher Umsatzrückgang in der Treatment-Gruppe" }, { "wert": "−64 %", "bedeutung": "Median-Rückgang je Publisher" }, { "wert": "−62 %", "bedeutung": "Rückgang bei News-Publishern" }, { "wert": "500 / 96 Tage", "bedeutung": "Top-Publisher in Google Ad Manager / Testdauer" } ], "methode": "Randomisiertes Experiment: Ein Teil des Traffics sah nur nicht personalisierte Anzeigen (z. B. Kontextwerbung).", "datenbasis": "Top-500-Publisher in Google Ad Manager, Mai–August 2019.", "einschraenkungen": "Kein Peer Review, ohne Ersatztechnologien. Durchgeführt von Google, das damals für seinen Sandbox-Kurs argumentierte.", "interessenlage": "Google hat als Werbeplattform und Browserbetreiber ein Eigeninteresse.", "score": { "design": 10, "datenbasis": 6, "unabhaengigkeit": 3, "replikation": 6, "uebertragbarkeit": 4, "begruendung": "Randomisiertes Experiment, aber vom Anbieter mit Eigeninteresse und ohne Peer Review; Richtung durch spätere Tests bestätigt, Größe höher.", "gesamt": 6.4 }, "richtung": "bestaetigt", "quelle_url": "https://services.google.com/fh/files/misc/disabling_third-party_cookies_publisher_revenue.pdf", "zugang": "offen", "folgen": [ 30 ], "stand": "2026-11-06" }, { "id": "reinartz-kumar-long-life-customers-2000", "titel_original": "On the Profitability of Long-Life Customers in a Noncontractual Setting: An Empirical Investigation and Implications for Marketing", "titel_de": "Sind langjährige Kunden profitabler? (Versandhandel)", "autoren": "Reinartz, Kumar", "herausgeber": "Journal of Marketing 64 (4)", "jahr": 2000, "studientyp": "Paneldaten-Analyse", "themen": [ "CRM & Loyalität", "Markenaufbau & Wachstum" ], "kernaussage": "In den Daten eines Versandhändlers bestätigte sich keine der vier gängigen Annahmen der Bindungsthese: Langjährige Kunden sind nicht automatisch profitabler, günstiger zu bedienen oder zahlungsbereiter.", "zahlen": [ { "wert": "4 von 4", "bedeutung": "Annahmen der Bindungsthese, die keine Bestätigung fanden" } ], "methode": "Beobachtungsanalyse von Kundendaten über drei Jahre.", "datenbasis": "Ein US-Versandhändler, drei Jahre Tagesdaten.", "einschraenkungen": "Nur ein Unternehmen, nicht-vertragliches Geschäft; Beobachtungsdaten.", "interessenlage": "keine bekannt", "score": { "design": 6, "datenbasis": 4, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Kundendatenanalyse eines Unternehmens, akademisch; Befund durch Folgestudie mit vier Firmen gestützt.", "gesamt": 6.4 }, "richtung": "widerlegt", "quelle_url": "https://doi.org/10.1509/jmkg.64.4.17.18077", "zugang": "paywall", "folgen": [ 29 ], "stand": "2026-11-06" }, { "id": "spoerl-wang-krause-henkel-2025-influencer-predictors", "titel_original": "Predictors of social media influencer marketing effectiveness: A comprehensive literature review and meta-analysis", "titel_de": "Meta-Analyse: Prädiktoren der Influencer-Wirkung", "autoren": "Spörl-Wang, Krause, Henkel", "herausgeber": "Journal of Business Research", "jahr": 2025, "studientyp": "Meta-Analyse", "themen": [ "Social & Influencer" ], "kernaussage": "Eine dritte Meta-Analyse bestätigt eine Reihe von Prädiktoren für Engagement und Kaufabsicht und findet, dass die Follower-Zahl leicht negativ mit dem Engagement zusammenhängt.", "zahlen": [ { "wert": "ρ = −0,08", "bedeutung": "Korrelation Follower-Zahl mit Customer Engagement (p = 0,006)" }, { "wert": "11 / 7", "bedeutung": "bestätigte Prädiktoren für Engagement bzw. Kaufabsicht" }, { "wert": "93 / 108 / 56", "bedeutung": "Artikel / Studien / untersuchte Prädiktoren" } ], "methode": "Literaturreview und Meta-Analyse.", "datenbasis": "93 Artikel, 108 Studien", "einschraenkungen": "Outcomes nur Engagement und Kaufabsicht, kein Umsatz; nur an der Verlagsseite geprüft.", "interessenlage": "Akademisch; keine Interessenlage bekannt.", "score": { "design": 5, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Meta-Analyse überwiegend korrelativer Studien (Design der Einzelstudien +1); Follower-Befund passt zu Wies et al. und Pan et al.", "gesamt": 6.4 }, "richtung": "bestaetigt", "quelle_url": "https://www.sciencedirect.com/science/article/pii/S0148296324004958", "zugang": "offen", "folgen": [ 19 ], "stand": "2026-11-06" }, { "id": "bakshy-eckles-yan-rosenn-2012-social-advertising", "titel_original": "Social Influence in Social Advertising: Evidence from Field Experiments", "titel_de": "Sozialer Einfluss in Social Ads: Facebook-Feldexperimente", "autoren": "Bakshy, Eckles, Yan, Rosenn", "herausgeber": "Proceedings of the 13th ACM Conference on Electronic Commerce (EC '12), 146–161", "jahr": 2012, "studientyp": "Feldexperiment", "themen": [ "Social & Influencer", "Kreation & Werbewirkung" ], "kernaussage": "Schon ein minimaler Hinweis, dass ein Kontakt mit der beworbenen Marke verbunden ist, verbessert die Anzeigenleistung (Klicks, Fan-Werden) im Schnitt signifikant – am stärksten, wenn es sich um enge Kontakte handelt.", "zahlen": [ { "wert": "2", "bedeutung": "Anzahl großer randomisierter Feldexperimente auf Facebook" } ], "methode": "Experiment 1 variiert die Zahl der sozialen Hinweise bei Word-of-Mouth-Anzeigen, Experiment 2 fügt klassischen Anzeigen einen minimalen Peer-Hinweis hinzu; Tie-Stärke über Kommunikationsvolumen gemessen.", "datenbasis": "Facebook-Nutzer und -Anzeigen, USA, um 2011.", "einschraenkungen": "Zielgrößen sind Klicks und Fan-Verbindungen, keine Käufe oder Umsätze; Facebook-spezifische Anzeigenformate von 2011. Autoren waren bei Facebook beschäftigt.", "interessenlage": "Studie von Facebook-Forschern; Facebook vermarktete soziale Anzeigenformate.", "score": { "design": 10, "datenbasis": 8, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Saubere Randomisierung in großem Maßstab, aber nur Klick-Metriken, Plattformnähe und heute veraltete Formate.", "gesamt": 6.3 }, "richtung": "offen", "quelle_url": "https://doi.org/10.1145/2229012.2229027", "zugang": "offen", "folgen": [], "stand": "2026-11-06" }, { "id": "de-haan-verhoef-wiesel-feedback-metrics-retention-2015", "titel_original": "The predictive ability of different customer feedback metrics for retention", "titel_de": "Welche Feedback-Kennzahl sagt Kundenbindung voraus?", "autoren": "de Haan, Verhoef, Wiesel", "herausgeber": "International Journal of Research in Marketing 32 (2)", "jahr": 2015, "studientyp": "Paneldaten-Analyse", "themen": [ "CRM & Loyalität", "Messung & Attribution" ], "kernaussage": "Auf Kundenebene sagt Top-2-Box-Zufriedenheit die Bindung am besten voraus, nicht der NPS; der NPS erkennt aber Abwanderungsgefährdete gut. Mehrere Kennzahlen kombiniert prognostizieren besser als eine.", "zahlen": [ { "wert": "93 Firmen / 18 Branchen", "bedeutung": "Umfang der Untersuchung" }, { "wert": "6.649 / 8.924", "bedeutung": "Befragte / Firmenbewertungen" }, { "wert": "1.375 (15,4 %)", "bedeutung": "Firmenantworten im Follow-up nach zwei Jahren" }, { "wert": "26,9 %", "bedeutung": "abgewanderte Kunden im Follow-up" } ], "methode": "Repräsentative Online-Befragung im September 2010 mit Follow-up zwei Jahre später zur tatsächlichen Abwanderung.", "datenbasis": "Niederländische Konsumenten, 93 Firmen aus 18 Branchen.", "einschraenkungen": "Niederländische Daten, niedriger Rücklauf im Follow-up. Customer Effort Score schnitt am schlechtesten ab. Der „offizielle NPS“ hat den höchsten Top-Decile-Lift.", "interessenlage": "Datenunterstützung durch Metrixlab und MICompany (Marktforschungs-/Analysedienstleister).", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Längsschnittliche Kundendaten über viele Branchen; Industriedaten; Top-Box-Befund von Baehre 2022 gestützt.", "gesamt": 6.3 }, "richtung": "widerlegt", "quelle_url": "https://pure.rug.nl/ws/files/17052354/In_press_version_IJRM.pdf", "zugang": "offen", "folgen": [ 27 ], "stand": "2026-11-06" }, { "id": "johnson-shriver-du-optout-2020", "titel_original": "Consumer Privacy Choice in Online Advertising: Who Opts Out and at What Cost to Industry?", "titel_de": "Wer widerspricht Werbetracking – und was kostet es?", "autoren": "Johnson, Shriver, Du", "herausgeber": "Marketing Science 39 (1)", "jahr": 2020, "studientyp": "Paneldaten-Analyse", "themen": [ "Recht & Datenschutz", "Media & Budget" ], "kernaussage": "Anzeigen an Nutzer, die per AdChoices widersprochen haben, bringen auf der Ad-Exchange rund die Hälfte weniger Erlös; widersprochen hat aber nur ein winziger Teil der Nutzer.", "zahlen": [ { "wert": "−52 %", "bedeutung": "Erlös von Anzeigen an Opt-out-Nutzer" }, { "wert": "0,23 %", "bedeutung": "Anteil der US-Impressions von Opt-out-Nutzern" }, { "wert": "≈ 8,58 $", "bedeutung": "verlorene Werbeausgaben pro Opt-out-Nutzer" } ], "methode": "Beobachtungsstudie auf Transaktionsdaten einer Ad-Exchange.", "datenbasis": "US-Transaktionsdaten einer Ad-Exchange.", "einschraenkungen": "Opt-out-Nutzer sind nicht zufällig ausgewählt (eher technikaffin), daher kein kausaler Effekt. Nur Abstract genutzt (Paywall).", "interessenlage": "keine bekannt", "score": { "design": 6, "datenbasis": 8, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 4, "begruendung": "Große Transaktionsdaten, akademisch mit Industriedaten; Richtung durch Experimente gestützt, aber nicht kausal.", "gesamt": 6.3 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1287/mksc.2019.1198", "zugang": "paywall", "folgen": [ 30 ], "stand": "2026-11-06" }, { "id": "leenheer-van-heerde-bijmolt-smidts-2007-self-selection", "titel_original": "Do loyalty programs really enhance behavioral loyalty? An empirical analysis accounting for self-selecting members", "titel_de": "Bonusprogramme: Effekt siebenmal kleiner als gedacht", "autoren": "Leenheer, van Heerde, Bijmolt, Smidts", "herausgeber": "International Journal of Research in Marketing", "jahr": 2007, "studientyp": "Paneldaten-Analyse", "themen": [ "CRM & Loyalität", "Handel & Commerce", "Messung & Attribution" ], "kernaussage": "Vergleicht man Mitglieder schlicht mit Nicht-Mitgliedern, wird die Wirkung von Bonusprogrammen stark überschätzt; nach Korrektur der Selbstselektion bleibt nur ein kleiner positiver Effekt auf den Share of Wallet.", "zahlen": [ { "wert": "29,8 Pp.", "bedeutung": "naiver Unterschied im Share of Wallet zwischen Mitgliedern und Nicht-Mitgliedern" }, { "wert": "4,1 Pp. (2,3–5,7)", "bedeutung": "Effekt nach Korrektur der Selbstselektion" }, { "wert": "163 € (91–236 €)", "bedeutung": "Zusatzumsatz je Mitglied und Jahr nach Rabatt- und Punktekosten" } ], "methode": "Home-Scanning-Panel; Selbstselektion per Instrumentvariablen korrigiert.", "datenbasis": "1.909 niederländische Haushalte (GfK), Juli 1998–Juli 2000, alle 7 Programme und 20 Ketten im Lebensmittelhandel (92,8 % des Umsatzes)", "einschraenkungen": "Umsatz, nicht Marge; Betriebskosten fehlen, vollständige Punkteeinlösung angenommen. Daten über 25 Jahre alt.", "interessenlage": "Akademisch mit Paneldaten von GfK.", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Methodisch starke Paneldaten-Studie mit Selektionskorrektur; Größenordnung kleiner Effekte durch Sharp & Sharp gestützt.", "gesamt": 6.3 }, "richtung": "bestaetigt", "quelle_url": "https://repub.eur.nl/pub/9042/ERS-2006-076-MKT.pdf", "zugang": "offen", "folgen": [ 18 ], "stand": "2026-11-06" }, { "id": "phua-hartnett-beal-trinh-kennedy-2023-brands-go-dark-replication", "titel_original": "When Brands Go Dark: A Replication and Extension", "titel_de": "When Brands Go Dark: Replikation mit US-Nielsen-Daten", "autoren": "Phua, Hartnett, Beal, Trinh, Kennedy", "herausgeber": "Journal of Advertising Research", "jahr": 2023, "studientyp": "Paneldaten-Analyse", "themen": [ "Media & Budget", "Markenaufbau & Wachstum" ], "kernaussage": "Die Replikation mit US-Daten zeigt dasselbe Muster wie die australische Studie, aber schwächer: Ohne Werbung sinkt der Marktanteil Jahr für Jahr.", "zahlen": [ { "wert": "−10 %", "bedeutung": "Marktanteil nach einem Jahr ohne Werbung" }, { "wert": "−20 %", "bedeutung": "nach zwei Jahren" }, { "wert": "−28 %", "bedeutung": "nach drei Jahren" }, { "wert": "365 / 22", "bedeutung": "Anzahl Marken / Konsumgüterkategorien im US-Lebensmitteleinzelhandel" } ], "methode": "Beobachtungsstudie mit Marktanteilsdaten.", "datenbasis": "365 Marken aus 22 FMCG-Kategorien, Nielsen, USA, rund 2010–2015", "einschraenkungen": "Gemessen wird Marktanteil, nicht Umsatz; Zahlen über eine Zusammenfassung der Autorenkopie gelesen. Keine Kontrollgruppe.", "interessenlage": "Ehrenberg-Bass-Autoren mit Nielsen-Daten.", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Breite Replikation über viele Kategorien mit gleicher Richtung.", "gesamt": 6.3 }, "richtung": "bestaetigt", "quelle_url": "https://www.academia.edu/115235917/When_Brands_Go_Dark_A_Replication_and_Extension", "zugang": "teilweise", "folgen": [ 17 ], "stand": "2026-11-06", "alias": [ "phua-et-al-2023-when-brands-go-dark" ] }, { "id": "statcounter-browser-market-share-de-2026", "titel_original": "Browser Market Share Germany (alle Geräte)", "titel_de": "StatCounter: Browser-Anteile in Deutschland (Aug. 2026)", "autoren": "StatCounter", "herausgeber": "StatCounter Global Stats", "jahr": 2026, "studientyp": "Paneldaten-Analyse", "themen": [ "Recht & Datenschutz", "Messung & Attribution" ], "kernaussage": "In Deutschland laufen rund ein Fünftel der Seitenaufrufe über Safari und Firefox, die Third-Party-Cookies seit 2019/2020 standardmäßig blocken; die „cookielose“ Welt ist also für einen Teil des Traffics längst da.", "zahlen": [ { "wert": "61,7 %", "bedeutung": "Chrome-Anteil an Seitenaufrufen, alle Geräte" }, { "wert": "13,8 % / 8,5 %", "bedeutung": "Safari / Firefox" }, { "wert": "≈ 22 %", "bedeutung": "Safari und Firefox zusammen" }, { "wert": "6,8 % / 4,5 %", "bedeutung": "Edge / Samsung Internet (nicht mitgerechnet)" } ], "methode": "Messung von Seitenaufrufen auf Websites mit StatCounter-Tracker.", "datenbasis": "Deutschland, August 2026, alle Geräte (CSV abgerufen 25.09.2026).", "einschraenkungen": "Misst Seitenaufrufe auf Seiten mit StatCounter-Tracker, nicht Personen; nicht repräsentativ für alle Websites.", "interessenlage": "Messdienst ohne erkennbares Interesse am Ergebnis.", "score": { "design": 6, "datenbasis": 8, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 4, "begruendung": "Große, laufende Messung, aber auf Tracker-Seiten beschränkt; Stand schnell veränderlich.", "gesamt": 6.3 }, "richtung": "bestaetigt", "quelle_url": "https://gs.statcounter.com/browser-market-share/all/germany", "zugang": "offen", "folgen": [ 30 ], "stand": "2026-11-06" }, { "id": "vaughan-beal-romaniuk-2016-markennutzer-werbeerinnerung", "titel_original": "Can Brand Users Really Remember Advertising More Than Nonusers? Testing an Empirical Generalization across Six Advertising Awareness Measures", "titel_de": "Erinnern sich Markennutzer besser an Werbung als Nichtnutzer?", "autoren": "Vaughan, Beal, Romaniuk", "herausgeber": "Journal of Advertising Research 56(3), 311–320", "jahr": 2016, "studientyp": "Umfrage", "themen": [ "Methodik & Marktforschung", "Kreation & Werbewirkung", "Markenaufbau & Wachstum" ], "kernaussage": "Nutzer einer Marke erinnern sich durchgängig häufiger an deren Werbung als Nichtnutzer – auch wenn nicht nach dem Markennamen, sondern nach Spot oder Medium gefragt wird. Aggregierte Werbeerinnerungswerte sind deshalb durch Markengröße verzerrt und sollten getrennt nach Nutzern und Nichtnutzern ausgewertet werden.", "zahlen": [ { "wert": "6", "bedeutung": "Anzahl geprüfter Messvarianten der Werbeerinnerung (Marken-, Spot- und Medien-Cues)" } ], "methode": "Befragungsstudie mit sechs verschiedenen Abfrageformen der Werbeerinnerung, Vergleich Markennutzer vs. Nichtnutzer.", "datenbasis": "Befragungsdaten zu mehreren Marken und Kampagnen (Fallzahl im verfügbaren Abstract nicht angegeben).", "einschraenkungen": "Zeigt eine Messverzerrung, nicht dass Werbung bei Nutzern stärker wirkt; Ursache (selektive Wahrnehmung vs. Erinnerung) bleibt offen. Fallzahlen nicht aus offener Quelle prüfbar.", "interessenlage": "Ehrenberg-Bass Institute (Sponsorenmodell).", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 8, "replikation": 8, "uebertragbarkeit": 8, "begruendung": "Querschnittsbefragung, aber gezielte Replikation einer bekannten Gesetzmäßigkeit über sechs Messformen.", "gesamt": 6.3 }, "richtung": "bestaetigt", "quelle_url": "https://www.warc.com/Content/Article/Can_Brand_Users_Really_Remember_Advertising_More_Than_Nonusers_Testing_an_Empirical_Generalization_across_Six_Advertising_Awareness_Measures/108900", "zugang": "paywall", "folgen": [], "stand": "2026-11-06" }, { "id": "xu-sun-jia-live-commerce-meta-2025", "titel_original": "A meta-analytic review of live streaming commerce research through the lens of means-end-chain", "titel_de": "Meta-Analyse zur Kaufabsicht im Live-Shopping", "autoren": "Xu, Sun, Jia", "herausgeber": "Journal of Business Research", "jahr": 2025, "studientyp": "Meta-Analyse", "themen": [ "Social & Influencer", "Methodik & Marktforschung" ], "kernaussage": "Die Forschung zu Live-Shopping misst überwiegend Kaufabsichten statt echter Käufe; eine Meta-Analyse über 173 Arbeiten fasst diese Absichtsstudien zusammen.", "zahlen": [ { "wert": "173", "bedeutung": "ausgewertete Studien" } ], "methode": "Meta-Analyse mit Zielgröße „Kaufabsicht im Live-Streaming-Commerce“.", "datenbasis": "173 Arbeiten, überwiegend Befragungen aus China.", "einschraenkungen": "Aussagekräftig nur für Kaufabsicht, nicht für Käufe. Nur Abstract gelesen (Paywall).", "interessenlage": "keine bekannt", "score": { "design": 5, "datenbasis": 7, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 3, "begruendung": "Meta-Analyse über Befragungsstudien (Design der Einzelstudien +1); breite Basis, aber Zielgröße Absicht und starke China-Bindung.", "gesamt": 6.3 }, "richtung": "offen", "quelle_url": "https://doi.org/10.1016/j.jbusres.2025.115405", "zugang": "paywall", "folgen": [ 23 ], "stand": "2026-11-06" }, { "id": "beichert-bayerl-goldenberg-lanz-2024-revenue-influencer", "titel_original": "Revenue Generation Through Influencer Marketing", "titel_de": "Umsatz je Follower: Kleine Influencer liefern mehr", "autoren": "Beichert, Bayerl, Goldenberg, Lanz", "herausgeber": "Journal of Marketing", "jahr": 2024, "studientyp": "Paneldaten-Analyse", "themen": [ "Social & Influencer", "Handel & Commerce" ], "kernaussage": "Mit echten Umsatzdaten zeigt sich: Je kleiner der Influencer, desto mehr Umsatz bringt er je Follower und je Honorar-Euro; in Feldstudien lag der Umsatz je Follower bei kleinen Influencern um ein Vielfaches höher.", "zahlen": [ { "wert": "17,85 / 5,98 / 4,67", "bedeutung": "Return on Influencer Spend bei Nano- / Mikro- / Makro-Influencern" }, { "wert": "0,265 / 0,080 / 0,049 €", "bedeutung": "Umsatz je Follower bei Nano / Mikro / Makro" }, { "wert": "17- bis 114-mal", "bedeutung": "höherer Umsatz je Follower kleiner vs. großer Influencer in drei Feldstudien" }, { "wert": "> 17 Mio. €", "bedeutung": "Umsatz über 2.808 Rabattcodes von 1.698 Influencern" } ], "methode": "Auswertung von Rabattcode-Umsätzen eines Händlers plus drei Feldstudien (zwei in Deutschland, eine in UK) mit Vergleich kleiner und großer Influencer.", "datenbasis": "europäischer D2C-Modehändler, 2018–2021, 1.881.533 verkaufte Produkte; Feldstudien mit 319 Influencern (Sneaker DE 2020, Make-up UK 2021)", "einschraenkungen": "Code-Attribution, keine Inkrementalität; keine Kontrollgruppe ohne Influencer und keine Randomisierung. Honorare und Reichweiten geschätzt.", "interessenlage": "Gefördert von Stiftungen und der französischen ANR; keine Industriefinanzierung.", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Große Umsatzdaten mit deutschen Feldstudien, unabhängig, aber Attribution statt Kausalität und nicht repliziert.", "gesamt": 6.2 }, "richtung": "offen", "quelle_url": "https://madoc.bib.uni-mannheim.de/66227/1/beichert-et-al-2024-revenue-generation-through-influencer-marketing.pdf", "zugang": "offen", "folgen": [ 19 ], "stand": "2026-11-06" }, { "id": "bombaij-dekimpe-2020-when-loyalty-programs-work", "titel_original": "When do loyalty programs work? The moderating role of design, retailer-strategy, and country characteristics", "titel_de": "Wann Bonusprogramme im Lebensmittelhandel wirken", "autoren": "Bombaij, Dekimpe", "herausgeber": "International Journal of Research in Marketing", "jahr": 2020, "studientyp": "Paneldaten-Analyse", "themen": [ "CRM & Loyalität", "Handel & Commerce" ], "kernaussage": "Einfache, sofortige Rabatte gehen im Lebensmittelhandel mit höherer Umsatzproduktivität einher; bei komplexen Stufensystemen und Mehrpartner-Programmen verschwindet der Effekt, bei Discountern ist er schwächer.", "zahlen": [ { "wert": "358", "bedeutung": "Handelsbanner" }, { "wert": "27", "bedeutung": "west- und osteuropäische Länder" } ], "methode": "Vergleichende Auswertung von Handelsbannern; Zielgröße Umsatzproduktivität.", "datenbasis": "358 Handelsbanner in 27 Ländern", "einschraenkungen": "Nur Abstract genutzt (Paywall). Beobachtungsdaten. Relevant für Deutschland, weil Payback ein Mehrpartner-Programm ist; steht teils in Spannung zu Chen et al. 2026 (andere Maße).", "interessenlage": "Akademisch; keine Interessenlage bekannt.", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Breite europäische Paneldaten, unabhängig, aber ohne bekannte Replikation.", "gesamt": 6.2 }, "richtung": "offen", "quelle_url": "https://research.tilburguniversity.edu/en/publications/when-do-loyalty-programs-work-the-moderating-role-of-design-retai/", "zugang": "paywall", "folgen": [ 18 ], "stand": "2026-11-06" }, { "id": "frederick-lee-baskin-attraction-effect-2014", "titel_original": "The Limits of Attraction", "titel_de": "Grenzen des Köder-Effekts", "autoren": "Frederick, Lee, Baskin", "herausgeber": "Journal of Marketing Research 51 (4)", "jahr": 2014, "studientyp": "Laborexperiment", "themen": [ "Preis & Promotion", "Methodik & Marktforschung" ], "kernaussage": "In 19 Studien mit realistischen Reizen trat kein Köder-Effekt auf, das Gegenteil kam ebenso oft vor. Nur bei Optionen, die als nackte Zahlen dargestellt wurden, wirkte der Köder.", "zahlen": [ { "wert": "0 von 19", "bedeutung": "Studien mit realistischen Reizen, die einen Köder-Effekt zeigten" }, { "wert": "14 % → 28 %", "bedeutung": "Wahlanteil der Zieloption mit Köder bei Glücksspielen mit Zahlenangaben" }, { "wert": "24 % vs. 26 %", "bedeutung": "dasselbe Glücksspiel als Tortengrafik dargestellt: kein Effekt" }, { "wert": "68–681", "bedeutung": "Teilnehmende je Einzelexperiment" } ], "methode": "Serie einzelner Experimente in den USA mit realistischen Reizen (z. B. Getränke probieren, Hotelzimmer auf Fotos) und numerischen Gegenproben.", "datenbasis": "19 Experimente mit je 68 bis 681 Teilnehmenden, USA.", "einschraenkungen": "Zeigt nicht, dass der Effekt nie auftritt: Bei numerisch dargestellten Attributen (etwa Preistabellen) kann er wirken. Die Erstautoren des Effekts (Huber, Payne, Puto 2014; Simonson 2014) halten ihn bei sauberem Design für robust, liefern aber keine neuen Daten.", "interessenlage": "keine bekannt", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Viele Laborexperimente mit unterschiedlichen Reizen, akademisch; durch Yang & Lynn (2014) unabhängig gestützt, von den Urhebern bestritten.", "gesamt": 6.2 }, "richtung": "gemischt", "quelle_url": "https://doi.org/10.1509/jmr.12.0061", "zugang": "teilweise", "folgen": [ 21 ], "stand": "2026-11-06", "alias": [ "frederick-lee-baskin-limits-of-attraction-2014" ] }, { "id": "hohnhold-focus-on-the-long-term-2015", "titel_original": "Focus on the Long-Term: It's Better for Users and Business", "titel_de": "Google: Langzeit-Experimente zur Anzeigenlast", "autoren": "Hohnhold, O'Brien, Tang", "herausgeber": "KDD 2015 (Google Research)", "jahr": 2015, "studientyp": "Feldexperiment", "themen": [ "Search & Performance", "Messung & Attribution" ], "kernaussage": "Langzeit-Experimente zeigten, dass Nutzer bei hoher Anzeigenlast lernen, Anzeigen zu übersehen; Google senkte daraufhin die Anzeigenlast in der mobilen Suche um die Hälfte. Kurzzeit-A/B-Tests hatten das nicht gezeigt.", "zahlen": [ { "wert": "−50 %", "bedeutung": "Reduktion der Anzeigenlast in der mobilen Suche infolge der Langzeitbefunde" } ], "methode": "Randomisierte Langzeit-Experimente auf der Google-Suche.", "datenbasis": "Google-Suchnutzer; Details im Volltext (ACM)", "einschraenkungen": "Von Google über Google; nur Abstract-Zahl verwendet. Zeigt negative Langzeiteffekte ('ads blindness'), nicht Werbewirkung auf Absatz.", "interessenlage": "Plattform-intern (Google)", "score": { "design": 10, "datenbasis": 8, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Randomisierte Langzeitexperimente mit riesiger Basis, aber plattformintern und nicht extern repliziert.", "gesamt": 6.2 }, "richtung": "bestaetigt", "quelle_url": "https://research.google/pubs/focus-on-the-long-term-its-better-for-users-and-business/", "zugang": "teilweise", "folgen": [ 32 ], "stand": "2026-11-06" }, { "id": "romaniuk-nenycz-thiel-2013-loyalty-associations", "titel_original": "Behavioral brand loyalty and consumer brand associations", "titel_de": "Kaufverhalten prägt Markenassoziationen", "autoren": "Romaniuk, Nenycz-Thiel", "herausgeber": "Journal of Business Research", "jahr": 2013, "studientyp": "Paneldaten-Analyse", "themen": [ "Markenaufbau & Wachstum", "CRM & Loyalität" ], "kernaussage": "Der Anteil einer Marke am Kategoriebedarf eines Käufers treibt dessen Markenassoziationen stärker als die Kaufhäufigkeit – Assoziationen entstehen also auch aus dem Kauf, nicht nur umgekehrt.", "zahlen": [], "methode": "Verknüpfung von Paneldaten und Befragungsdaten derselben Personen.", "datenbasis": "Panel- und Befragungsdaten (Details hinter Paywall)", "einschraenkungen": "Volltext hinter Paywall. Stärkstes Argument gegen die naive Lesart „mehr CEPs führen zu mehr Umsatz“.", "interessenlage": "Ehrenberg-Bass-Autoren.", "score": { "design": 6, "datenbasis": 5, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 7, "begruendung": "Verknüpfte Verhaltens- und Befragungsdaten; Richtung passt zu Bird et al. und der Replikation 2012.", "gesamt": 6.2 }, "richtung": "bestaetigt", "quelle_url": "https://www.sciencedirect.com/science/article/abs/pii/S0148296311002608", "zugang": "paywall", "folgen": [ 16 ], "stand": "2026-11-06" }, { "id": "yang-lynn-attraction-effect-2014", "titel_original": "More evidence challenging the robustness and usefulness of the attraction effect", "titel_de": "Weitere Zweifel an der Robustheit des Köder-Effekts", "autoren": "Yang, Lynn", "herausgeber": "Journal of Marketing Research 51 (4)", "jahr": 2014, "studientyp": "Laborexperiment", "themen": [ "Preis & Promotion", "Methodik & Marktforschung" ], "kernaussage": "In 91 Versuchen über 23 Produktklassen entstand nur selten ein verlässlicher Köder-Effekt, seltener als nach der Teststärke zu erwarten. Bei verbalen oder bildlichen Beschreibungen lag er auf Zufallsniveau.", "zahlen": [ { "wert": "11 von 91", "bedeutung": "Versuche mit verlässlichem Köder-Effekt" }, { "wert": "23", "bedeutung": "untersuchte Produktklassen" } ], "methode": "Serie von Replikationsversuchen über viele Produktklassen.", "datenbasis": "91 Versuche in 23 Produktklassen.", "einschraenkungen": "Nur das Abstract gelesen (Paywall). Spricht gegen den Köder-Effekt als allgemeines Pricing-Werkzeug, nicht gegen ihn bei numerischen Attributen.", "interessenlage": "keine bekannt", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Viele Laborversuche, akademisch; Befund deckt sich mit Frederick et al. (2014).", "gesamt": 6.2 }, "richtung": "gemischt", "quelle_url": "https://doi.org/10.1509/jmr.14.0020", "zugang": "paywall", "folgen": [ 21 ], "stand": "2026-11-06" }, { "id": "yu-2025-welfare-sponsored-product-advertising", "titel_original": "The Welfare Effects of Sponsored Product Advertising", "titel_de": "Amazon: Gesponserte Produkte sind teurer und schlechter bewertet", "autoren": "Yu", "herausgeber": "Working Paper (Revise & Resubmit, American Economic Review)", "jahr": 2025, "studientyp": "Ökonometrie/MMM", "themen": [ "Handel & Commerce", "Preis & Promotion" ], "kernaussage": "Die obersten gesponserten Produkte bei Amazon haben deutlich weniger Bewertungen und höhere Preise als vergleichbare organische Treffer; ob Sponsored Ads Kunden und Händlern schaden, hängt im Modell davon ab, ob Amazon seine Provision anpassen kann.", "zahlen": [ { "wert": "−83 %", "bedeutung": "Bewertungen der obersten gesponserten vs. vergleichbarer organischer Produkte" }, { "wert": "+16 %", "bedeutung": "höherer Preis der gesponserten Produkte" }, { "wert": "+6,6 % / +18,6 %", "bedeutung": "Konsumentenrente / Verkäufergewinne ohne Sponsored-Plätze bei fixer Provision (Modell)" }, { "wert": "−5,5 % / −1,3 %", "bedeutung": "dasselbe, wenn Amazon die Provision um 4,7 Pp. anpasst (Modell)" } ], "methode": "Beobachtungsdaten plus strukturelles ökonomisches Modell.", "datenbasis": "über 1 Mio. Amazon-Suchen, Gebotsdaten, Verkaufsränge", "einschraenkungen": "Wohlfahrtszahlen sind Modellrechnungen; ältere Versionen nennen andere Werte (12,6 % / 14,1 %). Belastbar sind die deskriptiven Werte.", "interessenlage": "Akademisch; keine Interessenlage bekannt.", "score": { "design": 6, "datenbasis": 8, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Große Beobachtungsdaten mit Strukturmodell, unabhängig, unbegutachtet und mit wechselnden Modellwerten.", "gesamt": 6.2 }, "richtung": "offen", "quelle_url": "https://www.dropbox.com/scl/fi/udgg3vnwd2ll3wzfcc2my/ChuanYu_jmp.pdf?rlkey=28mp7vvkkntqlwbojw89mcev8&dl=0", "zugang": "offen", "folgen": [ 20 ], "stand": "2026-11-06" }, { "id": "hubbard-armstrong-replications-marketing-1994", "titel_original": "Replications and extensions in marketing: Rarely published but quite contrary", "titel_de": "Replikationen im Marketing: selten und oft widersprechend", "autoren": "Hubbard, Armstrong", "herausgeber": "International Journal of Research in Marketing 11 (3)", "jahr": 1994, "studientyp": "Fallsammlung", "themen": [ "Methodik & Marktforschung" ], "kernaussage": "In großen Marketing-Fachzeitschriften wurden praktisch keine Replikationen veröffentlicht, und die wenigen Erweiterungsstudien widersprachen dem Original häufiger, als sie es bestätigten.", "zahlen": [ { "wert": "0 von 1.120", "bedeutung": "Replikationen unter 1.120 untersuchten Artikeln aus drei großen Marketing-Zeitschriften" }, { "wert": "12 von 20", "bedeutung": "veröffentlichte Erweiterungsstudien, die dem Original widersprachen" }, { "wert": "3 von 20", "bedeutung": "Erweiterungsstudien, die das Original voll bestätigten" } ], "methode": "Inhaltsanalyse von Artikeln aus drei großen Marketing-Fachzeitschriften.", "datenbasis": "1.120 Artikel; Zeitraum im Abstract nicht genannt.", "einschraenkungen": "Alt; nur das Abstract wurde gelesen (Paywall). Zeigt das strukturelle Problem fehlender Replikationen, keine aktuelle Replikationsrate.", "interessenlage": "keine bekannt", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Einfache Inhaltsanalyse mit ordentlicher Fallzahl, akademisch unabhängig; Befund später durch neuere Bilanzen (z. B. Open MKT) gestützt, aber Daten veraltet.", "gesamt": 6.1 }, "richtung": "bestaetigt", "quelle_url": "https://www.sciencedirect.com/science/article/abs/pii/0167811694900035", "zugang": "paywall", "folgen": [ 21 ], "stand": "2026-11-06" }, { "id": "pew-ai-summaries-google-clicks-2025", "titel_original": "Google users are less likely to click on links when an AI summary appears in the results", "titel_de": "Pew: Weniger Klicks bei KI-Zusammenfassungen", "autoren": "Pew Research Center", "herausgeber": "Pew Research Center", "jahr": 2025, "studientyp": "Paneldaten-Analyse", "themen": [ "GEO & KI-Suche", "Search & Performance" ], "kernaussage": "Erscheint bei Google eine KI-Zusammenfassung, klicken Nutzer etwa halb so oft auf klassische Ergebnisse und beenden die Sitzung häufiger; die Zusammenfassungen erscheinen aber vor allem bei Fragen, die ohnehin seltener zu Klicks führen.", "zahlen": [ { "wert": "8 % vs. 15 %", "bedeutung": "Besuche mit Klick auf ein klassisches Ergebnis, mit vs. ohne KI-Zusammenfassung" }, { "wert": "1 %", "bedeutung": "Besuche mit Klick auf einen Link in der Zusammenfassung selbst" }, { "wert": "26 % vs. 16 %", "bedeutung": "Sitzungsende nach der Suche, mit vs. ohne Zusammenfassung" }, { "wert": "18 %", "bedeutung": "Suchen mit KI-Zusammenfassung (Fragen: 60 %, 1–2 Wörter: 8 %, 10+ Wörter: 53 %)" }, { "wert": "rund zwei Drittel", "bedeutung": "aller Suchen endeten ganz ohne Klick auf ein Ergebnis" }, { "wert": "15 % vs. 17 %", "bedeutung": "gemeinsamer Anteil von Wikipedia, YouTube und Reddit an den Quellen der KI-Zusammenfassung vs. normalen Suchergebnissen" }, { "wert": "6 % vs. 2 %", "bedeutung": "Anteil von .gov-Seiten in KI-Zusammenfassungen vs. klassischer Suche" }, { "wert": "900", "bedeutung": "US-Erwachsene, deren Browserdaten ausgewertet wurden" } ], "methode": "Browser-Tracking eines repräsentativen Online-Panels; Ergebnisseiten wurden nachträglich per Scraper rekonstruiert.", "datenbasis": "900 US-Erwachsene (KnowledgePanel Digital), 68.879 Google-Suchen, 1.–31.03.2025; Scraping 7.–17.04.2025", "einschraenkungen": "Beobachtungsdaten: Suchen mit und ohne Zusammenfassung sind nicht vergleichbar (Selektion). Nur USA, nur die ersten drei zitierten Links gezählt. Kein Beleg der Stufen 1 oder 2 zur Klickwirkung bekannt.", "interessenlage": "Pew (Pew Charitable Trusts), keine Branchenbindung.", "score": { "design": 6, "datenbasis": 6, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Repräsentatives Panel eines unabhängigen Instituts; Richtung von mehreren Anbieterstudien gestützt, aber Selektionsproblem und US-Bezug.", "gesamt": 6.1 }, "richtung": "bestaetigt", "quelle_url": "https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/", "zugang": "offen", "folgen": [ 12, 35 ], "stand": "2026-11-06", "alias": [ "pew-google-ai-summary-clicks-2025", "pew-google-ai-overviews-klicks-2025" ] }, { "id": "sclar-prompt-formatting-sensitivity-2024", "titel_original": "Quantifying Language Models' Sensitivity to Spurious Features in Prompt Design", "titel_de": "Prompt-Formatierung verschiebt LLM-Ergebnisse", "autoren": "Sclar, Choi, Tsvetkov, Suhr", "herausgeber": "ICLR 2024; arXiv 2310.11324", "jahr": 2024, "studientyp": "Laborexperiment", "themen": [ "KI im Marketing", "Methodik & Marktforschung" ], "kernaussage": "Schon bedeutungsgleiche Formatänderungen am Prompt verschieben die Leistung von Sprachmodellen massiv; Ergebnisse sollten als Spannweite über Formate berichtet werden.", "zahlen": [ { "wert": "bis 76 Punkte", "bedeutung": "Genauigkeitsunterschied durch Formatierung bei LLaMA-2-13B" }, { "wert": "Median 0,064", "bedeutung": "deutlich kleinere Spannweite bei GPT-3.5" } ], "methode": "Systematische Variation von Prompt-Formaten bei Few-Shot-Aufgaben.", "datenbasis": "Mehrere offene Modelle und GPT-3.5, Few-Shot-Aufgaben", "einschraenkungen": "Ältere Modelle; Übertragung auf Markenempfehlungen nur als Prinzip.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Peer-reviewtes Laborexperiment unabhängiger Autoren; Prinzip vielfach aufgegriffen.", "gesamt": 6.1 }, "richtung": "bestaetigt", "quelle_url": "https://arxiv.org/abs/2310.11324", "zugang": "offen", "folgen": [ 37 ], "stand": "2026-11-06" }, { "id": "wang-morgenstern-dickerson-flatten-identity-2025", "titel_original": "Large language models that replace human participants can harmfully misportray and flatten identity groups", "titel_de": "KI-Befragte plätten und verzerren Gruppen", "autoren": "Wang, Morgenstern, Dickerson", "herausgeber": "Nature Machine Intelligence", "jahr": 2025, "studientyp": "Laborexperiment", "themen": [ "KI im Marketing", "Methodik & Marktforschung" ], "kernaussage": "Alle getesteten Sprachmodelle antworten homogener als echte Menschen und geben eher die Außensicht auf eine Gruppe wieder als deren eigene Sicht; höhere „Temperatur“ behebt das nicht.", "zahlen": [ { "wert": "3 von 5", "bedeutung": "Antwortoptionen, die GPT-4 und GPT-3.5 in 100 Antworten meist nur nutzten" }, { "wert": "3.200", "bedeutung": "echte US-Teilnehmende zum Vergleich" }, { "wert": "16 / 9 / 4", "bedeutung": "demografische Identitäten / Fragen / Modelle" } ], "methode": "Vergleich der Antworten von vier Modellen (Llama-2, Wizard Vicuna, GPT-3.5, GPT-4) mit echten Befragten derselben Identitätsgruppen.", "datenbasis": "3.200 US-Teilnehmende, 16 Identitäten, 9 Fragen.", "einschraenkungen": "US-Stichprobe, ältere Modelle. Misst Antwortverteilungen, nicht Kaufverhalten.", "interessenlage": "keine bekannt", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Einzelstudie mit echtem Vergleichspanel in hochrangigem Journal (Stufe 4); Befund zur Homogenisierung durch Bisbee und Chen gestützt.", "gesamt": 6.1 }, "richtung": "widerlegt", "quelle_url": "https://www.nature.com/articles/s42256-025-00986-z", "zugang": "teilweise", "folgen": [ 26 ], "stand": "2026-11-06" }, { "id": "wies-bleier-edeling-2023-goldilocks-influencers", "titel_original": "Finding Goldilocks Influencers: How Follower Count Drives Social Media Engagement", "titel_de": "Goldilocks-Influencer: Engagement nach Follower-Zahl", "autoren": "Wies, Bleier, Edeling", "herausgeber": "Journal of Marketing", "jahr": 2023, "studientyp": "Paneldaten-Analyse", "themen": [ "Social & Influencer" ], "kernaussage": "Engagement steigt mit der Follower-Zahl zunächst und fällt ab rund 1,3 Millionen Followern wieder; am kosteneffizientesten sind laut Simulation mittelgroße Accounts.", "zahlen": [ { "wert": "~1,43 Mio. / 1,25 Mio.", "bedeutung": "Wendepunkt der Engagement-Kurve bei Posts bzw. Stories" }, { "wert": "100.000–500.000", "bedeutung": "Follower-Spanne mit höchster Effizienz in der Kostensimulation" }, { "wert": "802", "bedeutung": "Instagram-Kampagnen mit 1.738 Influencern, 6.422 Posts, 6.178 Stories" } ], "methode": "Beobachtungsdaten von fünf Agenturen plus Eye-Tracking und Laborexperimente.", "datenbasis": "802 Kampagnen, 2017–2020, Instagram", "einschraenkungen": "Misst nur Engagement, keinen Umsatz; Kostensimulation beruht auf Annahmen.", "interessenlage": "Laut Autoren keine Förderung.", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Große Beobachtungsdaten mit Experimenten ergänzt, unabhängig, aber nur Engagement.", "gesamt": 6.1 }, "richtung": "offen", "quelle_url": "https://lirias.kuleuven.be/retrieve/cc0b88b9-07eb-4222-8b43-67f0662aa23b", "zugang": "offen", "folgen": [ 19 ], "stand": "2026-11-06" }, { "id": "yang-news-source-citing-ai-search-2025", "titel_original": "News Source Citing Patterns in AI Search Systems", "titel_de": "Welche Nachrichtenquellen KI-Suchen zitieren", "autoren": "Yang", "herausgeber": "Northeastern University; arXiv 2507.05301", "jahr": 2025, "studientyp": "Paneldaten-Analyse", "themen": [ "GEO & KI-Suche" ], "kernaussage": "Nur ein kleiner Teil der Zitate von KI-Suchen geht an Nachrichtenseiten, und diese sind stark konzentriert, bei OpenAI-Modellen besonders auf Reuters und AP. Die Plattformen unterscheiden sich signifikant.", "zahlen": [ { "wert": "9 %", "bedeutung": "Anteil der Zitate, die an Nachrichtenseiten gehen" }, { "wert": "67,3 %", "bedeutung": "Anteil der Top-20-Medien an allen Nachrichtenzitaten bei OpenAI-Modellen (Google 31,9 %, Perplexity 28,5 %)" }, { "wert": "22,8 % / 12,2 %", "bedeutung": "Anteil von Reuters bzw. AP an den OpenAI-Nachrichtenzitaten" }, { "wert": "0,83", "bedeutung": "Gini-Koeffizient der Nachrichtenzitate bei OpenAI" } ], "methode": "Auswertung echter Gespräche aus der LMArena 'Search Arena'.", "datenbasis": "366.087 Zitate aus 24.000 Gesprächen, 65.000 Antworten, März–Mai 2025", "einschraenkungen": "Nutzer technikaffin und international, nicht repräsentativ; Preprint. Lizenzdeals werden nicht untersucht; die Verknüpfung mit Deals ist ein Indiz, keine Kausalität.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 6, "datenbasis": 8, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Größter unabhängiger Datensatz echter Nutzungen; Preprint, nicht repliziert.", "gesamt": 6.1 }, "richtung": "offen", "quelle_url": "https://arxiv.org/pdf/2507.05301", "zugang": "offen", "folgen": [ 35 ], "stand": "2026-11-06" }, { "id": "bagga-e-geo-ecommerce-2026", "titel_original": "E-GEO", "titel_de": "E-GEO: Umschreib-Anweisungen für Produkttexte im Test", "autoren": "Bagga, Farias u. a.", "herausgeber": "MIT; arXiv 2511.20867", "jahr": 2026, "studientyp": "Laborexperiment", "themen": [ "GEO & KI-Suche", "Handel & Commerce" ], "kernaussage": "Handgeschriebene GEO-Anweisungen zum Umschreiben von Produkttexten bringen im E-Commerce meist nichts: nur 4 von 15 schlugen knapp die einfache Basisanweisung. Datengetrieben optimierte Anweisungen schnitten besser ab.", "zahlen": [ { "wert": "4 von 15", "bedeutung": "heuristische GEO-Prompts, die die Basisanweisung knapp schlugen oder erreichten; 11 schnitten schlechter ab" }, { "wert": "13.747", "bedeutung": "Kaufanfragen mit je 10 echten Amazon-Angeboten" } ], "methode": "Fünf KI-Modelle sortieren je 10 Amazon-Angebote; verglichen werden verschiedene Umschreib-Anweisungen.", "datenbasis": "13.747 Kaufanfragen, 5 Modelle", "einschraenkungen": "Preprint; Laborranking, kein Kaufverhalten; nur Amazon-Produktdaten.", "interessenlage": "Akademisch (MIT); keine Interessenlage bekannt", "score": { "design": 4, "datenbasis": 7, "unabhaengigkeit": 9, "replikation": 6, "uebertragbarkeit": 4, "begruendung": "Großes Labor-Set mit unabhängigen Autoren; Richtung deckt sich mit C-SEO Bench, aber Preprint ohne Realmessung.", "gesamt": 6.0 }, "richtung": "widerlegt", "quelle_url": "https://arxiv.org/pdf/2511.20867", "zugang": "offen", "folgen": [ 31 ], "stand": "2026-11-06" }, { "id": "chaudhuri-voorhees-beck-2019-loyalty-program-introduction", "titel_original": "The effects of loyalty program introduction and design on short- and long-term sales and gross profits", "titel_de": "Programmeinführung: Umsatz steigt, Rohertrag hinkt hinterher", "autoren": "Chaudhuri, Voorhees, Beck", "herausgeber": "Journal of the Academy of Marketing Science", "jahr": 2019, "studientyp": "Quasi-Experiment", "themen": [ "CRM & Loyalität" ], "kernaussage": "Die Einführung eines Bonusprogramms geht bei börsennotierten Firmen mit dauerhaft höherem Umsatz und Rohertrag einher, wobei der Rohertrag deutlich hinter dem Umsatz zurückbleibt.", "zahlen": [ { "wert": "322", "bedeutung": "börsennotierte Firmen mit Programmeinführung, 2000–2015" }, { "wert": "≥ 3 Jahre", "bedeutung": "Dauer des Effekts" } ], "methode": "Quasi-experimentelle Auswertung von Firmendaten ohne Zufallszuteilung.", "datenbasis": "322 Firmen, 2000–2015", "einschraenkungen": "Nur Abstract genutzt (Paywall). Firmen entscheiden selbst über Zeitpunkt und Grund der Einführung (Selektion).", "interessenlage": "Akademisch; keine Interessenlage bekannt.", "score": { "design": 6, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Stufe 3: Quasi-experimentelle Firmendaten mit Selektionsrisiko, unabhängig, nicht repliziert.", "gesamt": 6.0 }, "richtung": "offen", "quelle_url": "https://link.springer.com/article/10.1007/s11747-019-00652-y", "zugang": "paywall", "folgen": [ 18 ], "stand": "2026-11-06" }, { "id": "dietvorst-simmons-massey-algorithm-aversion-2015", "titel_original": "Algorithm Aversion: People Erroneously Avoid Algorithms After Seeing Them Err", "titel_de": "Algorithmus-Aversion: Ein sichtbarer Fehler kostet das Vertrauen", "autoren": "Dietvorst, Simmons, Massey", "herausgeber": "Journal of Experimental Psychology: General (144/1)", "jahr": 2015, "studientyp": "Laborexperiment", "themen": [ "KI im Marketing" ], "kernaussage": "Wer einen Algorithmus Fehler machen sieht, verliert schneller das Vertrauen in ihn als in einen Menschen mit gleichen Fehlern – und wählt danach oft den schlechteren menschlichen Prognostiker. Das erklärt Akzeptanzprobleme von KI-Empfehlungen.", "zahlen": [ { "wert": "5", "bedeutung": "Experimente im Paper" } ], "methode": "Fünf Experimente, in denen Teilnehmende zwischen eigener bzw. menschlicher und algorithmischer Prognose wählten, nachdem sie die Leistung beider beobachtet hatten.", "datenbasis": "Fünf Online- und Laborstudien in den USA.", "einschraenkungen": "Prognoseaufgaben im Labor. Logg, Minson & Moore (2019) zeigen 'Algorithm Appreciation': Ohne erlebte Fehler bevorzugen viele Menschen Algorithmen. Aversion hängt also vom Kontext ab.", "interessenlage": "keine bekannt", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Mehrere Laborexperimente, vielfach repliziert, aber mit gegenläufigen Befunden je nach Aufgabe und Kontext.", "gesamt": 6.0 }, "richtung": "gemischt", "quelle_url": "https://doi.org/10.1037/xge0000033", "zugang": "teilweise", "folgen": [], "stand": "2026-11-06" }, { "id": "field-2019-crisis-in-creative-effectiveness", "titel_original": "The Crisis in Creative Effectiveness", "titel_de": "Field: Die Krise der kreativen Effektivität", "autoren": "Field", "herausgeber": "IPA", "jahr": 2019, "studientyp": "Fallsammlung", "themen": [ "Markenaufbau & Wachstum", "Kreation & Werbewirkung", "Media & Budget" ], "kernaussage": "Auswertungen der IPA-Datenbank zeigen eine wachsende Unterinvestition in Markenaufbau, und kurzfristig angelegte, kreativ prämierte Kampagnen sind deutlich weniger effektiv als langfristige.", "zahlen": [ { "wert": "≥ 14 Pp.", "bedeutung": "Unterallokation des Brand-Budgets gegenüber dem Optimum, mit zunehmender Tendenz" }, { "wert": "~50 %", "bedeutung": "geringere Effektivität kurzfristiger vs. langfristiger kreativ prämierter Kampagnen" }, { "wert": "fast 600", "bedeutung": "Anzahl ausgewerteter Fallstudien aus dem IPA Databank" }, { "wert": "1998–2018", "bedeutung": "Zeitraum der ausgewerteten Fälle" } ], "methode": "Analyse eingereichter Award-Fallstudien; „kurzfristig“ = Laufzeit bzw. Messzeitraum unter sechs Monaten.", "datenbasis": "IPA Databank 1998–2018", "einschraenkungen": "Award-Einreichungen sind eine Positivauswahl erfolgreicher Kampagnen; Daten enden 2018. Korrelativ.", "interessenlage": "Herausgegeben vom Agenturverband IPA; Field berät zu Effektivität.", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 5, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Große Fallsammlung mit langem Zeitraum, Muster in mehreren Field/Binet-Analysen wiederholt, aber selektive Datenbasis.", "gesamt": 6.0 }, "richtung": "bestaetigt", "quelle_url": "https://ipa.co.uk/media/7699/ipa_crisis_in_creative_effectiveness_2019.pdf", "zugang": "offen", "folgen": [ 17 ], "stand": "2026-11-06", "alias": [] }, { "id": "hartnett-et-al-2021-when-brands-go-dark", "titel_original": "When Brands Go Dark: Examining Sales Trends When Brands Stop Broad-Reach Advertising for Long Periods", "titel_de": "When Brands Go Dark: Umsatz nach Werbestopp", "autoren": "Hartnett, Gelzinis, Beal, Kennedy, Sharp", "herausgeber": "Journal of Advertising Research", "jahr": 2021, "studientyp": "Paneldaten-Analyse", "themen": [ "Media & Budget", "Markenaufbau & Wachstum" ], "kernaussage": "Marken, die ihre Reichweitenwerbung lange aussetzen, verlieren im Schnitt deutlich und mit jedem Jahr mehr Umsatz; große, wachsende Marken halten länger durch.", "zahlen": [ { "wert": "−16 %", "bedeutung": "durchschnittlicher Umsatz nach einem Jahr ohne Werbung" }, { "wert": "−25 %", "bedeutung": "nach zwei Jahren" }, { "wert": "−36 %", "bedeutung": "nach drei Jahren" } ], "methode": "Beobachtungsstudie zu Aussetzfällen ohne Kontrollgruppe.", "datenbasis": "41 Alkoholmarken mit 57 Aussetzfällen, Australien, rund 1993–2016", "einschraenkungen": "Keine Kontrollgruppe, eine Kategorie und ein Land; Zahlen an einer Autorenkopie gelesen. Betrifft komplettes Aussetzen, nicht Umschichten.", "interessenlage": "Daten von einem Getränkehersteller, ein Koautor von der Endeavour Group.", "score": { "design": 6, "datenbasis": 5, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Längsschnitt mit Industriedaten, in den USA mit gleicher Richtung repliziert.", "gesamt": 6.0 }, "richtung": "bestaetigt", "quelle_url": "https://thearf.org/access-knowledge-2/publications/journal-of-advertising-research/when-brands-go-dark-examining-sales-trends-when-brands-stop-broad-reach-advertising-for-long-periods/", "zugang": "paywall", "folgen": [ 17 ], "stand": "2026-11-06", "alias": [ "gelzinis-et-al-2021-brands-stop-advertising" ] }, { "id": "hattula-herzog-dahl-reinecke-2015-managerial-empathy", "titel_original": "Managerial Empathy Facilitates Egocentric Predictions of Consumer Preferences", "titel_de": "Empathie macht Manager-Prognosen egozentrischer", "autoren": "Hattula, Herzog, Dahl, Reinecke", "herausgeber": "Journal of Marketing Research", "jahr": 2015, "studientyp": "Laborexperiment", "themen": [ "Methodik & Marktforschung" ], "kernaussage": "Werden Marketingmanager zur Empathie mit Kunden aufgefordert, stützen sie ihre Prognosen stärker auf eigene Vorlieben und werten Marktforschung ab – Empathie verstärkt also die Selbstprojektion, statt sie zu verringern.", "zahlen": [ { "wert": "26 % → 49 %", "bedeutung": "Anteil der Prognose, der auf eigenen Vorlieben beruht, mit vs. ohne Empathie-Aufforderung (Segel-Motiv)" }, { "wert": "5 % → 28 %", "bedeutung": "dasselbe beim Golf-Motiv" }, { "wert": "3,54 vs. 3,96", "bedeutung": "Bewertung des Werts von Marktforschung (7er-Skala) mit vs. ohne Empathie-Aufforderung" }, { "wert": "480", "bedeutung": "erfahrene Marketingmanager in 4 Studien" }, { "wert": "76,7 %", "bedeutung": "Manager in einer Vorstudie (n = 43), die das Gegenteil erwarteten" } ], "methode": "Vier randomisierte Experimente mit hypothetischen Prognoseaufgaben.", "datenbasis": "480 erfahrene Marketingmanager, 4 Studien", "einschraenkungen": "Hypothetische Aufgaben, kein Feld und keine Geschäftswirkung. Laut Abstract können Manager die Selbstprojektion unterdrücken, wenn sie ausdrücklich dazu angewiesen werden.", "interessenlage": "Gefördert vom Schweizerischen Nationalfonds; keine Interessenkonflikte bekannt.", "score": { "design": 6, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 7, "begruendung": "Randomisierte Experimente mit Praktikern in einer Top-Zeitschrift, unabhängig finanziert; aber Laborsetting und keine bekannte Replikation.", "gesamt": 6.0 }, "richtung": "offen", "quelle_url": "https://journals.sagepub.com/doi/10.1509/jmr.13.0296", "zugang": "teilweise", "folgen": [ 11 ], "stand": "2026-11-06" }, { "id": "lodder-et-al-money-priming-meta-2019", "titel_original": "A comprehensive meta-analysis of money priming", "titel_de": "Meta-Analyse zu Money Priming", "autoren": "Lodder, Ong, Grasman, Wicherts", "herausgeber": "Journal of Experimental Psychology: General 148 (4)", "jahr": 2019, "studientyp": "Meta-Analyse", "themen": [ "Methodik & Marktforschung" ], "kernaussage": "Über 246 Experimente ergibt sich zwar ein kleiner bis mittlerer Money-Priming-Effekt, die Daten zeigen aber deutliche Hinweise auf Publikationsbias; die Autoren fordern vorregistrierte Replikationen.", "zahlen": [ { "wert": "246", "bedeutung": "Experimente in der Meta-Analyse" }, { "wert": "g = 0,31", "bedeutung": "unkorrigierter mittlerer Effekt" } ], "methode": "Meta-Analyse mit Funnel-Plot-Analysen zu Publikationsbias.", "datenbasis": "246 Experimente.", "einschraenkungen": "Nur das Abstract gelesen (Paywall); der bias-korrigierte Wert steht dort nicht und wird deshalb nicht angegeben. Der unkorrigierte Wert ist vermutlich überschätzt.", "interessenlage": "keine bekannt", "score": { "design": 5, "datenbasis": 8, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Große Meta-Analyse, aber über Laborexperimente mit starkem Bias-Verdacht; zentrale Einzelreplikation (Many Labs) scheiterte.", "gesamt": 6.0 }, "richtung": "widerlegt", "quelle_url": "https://doi.org/10.1037/xge0000570", "zugang": "paywall", "folgen": [ 21 ], "stand": "2026-11-06" }, { "id": "nobile-cantoni-personalisierung-2023", "titel_original": "Personalisation (In)effectiveness in email marketing", "titel_de": "Wenn Personalisierung in E-Mails nicht wirkt", "autoren": "Nobile, Cantoni", "herausgeber": "Digital Business 3(2)", "jahr": 2023, "studientyp": "Feldexperiment", "themen": [ "CRM & Loyalität", "Kreation & Werbewirkung" ], "kernaussage": "In zwei kleinen Feldexperimenten einer Modemarke brachte Personalisierung keine bedeutsame Verbesserung; stärkere Personalisierung senkte sogar die Kaufwahrscheinlichkeit, vermutlich weil sie aufdringlich wirkte.", "zahlen": [ { "wert": "49,4 vs. 53,6 %", "bedeutung": "Öffnungsrate im ersten Experiment, Unterschied statistisch nicht bedeutsam" }, { "wert": "8,8 vs. 9,1 %", "bedeutung": "Klickrate im ersten Experiment" }, { "wert": "663 / 2.303", "bedeutung": "Zahl der Nachrichten im ersten bzw. zweiten Experiment" } ], "methode": "Zwei Feldexperimente mit unterschiedlich stark personalisierten E-Mails einer Modemarke.", "datenbasis": "663 bzw. 2.303 Nachrichten, eine Marke.", "einschraenkungen": "Sehr kleine Fallzahlen, eine Marke; das Ausbleiben eines Effekts kann an mangelnder Teststärke liegen.", "interessenlage": "Akademische Arbeit; keine Interessenlage bekannt.", "score": { "design": 8, "datenbasis": 2, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Feldexperiment ohne Interessenkonflikt, aber sehr kleine Stichprobe und eine einzelne Marke.", "gesamt": 6.0 }, "richtung": "gemischt", "quelle_url": "https://doi.org/10.1016/j.digbus.2023.100058", "zugang": "offen", "folgen": [ 8 ], "stand": "2026-11-06" }, { "id": "romaniuk-2013-modeling-mental-market-share", "titel_original": "Modeling mental market share", "titel_de": "Mental Market Share lässt sich aus der Markengröße vorhersagen", "autoren": "Romaniuk", "herausgeber": "Journal of Business Research", "jahr": 2013, "studientyp": "Paneldaten-Analyse", "themen": [ "Markenaufbau & Wachstum", "Methodik & Marktforschung" ], "kernaussage": "Das NBD-Dirichlet-Modell sagt den Mental Market Share einer Marke aus ihrer Größe sehr gut voraus; daraus lassen sich Normwerte ableiten, gegen die man echte Abweichungen erkennt.", "zahlen": [], "methode": "Anwendung des NBD-Dirichlet-Modells auf Assoziationsdaten.", "datenbasis": "Details hinter Paywall", "einschraenkungen": "Datenbasis und Fit-Werte nicht geprüft. Zeigt Vorhersagbarkeit aus der Größe, nicht dass Mental Market Share den Umsatz treibt.", "interessenlage": "Ehrenberg-Bass-Autorin.", "score": { "design": 6, "datenbasis": 4, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 7, "begruendung": "Modellbefund in begutachteter Zeitschrift; im B2B-Report praktisch angewandt, Details aber nicht geprüft.", "gesamt": 6.0 }, "richtung": "bestaetigt", "quelle_url": "https://www.sciencedirect.com/science/article/abs/pii/S014829631200207X", "zugang": "paywall", "folgen": [ 16 ], "stand": "2026-11-06" }, { "id": "which-black-friday-deals-2025", "titel_original": "Don’t believe the hype: most Black Friday deals the same price or cheaper at other times of the year", "titel_de": "Which? 2025: Black-Friday-Preise im Jahresvergleich", "autoren": "Which?", "herausgeber": "Which? (Policy & Insight)", "jahr": 2025, "studientyp": "Fallsammlung", "themen": [ "Preis & Promotion", "Handel & Commerce" ], "kernaussage": "Die große Mehrheit der Black-Friday-Angebote in Großbritannien gab es im Jahr drumherum mindestens einmal gleich günstig oder günstiger, kein einziges war nur am Black Friday am billigsten.", "zahlen": [ { "wert": "83 %", "bedeutung": "Produkte, die außerhalb der vierwöchigen Black-Friday-Phase mindestens einmal gleich günstig oder günstiger waren" }, { "wert": "0", "bedeutung": "Angebote, die nur am Black Friday am günstigsten waren" }, { "wert": "175 / 8", "bedeutung": "beobachtete Produkte / Händler" } ], "methode": "Preisbeobachtung je sechs Monate vor und nach Black Friday 2024.", "datenbasis": "175 Haushalts-, Technik- und Gesundheitsgeräte bei 8 UK-Händlern, Mai 2024–Mai 2025.", "einschraenkungen": "Stichprobe ohne Zufallsauswahl, nur UK. „Nicht günstiger als sonst“ ist kein Rechtsverstoß. Andere Vergleichsbasis als idealo (Jahr vs. Oktobermittel).", "interessenlage": "Verbraucherorganisation; kein kommerzielles Interesse an Aktionsumsätzen.", "score": { "design": 6, "datenbasis": 4, "unabhaengigkeit": 8, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Systematische Preisbeobachtung über ein Jahr mit mittlerer Stichprobe, unabhängiger Absender; Tendenz durch Stiftung Warentest gestützt.", "gesamt": 6.0 }, "richtung": "bestaetigt", "quelle_url": "https://www.which.co.uk/policy-and-insight/article/dont-believe-the-hype-most-black-friday-deals-the-same-price-or-cheaper-at-other-times-of-the-year-which-finds-a3TbD5x5KADs", "zugang": "offen", "folgen": [ 24 ], "stand": "2026-11-06" }, { "id": "zaw-jahrbuch-2026", "titel_original": "ZAW-Jahrbuch 2026", "titel_de": "ZAW-Jahrbuch 2026: Werbemarkt Deutschland", "autoren": "Zentralverband der deutschen Werbewirtschaft (ZAW)", "herausgeber": "ZAW", "jahr": 2026, "studientyp": "Paneldaten-Analyse", "themen": [ "Media & Budget" ], "kernaussage": "Der deutsche Werbemarkt wuchs 2025 nur dank Online; ohne das Internetsegment wären die Netto-Werbeeinnahmen geschrumpft, und für 2026 erwarten die Verbände überwiegend stagnierende Budgets.", "zahlen": [ { "wert": "50,9 Mrd. €", "bedeutung": "kommerzielle Kommunikation in Deutschland 2025" }, { "wert": "39,37 Mrd. € (+3,5 %)", "bedeutung": "medienbasierte Werbeinvestitionen 2025" }, { "wert": "56,6 %", "bedeutung": "Online-Anteil an den Netto-Werbeeinnahmen" }, { "wert": "−5,3 %", "bedeutung": "Entwicklung der Netto-Werbeeinnahmen ohne Internetsegment" }, { "wert": "3,1 (Herbst 2025: 3,4)", "bedeutung": "ZAW-Trendbarometer Frühjahr 2026" } ], "methode": "Marktstatistik aus Meldungen der Werbeträger plus Trendbefragung der Mitgliedsverbände.", "datenbasis": "Deutschland 2025, Redaktionsschluss April 2026; Stichprobengröße der Trendbefragung nicht genannt", "einschraenkungen": "Trendbefragung unter Verbänden, nicht Unternehmen. Der ZAW spricht selbst davon, dass Werbungtreibende die bessere Nachvollziehbarkeit digitaler Kanäle nur „vermuten“. Keine Funnel-Aufteilung.", "interessenlage": "Interessenverband der Werbewirtschaft.", "score": { "design": 6, "datenbasis": 8, "unabhaengigkeit": 5, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Langjährige Marktstatistik für Deutschland, aber Verbandsdaten aus Werbeträgermeldungen.", "gesamt": 6.0 }, "richtung": "bestaetigt", "quelle_url": "https://zaw.de/app/uploads/2026/05/ZAW_Jahrbuch_2026_doppelseitig_V1.1.pdf", "zugang": "offen", "folgen": [ 17 ], "stand": "2026-11-06" }, { "id": "zhang-gosline-2023-human-favoritism", "titel_original": "Human favoritism, not AI aversion: People's perceptions (and bias) toward generative AI, human experts, and human–GAI collaboration in persuasive content generation", "titel_de": "Menschen-Bonus statt KI-Malus bei Werbetexten", "autoren": "Zhang, Gosline", "herausgeber": "Judgment and Decision Making", "jahr": 2023, "studientyp": "Laborexperiment", "themen": [ "KI im Marketing", "Kreation & Werbewirkung" ], "kernaussage": "Ohne Herkunftsangabe werden KI-Werbetexte besser bewertet als die von Profis; wird die Quelle offengelegt, schrumpft der Vorsprung, dreht sich aber nicht um – getrieben von Vorliebe für Menschen, nicht von KI-Abneigung.", "zahlen": [ { "wert": "1.203", "bedeutung": "Teilnehmende im 3×4-Design zwischen Personen" } ], "methode": "Online-Experiment: blind / teilweise / voll informiert × vier Erstellungsarten (Mensch, KI, Mensch+KI, KI+Mensch); GPT-4 gegen Profis einer großen Beratung.", "datenbasis": "1.203 Teilnehmende (CloudResearch Connect)", "einschraenkungen": "Nur kurze Texte und Laienurteile, keine Marktwirkung.", "interessenlage": "Akademisch; keine Interessenlage bekannt.", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Sauberes, begutachtetes Online-Experiment; Label-Effekt in mehreren Studien bestätigt, Übertragung auf Marktverhalten offen.", "gesamt": 6.0 }, "richtung": "bestaetigt", "quelle_url": "https://www.cambridge.org/core/services/aop-cambridge-core/content/view/419C4BD9CE82673EAF1D8F6C350C4FA8/S1930297523000372a.pdf/human_favoritism_not_ai_aversion_peoples_perceptions_and_bias_toward_generative_ai_human_experts_and_humangai_collaboration_in_persuasive_content_generation.pdf", "zugang": "offen", "folgen": [ 14 ], "stand": "2026-11-06" }, { "id": "aridor-che-salz-dsgvo-datenindustrie-2023", "titel_original": "The Effect of Privacy Regulation on the Data Industry: Empirical Evidence from GDPR", "titel_de": "DSGVO-Opt-in: Weniger erfasste Kunden, aber wertvollere Profile", "autoren": "Aridor, Che, Salz", "herausgeber": "The RAND Journal of Economics (54/4)", "jahr": 2023, "studientyp": "Quasi-Experiment", "themen": [ "Recht & Datenschutz", "Messung & Attribution" ], "kernaussage": "Die Einwilligungspflicht der DSGVO ließ einen Reiseportal-Anbieter rund ein Achtel weniger Nutzer erfassen. Die verbleibenden Nutzer waren länger nachverfolgbar und besser vorhersagbar, was ihren Wert für Werbetreibende erhöhte.", "zahlen": [ { "wert": "−12,5 %", "bedeutung": "Rückgang der vom Reiseintermediär erfassten Nutzer nach DSGVO-Start" } ], "methode": "Vergleich von EU- und Nicht-EU-Daten eines Online-Reiseintermediärs vor und nach Inkrafttreten der DSGVO (Differenzen-Ansatz).", "datenbasis": "Datensatz eines Online-Reiseintermediärs, mehrere EU-Länder, 2018.", "einschraenkungen": "Ein Unternehmen, eine Branche; kurzfristiger Effekt. '12,5 %' ist kein Opt-out-Anteil aller Nutzer, sondern der Rückgang der beobachteten Konsumenten.", "interessenlage": "akademisch; Daten eines Branchenunternehmens", "score": { "design": 8, "datenbasis": 5, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Solides Differenzen-Design, aber nur ein Datenpartner und keine direkte Replikation.", "gesamt": 5.9 }, "richtung": "bestaetigt", "quelle_url": "https://www.nber.org/papers/w26900", "zugang": "teilweise", "folgen": [], "stand": "2026-11-06" }, { "id": "eckles-gordon-johnson-2018-psychological-targeting-kritik", "titel_original": "Field Studies of Psychologically Targeted Ads Face Threats to Internal Validity", "titel_de": "Kritik: Psychologisches Targeting ist nicht sauber belegt", "autoren": "Eckles, Gordon, Johnson", "herausgeber": "PNAS 115(23), E5254–E5255", "jahr": 2018, "studientyp": "Übersichtsarbeit", "themen": [ "Kreation & Werbewirkung", "Methodik & Marktforschung", "Social & Influencer" ], "kernaussage": "Die viel zitierten Facebook-Studien von Matz et al. (2017), wonach auf die Persönlichkeit zugeschnittene Anzeigen besser wirken, belegen das kausal nicht: Die Plattform optimiert die Auslieferung selbst, sodass Anzeigenvarianten unterschiedliche Personen erreichen. Für echte Belege braucht es andere Versuchsdesigns.", "zahlen": [], "methode": "Methodenkritischer Kommentar (Letter) zu drei Feldexperimenten; Analyse der Gefährdungen interner Validität und Vorschlag alternativer Designs.", "datenbasis": "Keine eigenen Daten; bezieht sich auf die drei Feldexperimente von Matz et al. (PNAS 2017).", "einschraenkungen": "Zeigt nicht, dass psychologisches Targeting unwirksam ist, sondern dass die bisherigen Belege es nicht sauber zeigen. Gilt allgemein für A/B-Tests von Anzeigenvarianten auf optimierenden Plattformen.", "interessenlage": "keine bekannt (akademisch; Autoren mit früheren Plattform-Kooperationen)", "score": { "design": 5, "datenbasis": 2, "unabhaengigkeit": 9, "replikation": 6, "uebertragbarkeit": 8, "begruendung": "Methodenkritik ohne eigene Daten; das Problem 'divergierende Auslieferung' wurde später von weiteren Arbeiten zu Plattform-A/B-Tests bestätigt.", "gesamt": 5.9 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1073/pnas.1805363115", "zugang": "offen", "folgen": [], "stand": "2026-11-06" }, { "id": "leib-et-al-round-asking-prices-2021", "titel_original": "Precision in a Seller’s Market: Round Asking Prices Lead to Higher Counteroffers and Selling Prices", "titel_de": "Runde Angebotspreise im Verkäufermarkt (Amsterdam)", "autoren": "Leib, Köbis, Francke, Shalvi, Roskes", "herausgeber": "Management Science 67 (2)", "jahr": 2021, "studientyp": "Paneldaten-Analyse", "themen": [ "Preis & Promotion" ], "kernaussage": "Im Verkäufermarkt Amsterdam führten runde Angebotspreise zu höheren Gegenangeboten und Verkaufspreisen. Ob präzise oder runde Preise besser sind, hängt also von der Marktlage ab.", "zahlen": [ { "wert": "+0,6 % (≈ 2.099 €)", "bedeutung": "höherer Verkaufspreis je Stelle mehr Rundung" }, { "wert": "70 %", "bedeutung": "Verkäufe über Angebotspreis im Amsterdamer Markt 2017" }, { "wert": "n = 1.809 / 8.278", "bedeutung": "Teilnehmende im präregistrierten Experiment / Transaktionen" } ], "methode": "Ein präregistriertes Experiment plus Analyse realer Immobilientransaktionen.", "datenbasis": "1.809 Teilnehmende, 8.278 Transaktionen in Amsterdam 2017.", "einschraenkungen": "Nur Abstract gelesen. Ein Markt in einer besonderen Marktphase.", "interessenlage": "keine bekannt", "score": { "design": 6, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Experiment plus Transaktionsdaten, akademisch; gegenläufig zu Thomas et al. (2010), nicht repliziert.", "gesamt": 5.9 }, "richtung": "gemischt", "quelle_url": "https://ideas.repec.org/a/inm/ormnsc/v67y2021i2p1048-1055.html", "zugang": "paywall", "folgen": [ 25 ], "stand": "2026-11-06" }, { "id": "nielsen-2009-share-of-voice-upturn", "titel_original": "Budgeting for the Upturn: Does Share of Voice Matter?", "titel_de": "Nielsen: Wie viel Marktanteil bringt Extra-Share-of-Voice?", "autoren": "Nielsen", "herausgeber": "Nielsen Insights", "jahr": 2009, "studientyp": "Anbieterauswertung", "themen": [ "Media & Budget", "Markenaufbau & Wachstum" ], "kernaussage": "Im Schnitt bringen 10 Punkte Extra-Share-of-Voice (ESOV) etwa 0,5 Prozentpunkte Marktanteilsgewinn pro Jahr; Marktführer setzen ESOV deutlich effizienter in Wachstum um als Herausforderer, neue Marken und Relaunches ebenfalls.", "zahlen": [ { "wert": "10 : 0,5", "bedeutung": "10 Punkte ESOV (Share of Voice minus Marktanteil) gehen im Schnitt mit rund 0,5 Prozentpunkten Marktanteilsgewinn in einem Jahr einher" }, { "wert": "1,4 vs. 0,4", "bedeutung": "Marktanteilsgewinn je 10 % ESOV bei Marktführern gegenüber Herausforderern" }, { "wert": "+15 bis 25 %", "bedeutung": "höheres Wachstum je ESOV-Punkt bei Launches und Relaunches gegenüber der Norm" }, { "wert": "123 / 30", "bedeutung": "Anzahl Marken / Kategorien in der Auswertung" } ], "methode": "Auswertung des Zusammenhangs zwischen ESOV und Marktanteilsveränderung über Marken und Kategorien; dazu modellierte Budgetkürzungs-Szenarien.", "datenbasis": "123 Marken aus 30 Kategorien, 'normale' (nicht preisgekrönte) Werbung, international, vor 2009.", "einschraenkungen": "Korrelativ und mit großer Streuung je Kategorie; Nielsen rät selbst, die Beziehung je Marke zu prüfen. Die Kürzungsszenarien sind Modellrechnungen, keine Beobachtungen.", "interessenlage": "Nielsen verkauft Media- und Marktdaten; Botschaft 'in der Krise weiter werben' liegt im Interesse der Werbebranche.", "score": { "design": 6, "datenbasis": 6, "unabhaengigkeit": 3, "replikation": 8, "uebertragbarkeit": 6, "begruendung": "Beobachtungsdaten eines Anbieters; der ESOV-Zusammenhang ist aber über Jones, Nielsen und IPA mehrfach gefunden worden.", "gesamt": 5.9 }, "richtung": "bestaetigt", "quelle_url": "https://www.nielsen.com/id/insights/2009/budgeting-for-the-upturn-does-share-of-voice-matter", "zugang": "offen", "folgen": [], "stand": "2026-11-06" }, { "id": "romaniuk-sharp-2003-salience-defection", "titel_original": "Brand Salience and Customer Defection in Subscription Markets", "titel_de": "Markensalienz und Kundenabwanderung in Abo-Märkten", "autoren": "Romaniuk, Sharp", "herausgeber": "Journal of Marketing Management", "jahr": 2003, "studientyp": "Paneldaten-Analyse", "themen": [ "Markenaufbau & Wachstum", "CRM & Loyalität" ], "kernaussage": "In Abo-Märkten wie Telekommunikation und Business Banking hängt höhere Markensalienz verallgemeinerbar mit geringerer Wahrscheinlichkeit zusammen, dass Kunden abwandern – bei Absicht und tatsächlichem Wechsel.", "zahlen": [], "methode": "Beobachtungsstudie mit Befragungs- und Wechseldaten in mehreren Märkten.", "datenbasis": "Telekommunikation (B2C) und Business Banking", "einschraenkungen": "Volltext hinter Paywall, Einzelzahlen nicht geprüft; kursierende Werte wie „1 % mehr Salienz = 0,25 % weniger Kündigung“ stammen aus einer maschinellen Zusammenfassung und sind nicht belegt. Beobachtung, keine Kausalität.", "interessenlage": "Ehrenberg-Bass-Autoren.", "score": { "design": 6, "datenbasis": 4, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Wiederholter Beobachtungsbefund derselben Autorengruppe, später im B2B-Report erneut gezeigt.", "gesamt": 5.9 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1080/0267257X.2003.9728200", "zugang": "paywall", "folgen": [ 16 ], "stand": "2026-11-06" }, { "id": "sarstedt-et-al-silicon-samples-guidelines-2024", "titel_original": "Using large language models to generate silicon samples in consumer and marketing research: Challenges, opportunities, and guidelines", "titel_de": "Leitlinien für Silicon Samples in der Marketingforschung", "autoren": "Sarstedt, Adler, Rau, Schmitt", "herausgeber": "Psychology & Marketing 41 (6)", "jahr": 2024, "studientyp": "Übersichtsarbeit", "themen": [ "KI im Marketing", "Methodik & Marktforschung" ], "kernaussage": "Silicon Samples eignen sich am ehesten früh im Forschungsprozess, etwa für qualitative Pretests und Pilotstudien, nicht als Ersatz für Hauptstudien.", "zahlen": [], "methode": "Review-Artikel mit Leitlinien, ohne eigene Messung.", "datenbasis": "Literaturübersicht.", "einschraenkungen": "Keine eigene Validierung; warnt vor westlich-englischer Schlagseite der Modelle.", "interessenlage": "keine bekannt (LMU München)", "score": { "design": 4, "datenbasis": 4, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Leitlinien-Review ohne eigene Daten, akademisch; Empfehlung durch spätere Auszählung derselben Gruppe gestützt.", "gesamt": 5.9 }, "richtung": "bestaetigt", "quelle_url": "https://epub.ub.uni-muenchen.de/116232/1/Psychology_and_Marketing_-_2024_-_Sarstedt_-_Using_large_language_models_to_generate_silicon_samples_in_consumer_and.pdf", "zugang": "offen", "folgen": [ 26 ], "stand": "2026-11-06" }, { "id": "thomas-morwitz-left-digit-effect-2005", "titel_original": "Penny Wise and Pound Foolish: The Left-Digit Effect in Price Cognition", "titel_de": "Laborbefund zum Left-Digit-Effekt", "autoren": "Thomas, Morwitz", "herausgeber": "Journal of Consumer Research 32 (1)", "jahr": 2005, "studientyp": "Laborexperiment", "themen": [ "Preis & Promotion" ], "kernaussage": "2,99 $ wirkt nur dann deutlich kleiner als 3,00 $, wenn sich die linke Ziffer ändert; je näher der Vergleichspreis liegt, desto stärker der Effekt.", "zahlen": [ { "wert": "5", "bedeutung": "Experimente im Paper" } ], "methode": "Fünf Laborexperimente zur Preiswahrnehmung.", "datenbasis": "Fünf Laborexperimente; Stichproben nicht geprüft.", "einschraenkungen": "Nur Abstract gelesen (Paywall). Eine verwandte Verstärkungshypothese (Sokolova et al. 2020) ließ sich nur schwach replizieren (Data Colada #92); eine Replikation von Claus & Pandelaere (2025) nennt im Abstract kein Ergebnis.", "interessenlage": "keine bekannt", "score": { "design": 4, "datenbasis": 4, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Laborexperimente, akademisch; Grundeffekt im Feld durch Lacetera und Strulov-Shlain gestützt.", "gesamt": 5.9 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1086/429600", "zugang": "paywall", "folgen": [ 25 ], "stand": "2026-11-06", "alias": [ "thomas-morwitz-left-digit-2005" ] }, { "id": "chae-bruno-feinberg-wearout-or-weariness-2019", "titel_original": "Wearout or Weariness? Measuring Potential Negative Consequences of Online Ad Volume and Placement on Website Visits", "titel_de": "Wear-out oder Überdruss? Negative Werbekontakte online", "autoren": "Chae, Bruno, Feinberg", "herausgeber": "Journal of Marketing Research 56(1), 57–75", "jahr": 2019, "studientyp": "Paneldaten-Analyse", "themen": [ "Media & Budget", "Kreation & Werbewirkung" ], "kernaussage": "Echter Überdruss, also Kontakte mit negativer Wirkung, betrifft im Feld eine Teilgruppe von rund einem Viertel der Nutzer; Profilbildung und Frequency Capping verbesserten die Ausspielung spürbar.", "zahlen": [ { "wert": "≈ 24 %", "bedeutung": "Anteil der Stichprobe in einer Teilgruppe mit Überdruss ('weariness')" }, { "wert": "bis 15 %", "bedeutung": "mögliche Verbesserung der Ausspielung durch Profilbildung und Capping" } ], "methode": "Modellierung von Beobachtungsdaten (Werbekontakte und Website-Besuche).", "datenbasis": "mehr als 12.000 Nutzer, über 400 Websites, eine Kampagne", "einschraenkungen": "Keine Randomisierung; eine Kampagne; Zielgröße Website-Besuche. Lewis fand bei 30 Kampagnen keine negativen Grenzwirkungen.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 6, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Peer-reviewte Beobachtungsstudie; Weariness in Felddaten selten belegt.", "gesamt": 5.8 }, "richtung": "offen", "quelle_url": "https://www.hernanbruno.com/uploads/Chae_Bruno_Feinberg.pdf", "zugang": "offen", "folgen": [ 38 ], "stand": "2026-11-06" }, { "id": "exner-hartmann-netzer-zhang-2025-ai-in-disguise", "titel_original": "AI in disguise – How AI-generated ads' visual cues shape consumer perception and performance", "titel_de": "KI-Bildanzeigen im Feld: gut, solange sie nicht nach KI aussehen", "autoren": "Exner, Hartmann, Netzer, Zhang", "herausgeber": "Working Paper (Columbia University)", "jahr": 2025, "studientyp": "Quasi-Experiment", "themen": [ "KI im Marketing", "Kreation & Werbewirkung" ], "kernaussage": "Auf einer großen Werbeplattform schneiden KI-generierte Bildanzeigen im Mittel nicht anders ab als menschliche; KI-Bilder, die nicht nach KI aussehen, erzielen höhere Klickraten als solche, die erkennbar künstlich wirken.", "zahlen": [ { "wert": "0,79 % vs. 0,62 %", "bedeutung": "Klickrate (modellfrei) von KI-Bildern, die nicht vs. doch nach KI aussehen" }, { "wert": "16 Mrd.", "bedeutung": "Impressionen im Datensatz" }, { "wert": "> 7.000", "bedeutung": "Werbetreibende" } ], "methode": "Quasi-Experiment innerhalb derselben Kampagnen auf Taboola (GenAI Ad Maker, Stable Diffusion); KI-Anmutung nachträglich von Ratern erhoben.", "datenbasis": "über 2 Mio. Anzeigen-Tage, > 7.000 Werbetreibende, > 16 Mrd. Impressionen, 03.06.–15.08.2023, USA", "einschraenkungen": "Keine Offenlegung der KI-Herkunft – gemessen wird der KI-Eindruck, nicht die Label-Wirkung. Im Regressionsmodell ist der Durchschnittseffekt nicht signifikant. Eine Plattform, Peer Review ausstehend.", "interessenlage": "Akademisch mit Plattformdaten (Taboola).", "score": { "design": 6, "datenbasis": 9, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Sehr großes Feld-Quasi-Experiment mit Plattformdaten, aber unbegutachtet und nicht repliziert.", "gesamt": 5.8 }, "richtung": "offen", "quelle_url": "https://www.columbia.edu/~on2110/Papers/AI_in_disguise.pdf", "zugang": "offen", "folgen": [ 14 ], "stand": "2026-11-06" }, { "id": "feng-et-al-live-interaction-returns-2025", "titel_original": "When Persuasion Is Too Persuasive: An Empirical Analysis of Product Returns in Livestream e-Commerce", "titel_de": "Live-Interaktion und Retouren im Livestream-Commerce", "autoren": "Feng, Rong, Tian, Wang, Yao", "herausgeber": "Production and Operations Management", "jahr": 2025, "studientyp": "Quasi-Experiment", "themen": [ "Social & Influencer", "Handel & Commerce" ], "kernaussage": "Mehr Live-Interaktion beim Livestream-Shopping erhöht die Retourenquote deutlich. Überzeugen kann also auch zu viel überzeugen.", "zahlen": [ { "wert": "+11,68 Prozentpunkte", "bedeutung": "höhere Retourenquote bei einer Standardabweichung mehr Live-Interaktion (Obergrenze)" }, { "wert": "> 30 %", "bedeutung": "Anteil dieses Anstiegs an der durchschnittlichen Retourenquote" } ], "methode": "Vergleich von Live-Sessions mit Wiederholungen derselben Sessions, bei denen nur die Live-Interaktion fehlt.", "datenbasis": "Transaktionsdaten eines führenden Livestream-Commerce-Anbieters in China.", "einschraenkungen": "Nur China, ein Anbieter; Werte aus dem Abstract (Paywall). Effekt stärker bei erfahrenen Streamern und niedrigen Preisen.", "interessenlage": "keine bekannt", "score": { "design": 8, "datenbasis": 6, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Cleveres quasi-experimentelles Design mit Transaktionsdaten; Plattformdaten, nicht repliziert, Übertragbarkeit nach DE offen.", "gesamt": 5.8 }, "richtung": "offen", "quelle_url": "https://journals.sagepub.com/doi/10.1177/10591478231224949", "zugang": "paywall", "folgen": [ 23 ], "stand": "2026-11-06" }, { "id": "he-hollenbeck-proserpio-market-fake-reviews-2022", "titel_original": "The Market for Fake Reviews", "titel_de": "Der Markt für gekaufte Amazon-Bewertungen", "autoren": "He, Hollenbeck, Proserpio", "herausgeber": "Marketing Science", "jahr": 2022, "studientyp": "Paneldaten-Analyse", "themen": [ "Handel & Commerce", "Recht & Datenschutz" ], "kernaussage": "Gekaufte Bewertungen heben den Schnitt nur kurz; nach etwa einem Monat ist der Effekt weg, danach sinkt die Bewertung und der Anteil der Ein-Stern-Bewertungen steigt.", "zahlen": [ { "wert": "+0,08 Sterne", "bedeutung": "durchschnittlicher kurzfristiger Ratinganstieg durch gekaufte Bewertungen" }, { "wert": "≈ 1 Monat", "bedeutung": "Dauer, nach der der Effekt verschwindet" } ], "methode": "Verdeckte Beobachtung von Amazon-Produkten, deren Händler Fake-Bewertungen über private Facebook-Gruppen kaufen.", "datenbasis": "Amazon-Produkte mit gekauften Bewertungen", "einschraenkungen": "Nur Amazon und eine Beschaffungsquelle; zeigt Verlauf, keine Gesamtquote. Rechtlich zudem UWG-Verstoß.", "interessenlage": "Finanziert vom Morrison Center for Marketing Analytics (UCLA)", "score": { "design": 6, "datenbasis": 6, "unabhaengigkeit": 9, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Seltene Direktbeobachtung des Fake-Markts, peer-reviewt; nicht repliziert.", "gesamt": 5.8 }, "richtung": "bestaetigt", "quelle_url": "https://mpra.ub.uni-muenchen.de/105507/1/MPRA_paper_105507.pdf", "zugang": "offen", "folgen": [ 34 ], "stand": "2026-11-06", "alias": [ "he-hollenbeck-proserpio-fake-reviews-2022" ] }, { "id": "hu-et-al-live-streaming-spillover-2026", "titel_original": "Investigating the cross-channel impact of live streaming on retail sales: Evidence from a live streaming e-commerce platform in China", "titel_de": "Live-Streaming-Kanal und Spillover auf den Shop-Umsatz", "autoren": "Hu, Mo, Min, Luo", "herausgeber": "Decision Support Systems 201", "jahr": 2026, "studientyp": "Quasi-Experiment", "themen": [ "Social & Influencer", "Handel & Commerce" ], "kernaussage": "Händler, die einen Live-Streaming-Kanal einführen, verkaufen insgesamt mehr, auch im klassischen Shop.", "zahlen": [], "methode": "Difference-in-Differences mit Propensity Score Matching auf Paneldaten.", "datenbasis": "Paneldaten einer chinesischen E-Commerce-Plattform.", "einschraenkungen": "Kein Zufallsexperiment, Selbstselektion der Händler bleibt Restrisiko. Effektgröße nicht im Abstract (Paywall). Nur China.", "interessenlage": "keine bekannt", "score": { "design": 8, "datenbasis": 6, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Quasi-experimentelles Paneldesign; eine Plattform, nicht repliziert, Effektgröße unbekannt.", "gesamt": 5.8 }, "richtung": "offen", "quelle_url": "https://doi.org/10.1016/j.dss.2025.114591", "zugang": "paywall", "folgen": [ 23 ], "stand": "2026-11-06" }, { "id": "leung-gu-li-zhang-palmatier-2022-influencer-effectiveness", "titel_original": "Influencer Marketing Effectiveness", "titel_de": "Weibo: Elastizität von Influencer-Ausgaben", "autoren": "Leung, Gu, Li, Zhang, Palmatier", "herausgeber": "Journal of Marketing", "jahr": 2022, "studientyp": "Paneldaten-Analyse", "themen": [ "Social & Influencer", "Media & Budget" ], "kernaussage": "Auf Weibo steigert ein Prozent mehr Influencer-Budget das Engagement um knapp ein halbes Prozent; eine Budgetverteilung nach Elastizität hätte deutlich mehr Engagement gebracht.", "zahlen": [ { "wert": "0,457 %", "bedeutung": "Engagement-Zuwachs je 1 % mehr Influencer-Ausgaben" }, { "wert": "+16,6 %", "bedeutung": "mögliches Engagement-Plus durch elastizitätsbasierte Budgetverteilung" }, { "wert": "5.835", "bedeutung": "bezahlte Posts, 1.256 Kampagnen, 2.412 Influencer, 861 Marken" } ], "methode": "Ökonometrische Auswertung bezahlter Posts; Outcome sind Reposts und Kommentare nach 24 Stunden.", "datenbasis": "Weibo (China), Oktober 2018", "einschraenkungen": "Kein Umsatz-Outcome (von den Autoren selbst bemängelt); ein Monat, eine Plattform in China.", "interessenlage": "Akademisch; keine Interessenlage bekannt.", "score": { "design": 6, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Solide Beobachtungsdaten, unabhängig, aber an Plattform und Engagement gebunden.", "gesamt": 5.8 }, "richtung": "offen", "quelle_url": "http://ira.lib.polyu.edu.hk/bitstream/10397/95941/1/Leung_Influencer_Marketing_Effectiveness.pdf", "zugang": "offen", "folgen": [ 19 ], "stand": "2026-11-06" }, { "id": "luca-zervas-fake-it-till-you-make-it-2016", "titel_original": "Fake It Till You Make It: Reputation, Competition, and Yelp Review Fraud", "titel_de": "Fake-Bewertungen auf Yelp", "autoren": "Luca, Zervas", "herausgeber": "Management Science", "jahr": 2016, "studientyp": "Paneldaten-Analyse", "themen": [ "Handel & Commerce" ], "kernaussage": "Rund ein Sechstel der Yelp-Restaurantbewertungen filtert die Plattform als verdächtig heraus; gefälscht wird eher bei schwacher Reputation, bei Ketten seltener.", "zahlen": [ { "wert": "ca. 16 %", "bedeutung": "Anteil der Yelp-Restaurantbewertungen, die der Yelp-Filter aussortiert" } ], "methode": "Auswertung gefilterter vs. veröffentlichter Bewertungen.", "datenbasis": "Restaurants im Großraum Boston", "einschraenkungen": "Gefiltert ist nicht gleich gefälscht; die Autoren sagen, der echte Anteil könne höher oder niedriger sein. Keine Fake-Quote für den Gesamtmarkt.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 6, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Peer-reviewte Beobachtungsstudie mit Proxy-Maß; nicht repliziert.", "gesamt": 5.8 }, "richtung": "offen", "quelle_url": "https://doi.org/10.1287/mnsc.2015.2304", "zugang": "offen", "folgen": [ 34 ], "stand": "2026-11-06" }, { "id": "stiving-price-endings-quality-signal-2000", "titel_original": "Price-Endings When Prices Signal Quality", "titel_de": "Runde Preise als Qualitätssignal der Anbieter", "autoren": "Stiving", "herausgeber": "Management Science 46 (12)", "jahr": 2000, "studientyp": "Paneldaten-Analyse", "themen": [ "Preis & Promotion", "Markenaufbau & Wachstum" ], "kernaussage": "Anbieter, die mit hohen Preisen Qualität signalisieren wollen, setzen eher runde Preise; empirisch nutzen sie runde Preise häufiger für hochwertigere Produkte. Die Preisendung selbst ist aber nicht zwingend ein Qualitätssignal.", "zahlen": [], "methode": "Theoretisches Modell, geprüft an Beobachtungsdaten zu Anbieterpreisen.", "datenbasis": "Beobachtungsdaten zu Preisen; Umfang nicht geprüft.", "einschraenkungen": "Belegt ist das Verhalten der Anbieter, nicht die Wirkung auf die Kundschaft.", "interessenlage": "keine bekannt", "score": { "design": 6, "datenbasis": 4, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Modell mit Beobachtungsdaten, akademisch; nicht unabhängig repliziert.", "gesamt": 5.8 }, "richtung": "offen", "quelle_url": "https://doi.org/10.1287/mnsc.46.12.1617.12078", "zugang": "paywall", "folgen": [ 25 ], "stand": "2026-11-06" }, { "id": "ahrefs-llms-txt-study-2026", "titel_original": "llms.txt study (Ahrefs Web/Bot Analytics)", "titel_de": "Ahrefs: Wer llms.txt-Dateien wirklich abruft", "autoren": "Linehan, Guan (Ahrefs)", "herausgeber": "Ahrefs (Blog)", "jahr": 2026, "studientyp": "Paneldaten-Analyse", "themen": [ "GEO & KI-Suche" ], "kernaussage": "Fast niemand ruft llms.txt ab: 97 % der vorhandenen Dateien bekamen in einem Monat keinen einzigen Abruf, und die wenigen Abrufe stammen überwiegend von SEO-Tools statt von KI-Bots, die Live-Antworten bauen.", "zahlen": [ { "wert": "28 %", "bedeutung": "Domains mit llms.txt (Obergrenze, SEO-affine Stichprobe)" }, { "wert": "97 %", "bedeutung": "dieser Dateien ohne einen einzigen Abruf im Mai 2026" }, { "wert": "1,1 %", "bedeutung": "Anteil der Anfragen von KI-Retrieval-Bots an den Abrufen der übrigen 3 %" }, { "wert": "21,7 %", "bedeutung": "Anteil von SEO-Audit-Tools an diesen Abrufen" }, { "wert": "19,5 %", "bedeutung": "Anteil aller KI-Bots" } ], "methode": "Auswertung echter Server-Logs über Ahrefs Web Analytics und Bot Analytics.", "datenbasis": "137.210 Domains, Mai 2026", "einschraenkungen": "SEO-affine Stichprobe; ein Abruf beweist noch keine Nutzung. Typischer Fehler: '3 % werden gelesen' mit 'KI liest 3 %' verwechseln.", "interessenlage": "Ahrefs ist SEO- und GEO-Toolanbieter (rät trotzdem eher ab)", "score": { "design": 6, "datenbasis": 8, "unabhaengigkeit": 3, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Große Log-Beobachtung mit offener Methode; Richtung durch SE Ranking und Mueller-Aussagen gestützt.", "gesamt": 5.7 }, "richtung": "widerlegt", "quelle_url": "https://ahrefs.com/blog/llmstxt-study/", "zugang": "offen", "folgen": [ 39 ], "stand": "2026-11-06" }, { "id": "doyen-et-al-elderly-priming-2012", "titel_original": "Behavioral priming: It’s all in the mind, but whose mind?", "titel_de": "Replikation des „Elderly Priming“", "autoren": "Doyen, Klein, Pichon, Cleeremans", "herausgeber": "PLoS ONE 7 (1)", "jahr": 2012, "studientyp": "Laborexperiment", "themen": [ "Methodik & Marktforschung" ], "kernaussage": "Der Klassiker, nach dem Menschen nach dem Lesen von Alters-Wörtern langsamer gehen, ließ sich mit automatischer Zeitmessung nicht wiederholen; der Effekt trat nur auf, wenn die Versuchsleiter ihn erwarteten.", "zahlen": [], "methode": "Replikation von Bargh, Chen & Burrows (1996) mit automatischer Zeitmessung, ergänzt um eine Variation der Versuchsleiter-Erwartung.", "datenbasis": "Laborexperimente; Stichprobengröße nicht in der Belegliste erfasst.", "einschraenkungen": "Marketingbezug nur indirekt: Es geht um die These, dass unbewusste Reize Verhalten steuern.", "interessenlage": "keine bekannt", "score": { "design": 4, "datenbasis": 3, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Kleine Laborreplikation, akademisch; passt zu weiteren gescheiterten Priming-Replikationen.", "gesamt": 5.7 }, "richtung": "widerlegt", "quelle_url": "https://doi.org/10.1371/journal.pone.0029081", "zugang": "offen", "folgen": [ 21 ], "stand": "2026-11-06" }, { "id": "hewitt-et-al-predicting-experiments-llm-2024", "titel_original": "Predicting Results of Social Science Experiments Using Large Language Models", "titel_de": "GPT-4 sagt Ergebnisse sozialwissenschaftlicher Experimente voraus", "autoren": "Hewitt, Ashokkumar, Ghezae, Willer", "herausgeber": "Working Paper (Stanford/NYU)", "jahr": 2024, "studientyp": "Laborexperiment", "themen": [ "KI im Marketing", "Methodik & Marktforschung" ], "kernaussage": "GPT-4 sagt die Richtung von Umfrage-Experimenten gut voraus, auch bei unveröffentlichten Studien, überschätzt aber die Effektstärke. Bei Feldexperimenten mit echtem Verhalten bricht die Vorhersage deutlich ein.", "zahlen": [ { "wert": "r = 0,85", "bedeutung": "Korrelation zwischen Vorhersage und tatsächlichem Effekt über 476 Effekte aus 70 US-Umfrageexperimenten" }, { "wert": "r = 0,90", "bedeutung": "bei unveröffentlichten Studien" }, { "wert": "10,9 Prozentpunkte / 0,56", "bedeutung": "Vorhersagefehler (RMSE) / Korrekturfaktor" }, { "wert": "r = 0,27 / 64 %", "bedeutung": "Feldexperimente: Korrelation / richtige Richtung" }, { "wert": "r = 0,47", "bedeutung": "Umfrageexperimente in Megastudien" } ], "methode": "Vorhersage präregistrierter, US-repräsentativer Umfrageexperimente (TESS) durch GPT-4, verglichen mit den echten Effekten.", "datenbasis": "70 Experimente mit 105.165 Teilnehmenden, plus Megastudien und Feldexperimente.", "einschraenkungen": "Nicht peer-reviewt (Fassung vom 08.08.2024). Gute Vorhersage für Umfragen heißt nicht gute Vorhersage für Verhalten.", "interessenlage": "keine bekannt; Ursprungsdaten NSF-finanziert", "score": { "design": 4, "datenbasis": 8, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Breite Validierung gegen echte Experimente, akademisch; Preprint, nicht unabhängig repliziert.", "gesamt": 5.7 }, "richtung": "gemischt", "quelle_url": "https://samim.io/dl/Predicting%20results%20of%20social%20science%20experiments%20using%20large%20language%20models.pdf", "zugang": "offen", "folgen": [ 26 ], "stand": "2026-11-06" }, { "id": "koning-voorveld-2025-ai-disclosure-trust", "titel_original": "Disclaimer! This Content Is AI-Generated: How AI-Disclosures Influence Trust in Advertisements and Organizations", "titel_de": "KI-Hinweis in Anzeigen senkt das Vertrauen", "autoren": "Koning, Voorveld", "herausgeber": "Journal of Interactive Advertising", "jahr": 2025, "studientyp": "Laborexperiment", "themen": [ "KI im Marketing", "Kreation & Werbewirkung" ], "kernaussage": "Ein KI-Hinweis in einer Anzeige erhöht das Wissen um KI und um Beeinflussung und senkt dadurch das Vertrauen in Anzeige und Organisation; daneben gibt es auch einen positiven Pfad.", "zahlen": [ { "wert": "N = 304", "bedeutung": "Teilnehmende im Experiment" } ], "methode": "Einfaktorielles Experiment zwischen Personen: Anzeige mit vs. ohne KI-Hinweis.", "datenbasis": "304 Teilnehmende; Land laut Abstract nicht genannt", "einschraenkungen": "Nur Abstract geprüft; Land und Effektgrößen unbekannt. Absichten und Einstellungen statt Verhalten.", "interessenlage": "Akademisch; keine Interessenlage bekannt.", "score": { "design": 4, "datenbasis": 3, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Begutachtetes Einzelexperiment mit kleiner Stichprobe; Richtung durch NIM und Baek et al. gestützt.", "gesamt": 5.7 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1080/15252019.2025.2554149", "zugang": "offen", "folgen": [ 14 ], "stand": "2026-11-06" }, { "id": "nestaas-adversarial-seo-llms-2024", "titel_original": "Adversarial SEO for LLMs", "titel_de": "Manipulierbare KI-Suchen: Adversarial SEO", "autoren": "Nestaas, Debenedetti, Tramèr", "herausgeber": "ETH Zürich; arXiv 2406.18382", "jahr": 2024, "studientyp": "Laborexperiment", "themen": [ "GEO & KI-Suche" ], "kernaussage": "Auch reale Systeme wie Bing Copilot und Perplexity ließen sich über präparierte Seiten manipulieren; eine Zielkamera wurde 2,5-mal so oft empfohlen. Die Autoren beschreiben ein Gefangenendilemma, das die Antworten für alle verschlechtert.", "zahlen": [ { "wert": "2,5×", "bedeutung": "höhere Empfehlungswahrscheinlichkeit der Zielkamera durch Manipulation" } ], "methode": "Eigens angelegte Testseiten mit eingebetteten Anweisungen, Abfragen über Bing Copilot und Perplexity.", "datenbasis": "Eigene Testseiten, Produktkategorie Kameras", "einschraenkungen": "Kleines, konstruiertes Setting; zeigt Machbarkeit, nicht Verbreitung. Schwarzhut-Seite, keine Handlungsempfehlung.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 4, "datenbasis": 3, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Test an echten Systemen, unabhängig und laut Übersicht peer-reviewed; kleine Fallzahl.", "gesamt": 5.7 }, "richtung": "bestaetigt", "quelle_url": "https://arxiv.org/pdf/2406.18382", "zugang": "offen", "folgen": [ 31 ], "stand": "2026-11-06" }, { "id": "reuters-digital-news-report-2026-deutschland", "titel_original": "Reuters Institute Digital News Report 2026 – Ergebnisse für Deutschland", "titel_de": "Digital News Report 2026: KI-Chatbots als Nachrichtenquelle", "autoren": "Leibniz-Institut für Medienforschung | Hans-Bredow-Institut", "herausgeber": "Reuters Institute / HBI", "jahr": 2026, "studientyp": "Umfrage", "themen": [ "GEO & KI-Suche" ], "kernaussage": "Nachrichten über KI-Chatbots sind in Deutschland noch eine Nische: nur 5 % nutzten in der Vorwoche einen Chatbot für Nachrichten.", "zahlen": [ { "wert": "5 %", "bedeutung": "Anteil der Internetnutzer ab 18, die in der Vorwoche einen KI-Chatbot für Nachrichten nutzten" } ], "methode": "Onlinebefragung im YouGov-Panel.", "datenbasis": "rund 2.000 Internetnutzer ab 18, Deutschland, 9.–22.01.2026", "einschraenkungen": "Misst nur Nachrichtennutzung, nicht Suche allgemein; Zahl aus der Pressemitteilung, PDF nicht direkt geprüft.", "interessenlage": "Akademische Institute; keine bekannt", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 8, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Etablierte jährliche Befragung unabhängiger Institute; Onlinepanel, nur Nachrichten.", "gesamt": 5.7 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.21241/ssoar.110516", "zugang": "offen", "folgen": [ 31 ], "stand": "2026-11-06" }, { "id": "sparktoro-similarweb-zero-click-2026", "titel_original": "In 2026, Less than One Third of Google Searches Still Send a Click", "titel_de": "SparkToro/Similarweb: Zero-Click-Suchen 2026", "autoren": "Fishkin (SparkToro), Similarweb", "herausgeber": "SparkToro", "jahr": 2026, "studientyp": "Paneldaten-Analyse", "themen": [ "GEO & KI-Suche", "Search & Performance" ], "kernaussage": "In den USA enden gut zwei Drittel der Google-Suchen ohne Klick; Deutschland hat unter sechs untersuchten Ländern die niedrigste Zero-Click-Quote, und der KI-Modus spielt mengenmäßig noch kaum eine Rolle.", "zahlen": [ { "wert": "68,0 %", "bedeutung": "US-Google-Suchen ohne Klick, Jan.–Apr. 2026" }, { "wert": "62,1 %", "bedeutung": "Zero-Click-Quote Deutschland (UK 69,5 %, USA 68,0 %)" }, { "wert": "287 vs. 231", "bedeutung": "Klicks ins offene Web je 1.000 Suchen: Deutschland vs. USA" }, { "wert": "0,34 %", "bedeutung": "Anteil der US-Suchen über den KI-Modus" } ], "methode": "Auswertung des Similarweb-Clickstream-Panels (Desktop und mobiler Browser); Mobil/Desktop-Gewichtung und bezahlte Klicks teils geschätzt.", "datenbasis": "Similarweb-Panel, sechs Länder, Jan.–Apr. 2026; ohne Google-App", "einschraenkungen": "Google-App nicht erfasst; Annahmen zur Gewichtung. Zeitvergleiche mit 2024 sind wegen anderem Panel (Datos) kaum möglich. Ursache des deutschen Werts ist offen. Nutzung nur mit Nennung von SparkToro und Similarweb erlaubt.", "interessenlage": "Similarweb verkauft Daten; Fishkin schreibt ein Buch zu Zero-Click-Marketing.", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 4, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Großes Nutzerpanel mit offengelegten Annahmen, aber Anbieterdaten; Größenordnung von Datos 2024 und Pew gestützt.", "gesamt": 5.7 }, "richtung": "bestaetigt", "quelle_url": "https://sparktoro.com/blog/in-2026-less-than-one-third-of-google-searches-still-send-a-click/", "zugang": "offen", "folgen": [ 12 ], "stand": "2026-11-06" }, { "id": "tellis-effective-frequency-1997", "titel_original": "Effective Frequency: One Exposure or Three Factors?", "titel_de": "Tellis: Effektive Frequenz hängt von drei Faktoren ab", "autoren": "Tellis", "herausgeber": "Journal of Advertising Research, Juli/Aug. 1997", "jahr": 1997, "studientyp": "Übersichtsarbeit", "themen": [ "Media & Budget", "Kreation & Werbewirkung" ], "kernaussage": "Weder 'ein Kontakt genügt' noch 'ständig wiederholen' gilt allgemein; die nötige Frequenz hängt von Markenbekanntheit, Komplexität und Neuheit der Botschaft ab.", "zahlen": [], "methode": "Theoretischer Rahmen auf Basis der Literatur.", "datenbasis": "Keine eigenen Daten", "einschraenkungen": "Nur Abstract (Paywall); keine Einzelzahl.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 4, "datenbasis": 2, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 7, "begruendung": "Konzeptioneller Rahmen, mit der heterogenen Feldlage konsistent.", "gesamt": 5.7 }, "richtung": "bestaetigt", "quelle_url": "https://www.warc.com/content/article/jar/effective-frequency-one-exposure-or-three-factors/en-gb/9066", "zugang": "paywall", "folgen": [ 38 ], "stand": "2026-11-06" }, { "id": "tow-center-ai-search-citation-problem-2025", "titel_original": "AI Search Has a Citation Problem", "titel_de": "Tow Center: Zitiergenauigkeit von acht KI-Suchen", "autoren": "Jaźwińska, Chandrasekar (Tow Center for Digital Journalism)", "herausgeber": "Columbia Journalism Review", "jahr": 2025, "studientyp": "Laborexperiment", "themen": [ "GEO & KI-Suche" ], "kernaussage": "Acht KI-Suchen sollten zu Artikelauszügen die Originalquelle nennen und lagen zusammen bei mehr als 60 % der Anfragen falsch; Lizenzdeals garantierten keine korrekte Zuordnung.", "zahlen": [ { "wert": "> 60 %", "bedeutung": "Anteil falscher Antworten über alle acht Tools" }, { "wert": "37 % / 94 %", "bedeutung": "Fehlerquote Perplexity vs. Grok 3" }, { "wert": "154 von 200", "bedeutung": "Grok-3-Links, die auf Fehlerseiten führten" }, { "wert": "1 von 10", "bedeutung": "korrekt zugeordnete Auszüge des San Francisco Chronicle in ChatGPT trotz Hearst-Deal" } ], "methode": "Rückwärtssuche: zu Auszügen sollten Titel, Medium, Datum und URL genannt werden.", "datenbasis": "20 US-Verlage × 10 Artikel × 8 Tools = 1.600 Anfragen, Februar 2025", "einschraenkungen": "Harter Spezialtest, nicht Alltagsnutzung; Modelle seither aktualisiert. Bezahlversionen öfter richtig, aber auch öfter selbstbewusst falsch.", "interessenlage": "Unabhängig (Columbia University)", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 9, "replikation": 6, "uebertragbarkeit": 4, "begruendung": "Systematischer, unabhängiger Audit; Richtung durch EBU/BBC gestützt, Momentaufnahme.", "gesamt": 5.7 }, "richtung": "bestaetigt", "quelle_url": "https://www.cjr.org/tow_center/we-compared-eight-ai-search-engines-theyre-all-bad-at-citing-news.php", "zugang": "offen", "folgen": [ 35 ], "stand": "2026-11-06" }, { "id": "ventura-et-al-price-endings-23-countries-2025", "titel_original": "Round, just-below, or precise prices? Cultural differences in the prevalence of price endings in E-commerce", "titel_de": "Preisendungen in 23 Ländern auf einem C2C-Marktplatz", "autoren": "Ventura, Troll, Soliman, Loschelder", "herausgeber": "Frontiers in Behavioral Economics 4", "jahr": 2025, "studientyp": "Paneldaten-Analyse", "themen": [ "Preis & Promotion", "Handel & Commerce" ], "kernaussage": "Auf einem Marktplatz für Handgemachtes setzten deutsche Verkäufer weit häufiger Preise knapp unter einer runden Zahl als im Schnitt der 23 Länder; Deutschland hatte den höchsten Anteil.", "zahlen": [ { "wert": "51,0 %", "bedeutung": "deutsche Preise knapp unter einer runden Zahl" }, { "wert": "35,3 % / 13,8 %", "bedeutung": "deutsche runde / präzise Preise" }, { "wert": "25,3 %", "bedeutung": "Knapp-darunter-Anteil im Schnitt der 23 Länder" }, { "wert": "19,3 %", "bedeutung": "Knapp-darunter-Anteil Frankreich" } ], "methode": "Erhebung von 400 Preisen pro Land per VPN in Landeswährung in vier Kategorien.", "datenbasis": "23 Länder, je 400 Preise, 14.–16.07.2020 (Schmuck, Masken, Taschen, Kissen).", "einschraenkungen": "Private Verkäufer auf einer einzigen (anonymisierten) Plattform; nicht repräsentativ für den Handel.", "interessenlage": "Finanziert von der DFG; keine Interessenkonflikte bekannt.", "score": { "design": 6, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Systematische Preiserhebung über viele Länder, akademisch; einzelne Plattform, nicht repliziert.", "gesamt": 5.7 }, "richtung": "offen", "quelle_url": "https://doi.org/10.3389/frbhe.2025.1296207", "zugang": "offen", "folgen": [ 25 ], "stand": "2026-11-06" }, { "id": "danaher-dagger-2013-multimedia-blitz", "titel_original": "Comparing the Relative Effectiveness of Advertising Channels: A Case Study of a Multimedia Blitz Campaign", "titel_de": "Zehn Werbekanäle im Vergleich: Händler-Kampagne", "autoren": "Danaher, Dagger", "herausgeber": "Journal of Marketing Research 50(4), 517–534", "jahr": 2013, "studientyp": "Paneldaten-Analyse", "themen": [ "Messung & Attribution", "Media & Budget", "Handel & Commerce" ], "kernaussage": "Bei einer kurzen Verkaufsaktion eines großen Händlers beeinflussten sieben von zehn Werbekanälen die Käufe signifikant; durch Verknüpfung von individuellen Mediakontakten mit Kaufdaten lässt sich das Budget über klassische und digitale Kanäle optimal aufteilen.", "zahlen": [ { "wert": "10", "bedeutung": "untersuchte Kanäle: TV, Radio, Zeitung, Magazine, Online-Display, Suchanzeigen, Social Media, Kataloge, Direct Mail, E-Mail" }, { "wert": "7 von 10", "bedeutung": "Kanäle mit signifikantem Einfluss auf das Kaufverhalten" } ], "methode": "Single-Source-Ansatz: Online-Befragung zur Mediennutzung von Kundenkartenmitgliedern, verknüpft mit deren Kaufhistorie; Responsemodell für Kaufwahrscheinlichkeit und Umsatz.", "datenbasis": "Kundenkartenprogramm eines großen Händlers, eine kurzfristige Multimedia-Verkaufskampagne.", "einschraenkungen": "Ein Händler, eine Aktion; Mediakontakte per Selbstauskunft erhoben. Beobachtungsdaten – Kanalwirkungen können durch Selbstselektion verzerrt sein.", "interessenlage": "Datenpartner ist der Händler; sonst keine bekannt.", "score": { "design": 6, "datenbasis": 5, "unabhaengigkeit": 9, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Methodisch innovative Single-Source-Fallstudie, aber Einzelfall ohne Randomisierung.", "gesamt": 5.6 }, "richtung": "offen", "quelle_url": "https://doi.org/10.1509/jmr.12.0241", "zugang": "paywall", "folgen": [], "stand": "2026-11-06" }, { "id": "eu-sweep-dark-patterns-online-shops-2023", "titel_original": "Pressemitteilung IP/23/418 vom 30.01.2023 (Sweep zu manipulativen Praktiken in Onlineshops)", "titel_de": "EU-Sweep 2022: Dark Patterns in Onlineshops", "autoren": "Europäische Kommission, nationale Verbraucherschutzbehörden (CPC)", "herausgeber": "Europäische Kommission (IP/23/418)", "jahr": 2023, "studientyp": "Fallsammlung", "themen": [ "Recht & Datenschutz", "Handel & Commerce" ], "kernaussage": "Bei einer koordinierten Behördenprüfung nutzte gut jeder dritte geprüfte Onlineshop mindestens ein Dark Pattern, darunter Fake-Countdown-Timer, obwohl falsche Befristungen in der EU seit 2005 verboten sind.", "zahlen": [ { "wert": "148 von 399 (≈ 37 %)", "bedeutung": "Shops mit mindestens einem von drei Dark Patterns" }, { "wert": "42", "bedeutung": "Shops mit Fake-Countdown-Timern" }, { "wert": "54 / 70", "bedeutung": "Shops mit Lenkung per Design / mit versteckten Informationen" }, { "wert": "27 von 102", "bedeutung": "Apps mit Dark Patterns" } ], "methode": "Behördliches Screening (Sweep) nach einheitlichem Prüfschema.", "datenbasis": "399 Onlineshops und 102 Apps in 23 Mitgliedstaaten plus Norwegen und Island, Prüfung 2022; Koordination in Deutschland durch das Umweltbundesamt.", "einschraenkungen": "Keine Zufallsstichprobe. Festgestellt wurde ein Verdacht, noch kein Rechtsverstoß. Keine Firmennamen als Täter nennen.", "interessenlage": "Kommission und Behörden haben Durchsetzungs- und Regulierungsinteresse.", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Behördliche Fallsammlung mit mittlerer Fallzahl über viele Länder; Verbreitung durch akademische Crawls (Mathur 2019) gestützt.", "gesamt": 5.6 }, "richtung": "bestaetigt", "quelle_url": "https://ec.europa.eu/commission/presscorner/detail/en/ip_23_418", "zugang": "offen", "folgen": [ 28 ], "stand": "2026-11-06" }, { "id": "mela-gupta-lehmann-promotion-advertising-1997", "titel_original": "The Long-Term Impact of Promotion and Advertising on Consumer Brand Choice", "titel_de": "Langfristwirkung von Aktionen und Werbung auf die Markenwahl", "autoren": "Mela, Gupta, Lehmann", "herausgeber": "Journal of Marketing Research 34 (2)", "jahr": 1997, "studientyp": "Paneldaten-Analyse", "themen": [ "Preis & Promotion", "Markenaufbau & Wachstum" ], "kernaussage": "Über gut acht Jahre wurden Verbraucher preis- und aktionsempfindlicher, weil weniger geworben und mehr rabattiert wurde. Das steht in Spannung zum Ehrenberg-Befund ohne Loyalitätsverlust.", "zahlen": [ { "wert": "8¼ Jahre", "bedeutung": "Länge der Panel-Zeitreihe" } ], "methode": "Beobachtungsstudie mit Koyck-Modell auf Haushalts-Paneldaten.", "datenbasis": "Eine Konsumgüterkategorie (im Abstract nicht genannt), 8¼ Jahre.", "einschraenkungen": "Nur eine Kategorie; Abstract gelesen (Paywall). Keine Pauschalaussage „Rabatte zerstören die Marke“ ableitbar.", "interessenlage": "keine bekannt", "score": { "design": 6, "datenbasis": 4, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Lange Paneldaten, aber nur eine Kategorie; Befund steht im Widerspruch zu Ehrenberg et al. und ist nicht direkt repliziert.", "gesamt": 5.6 }, "richtung": "gemischt", "quelle_url": "https://journals.sagepub.com/doi/abs/10.1177/002224379703400205", "zugang": "paywall", "folgen": [ 24 ], "stand": "2026-11-06" }, { "id": "nim-transparency-without-trust-2025", "titel_original": "Transparency without Trust", "titel_de": "NIM: Das KI-Label senkt die Bewertung von Anzeigen", "autoren": "Buder, Unfried (NIM)", "herausgeber": "Nürnberg Institut für Marktentscheidungen (NIM Insights Vol. 7)", "jahr": 2025, "studientyp": "Laborexperiment", "themen": [ "KI im Marketing", "Kreation & Werbewirkung" ], "kernaussage": "Dieselbe Anzeige wird schlechter bewertet, wenn sie als KI-generiert angekündigt wird; der Effekt ist klein, aber über viele Merkmale konsistent, und nur ein Viertel glaubt, KI-Inhalte erkennen zu können.", "zahlen": [ { "wert": "4,50 vs. 4,25", "bedeutung": "„emotional berührend“, Mensch- vs. KI-Ankündigung" }, { "wert": "5,19 vs. 4,92", "bedeutung": "„ansprechend“, Mensch vs. KI" }, { "wert": "4,73 vs. 4,48", "bedeutung": "Absicht, die Website zu besuchen, gesamt (DE 4,47 vs. 4,24, n. s.)" }, { "wert": "10 von 12", "bedeutung": "Merkmale mit signifikantem Unterschied" }, { "wert": "25 %", "bedeutung": "Befragte, die meinen, KI-Inhalte erkennen zu können (20 % vertrauen „KI“)" }, { "wert": "5,15 vs. 4,96", "bedeutung": "Nützlichkeit in Experiment II (N = 298, Deutschland, 1–7)" } ], "methode": "Repräsentative Online-Befragung mit randomisiertem Experiment (identisches Motiv als Foto vs. KI angekündigt) sowie 2×2-Experiment über Prolific.", "datenbasis": "je 1.000 Befragte in USA, UK und DE; Experiment II N = 298 (DE)", "einschraenkungen": "Online-Experimente mit Absichten statt Verhalten, Magazinbeitrag ohne Peer Review; keine Effektstärken berichtet. Die Tech-Produkt-Ausnahme ist nicht beziffert. Die Einstufung als Stufe 2 in einer Projektdatei ist falsch. Das PDF datiert das Coca-Cola-Remake fälschlich auf 2023.", "interessenlage": "Gemeinnütziger Verein; keine Interessenlage bekannt.", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Randomisierte Online-Experimente eines unabhängigen Instituts; Richtung durch Baek et al. und Koning & Voorveld gestützt, Effekte klein.", "gesamt": 5.6 }, "richtung": "bestaetigt", "quelle_url": "https://www.nim.org/fileadmin/PUBLIC/3_NIM_Publikationen/NIM_INSIGHTS_Research_Magazin/VOL_7/Downloads/9_Transparency_Without_Trust.pdf", "zugang": "offen", "folgen": [ 14 ], "stand": "2026-11-06" }, { "id": "puerto-c-seo-bench-2025", "titel_original": "C-SEO Bench: Does Conversational SEO Work?", "titel_de": "C-SEO Bench: Wirkt Optimierung für KI-Antworten überhaupt?", "autoren": "Puerto u. a.", "herausgeber": "Parameter Lab, TU Darmstadt, Uni Mannheim, Uni Tübingen, NAVER; arXiv 2506.11097", "jahr": 2025, "studientyp": "Laborexperiment", "themen": [ "GEO & KI-Suche" ], "kernaussage": "Ein breiter Nachtest findet kaum Wirkung von GEO-Umschreibtaktiken: nur 3 von 54 Kombinationen verbesserten das Zitier-Ranking signifikant, die Statistik-Taktik schadete meist. Klassisch weiter oben in den Treffern zu stehen wirkte deutlich stärker.", "zahlen": [ { "wert": "3 von 54", "bedeutung": "Kombinationen aus Methode und Themenfeld mit statistisch signifikanter Ranking-Verbesserung (bei Wissensfragen keine)" }, { "wert": "19 von 24", "bedeutung": "Settings, in denen die Statistik-Taktik das Ranking verschlechterte" }, { "wert": "1–10", "bedeutung": "konkurrierende Akteure im Testaufbau" }, { "wert": "2 × 3", "bedeutung": "Aufgaben (Frage-Antwort, Produktempfehlung) × Domänen" } ], "methode": "Zwei Aufgaben (Wissensfragen, Produktempfehlungen) mit je drei Themenfeldern; mehrere LLMs ranken Quellen; Wilcoxon-Test mit Holm-Bonferroni-Korrektur; Simulation steigender Zahl optimierender Anbieter.", "datenbasis": "Modelle GPT-4o-mini, Claude 3.5 Haiku, o3, o4-mini; 6 Themenfelder", "einschraenkungen": "Laborsetting mit vorgegebenen Quellen, misst Zitier-Rangfolge, keine Klicks. Preprint. Je mehr Anbieter optimieren, desto kleiner der Gewinn.", "interessenlage": "Akademisch mit Industriebeteiligung (NAVER, Parameter Lab); kein erkennbarer Produktbezug", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 8, "replikation": 6, "uebertragbarkeit": 4, "begruendung": "Sauberes Labordesign mit Korrektur für Mehrfachtests; bestätigt die Kritik an Aggarwal teilweise, aber Preprint ohne Feldmessung.", "gesamt": 5.6 }, "richtung": "widerlegt", "quelle_url": "https://arxiv.org/pdf/2506.11097", "zugang": "offen", "folgen": [ 15, 31 ], "stand": "2026-11-06", "alias": [ "puerto-et-al-2025-c-seo-bench" ] }, { "id": "arf-attention-validation-2024", "titel_original": "Attention Measurement Validation Initiative – Phase 2", "titel_de": "ARF: Aufmerksamkeitsmesser im Vergleichstest", "autoren": "Advertising Research Foundation", "herausgeber": "Advertising Research Foundation (ARF)", "jahr": 2024, "studientyp": "Laborexperiment", "themen": [ "Messung & Attribution", "Methodik & Marktforschung" ], "kernaussage": "Zwölf Anbieter von Aufmerksamkeitsmessung bewerteten dieselben Werbemittel teils völlig unterschiedlich, und die Werte hingen kaum mit dem berichteten Kampagnenerfolg zusammen; 'Aufmerksamkeit' bezeichnet je nach Anbieter verschiedene Dinge.", "zahlen": [ { "wert": "12", "bedeutung": "geprüfte Anbieter" }, { "wert": "32", "bedeutung": "geprüfte Werbemittel" }, { "wert": "1 bis 5", "bedeutung": "Spanne der Bewertungen für dasselbe Werbemittel; bei zwei Werbemitteln die volle Skala" } ], "methode": "Dieselben Werbemittel wurden von allen Anbietern gemessen und die Ergebnisse untereinander sowie mit dem berichteten Kampagnenerfolg verglichen.", "datenbasis": "12 Anbieter, 32 Werbemittel, Mai 2024.", "einschraenkungen": "Kleine Zahl an Werbemitteln; der Abgleich mit Kampagnenerfolg beruht auf Angaben der Werbungtreibenden. Nicht alle Verfahren sind gleich schwach: Umfrage- und kombinierte Gesichts-/Blickverfahren stimmten untereinander überein.", "interessenlage": "Die ARF wird von Werbungtreibenden- und Agenturverbänden getragen und gehört keinem Messanbieter.", "score": { "design": 7, "datenbasis": 4, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Kontrollierter Vergleich durch eine anbieterunabhängige Prüforganisation, aber mit wenigen Werbemitteln und bislang ohne Wiederholung.", "gesamt": 5.5 }, "richtung": "offen", "quelle_url": "https://thearf.org/?post_type=ua_resource&p=392767", "zugang": "teilweise", "folgen": [ 5 ], "stand": "2026-11-06" }, { "id": "baek-kim-kim-2024-ai-disclosure-donation-ads", "titel_original": "Effect of disclosing AI-generated content on prosocial advertising evaluation", "titel_de": "KI-Offenlegung schadet Spendenwerbung", "autoren": "Baek, Kim, Kim", "herausgeber": "International Journal of Advertising", "jahr": 2024, "studientyp": "Laborexperiment", "themen": [ "KI im Marketing", "Kreation & Werbewirkung" ], "kernaussage": "In drei Studien führt die Offenlegung von KI-generierten Inhalten in Spendenwerbung zu schlechteren Einstellungen zur Anzeige, vermittelt über geringere Glaubwürdigkeit.", "zahlen": [ { "wert": "3", "bedeutung": "Online-Studien im Paper (interne Replikation)" } ], "methode": "Drei Online-Experimente mit Mediationsanalyse.", "datenbasis": "Stichproben und Land im Abstract nicht angegeben", "einschraenkungen": "Nur Abstract geprüft; gilt für Spendenwerbung, keine Verhaltensdaten.", "interessenlage": "Akademisch; keine Interessenlage bekannt.", "score": { "design": 4, "datenbasis": 3, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 4, "begruendung": "Begutachtete Experimente mit interner Replikation, aber enger Kontext und unbekannte Stichproben.", "gesamt": 5.5 }, "richtung": "bestaetigt", "quelle_url": "https://doi.org/10.1080/02650487.2024.2401319", "zugang": "teilweise", "folgen": [ 14 ], "stand": "2026-11-06" }, { "id": "berger-sorensen-rasmussen-negative-publicity-2010", "titel_original": "Positive Effects of Negative Publicity: When Negative Reviews Increase Sales", "titel_de": "Negative Kritiken und Buchabsatz", "autoren": "Berger, Sorensen, Rasmussen", "herausgeber": "Marketing Science", "jahr": 2010, "studientyp": "Paneldaten-Analyse", "themen": [ "Markenaufbau & Wachstum" ], "kernaussage": "Negative Kritiken in der New York Times steigerten den Absatz unbekannter Autoren, während sie etablierten Autoren schadeten. Das betrifft Rezensionen, nicht Kundenbewertungen.", "zahlen": [ { "wert": "+45 %", "bedeutung": "Absatzplus unbekannter Autoren nach negativer NYT-Kritik" }, { "wert": "244", "bedeutung": "Romane, 2001–2003" } ], "methode": "Absatzanalyse vor und nach Erscheinen der Kritik.", "datenbasis": "244 Romane, 2001–2003", "einschraenkungen": "Kritiken in der NYT, keine Kundenbewertungen; nicht auf Bewertungsplattformen übertragbar.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 6, "datenbasis": 4, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Peer-reviewte Beobachtungsstudie mit kleiner Basis und engem Kontext.", "gesamt": 5.5 }, "richtung": "offen", "quelle_url": "https://users.ssc.wisc.edu/~sorensen/papers/negative_publicity_2010.pdf", "zugang": "offen", "folgen": [], "stand": "2026-11-06" }, { "id": "ebu-bbc-news-integrity-ai-assistants-2025", "titel_original": "News Integrity in AI Assistants", "titel_de": "EBU/BBC: Wie verlässlich KI-Assistenten Nachrichten wiedergeben", "autoren": "EBU, BBC und 22 öffentlich-rechtliche Sender (u. a. ARD, ZDF, Deutsche Welle)", "herausgeber": "European Broadcasting Union", "jahr": 2025, "studientyp": "Fallsammlung", "themen": [ "GEO & KI-Suche" ], "kernaussage": "Fast die Hälfte der KI-Antworten auf Nachrichtenfragen hatte mindestens ein erhebliches Problem, am häufigsten bei den Quellen; Gemini fiel mit Abstand am schlechtesten aus.", "zahlen": [ { "wert": "45 %", "bedeutung": "Antworten mit mindestens einem erheblichen Problem" }, { "wert": "31 %", "bedeutung": "Antworten mit erheblichen Quellenmängeln" }, { "wert": "72 % / 24 % / 15 %", "bedeutung": "erhebliche Quellenmängel bei Gemini / ChatGPT / Perplexity und Copilot" } ], "methode": "Journalistinnen und Journalisten bewerteten Antworten der Gratisversionen von ChatGPT, Copilot, Gemini und Perplexity.", "datenbasis": "3.113 Fragen, 22 Sender, 18 Länder, 14 Sprachen, Ende Mai/Anfang Juni 2025", "einschraenkungen": "Nicht für Länder- oder Sprachvergleiche ausgelegt (rund 120 Bewertungen je Sender); Modelle seither aktualisiert.", "interessenlage": "Sender sind als Nachrichtenanbieter selbst Betroffene", "score": { "design": 4, "datenbasis": 7, "unabhaengigkeit": 6, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Großer, mehrsprachiger Audit und Wiederholung der BBC-Studie 2024; Bewerter mit eigener Betroffenheit.", "gesamt": 5.5 }, "richtung": "bestaetigt", "quelle_url": "https://www.ebu.ch/files/live/sites/ebu/files/Publications/Intelligence/open/EBU-Intelligence-BBC_News_Integrity_in_AI_Assistants_Report_2025.pdf", "zugang": "offen", "folgen": [ 35 ], "stand": "2026-11-06" }, { "id": "eu-behavioural-study-unfair-practices-digital-2022", "titel_original": "Behavioural study on unfair commercial practices in the digital environment: dark patterns and manipulative personalisation", "titel_de": "EU-Verhaltensstudie 2022: Dark Patterns und Personalisierung", "autoren": "Europäische Kommission (Auftragsstudie, u. a. UOC)", "herausgeber": "Amt für Veröffentlichungen der EU", "jahr": 2022, "studientyp": "Laborexperiment", "themen": [ "Recht & Datenschutz", "Handel & Commerce" ], "kernaussage": "Laut Kommissionsstudie setzten fast alle der populärsten Websites und Apps mindestens ein Dark Pattern ein. Im begleitenden Experiment machten versteckte Informationen und emotionale Manipulation Entscheidungen inkonsistent mit den eigenen Präferenzen.", "zahlen": [ { "wert": "97 %", "bedeutung": "der populärsten untersuchten Websites und Apps mit mindestens einem Dark Pattern (aus zweiter Hand)" }, { "wert": "7.430", "bedeutung": "Verbraucher im Experiment (u. a. Deutschland)" } ], "methode": "Mystery Shopping populärer Websites und Apps plus Online-Experiment mit Verbrauchern.", "datenbasis": "Experiment mit 7.430 Verbrauchern in mehreren Mitgliedstaaten; Zahl der geprüften Seiten nicht verifiziert.", "einschraenkungen": "97-%-Zitat nur aus zweiter Hand (deceptive.design, UOC); bezieht sich auf die populärsten Seiten, nicht auf alle. Online-Experiment, keine echten Käufe.", "interessenlage": "Auftraggeber ist die Kommission, die neue Regeln vorbereitet.", "score": { "design": 4, "datenbasis": 7, "unabhaengigkeit": 6, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Großes Online-Experiment plus Mystery Shopping; Auftraggeber mit Regulierungsinteresse; Verbreitung durch andere Sweeps gestützt.", "gesamt": 5.5 }, "richtung": "bestaetigt", "quelle_url": "https://op.europa.eu/en/publication-detail/-/publication/606365bc-d58b-11ec-a95f-01aa75ed71a1/language-en", "zugang": "offen", "folgen": [ 28 ], "stand": "2026-11-06" }, { "id": "eu-sweep-influencer-marketing-2024", "titel_original": "Pressemitteilung IP/24/708 vom 14.02.2024 (Sweep zu Influencer-Marketing)", "titel_de": "EU-Influencer-Sweep 2024: Kennzeichnung von Werbung", "autoren": "Europäische Kommission, nationale Verbraucherschutzbehörden (CPC)", "herausgeber": "Europäische Kommission (IP/24/708)", "jahr": 2024, "studientyp": "Fallsammlung", "themen": [ "Recht & Datenschutz", "Social & Influencer" ], "kernaussage": "Fast alle geprüften Influencer posteten kommerzielle Inhalte, aber nur ein Fünftel kennzeichnete sie systematisch als Werbung.", "zahlen": [ { "wert": "97 %", "bedeutung": "von 576 Influencern posteten kommerzielle Inhalte" }, { "wert": "20 %", "bedeutung": "kennzeichneten sie systematisch als Werbung" }, { "wert": "358", "bedeutung": "zur weiteren Prüfung vorgemerkte Influencer" } ], "methode": "Behördliches Screening von Influencer-Profilen.", "datenbasis": "576 Influencer, 22 Mitgliedstaaten plus Norwegen und Island.", "einschraenkungen": "Auswahl der Influencer nicht zufällig; Verdacht, kein festgestellter Verstoß.", "interessenlage": "Kommission und Behörden haben Durchsetzungs- und Regulierungsinteresse.", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Behördliche Fallsammlung mit mittlerer Fallzahl; Tendenz durch Wahrnehmungsdaten im Fitness Check gestützt.", "gesamt": 5.5 }, "richtung": "bestaetigt", "quelle_url": "https://ec.europa.eu/commission/presscorner/detail/en/ip_24_708", "zugang": "offen", "folgen": [ 28 ], "stand": "2026-11-06" }, { "id": "gao-et-al-llm-human-surrogates-2025", "titel_original": "Take Caution in Using LLMs as Human Surrogates: Scylla Ex Machina", "titel_de": "Vorsicht bei LLMs als Ersatz für Menschen (11-20-Spiel)", "autoren": "Gao et al.", "herausgeber": "PNAS", "jahr": 2025, "studientyp": "Laborexperiment", "themen": [ "KI im Marketing", "Methodik & Marktforschung" ], "kernaussage": "Beim 11-20-Geldforderungsspiel scheitern laut Abstract fast alle fortgeschrittenen Ansätze daran, die menschliche Verteilung der Entscheidungen nachzubilden.", "zahlen": [], "methode": "Vergleich verschiedener LLM-Ansätze mit menschlichen Entscheidungen im 11-20-Spiel.", "datenbasis": "Nicht in der Belegliste erfasst.", "einschraenkungen": "Keine lasttragende Zahl entnommen; nur Abstract gesichtet. Ein spezielles Spiel, nicht Marktforschung.", "interessenlage": "keine bekannt", "score": { "design": 4, "datenbasis": 3, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 4, "begruendung": "Validierungsstudie in hochrangigem Journal, Datenbasis nicht geprüft; Richtung durch andere Validierungen gestützt.", "gesamt": 5.5 }, "richtung": "widerlegt", "quelle_url": "https://www.pnas.org/doi/10.1073/pnas.2501660122", "zugang": "offen", "folgen": [], "stand": "2026-11-06" }, { "id": "kumar-lakkaraju-llm-product-visibility-2024", "titel_original": "Manipulating Large Language Models to Increase Product Visibility", "titel_de": "Manipulation von KI-Produktempfehlungen per Textsequenz", "autoren": "Kumar, Lakkaraju", "herausgeber": "Harvard; arXiv 2404.07981", "jahr": 2024, "studientyp": "Laborexperiment", "themen": [ "GEO & KI-Suche", "Handel & Commerce" ], "kernaussage": "Eine algorithmisch erzeugte, für Menschen unlesbare Textsequenz auf einer Produktseite konnte eine fiktive Kaffeemaschine in einem Llama-2-Test häufig zur Top-Empfehlung machen.", "zahlen": [ { "wert": "ca. 40 %", "bedeutung": "Anteil der Auswertungen mit zufälliger Produktreihenfolge, in denen das Zielprodukt durch die Sequenz besser rankte" } ], "methode": "Fiktiver Katalog mit 10 Geräten, offenes Modell Llama-2, Optimierung einer 'Strategic Text Sequence', 200 Durchläufe.", "datenbasis": "10 fiktive Produkte, 200 Durchläufe", "einschraenkungen": "Keine kommerzielle Suchmaschine getestet; Black-Hat-Technik, keine Empfehlung; rechtlich riskant (verschleierte Werbung).", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 4, "datenbasis": 3, "unabhaengigkeit": 10, "replikation": 6, "uebertragbarkeit": 4, "begruendung": "Kleiner Laborversuch unabhängiger Autoren; Mechanismus von Nestaas et al. in echten Systemen gestützt.", "gesamt": 5.5 }, "richtung": "bestaetigt", "quelle_url": "https://arxiv.org/pdf/2404.07981", "zugang": "offen", "folgen": [ 31 ], "stand": "2026-11-06" }, { "id": "martinez-critical-survey-geo-2026", "titel_original": "A Critical Survey of Generative Engine Optimization (2023–2026)", "titel_de": "Kritische Übersicht über 45 GEO-Studien", "autoren": "Martinez", "herausgeber": "Sciences Po; arXiv 2607.14035", "jahr": 2026, "studientyp": "Übersichtsarbeit", "themen": [ "GEO & KI-Suche", "Methodik & Marktforschung" ], "kernaussage": "Am besten reproduzierbar sind thematische Relevanz und die Position im Kontext; Effekte von GEO auf Traffic und Umsatz sind am schwächsten belegt. Die 40 % der Ursprungsstudie bedeuten ausdrücklich nicht 40 % mehr Klicks.", "zahlen": [ { "wert": "45", "bedeutung": "ausgewertete Studien zu GEO" }, { "wert": "p = 0,16", "bedeutung": "Placebotest im einzigen Feldtest auf Traffic-Ebene (Watanabe & Nakayashiki 2026, eine Website), also nicht signifikant" } ], "methode": "Narrative, kritische Übersicht ohne gepooltes Effektmaß; ordnet Studien nach Messgröße und Design.", "datenbasis": "45 Studien 2023–2026", "einschraenkungen": "Preprint eines Einzelautors, keine Meta-Analyse. Primärzahlen bitte einzeln zitieren; der referierte Feldtest (Watanabe & Nakayashiki) wurde nicht am Original geprüft.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Übersicht ohne Pooling, daher Design wie die eingeschlossenen Laborstudien; unabhängig, aber selbst ungeprüft.", "gesamt": 5.5 }, "richtung": "offen", "quelle_url": "https://arxiv.org/pdf/2607.14035", "zugang": "offen", "folgen": [ 31 ], "stand": "2026-11-06" }, { "id": "romaniuk-double-jeopardy-b2b-2021", "titel_original": "The Double Jeopardy law in B2B shows the way to grow", "titel_de": "Double Jeopardy im B2B-Geschäft", "autoren": "Romaniuk, Dawes, Faghidno", "herausgeber": "Ehrenberg-Bass Institute", "jahr": 2021, "studientyp": "Fallsammlung", "themen": [ "B2B", "CRM & Loyalität" ], "kernaussage": "Das Double-Jeopardy-Muster zeigt sich auch in B2B-Märkten wie Firmenkundenbanking, Gewerbeversicherung, Betonlieferung und Flugzeugkauf, allerdings nicht ausnahmslos.", "zahlen": [ { "wert": "2,1 vs. 3,0", "bedeutung": "durchschnittliche Wechselneigung (Juster-Skala) der kleineren Marke Progressive gegenüber Allstate in der gewerblichen Sachversicherung, ein Gegenbeispiel zum Muster" } ], "methode": "Zusammenstellung eigener Befragungsdaten (UK-Firmenkundenbanken, US-Gewerbeversicherung) und bereits veröffentlichter Studien (Beton, Flugzeuge).", "datenbasis": "Wenige B2B-Kategorien in UK und USA; Fallzahlen im Bericht nicht offen ausgewiesen.", "einschraenkungen": "Loyalität teils über Absichtsskalen gemessen, nicht über Verhalten; einzelne Kategorien zeigen das Gegenteil des Musters.", "interessenlage": "Institutseigene Auswertung; das Institut vertritt die Double-Jeopardy-Theorie als Kernlehre.", "score": { "design": 5, "datenbasis": 4, "unabhaengigkeit": 6, "replikation": 6, "uebertragbarkeit": 7, "begruendung": "Kleine Fallsammlung des Instituts, das die Theorie vertritt, gestützt durch das breit belegte Konsumgüter-Muster.", "gesamt": 5.5 }, "richtung": "bestaetigt", "quelle_url": "https://marketingscience.info/news-and-insights/the-double-jeopardy-law-in-b2b-shows-the-way-to-grow", "zugang": "offen", "folgen": [ 3 ], "stand": "2026-11-06" }, { "id": "romaniuk-nenycz-thiel-2014-color-brand-links", "titel_original": "Measuring the Strength of Color Brand-Name Links: The Comparative Efficacy of Measurement Approaches", "titel_de": "Wie man die Stärke von Farbe-Marke-Verknüpfungen misst", "autoren": "Romaniuk, Nenycz-Thiel", "herausgeber": "Journal of Advertising Research", "jahr": 2014, "studientyp": "Laborexperiment", "themen": [ "Methodik & Marktforschung", "Markenaufbau & Wachstum" ], "kernaussage": "Die Stärke eines Markenelements misst man richtig, indem man das Element ohne Markennamen zeigt und offen nach der Marke fragt – nicht, indem man nach der Farbe einer Marke fragt.", "zahlen": [ { "wert": "880", "bedeutung": "Konsumenten im Split-Sample-Test, drei Kategorien (Banken, Schokolade, Haarpflege)" } ], "methode": "Split-Sample-Methodenexperiment mit verschiedenen Abfrageformen.", "datenbasis": "880 Konsumenten, 3 Kategorien", "einschraenkungen": "Reines Methodenexperiment ohne Verkaufsdaten; nur Abstract gelesen (Paywall). Vorgaben (Prompting) blähen Werte auf; Asset→Marke ist nicht dasselbe wie Marke→Asset.", "interessenlage": "Autorinnen am Ehrenberg-Bass Institute, das diese Messung verkauft; Romaniuk war Mitherausgeberin des Journals.", "score": { "design": 4, "datenbasis": 4, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 8, "begruendung": "Kleines Methodenexperiment, aber die empfohlene Abfrage ist seither Standard in Folgestudien.", "gesamt": 5.5 }, "richtung": "bestaetigt", "quelle_url": "https://www.tandfonline.com/doi/abs/10.2501/JAR-54-3-313-319", "zugang": "paywall", "folgen": [ 13 ], "stand": "2026-11-06" }, { "id": "sparktoro-datos-zero-click-2024", "titel_original": "2024 Zero-Click Search Study: For every 1,000 EU Google Searches, only 374 clicks go to the Open Web. In the US, it’s 360.", "titel_de": "SparkToro/Datos: Zero-Click-Studie 2024", "autoren": "Fishkin (SparkToro), Datos", "herausgeber": "SparkToro", "jahr": 2024, "studientyp": "Paneldaten-Analyse", "themen": [ "GEO & KI-Suche", "Search & Performance" ], "kernaussage": "Schon 2024, vor dem breiten Start der KI-Übersichten, endeten knapp 60 % der Google-Suchen in den USA und der EU ohne Klick.", "zahlen": [ { "wert": "58,5 %", "bedeutung": "Zero-Click-Quote USA 2024" }, { "wert": "59,7 %", "bedeutung": "Zero-Click-Quote EU 2024" } ], "methode": "Auswertung eines Clickstream-Panels von Datos.", "datenbasis": "Datos-Panel, USA und EU, 2024", "einschraenkungen": "Anderes Panel als 2026 und mit Ad-Blocker-Verzerrung; die Klickzahlen je 1.000 Suchen im Titel (EU 374, USA 360) passen nicht ohne Weiteres zu den Zero-Click-Quoten; der Beitrag von 2026 nennt für die USA 2024 abweichend 60,45 %. Wird oft als „60 % aller Suchen“ ohne Jahr, Land und Panel zitiert.", "interessenlage": "Datos gehört zu Semrush (SEO-Tool-Anbieter).", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 4, "replikation": 6, "uebertragbarkeit": 3, "begruendung": "Großes Panel, aber Anbieterdaten mit Inkonsistenz zur Folgestudie; durch KI-Übersichten inzwischen überholt.", "gesamt": 5.5 }, "richtung": "gemischt", "quelle_url": "https://sparktoro.com/blog/2024-zero-click-search-study-for-every-1000-us-google-searches-only-374-clicks-go-to-the-open-web-in-the-eu-its-360/", "zugang": "offen", "folgen": [ 12 ], "stand": "2026-11-06" }, { "id": "hume-dodd-grigg-instore-wine-music-2003", "titel_original": "In-store selection of wine – no evidence for the mediation of music?", "titel_de": "Weinregal-Replikation ohne Musikeffekt", "autoren": "Hume, Dodd, Grigg", "herausgeber": "Perceptual and Motor Skills 96(3), 1252–1254", "jahr": 2003, "studientyp": "Quasi-Experiment", "themen": [ "Kreation & Werbewirkung", "Handel & Commerce" ], "kernaussage": "Eine Replikation des Weinregal-Experiments mit rund fünfmal mehr beobachteten Kunden fand keinen signifikanten Effekt der Musik auf die Weinwahl.", "zahlen": [ { "wert": "435", "bedeutung": "beobachtete Besucher eines Weinladens" } ], "methode": "Beobachtung der Weinwahl unter wechselnder Musik.", "datenbasis": "435 Besucher, ein Weinladen", "einschraenkungen": "Sehr kurzer Bericht, nur Abstract eingesehen; ebenfalls nur ein Laden.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 6, "datenbasis": 3, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Größere, aber ebenfalls kleine Replikation in einem Laden.", "gesamt": 5.4 }, "richtung": "gemischt", "quelle_url": "https://researchportal.hw.ac.uk/en/publications/in-store-selection-of-wine-no-evidence-for-the-mediation-of-music/", "zugang": "teilweise", "folgen": [ 40 ], "stand": "2026-11-06" }, { "id": "nim-tiktok-shop-kurzstudie-2025", "titel_original": "Social Media Shopping in Deutschland – Kurzstudie TikTok Shop", "titel_de": "NIM-Kurzstudie: TikTok Shop in Deutschland", "autoren": "Buder, Biró", "herausgeber": "Nürnberg Institut für Marktentscheidungen (NIM)", "jahr": 2025, "studientyp": "Umfrage", "themen": [ "Social & Influencer", "Handel & Commerce" ], "kernaussage": "Kurz nach dem Start hatte gut ein Viertel der (früheren) TikTok-Nutzer in Deutschland schon im TikTok Shop gekauft, hochgerechnet aber nur ein Achtel der Bevölkerung. Die Mehrheit der Deutschen sieht Einkaufen in sozialen Medien kritisch.", "zahlen": [ { "wert": "27 %", "bedeutung": "Käufer im TikTok Shop unter aktuellen oder früheren TikTok-Nutzern (n = 463; 13 % mehrfach, 14 % einmal)" }, { "wert": "30 %", "bedeutung": "Käufer unter aktuellen TikTok-Nutzern" }, { "wert": "12,5 %", "bedeutung": "Shopper hochgerechnet auf die Gesamtbevölkerung" }, { "wert": "52 %", "bedeutung": "Deutsche, die TikTok nie genutzt haben" }, { "wert": "19 % vs. 57 %", "bedeutung": "positive vs. kritische Haltung zum Einkaufen in sozialen Medien" }, { "wert": "76 %", "bedeutung": "zufriedene Käufer (n = 125)" } ], "methode": "Repräsentative Online-Befragung im GfK eBus.", "datenbasis": "n = 1.000, 18–74 Jahre, deutschsprachige Wohnbevölkerung, 10.–14.04.2025.", "einschraenkungen": "Erhebung nur zwei Wochen nach dem Start (Neuheitseffekt). Die 27 % beziehen sich auf aktuelle und frühere Nutzer, nicht auf alle Deutschen. Zufriedenheit beruht auf nur 125 Käufern; Retouren waren kaum erlebbar.", "interessenlage": "Finanziert vom NIM (gemeinnütziger Verein, Gründer der GfK); kein Plattforminteresse bekannt.", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 4, "begruendung": "Repräsentative Querschnittsbefragung mit kleiner Teilbasis, unabhängiges Institut; Größenordnung durch HDE und NIQ gestützt, aber sehr früh erhoben.", "gesamt": 5.4 }, "richtung": "offen", "quelle_url": "https://www.nim.org/fileadmin/PUBLIC/3_NIM_Publikationen/NIM-Studien/Weitere/TikTok_Shop/250425_TikTok_Shop_Kurzstudie_fin.pdf", "zugang": "offen", "folgen": [ 23 ], "stand": "2026-11-06" }, { "id": "atil-non-determinism-deterministic-llm-2025", "titel_original": "Non-Determinism of \"Deterministic\" LLM Settings", "titel_de": "Nichtdeterminismus 'deterministischer' LLM-Einstellungen", "autoren": "Atil u. a.", "herausgeber": "Penn State, Comcast AI; arXiv 2408.04667", "jahr": 2025, "studientyp": "Laborexperiment", "themen": [ "KI im Marketing", "Methodik & Marktforschung" ], "kernaussage": "Auch deterministisch eingestellte Sprachmodelle liefern bei gleichen Läufen schwankende Genauigkeit und praktisch nie identische Texte.", "zahlen": [ { "wert": "bis 15 %", "bedeutung": "Schwankung der Genauigkeit zwischen identischen Läufen" } ], "methode": "Fünf LLMs, acht Aufgaben, je zehn Läufe mit deterministischen Einstellungen.", "datenbasis": "5 Modelle (u. a. GPT-3.5/4o, Llama-3, Mixtral), 8 Aufgaben, 10 Läufe", "einschraenkungen": "Preprint; Modelle von 2024; keine Markenempfehlungen untersucht.", "interessenlage": "Akademisch mit Industrie-Mitautoren (Comcast)", "score": { "design": 4, "datenbasis": 4, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Kontrolliertes Laborexperiment, Befund konsistent mit Thinking Machines.", "gesamt": 5.3 }, "richtung": "bestaetigt", "quelle_url": "https://arxiv.org/abs/2408.04667", "zugang": "offen", "folgen": [ 37 ], "stand": "2026-11-06" }, { "id": "binet-field-long-and-short-2013", "titel_original": "The Long and the Short of It: Balancing Short and Long-Term Marketing Strategies", "titel_de": "The Long and the Short of It: die 60:40-Regel", "autoren": "Binet, Field", "herausgeber": "IPA (in Zusammenarbeit mit Thinkbox)", "jahr": 2013, "studientyp": "Fallsammlung", "themen": [ "Markenaufbau & Wachstum", "Media & Budget" ], "kernaussage": "Kampagnen aus der IPA-Effectiveness-Databank erzielten im Schnitt die stärksten Geschäftseffekte, wenn rund 60 % des Budgets in langfristigen Markenaufbau und rund 40 % in kurzfristige Aktivierung flossen. Gemeint sind Ziele und Wirkungen, nicht Kanäle.", "zahlen": [ { "wert": "60:40", "bedeutung": "durchschnittlich günstigstes Verhältnis von Marken- zu Aktivierungsbudget in den ausgewerteten Fällen" }, { "wert": "rund 1.000", "bedeutung": "Zahl der IPA-Databank-Fälle, die üblicherweise als Basis genannt wird" } ], "methode": "Auswertung eingereichter Wettbewerbsbeiträge für die IPA Effectiveness Awards nach Budgetaufteilung und berichteten Geschäftseffekten.", "datenbasis": "IPA Effectiveness Databank, rund tausend Fallstudien überwiegend aus Großbritannien; die genaue Fallzahl schwankt je Auswertung.", "einschraenkungen": "Selektionsproblem: Nur Kampagnen, die ihre Macher für preiswürdig hielten, sind enthalten; Korrelation, kein Experiment. Binet selbst nennt 60:40 keine eiserne Regel; häufiger Anwendungsfehler ist, Marke mit TV und Aktivierung mit Search gleichzusetzen.", "interessenlage": "Erstellt in Zusammenarbeit mit Thinkbox, der Marketingorganisation des britischen Werbefernsehens, das von Markenbudgets profitiert.", "score": { "design": 4, "datenbasis": 7, "unabhaengigkeit": 5, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Große, aber selbstselektierte Fallsammlung mit Mediennähe; der Grundbefund wurde in späteren Databank-Auswertungen ähnlich gefunden, nicht aber unabhängig experimentell.", "gesamt": 5.3 }, "richtung": "gemischt", "quelle_url": "https://ipa.co.uk/knowledge/effectiveness-research-analysis/les-binet-peter-field", "zugang": "teilweise", "folgen": [ 4 ], "stand": "2026-11-06" }, { "id": "cmo-survey-2026", "titel_original": "The CMO Survey 2026 – Highlights and Insights Report", "titel_de": "The CMO Survey 2026 (Duke/Deloitte/AMA)", "autoren": "Duke University Fuqua School of Business, Deloitte, American Marketing Association", "herausgeber": "The CMO Survey", "jahr": 2026, "studientyp": "Umfrage", "themen": [ "Media & Budget", "CRM & Loyalität" ], "kernaussage": "US-Marketingbudgets sind auf den niedrigsten Anteil seit Jahren gefallen, Marketer planen kurzfristiger, und Akquise wird deutlich stärker budgetiert als Retention, obwohl Retention laut Befragten besser performt.", "zahlen": [ { "wert": "9,0 % / 9,6 %", "bedeutung": "Marketingbudget in % vom Umsatz bzw. vom Gesamtbudget" }, { "wert": "+1,7 % / +8,2 %", "bedeutung": "Wachstum der Marketing- bzw. Digitalausgaben" }, { "wert": "70,6 %", "bedeutung": "Marketer, die eine Verschiebung zu kurzfristiger Wirkung sehen" }, { "wert": "68 % / 32 %", "bedeutung": "Zeitanteil für Gegenwart vs. Zukunft" }, { "wert": "26,0 %", "bedeutung": "Akquise-Budgets größer als Retention-Budgets (Vorjahr 19,6 %)" }, { "wert": "+12,8 % vs. +7,4 %", "bedeutung": "selbst berichtetes Performance-Wachstum Retention vs. Akquise" }, { "wert": "45,4 %", "bedeutung": "Fälle, in denen bei verfehlten Gewinnzielen das Marketing gekürzt wird" } ], "methode": "Halbjährliche Online-Befragung von Marketingleitungen US-amerikanischer For-Profit-Firmen.", "datenbasis": "2.111 angeschrieben, n = 308 (Rücklauf 14,6 %), 07.–29.01.2026, USA", "einschraenkungen": "Selbstauskünfte; Performance ist eine Selbsteinschätzung, nicht kausal. Andere Stichprobe als Gartner mit vielen kleinen Firmen, daher nicht direkt mit Gartners 7,8 % vergleichbar.", "interessenlage": "Getragen von Duke Fuqua, Deloitte und der AMA; Deloitte bietet Marketingberatung an.", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Langlaufende akademisch geführte Befragung mit offengelegter Methode, aber mäßiger Rücklauf und nur USA.", "gesamt": 5.3 }, "richtung": "bestaetigt", "quelle_url": "https://cmosurvey.org/wp-content/uploads/2026/04/The_CMO_Survey-Highlights_and_Insights_Report-2026.pdf", "zugang": "offen", "folgen": [ 17 ], "stand": "2026-11-06" }, { "id": "fletcher-news-websites-block-ai-crawlers-2024", "titel_original": "How many news websites block AI crawlers?", "titel_de": "Reuters Institute: Wie viele Nachrichtenseiten KI-Crawler sperren", "autoren": "Fletcher", "herausgeber": "Reuters Institute for the Study of Journalism (Factsheet)", "jahr": 2024, "studientyp": "Fallsammlung", "themen": [ "GEO & KI-Suche", "Recht & Datenschutz" ], "kernaussage": "Ende 2023 sperrten viele reichweitenstarke Nachrichtenseiten KI-Crawler; in Deutschland sperrten 60 % auch Google-Extended, der höchste Wert unter zehn Ländern, obwohl das Token AI Overviews gar nicht steuert.", "zahlen": [ { "wert": "60 % / 60 %", "bedeutung": "deutsche Top-15-Nachrichtenseiten mit Sperre für OpenAI-Crawler bzw. Google-Extended" }, { "wert": "48 % / 24 %", "bedeutung": "Anteil über alle Länder für OpenAI bzw. Google" }, { "wert": "7 %", "bedeutung": "niedrigster Google-Wert (Polen, Spanien)" } ], "methode": "Systematische Auswertung der robots.txt-Dateien.", "datenbasis": "je 15 Top-Nachrichtenseiten in 10 Ländern, Stand Ende 2023", "einschraenkungen": "Alt (vor OAI-SearchBot) und kleine Stichprobe je Land; Sperre von Google-Extended wirkt laut Google nicht auf Suche und AI Overviews.", "interessenlage": "Akademisch (Oxford); keine bekannt", "score": { "design": 6, "datenbasis": 3, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Systematische Vollerhebung, unabhängig, aber klein und veraltet.", "gesamt": 5.3 }, "richtung": "bestaetigt", "quelle_url": "https://reutersinstitute.politics.ox.ac.uk/sites/default/files/2024-02/Fletcher_How_Many_News_Websites_Block_AI_Crawlers.pdf", "zugang": "offen", "folgen": [ 39 ], "stand": "2026-11-06" }, { "id": "luguri-strahilevitz-shining-light-dark-patterns-2021", "titel_original": "Shining a Light on Dark Patterns", "titel_de": "Wirkung von Dark Patterns im Online-Experiment", "autoren": "Luguri, Strahilevitz", "herausgeber": "Journal of Legal Analysis 13 (1)", "jahr": 2021, "studientyp": "Laborexperiment", "themen": [ "Recht & Datenschutz", "Handel & Commerce" ], "kernaussage": "Milde Dark Patterns verdoppelten, aggressive fast vervierfachten die Zustimmung zu einem Zusatzprodukt. Versteckte Informationen wirkten stark, ein Countdown-Timer dagegen gar nicht messbar.", "zahlen": [ { "wert": "11,3 % → 25,8 % → 41,9 %", "bedeutung": "Akzeptanz des Zusatzprodukts: Kontrolle / milde / aggressive Dark Patterns (Studie 1)" }, { "wert": "+14,5 Prozentpunkte (+128 %)", "bedeutung": "korrekter Anstieg von 11,3 auf 25,8 %" }, { "wert": "14,8 % → 30,1 %", "bedeutung": "Akzeptanz mit versteckten Informationen (Studie 2)" }, { "wert": "p = 0,78", "bedeutung": "Countdown-Timer ohne signifikanten Effekt (N = 1.924)" }, { "wert": "n = 1.963 / 3.777", "bedeutung": "Teilnehmende Studie 1 / Studie 2" } ], "methode": "Präregistrierte Online-Experimente mit hypothetischem Zusatzprodukt, repräsentativ gewichtete US-Stichprobe (Dynata).", "datenbasis": "Studie 1: n = 1.963; Studie 2: n = 3.777; USA.", "einschraenkungen": "Hypothetisches Produkt, keine echten Käufe; eine Produktsituation. Die von den Autoren genannte „228 % increase“ ist rechnerisch falsch (Faktor 2,28 = +128 %). Nullbefund beim Timer ist kein Beweis der Wirkungslosigkeit. Unabhängige Replikation nicht bekannt.", "interessenlage": "keine bekannt", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Große präregistrierte Online-Experimente, akademisch; nicht unabhängig repliziert, US-Kontext.", "gesamt": 5.3 }, "richtung": "offen", "quelle_url": "https://academic.oup.com/jla/article/13/1/43/6180579", "zugang": "offen", "folgen": [ 28 ], "stand": "2026-11-06" }, { "id": "malthouse-brand-retrieval-llm-recommendations-2026", "titel_original": "Evaluating Brand Retrieval and Ranking in Large Language Model Recommendations", "titel_de": "Markenabruf in LLM-Empfehlungen hängt an der Formulierung", "autoren": "Malthouse, Lee, Yang, Pal, Feng", "herausgeber": "Northwestern, Boston University; arXiv 2609.16304", "jahr": 2026, "studientyp": "Laborexperiment", "themen": [ "GEO & KI-Suche", "Markenaufbau & Wachstum" ], "kernaussage": "Ob eine Marke in KI-Empfehlungen überhaupt auftaucht, hängt stark von der Formulierung ab; große, bekannte Marken fehlen bei Standard-Kategoriefragen teils komplett. Das Google-Suchinteresse sagte KI-Prominenz am besten voraus.", "zahlen": [ { "wert": "0 % → 35,4 % → 81,3 %", "bedeutung": "Nennungsrate von Craftsman (Akkuschrauber) bei Kategorie-, Bedarfs- und Positionierungs-Prompts" }, { "wert": "0 % → 5,4 % → 88,5 %", "bedeutung": "entsprechende Werte für L.L.Bean" }, { "wert": "0,015", "bedeutung": "MRR von Disney Cruise Line trotz hoher Bekanntheit" }, { "wert": "1.200", "bedeutung": "Listen aus Kategorie-Prompts (je 40-mal)" } ], "methode": "Sechs Modelle per API ohne Websuche; Kategorie-, Bedarfs- und Positionierungs-Prompts; explorative Ridge-Regression auf Prädiktoren.", "datenbasis": "6 Modelle (u. a. GPT-5.5, Gemini 3.1 Pro Preview, Claude Opus 4.7), 1.200 Kategorie-Listen, 240 Listen je Fokusmarke, USA", "einschraenkungen": "Preprint; ohne Websuche; Prädiktoren-Analyse ausdrücklich nicht kausal.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Systematisches Labordesign unabhängiger Autoren mit aktuellen Modellen; noch nicht repliziert.", "gesamt": 5.3 }, "richtung": "offen", "quelle_url": "https://arxiv.org/abs/2609.16304", "zugang": "offen", "folgen": [ 37 ], "stand": "2026-11-06" }, { "id": "melnyk-bijmolt-2015-introducing-terminating-loyalty-programs", "titel_original": "The effects of introducing and terminating loyalty programs", "titel_de": "Rabatte binden weniger als Mitgliedervorteile", "autoren": "Melnyk, Bijmolt", "herausgeber": "European Journal of Marketing", "jahr": 2015, "studientyp": "Umfrage", "themen": [ "CRM & Loyalität" ], "kernaussage": "Laut Befragung binden hohe Sparquoten nicht stärker; nicht-monetäre Vorteile für Mitglieder tragen mehr zur Loyalität bei.", "zahlen": [ { "wert": "9.783", "bedeutung": "Befragte in den Niederlanden" }, { "wert": "24 / 8", "bedeutung": "Programme / Branchen" } ], "methode": "Online-Befragung; Folgen einer Programmabschaffung nur hypothetisch erfragt.", "datenbasis": "9.783 Personen, Niederlande, 24 Programme, 8 Branchen", "einschraenkungen": "Selbstauskünfte; Abschaffungsfolgen hypothetisch.", "interessenlage": "Akademisch; keine Interessenlage bekannt.", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Große Befragung ohne Verhaltensdaten, nicht repliziert.", "gesamt": 5.3 }, "richtung": "offen", "quelle_url": "https://pure.rug.nl/ws/files/99100954/The_effects_of_introducing_and_terminating_loyalty_programs.pdf", "zugang": "offen", "folgen": [ 18 ], "stand": "2026-11-06" }, { "id": "ncs-five-keys-2023", "titel_original": "Five Keys to Advertising Effectiveness", "titel_de": "NCSolutions: Fünf Hebel der Werbewirkung", "autoren": "NCSolutions, Nielsen", "herausgeber": "NCSolutions", "jahr": 2023, "studientyp": "Fallsammlung", "themen": [ "Kreation & Werbewirkung", "Media & Budget" ], "kernaussage": "In rund 450 Umsatzwirkungsstudien war das Werbemittel der mit Abstand größte Hebel des Umsatzeffekts, die Zielgruppenauswahl einer der kleinsten.", "zahlen": [ { "wert": "49 %", "bedeutung": "Anteil des Werbemittels am Umsatzeffekt" }, { "wert": "20 / 19 / 11 / 9 %", "bedeutung": "Anteile von Marke, Reichweite, Zielgruppenauswahl und Aktualität" }, { "wert": "rund 450", "bedeutung": "Zahl der zugrunde liegenden Umsatzwirkungsstudien über zehn Jahre" } ], "methode": "Zerlegung des Umsatzeffekts aus Kampagnen-Wirkungsstudien mit Kaufdaten auf fünf Einflussgrößen.", "datenbasis": "Rund 450 Umsatzwirkungsstudien, vorwiegend US-Konsumgüter, über zehn Jahre.", "einschraenkungen": "Die Anteile summieren sich auf über 100 %, weil sich die Hebel überlappen; sie taugen als Rangfolge, nicht als exakte Aufteilung. Überwiegend Konsumgüter.", "interessenlage": "NCSolutions verkauft Umsatzwirkungsmessung; Verbreitung u. a. durch Westwood One, einen Audiovermarkter.", "score": { "design": 4, "datenbasis": 7, "unabhaengigkeit": 5, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Große Fallbasis eines Messanbieters; Rangfolge deckt sich mit der älteren Nielsen-Auswertung.", "gesamt": 5.3 }, "richtung": "bestaetigt", "quelle_url": "https://info.ncsolutions.com/hubfs/2023%20Five%20Keys%20to%20Advertising%20Effectiveness/NCS_Five_Keys_to_Advertising_Effectiveness_E-Book_08-23.pdf", "zugang": "offen", "folgen": [ 7 ], "stand": "2026-11-06" }, { "id": "open-mkt-replications-tracker-2024", "titel_original": "Replications of Marketing Studies", "titel_de": "Open-MKT-Liste direkter Replikationen von Marketingstudien", "autoren": "Charlton (Open MKT)", "herausgeber": "Open MKT (openmkt.org)", "jahr": 2024, "studientyp": "Fallsammlung", "themen": [ "Methodik & Marktforschung" ], "kernaussage": "Von den bisher gesammelten direkten Replikationen bekannter Marketingstudien gelten nur wenige als erfolgreich. Weil die Liste nicht systematisch ist, ist der Anteil aber keine Replikationsrate für die ganze Disziplin.", "zahlen": [ { "wert": "45", "bedeutung": "gelistete direkte Replikationen von Marketingstudien (Seitenstand 19.04.2024)" }, { "wert": "5 (11 %)", "bedeutung": "davon als erfolgreich gewertet (signifikant in gleicher Richtung, ohne offensichtliche Störfaktoren)" }, { "wert": "40", "bedeutung": "als nicht erfolgreich gewertete Replikationen" } ], "methode": "Laufend gepflegte Sammlung veröffentlichter direkter Replikationen mit festem Erfolgskriterium.", "datenbasis": "45 Replikationen (Stand 19.04.2024).", "einschraenkungen": "Keine Zufallsstichprobe: Replikationen werden eher bei zweifelhaften Befunden versucht. Zahlen per Werkzeugabruf gelesen, die Seite blockiert automatische Abrufe.", "interessenlage": "Betreiber Aaron Charlton ist Befürworter von Open Science in der Marketingforschung (Reformanliegen).", "score": { "design": 4, "datenbasis": 4, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Fallsammlung mit kleiner, selektiver Basis; unabhängiger Betreiber mit Reformanliegen; Tendenz deckt sich mit anderen Replikationsprojekten.", "gesamt": 5.3 }, "richtung": "bestaetigt", "quelle_url": "https://openmkt.org/research/replications-of-marketing-studies/", "zugang": "offen", "folgen": [ 21 ], "stand": "2026-11-06" }, { "id": "aggarwal-geo-generative-engine-optimization-2024", "titel_original": "GEO: Generative Engine Optimization", "titel_de": "GEO: Die Ursprungsstudie zur Optimierung für KI-Antworten", "autoren": "Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan, Deshpande", "herausgeber": "KDD 2024 (Princeton, IIT Delhi u. a.), arXiv 2311.09735", "jahr": 2024, "studientyp": "Laborexperiment", "themen": [ "GEO & KI-Suche" ], "kernaussage": "Im Labor erhöhte das Einbauen von Zitaten, Statistiken und Quellenangaben den Anteil einer Quelle an GPT-3.5-Antworten relativ um rund 40 %, Keyword-Stuffing schadete. Klicks oder Traffic wurden nicht gemessen.", "zahlen": [ { "wert": "19,3 → 27,2", "bedeutung": "positionsgewichteter Wortanteil der Quelle an der Antwort ohne Optimierung vs. mit Quotation Addition (≈ +7,9 Prozentpunkte, relativ +41 %)" }, { "wert": "+28 %", "bedeutung": "bester relativer Zuwachs bei der zweiten Kennzahl Subjective Impression (Urteil von GPT-3.5)" }, { "wert": "17,7", "bedeutung": "Wortanteil nach Keyword-Stuffing, also unter der Basis von 19,3" }, { "wert": "+115 % / −30 %", "bedeutung": "Sichtbarkeitsänderung der Quelle auf Google-Platz 5 bzw. Platz 1 nach 'Cite Sources' (Nullsummenspiel unter 5 Quellen)" }, { "wert": "+22 %", "bedeutung": "Zuwachs durch Zitate im Live-Test mit Perplexity (200 Beispiele, Texte als Datei hochgeladen)" }, { "wert": "bis 40 %", "bedeutung": "mehr Sichtbarkeit durch die besten GEO-Methoden" }, { "wert": "22 % / 37 %", "bedeutung": "Zuwachs bei Perplexity (Wortanteil bzw. Subjective Impression)" }, { "wert": "+115,1 %", "bedeutung": "Sichtbarkeit von Seiten auf Platz 5 mit „Cite Sources“" }, { "wert": "−30,3 %", "bedeutung": "Sichtbarkeit der bestplatzierten Seite im selben Fall" } ], "methode": "Je Anfrage wurden die Top-5-Google-Treffer an GPT-3.5-turbo gegeben; eine Quelle wurde per Prompt umgeschrieben, die anderen blieben gleich; je Variante 5 Antworten.", "datenbasis": "10.000 Anfragen (GEO-bench, 9 Datensätze); Live-Test Perplexity 200 Beispiele; 2023", "einschraenkungen": "Kein Traffic, keine Klicks: die verbreitete Lesart '40 % mehr Traffic' ist falsch. Die veröffentlichten Prompts erlaubten ausdrücklich erfundene Zitate, Statistiken und Quellen; breite Nachtests (C-SEO Bench) bestätigen die Statistik-Taktik nicht. Modell (GPT-3.5) längst abgelöst.", "interessenlage": "Akademisch, keine Firmenfinanzierung genannt; GEO-Agenturen nutzen die Zahl werblich", "score": { "design": 4, "datenbasis": 7, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 2, "begruendung": "Laborexperiment mit großem Anfrage-Set und unabhängigen Autoren; Kernbefund zu Zitat-/Statistik-Taktiken in Nachtests nicht bestätigt, Modell veraltet.", "gesamt": 5.2 }, "richtung": "gemischt", "quelle_url": "https://arxiv.org/pdf/2311.09735", "zugang": "offen", "folgen": [ 15, 31 ], "stand": "2026-11-06", "alias": [ "aggarwal-et-al-2024-geo-generative-engine-optimization" ] }, { "id": "ahrefs-schema-ai-citations-2026", "titel_original": "Schema and AI citations (Ahrefs)", "titel_de": "Ahrefs: Bringt Schema-Markup mehr KI-Zitierungen?", "autoren": "Linehan, Guan (Ahrefs)", "herausgeber": "Ahrefs (Blog)", "jahr": 2026, "studientyp": "Quasi-Experiment", "themen": [ "GEO & KI-Suche" ], "kernaussage": "Das Ergänzen von JSON-LD-Schema brachte keinen nennenswerten Zuwachs an KI-Zitierungen; dass zitierte Seiten häufiger Schema haben, liegt an allgemeiner SEO-Qualität, nicht am Schema.", "zahlen": [ { "wert": "+2,4 % / +2,2 %", "bedeutung": "Zitierveränderung in AI Mode bzw. ChatGPT nach Schema-Einführung, nicht signifikant" }, { "wert": "−4,6 %", "bedeutung": "Veränderung bei AI Overviews, signifikant, Ursache ungeklärt" }, { "wert": "53 %", "bedeutung": "von KI zitierte Seiten mit Schema, etwa dreimal so viel wie nicht zitierte (Korrelation)" } ], "methode": "Matched Difference-in-Differences: 1.885 Seiten mit neuem JSON-LD vs. 4.000 Kontrollseiten, je 30 Tage vor und nach Einführung; zusätzlich Kontextanalyse über 6 Mio. URLs.", "datenbasis": "1.885 Behandlungs- und 4.000 Kontrollseiten, Aug. 2025–März 2026; 6 Mio. URLs Kontext", "einschraenkungen": "Nur bereits stark zitierte Seiten (100+ AIO-Zitate), nur JSON-LD, nur 30 Tage, Schema-Typen zusammengefasst.", "interessenlage": "Ahrefs ist SEO-Toolanbieter", "score": { "design": 8, "datenbasis": 6, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Bestes verfügbares Design zur Frage (DiD mit Kontrollgruppe), aber Anbieterstudie mit engem Ausschnitt.", "gesamt": 5.2 }, "richtung": "widerlegt", "quelle_url": "https://ahrefs.com/blog/schema-ai-citations/", "zugang": "offen", "folgen": [ 39 ], "stand": "2026-11-06" }, { "id": "binet-field-2017-media-in-focus", "titel_original": "Media in Focus: Marketing Effectiveness in the Digital Era", "titel_de": "Media in Focus: Werbewirkung im digitalen Zeitalter", "autoren": "Binet, Field", "herausgeber": "IPA (mit Google und Thinkbox)", "jahr": 2017, "studientyp": "Fallsammlung", "themen": [ "Media & Budget", "Markenaufbau & Wachstum", "Messung & Attribution" ], "kernaussage": "Auch nach dem Digitalumbruch hängt Marktanteilswachstum eng am Share of Voice; breite Reichweite und emotionale Markenkommunikation bleiben für Wachstum zentral, enges Targeting und kurzfristige Effizienzkennzahlen führen leicht in die Irre.", "zahlen": [], "methode": "Auswertung der IPA-Effectiveness-Datenbank nach Mediennutzung, Budgetaufteilung, Targeting und gemessenen Geschäftseffekten; Fortschreibung früherer Analysen (2007, 2013).", "datenbasis": "IPA Databank (Einreichungen zu den IPA Effectiveness Awards, überwiegend Großbritannien).", "einschraenkungen": "Award-Fallsammlung mit Erfolgsselektion und Selbstauskünften der Einreicher; keine Kausalidentifikation. Mitfinanziert von Google und Thinkbox (TV-Vermarkterverband).", "interessenlage": "IPA (Agenturverband) mit Google und Thinkbox als Partnern.", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 5, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Breite, aber selektierte Fallsammlung; Kernbefunde (SOV, Reichweite) decken sich mit anderen Datenquellen, Feinheiten nicht unabhängig geprüft.", "gesamt": 5.2 }, "richtung": "gemischt", "quelle_url": "https://ipa.co.uk/knowledge/publications-reports/media-in-focus-marketing-effectiveness-in-the-digital-era", "zugang": "teilweise", "folgen": [], "stand": "2026-11-06" }, { "id": "binet-share-of-search-2020", "titel_original": "Share of Search (IPA EffWorks Global 2020)", "titel_de": "Share of Search als Frühindikator für Marktanteil", "autoren": "Binet", "herausgeber": "IPA", "jahr": 2020, "studientyp": "Paneldaten-Analyse", "themen": [ "Messung & Attribution", "Search & Performance", "Markenaufbau & Wachstum" ], "kernaussage": "Der Anteil einer Marke an allen Markensuchen ihrer Kategorie läuft dem Marktanteil voraus, bei Autos um bis zu ein Jahr, und ist eine billige, schnelle Kennzahl; perfekt vorhersagen kann sie aber nicht.", "zahlen": [ { "wert": "bis zu 1 Jahr", "bedeutung": "Vorlauf des Share of Search vor dem Marktanteil bei Autos" }, { "wert": "rund 60:40", "bedeutung": "Verhältnis von kurzfristigem zu langfristigem Effekt des Werbedrucks auf den Share of Search bei dauerhafter Werbung" } ], "methode": "Vergleich von Suchanteilen mit Marktanteilsverläufen über die Zeit in drei Kategorien.", "datenbasis": "Drei Kategorien in Großbritannien: Automobil, Energie (Gas und Strom), Mobiltelefone.", "einschraenkungen": "Nur drei Kategorien; für Energie und Mobiltelefone keine genauen Vorlaufzeiten genannt. Vorlauf ist kein Ursachennachweis; nicht jede Suche ist wohlwollend, und der Preis beeinflusst die Umwandlung.", "interessenlage": "IPA ist der Verband der britischen Agenturen; keine direkte Finanzierung durch Betroffene bekannt.", "score": { "design": 5, "datenbasis": 4, "unabhaengigkeit": 5, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Zeitreihenvergleich in wenigen Kategorien, später von der IPA-Denkfabrik breiter, aber korrelativ bestätigt.", "gesamt": 5.2 }, "richtung": "bestaetigt", "quelle_url": "https://ipa.co.uk/news/binet-presents-fast-cheap-predictive-share-of-search-metric", "zugang": "offen", "folgen": [ 6 ], "stand": "2026-11-06" }, { "id": "brand-israeli-ngwe-llm-market-research-2026", "titel_original": "Using LLMs for Market Research", "titel_de": "Zahlungsbereitschaft aus GPT-Conjoints", "autoren": "Brand, Israeli, Ngwe", "herausgeber": "Harvard Business School Working Paper 23-062 (Fassung 30.04.2026)", "jahr": 2026, "studientyp": "Laborexperiment", "themen": [ "KI im Marketing", "Methodik & Marktforschung", "Preis & Promotion" ], "kernaussage": "GPT trifft Zahlungsbereitschaften oft in der richtigen Größenordnung, liegt aber teils grob daneben und bildet Unterschiede zwischen Zielgruppen nicht sinnvoll ab. Fine-Tuning mit eigenen Daten derselben Kategorie hilft, mit Daten anderer Kategorien nicht.", "zahlen": [ { "wert": "≈ 3×", "bedeutung": "Überschätzung der Zahlungsbereitschaft für Fluorid in Zahnpasta" }, { "wert": "falsches Vorzeichen", "bedeutung": "Zahlungsbereitschaft für neue Zahnpasta-Geschmäcker" }, { "wert": "≈ 300", "bedeutung": "echte Befragte je Conjoint (Zahnpasta, Laptop, Tablet)" } ], "methode": "Vergleich von GPT-Conjoints mit eigenen US-Conjoints und Fong et al. (2023); Tests mit und ohne Fine-Tuning.", "datenbasis": "Drei US-Conjoints mit je ca. 300 Personen plus Vergleichsdaten.", "einschraenkungen": "Die oft zitierte Fassung von 2023 („Zahlungsbereitschaften plausibel“) ist überholt; die neue Fassung ist deutlich kritischer. Kernargument: Ohne menschlichen Vergleich ist nicht erkennbar, welche Schätzung falsch ist.", "interessenlage": "Zwei Autoren bei Microsoft (Anbieter von KI-Modellen); Förderung durch HBS.", "score": { "design": 4, "datenbasis": 4, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Validierung gegen echte Conjoints mit kleiner Stichprobe; Industriebeteiligung; Kritik durch andere Validierungsstudien gestützt.", "gesamt": 5.2 }, "richtung": "gemischt", "quelle_url": "https://www.hbs.edu/ris/Publication%20Files/23-062_b8fbedcd-ade4-49d6-8bb7-d216650ff3bd.pdf", "zugang": "offen", "folgen": [ 26 ], "stand": "2026-11-06" }, { "id": "data-colada-92-left-digit-replication-2020", "titel_original": "Data Replicada #8 (Data Colada [92]): Replikation von Sokolova, Seenivasan & Thomas (2020), Studie 1", "titel_de": "Data Replicada #8: Replikation zum Left-Digit-Bias", "autoren": "Data Colada", "herausgeber": "Data Colada (datacolada.org/92)", "jahr": 2020, "studientyp": "Laborexperiment", "themen": [ "Preis & Promotion", "Methodik & Marktforschung" ], "kernaussage": "Zwei große vorregistrierte Replikationen fanden die behauptete Verstärkung des Left-Digit-Bias bei nebeneinanderstehenden Preisen nur marginal und deutlich kleiner als im Original.", "zahlen": [ { "wert": "N = 145", "bedeutung": "Stichprobe der Originalstudie 1 (Sokolova et al. 2020, JMR)" }, { "wert": "N = 1.099 und 1.555", "bedeutung": "Stichproben der beiden Replikationen" }, { "wert": "≈ 3.000–4.500", "bedeutung": "nötige Teilnehmende für 80 % Power laut Data Colada" }, { "wert": "p = .051", "bedeutung": "Interaktion in der Nachreplikation der Originalautoren (N = 404)" } ], "methode": "Präregistrierte Online-Replikationen auf MTurk; Materialien auf ResearchBox #37.", "datenbasis": "Zwei Replikationen mit zusammen rund 2.650 Teilnehmenden, USA.", "einschraenkungen": "Geprüft wurde die Verstärkung durch den Nebeneinander-Vergleich, nicht der Left-Digit-Grundeffekt. Exakte p-Werte nicht am Text geprüft (Seite nur über Abruf-Tool lesbar).", "interessenlage": "Unabhängiger Wissenschaftsblog mit Reformanliegen; kein kommerzielles Interesse.", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 9, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Gut gepowerte präregistrierte Laborreplikationen, unabhängig; Ergebnis selbst nicht weiter geprüft.", "gesamt": 5.2 }, "richtung": "widerlegt", "quelle_url": "https://datacolada.org/92", "zugang": "offen", "folgen": [ 25 ], "stand": "2026-11-06" }, { "id": "hde-online-monitor-2026", "titel_original": "HDE Online-Monitor 2026", "titel_de": "HDE Online-Monitor 2026: Onlinehandel in Deutschland", "autoren": "Handelsverband Deutschland (HDE), IFH Köln, ECC Köln", "herausgeber": "Handelsverband Deutschland (HDE)", "jahr": 2026, "studientyp": "Ökonometrie/MMM", "themen": [ "Handel & Commerce", "Social & Influencer" ], "kernaussage": "Der deutsche Onlinehandel wuchs 2025 leicht auf gut 92 Mrd. Euro. TikTok Shop kannte ein halbes Jahr nach Start die Hälfte der Internetnutzer, sein geschätzter Umsatz entspricht aber nur einem Bruchteil eines Prozents des Onlinehandels.", "zahlen": [ { "wert": "92,3 Mrd. €", "bedeutung": "Netto-Umsatz des deutschen Onlinehandels 2025 (+3,9 %)" }, { "wert": "5,0 %", "bedeutung": "Marktanteil Temu und Shein zusammen" }, { "wert": "10,8 %", "bedeutung": "Marktanteil „andere Marktplätze inklusive TikTok Shop“" }, { "wert": "52 % / 9 %", "bedeutung": "Internetnutzer, die TikTok Shop kennen / dort gekauft haben (Sept. 2025)" }, { "wert": "59 €", "bedeutung": "durchschnittlicher Betrag pro TikTok-Shop-Kauf" }, { "wert": "≈ 220 Mio. €", "bedeutung": "geschätzter TikTok-Shop-Umsatz DE 2025 (nach PwC/charm.io)" }, { "wert": "13 %", "bedeutung": "Internetnutzer, die ein über Social Media entdecktes Produkt gekauft haben (30–39 J.: 23 %)" } ], "methode": "Marktmodell des IFH Köln (Analyse >1.000 Anbieter, Hochrechnung) plus Online-Befragungen des ECC/IFH.", "datenbasis": "Deutschland 2025; Befragungen Internetnutzer 18–75 J. (Sept. 2025) bzw. 16–69 J. (Okt. 2025), Teilbasen 78 bis 1.156.", "einschraenkungen": "Der TikTok-Shop-Umsatz ist eine Schätzung aus zweiter Hand (PwC mit Datenanbieter charm.io, Methode nicht offen, brutto/netto unklar). Marktanteile sind Näherungswerte. Der Social-Media-Wert misst den Impuls, nicht den Kauf im Feed.", "interessenlage": "Herausgeber ist der Handelsverband (Interessenvertretung des Handels).", "score": { "design": 4, "datenbasis": 7, "unabhaengigkeit": 5, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Marktmodell plus Befragungen mit breiter Basis; Verbandsabsender; einzelne Zahlen durch NIM und NIQ in der Größenordnung gestützt.", "gesamt": 5.2 }, "richtung": "offen", "quelle_url": "https://einzelhandel.de/images/presse/Pressekonferenz/2026/onlinemonitor26/Online_Monitor_2026.pdf", "zugang": "offen", "folgen": [ 23 ], "stand": "2026-11-06" }, { "id": "jones-single-source-stas-1995", "titel_original": "Single-Source Research Begins to Fulfill Its Promise", "titel_de": "Jones: Single-Source-Daten und der Einzelkontakt (STAS)", "autoren": "Jones", "herausgeber": "Journal of Advertising Research, April 1995 (Buch: When Ads Work)", "jahr": 1995, "studientyp": "Paneldaten-Analyse", "themen": [ "Media & Budget", "Messung & Attribution" ], "kernaussage": "Nach Jones' Single-Source-Daten zeigte ein Fünftel der Marken starke kurzfristige Werbeeffekte, ein einzelner Kontakt bringe den größten Teil der Wirkung. Die Methode misst aber Korrelation.", "zahlen": [ { "wert": "20 %", "bedeutung": "Marken mit starken kurzfristigen Werbeeffekten" }, { "wert": "30 %", "bedeutung": "weitere Marken mit mäßigem Effekt" }, { "wert": "6 von 24", "bedeutung": "Fälle mit Kurzfristeffekt nach Propensity-Score-Korrektur in der japanischen Reanalyse von Mizuno & Hoshino 2006" } ], "methode": "STAS (Short-Term Advertising Strength) aus einem Nielsen-Haushaltspanel: Kaufanteile nach Haushalten mit vs. ohne Werbekontakt.", "datenbasis": "Nielsen-Haushaltspanel USA; Fallzahlen im Abstract nicht genannt", "einschraenkungen": "Korrelation: Wer gezielt Vielkäufer anspricht, erzeugt den Zusammenhang auch ohne Kausalität (Kritik von Lodish, East, Tellis). Nach Bereinigung schrumpft der Effekt deutlich.", "interessenlage": "Daten von Nielsen", "score": { "design": 6, "datenbasis": 6, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Große Paneldaten, aber methodisch kritisiert und in der Reanalyse kaum bestätigt.", "gesamt": 5.2 }, "richtung": "gemischt", "quelle_url": "https://www.warc.com/content/article/jar/single-source-research-begins-to-fulfill-its-promise/en-gb/6213", "zugang": "paywall", "folgen": [ 38 ], "stand": "2026-11-06" }, { "id": "maiorano-synthetic-personas-headlines-2026", "titel_original": "Do Synthetic Personas Predict Real Audience Response? A Headline-Ranking Study with a Generic-Reader Baseline", "titel_de": "Persona-Panels sagen echte Klickraten schlechter voraus", "autoren": "Maiorano", "herausgeber": "arXiv:2609.25010", "jahr": 2026, "studientyp": "Laborexperiment", "themen": [ "KI im Marketing", "Methodik & Marktforschung", "Kreation & Werbewirkung" ], "kernaussage": "Ein Panel aus zehn synthetischen Personas sagte echte Klickraten von Schlagzeilen schlechter voraus als die einfache Frage an das Modell ohne Persona; Persona-Konditionierung verschlechterte die Vorhersage.", "zahlen": [ { "wert": "+0,222 / +0,257", "bedeutung": "Vorsprung der Kendall-Rangkorrelation (τ_b) des Modells ohne Persona gegenüber dem Zehn-Persona-Panel, Gemini 3.1 Flash-Lite bzw. GPT-4.1 (arXiv v2, 03.11.2026)" }, { "wert": "39,1 % vs. 54,8 % / 42,0 % vs. 61,7 %", "bedeutung": "erwartete Trefferquote für den richtigen Gewinner, Persona-Panel vs. Modell ohne Persona, Gemini 3.1 Flash-Lite bzw. GPT-4.1 (v2)" }, { "wert": "190", "bedeutung": "Schlagzeilen-Pakete in der explorativen Kohorte (je Modell 188 vollständig), arXiv v2" } ], "methode": "Vorhersage echter Schlagzeilen-A/B-Tests mit und ohne Persona-Panel.", "datenbasis": "399 verlässliche A/B-Tests aus dem Upworthy Research Archive.", "einschraenkungen": "Einzelautor, Preprint; nur Abstract geprüft. Einziger Beleg der Folge mit echtem Verhalten (Klicks) als Maßstab. Zahlen nach der überarbeiteten arXiv-Fassung v2 (03.11.2026); v1 nannte abweichende Kennzahlen bei gleicher Richtung.", "interessenlage": "keine bekannt", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Validierung gegen echtes Klickverhalten, aber Einzelautor-Preprint ohne Replikation.", "gesamt": 5.2 }, "richtung": "widerlegt", "quelle_url": "https://arxiv.org/abs/2609.25010", "zugang": "offen", "folgen": [ 26 ], "stand": "2026-11-06" }, { "id": "marotta-abhishek-acquisti-tracking-revenue-2019", "titel_original": "Online Tracking and Publishers’ Revenues", "titel_de": "Tracking und Publisher-Erlöse: nur rund 4 % mehr", "autoren": "Marotta, Abhishek, Acquisti", "herausgeber": "WEIS 2019 (Preliminary Draft)", "jahr": 2019, "studientyp": "Paneldaten-Analyse", "themen": [ "Recht & Datenschutz", "Media & Budget" ], "kernaussage": "In Daten eines Medienkonzerns stieg der Publisher-Erlös nur um rund 4 Prozent, wenn ein Cookie vorhanden war. Das ist der untere Rand der Bandbreite der Studien.", "zahlen": [ { "wert": "≈ +4 %", "bedeutung": "Erlösanstieg bei vorhandenem Cookie" }, { "wert": "0,00008 $", "bedeutung": "Mehrerlös pro Anzeige" } ], "methode": "Beobachtungsdaten mit doppelt robustem Schätzer.", "datenbasis": "Ein Medienkonzern, eine Woche im Mai 2016.", "einschraenkungen": "Kein Experiment, nur ein Unternehmen und eine Woche; Arbeitspapier. Zeigt die Spanne von 4 bis 52 % zwischen Studien.", "interessenlage": "Finanzierung u. a. durch die Sloan Foundation.", "score": { "design": 5, "datenbasis": 4, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Beobachtungsstudie mit schmaler Datenbasis (Stufe 3/4), akademisch; Befund steht allein gegen größere Experimente.", "gesamt": 5.2 }, "richtung": "gemischt", "quelle_url": "https://weis2017.econinfosec.org/wp-content/uploads/sites/6/2019/05/WEIS_2019_paper_38.pdf", "zugang": "offen", "folgen": [ 30 ], "stand": "2026-11-06" }, { "id": "mckinsey-b2b-pulse-2024", "titel_original": "Five fundamental truths: How B2B winners keep growing", "titel_de": "McKinsey B2B Pulse 2024: Drittel-Regel der Kanäle", "autoren": "McKinsey", "herausgeber": "McKinsey & Company", "jahr": 2024, "studientyp": "Umfrage", "themen": [ "B2B" ], "kernaussage": "B2B-Kunden verteilen sich etwa zu je einem Drittel auf persönliche, Remote- und digitale Self-Service-Kanäle und nutzen immer mehr Kanäle parallel. Bei neuen Lieferanten ist der persönliche Kontakt am beliebtesten.", "zahlen": [ { "wert": "⅓ / ⅓ / ⅓", "bedeutung": "Präferenz für persönlich / remote / digitalen Self-Service" }, { "wert": "41 %", "bedeutung": "bevorzugen bei neuen Lieferanten persönlichen Kontakt" }, { "wert": "10 (2016: 5)", "bedeutung": "durchschnittlich genutzte Kanäle" } ], "methode": "Wiederholte Befragung von B2B-Entscheidern (neunte Welle seit 2016).", "datenbasis": "Knapp 4.000 B2B-Entscheider aus 13 Ländern und 34 Branchen.", "einschraenkungen": "Selbstauskunft; Segmentaussagen (z. B. „Seekers“) ohne klare Definition missverständlich.", "interessenlage": "McKinsey verkauft Vertriebsberatung; die Omnichannel-Botschaft passt zum eigenen Angebot.", "score": { "design": 4, "datenbasis": 7, "unabhaengigkeit": 5, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Große, mehrwellige Querschnittsbefragung; Beratungsinteresse; Tendenz zu Omnichannel durch andere Befragungen gestützt.", "gesamt": 5.2 }, "richtung": "bestaetigt", "quelle_url": "https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/five-fundamental-truths-how-b2b-winners-keep-growing", "zugang": "offen", "folgen": [ 22 ], "stand": "2026-11-06" }, { "id": "motoki-iseki-sensory-marketing-replication-2022", "titel_original": "Evaluating replicability of ten influential research on sensory marketing", "titel_de": "Replikation von zehn Befunden zum sensorischen Marketing", "autoren": "Motoki, Iseki", "herausgeber": "Frontiers in Communication", "jahr": 2022, "studientyp": "Laborexperiment", "themen": [ "Methodik & Marktforschung", "Kreation & Werbewirkung" ], "kernaussage": "Von zehn einflussreichen Befunden zum sensorischen Marketing ließen sich in einer vorregistrierten Wiederholung nur zwei bestätigen, und auch deren Effekte waren etwa halb so groß wie im Original.", "zahlen": [ { "wert": "20 % (2 von 10)", "bedeutung": "erfolgreich replizierte Befunde" }, { "wert": "≈ ½", "bedeutung": "Effektgröße der replizierten Befunde im Vergleich zum Original" }, { "wert": "823", "bedeutung": "ausgewertete Teilnehmende (von 1.000 rekrutierten)" } ], "methode": "Vorregistrierte Online-Replikation von zehn Studien in einer gemeinsamen Erhebung.", "datenbasis": "1.000 rekrutierte, 823 ausgewertete Teilnehmende in Japan, online.", "einschraenkungen": "Eine Online-Stichprobe außerhalb der USA: Ein Scheitern kann auch an fehlender Übertragbarkeit liegen. Repliziert wurden u. a. Klink (2000) und Shrum et al. (2012) zur Lautsymbolik.", "interessenlage": "Keine Interessenkonflikte angegeben.", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Vorregistrierte Online-Replikation mit mittlerer Stichprobe, akademisch unabhängig; selbst nicht erneut geprüft und kulturell gebunden.", "gesamt": 5.2 }, "richtung": "widerlegt", "quelle_url": "https://www.frontiersin.org/journals/communication/articles/10.3389/fcomm.2022.1048896/full", "zugang": "offen", "folgen": [ 21 ], "stand": "2026-11-06" }, { "id": "nimase-geo-bench-ranking-manipulation-2026", "titel_original": "GEO-Bench: Benchmarking Ranking Manipulation", "titel_de": "GEO-Bench: Wie stark das Mess-Skript GEO-Effekte verändert", "autoren": "Nimase u. a.", "herausgeber": "USC, ASU; arXiv 2605.29107", "jahr": 2026, "studientyp": "Laborexperiment", "themen": [ "GEO & KI-Suche", "Methodik & Marktforschung" ], "kernaussage": "Wie groß ein GEO-Effekt ausfällt, hängt stark an der Auswertung: allein das Evaluationsskript verändert den gemessenen Gewinn um den Faktor fünf.", "zahlen": [ { "wert": "Faktor 5", "bedeutung": "Veränderung des gemessenen Gewinns allein durch das Auswertungsskript" }, { "wert": "729", "bedeutung": "Zielprodukte; 15 Methoden, 4 KI-Ranker" } ], "methode": "Benchmark mit 15 Manipulationsmethoden und 4 KI-Rankern über 729 Zielprodukte.", "datenbasis": "729 Produkte, 15 Methoden, 4 Ranker", "einschraenkungen": "Preprint; nicht zu verwechseln mit dem gleichnamigen GEO-bench von Aggarwal. Laborranking, kein Nutzerverhalten.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 9, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Laborbenchmark unabhängiger Autoren, zeigt Messartefakt; Einzelbefund ohne Replikation.", "gesamt": 5.2 }, "richtung": "offen", "quelle_url": "https://arxiv.org/pdf/2605.29107", "zugang": "offen", "folgen": [ 31 ], "stand": "2026-11-06" }, { "id": "powell-love-of-large-numbers-2017", "titel_original": "The Love of Large Numbers: A Popularity Bias in Consumer Choice", "titel_de": "Die Liebe zu großen Zahlen: Bewertungsanzahl vs. Qualität", "autoren": "Powell, Yu, DeWolf, Holyoak", "herausgeber": "Psychological Science", "jahr": 2017, "studientyp": "Laborexperiment", "themen": [ "Handel & Commerce", "Methodik & Marktforschung" ], "kernaussage": "Menschen wählen oft das Produkt mit mehr Bewertungen, auch wenn ein statistisches Modell das Produkt mit weniger Bewertungen als wahrscheinlich besser einstuft.", "zahlen": [], "methode": "Online-Experimente mit hypothetischen Entscheidungen; Vergleichsmodell auf Basis von rund 15 Mio. Amazon-Bewertungen.", "datenbasis": "Online-Experimente; Modell aus ca. 15 Mio. Amazon-Bewertungen", "einschraenkungen": "Hypothetische Wahl, kein echter Kauf; direkte Replikation nicht bekannt.", "interessenlage": "Akademisch (UCLA); keine bekannt", "score": { "design": 4, "datenbasis": 4, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Psychologisches Laborexperiment unabhängiger Autoren, ohne bekannte Replikation.", "gesamt": 5.2 }, "richtung": "offen", "quelle_url": "https://reasoning.psych.ucla.edu/KH%20pdfs/Powell_etal.2017.pdf", "zugang": "offen", "folgen": [ 34 ], "stand": "2026-11-06" }, { "id": "romaniuk-2022-category-entry-points-b2b", "titel_original": "Category Entry Points in a B2B World – Linking Buying Situations to Brand Sales", "titel_de": "Category Entry Points im B2B (LinkedIn/Ehrenberg-Bass)", "autoren": "Romaniuk", "herausgeber": "The B2B Institute at LinkedIn / Ehrenberg-Bass Institute", "jahr": 2022, "studientyp": "Umfrage", "themen": [ "B2B", "Markenaufbau & Wachstum", "Methodik & Marktforschung" ], "kernaussage": "Der Report überträgt Category Entry Points auf B2B: Große Marken sind mit mehr Kaufsituationen verknüpft, mehr Verknüpfungen gehen mit geringerer angegebener Wechselabsicht einher, und die meisten Marke-CEP-Werte entsprechen schlicht der Markengröße.", "zahlen": [ { "wert": "5 %", "bedeutung": "relative Senkung der angegebenen Wechselwahrscheinlichkeit je zusätzlichem CEP (0,2 von 4,4 Punkten auf der Juster-Skala)" }, { "wert": "16 von 17", "bedeutung": "Versicherungsprodukte mit signifikantem Zusammenhang CEPs ↔ Wechselabsicht" }, { "wert": "25 % vs. 64 %", "bedeutung": "Befragte ohne CEP-Verknüpfung bei State Farm vs. Hanover (US-Geschäftsversicherungen, n = 606)" }, { "wert": "9,8 % / 78 % / 7,9", "bedeutung": "Mental Market Share / Mental Penetration / Network Size von Barclays (UK-Geschäftsbanken, n = 609)" }, { "wert": "93 %", "bedeutung": "Marke-CEP-Kombinationen innerhalb ±5 Pp. des Erwartungswerts (US-Werbeentscheider, n = 311)" }, { "wert": "5–8", "bedeutung": "empfohlene Zahl priorisierter CEPs (Faustregel)" } ], "methode": "Befragungen von Kategoriekäufern mit Pick-any-Raster (CEP × Marken + „keine“); Kennzahlen Mental Market Share, Mental Penetration, Network Size und Abweichung vom Erwartungswert.", "datenbasis": "u. a. UK-Geschäftsbanken (n = 609), US-Geschäftsversicherungen (n = 606), US-Werbeentscheider (n = 311); Land, Jahr und Feldzeit teils nicht genannt", "einschraenkungen": "Querschnitt: Ob Größe die CEPs bringt oder umgekehrt, bleibt offen. Die „5 % weniger Abwanderung je CEP“ sind relativ und beziehen sich auf eine Selbstauskunft, nicht auf echte Kündigungen. Kleiner Rechenfehler im Report. Kein Feldexperiment zeigt, dass CEP-Kampagnen Marktanteile steigern.", "interessenlage": "Herausgegeben von LinkedIn; ein Beispieldatensatz wurde im Auftrag von LinkedIn erhoben, in dem LinkedIn selbst am besten abschneidet. Ehrenberg-Bass verkauft CEP-Studien.", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 5, "replikation": 6, "uebertragbarkeit": 7, "begruendung": "Mehrere Befragungen mit offengelegter Methode, aber Auftraggeber mit Eigeninteresse; Grundmuster durch ältere Ehrenberg-Bass-Arbeiten gestützt.", "gesamt": 5.2 }, "richtung": "gemischt", "quelle_url": "https://delivery-p143253-e1476319.adobeaemcloud.com/adobe/assets/urn:aaid:aem:dd7b17b8-e02e-4498-9bb4-050616e65946/original/as/original.pdf", "zugang": "offen", "folgen": [ 16 ], "stand": "2026-11-06" }, { "id": "thinkbox-adnormal-behaviour-2022", "titel_original": "Adnormal behaviour: how adland’s perceptions of media consumption have changed", "titel_de": "Adnormal Behaviour: Media-Profis schätzen Mediennutzung falsch", "autoren": "Thinkbox, Ipsos", "herausgeber": "Thinkbox", "jahr": 2022, "studientyp": "Umfrage", "themen": [ "Methodik & Marktforschung", "Media & Budget" ], "kernaussage": "Britische Media-Profis überschätzen die Nutzung neuer Medien wie TikTok und SVOD stark; die Fehleinschätzung beim Broadcast-TV ist gegenüber 2016 aber deutlich kleiner geworden.", "zahlen": [ { "wert": "35 % vs. 17 %", "bedeutung": "geschätzte vs. angegebene TikTok-Nutzung" }, { "wert": "2:03 Std. vs. 35 Min.", "bedeutung": "geschätzte vs. gemessene (BARB) tägliche SVOD-Nutzung – fast das Vierfache" }, { "wert": "1:09 vs. 1:52 Std.", "bedeutung": "eigene lineare TV-Nutzung der Media-Profis vs. Bevölkerung" }, { "wert": "2:33 vs. 2:24 Std.", "bedeutung": "geschätzte vs. gemessene Broadcast-TV-Nutzung 2022 (2016 um über eine Stunde unterschätzt)" } ], "methode": "Ipsos-Befragung von Bevölkerung und Media-Profis, Abgleich mit TV-Messdaten von BARB; Vergleichswelle 2016.", "datenbasis": "1.158 Personen (Zufallsstichprobe, repräsentativ gewichtet) und 216 Media-Profis, UK 2022; BARB-Messdaten", "einschraenkungen": "Vergleicht teils Schätzungen mit Selbstauskunft (TikTok), teils mit Messdaten (BARB). Die Verbesserung seit 2016 auf Studien wie die Empathy Delusion zurückzuführen, ist eine Vermutung.", "interessenlage": "Bezahlt von Thinkbox, der Marketingorganisation des britischen kommerziellen TV.", "score": { "design": 5, "datenbasis": 5, "unabhaengigkeit": 5, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Stufe 3/4: Befragung kombiniert mit Messdaten, mit Vorwelle; Absender hat TV-Interesse, Muster aber in mehreren Ländern bestätigt.", "gesamt": 5.2 }, "richtung": "bestaetigt", "quelle_url": "https://www.thinkbox.tv/news-and-opinion/newsroom/adnormal-behaviour-how-adlands-perceptions-of-media-consumption-have-changed", "zugang": "offen", "folgen": [ 11 ], "stand": "2026-11-06" }, { "id": "thomas-simon-kadiyali-precise-prices-2010", "titel_original": "The Price Precision Effect: Evidence from Laboratory and Market Data", "titel_de": "Präzise Angebotspreise bei Immobilien", "autoren": "Thomas, Simon, Kadiyali", "herausgeber": "Marketing Science 29 (1)", "jahr": 2010, "studientyp": "Laborexperiment", "themen": [ "Preis & Promotion" ], "kernaussage": "Käufer unterschätzen präzise Preise, und bei präziseren Angebotspreisen für Häuser wurden höhere Verkaufspreise erzielt.", "zahlen": [], "methode": "Laborexperimente plus Transaktionsdaten aus zwei US-Immobilienmärkten.", "datenbasis": "Laborexperimente und Immobilientransaktionen aus zwei US-Märkten; Umfang nicht geprüft.", "einschraenkungen": "Nur Abstract gelesen. Gilt nicht in jedem Markt: In einem Verkäufermarkt (Amsterdam 2017, Leib et al. 2021) führten runde Angebotspreise zu höheren Preisen.", "interessenlage": "keine bekannt", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Kombination aus Labor- und Marktdaten, akademisch; Richtung durch Leib et al. für Verkäufermärkte widersprochen.", "gesamt": 5.2 }, "richtung": "gemischt", "quelle_url": "https://doi.org/10.1287/mksc.1090.0512", "zugang": "paywall", "folgen": [ 25 ], "stand": "2026-11-06" }, { "id": "bundeskartellamt-sektoruntersuchung-nutzerbewertungen-2020", "titel_original": "Sektoruntersuchung Nutzerbewertungen", "titel_de": "Bundeskartellamt: Sektoruntersuchung Nutzerbewertungen", "autoren": "Bundeskartellamt", "herausgeber": "Bundeskartellamt", "jahr": 2020, "studientyp": "Fallsammlung", "themen": [ "Recht & Datenschutz", "Handel & Commerce" ], "kernaussage": "Die meisten der befragten Plattformen setzten zur Echtheitsprüfung nur Wortfilter oder Meldungen nach der Veröffentlichung ein; eine Fake-Quote nennt der Bericht nicht.", "zahlen": [ { "wert": "> 60", "bedeutung": "befragte Plattformen aus 16 Branchen" } ], "methode": "Behördliche Befragung von Bewertungsplattformen.", "datenbasis": "Mehr als 60 Plattformen, 16 Branchen, Deutschland", "einschraenkungen": "Qualitativ, keine Quantifizierung gefälschter Bewertungen.", "interessenlage": "Behörde; keine kommerzielle Interessenlage", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 9, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Behördliche Erhebung mit deutschem Bezug, aber nur qualitative Befunde.", "gesamt": 5.1 }, "richtung": "offen", "quelle_url": "https://bundeskartellamt.de/EN/Consumer_protection/Protecting_Consumer_Rights/OnlineUserReviews/OnlineUserReviews.html", "zugang": "offen", "folgen": [], "stand": "2026-11-06" }, { "id": "chu-hou-2026-incumbent-advantage-llm", "titel_original": "Incumbent Advantage: Brand Bias and Cognitive Manipulation Dynamics in LLM Recommendation Systems", "titel_de": "Sprachmodelle bevorzugen etablierte Marken – aber knapp", "autoren": "Chu, Hou", "herausgeber": "arXiv (Preprint)", "jahr": 2026, "studientyp": "Laborexperiment", "themen": [ "GEO & KI-Suche", "Markenaufbau & Wachstum" ], "kernaussage": "Bei identischen Produktdaten empfehlen Sprachmodelle stets die bekannte Marke, doch schon ein minimaler Bewertungsvorteil der Konkurrenz bricht diese Dominanz; optimieren alle Marken gleich, verpufft der GEO-Nutzen.", "zahlen": [ { "wert": "100 %", "bedeutung": "Empfehlungsquote bekannter Marken bei identischen Spezifikationen" }, { "wert": "< 0,1 Sterne", "bedeutung": "Bewertungsvorteil eines Wettbewerbers, der die Dominanz beendet" }, { "wert": "+0,802 → +0,007", "bedeutung": "Nutzen im Payoff-Proxy, wenn alle Marken dieselbe GEO-Strategie nutzen" } ], "methode": "Laborexperiment am Modell mit variierten Produktdaten und Werbesprache; drei Modelle (GPT-4o-mini, Claude Sonnet, Gemini 3 Flash).", "datenbasis": "Hautpflege-Produkte, drei Modelle, Robustheitscheck mit Suchgütern", "einschraenkungen": "Nicht begutachtet, eine Produktkategorie, Modellsnapshot.", "interessenlage": "Akademisch; keine Interessenlage bekannt.", "score": { "design": 5, "datenbasis": 3, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Stufe 3–4: kontrolliertes Modellexperiment, unabhängig, aber Preprint mit enger Datenbasis.", "gesamt": 5.1 }, "richtung": "offen", "quelle_url": "https://arxiv.org/abs/2606.17443", "zugang": "offen", "folgen": [ 15 ], "stand": "2026-11-06" }, { "id": "eu-sweep-online-bewertungen-2022", "titel_original": "EU-Sweep zu Online-Verbraucherbewertungen", "titel_de": "EU-Sweep: Verdacht auf Rechtsverstöße bei Bewertungen", "autoren": "Verbraucherschutzbehörden aus 26 EU-Staaten, Island, Norwegen", "herausgeber": "Europäische Kommission", "jahr": 2022, "studientyp": "Fallsammlung", "themen": [ "Recht & Datenschutz", "Handel & Commerce" ], "kernaussage": "Bei mehr als der Hälfte der geprüften Websites bestand der Verdacht auf Verstoß gegen EU-Verbraucherrecht im Umgang mit Bewertungen; bei fast zwei Dritteln war nicht belegt, dass die Echtheit ausreichend sichergestellt wird.", "zahlen": [ { "wert": "≥ 55 %", "bedeutung": "geprüfte Websites mit Verdacht auf Verstoß gegen EU-Verbraucherrecht" }, { "wert": "144 von 223", "bedeutung": "Websites, bei denen die Echtheitsprüfung nicht bestätigt werden konnte" }, { "wert": "18 %", "bedeutung": "weitere Websites, bei denen Zweifel bestanden" } ], "methode": "Behördliche Stichprobenprüfung ausgewählter Websites.", "datenbasis": "223 Websites, 26 Mitgliedstaaten plus Island und Norwegen", "einschraenkungen": "Ausgewählte 'wichtige Websites', keine Zufallsstichprobe; Verdacht, keine festgestellten Verstöße.", "interessenlage": "Behörden; keine kommerzielle Interessenlage", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 9, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Behördliche Stichprobe ohne Zufallsauswahl; unabhängig, aber nur Verdachtsquoten.", "gesamt": 5.1 }, "richtung": "bestaetigt", "quelle_url": "https://germany.representation.ec.europa.eu/news/schutz-der-verbraucher-vor-irrefuhrenden-bewertungen-55-prozent-der-uberpruften-websites-verstossen-2022-01-20_de", "zugang": "offen", "folgen": [ 34 ], "stand": "2026-11-06" }, { "id": "he-thinking-machines-nondeterminism-llm-inference-2025", "titel_original": "Defeating Nondeterminism in LLM Inference", "titel_de": "Warum Temperatur 0 nicht 'immer gleich' heißt", "autoren": "He (Thinking Machines Lab)", "herausgeber": "Thinking Machines Lab (Blog)", "jahr": 2025, "studientyp": "Laborexperiment", "themen": [ "KI im Marketing", "Methodik & Marktforschung" ], "kernaussage": "Selbst bei Temperatur 0 lieferte derselbe Prompt in 1.000 Läufen 80 verschiedene Antworten, weil wechselnde Serverlast die Rechenreihenfolge ändert; mit speziellen Kernels waren alle identisch.", "zahlen": [ { "wert": "80", "bedeutung": "verschiedene Antworten bei 1.000 identischen Läufen mit Temperatur 0" }, { "wert": "78", "bedeutung": "Häufigkeit der häufigsten Antwort" } ], "methode": "Laborexperiment mit einem offenen Modell und einem Prompt; Vergleich mit batch-invarianten Kernels.", "datenbasis": "Qwen3-235B, ein Prompt, 1.000 Läufe", "einschraenkungen": "Zeigt den Mechanismus, nicht das Ausmaß bei ChatGPT & Co.", "interessenlage": "KI-Forschungsfirma; kein Produktbezug zu Marketingmessung", "score": { "design": 4, "datenbasis": 2, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 7, "begruendung": "Sauberes Mechanismus-Experiment, gestützt durch Atil et al.; nur ein Modell und Prompt.", "gesamt": 5.1 }, "richtung": "bestaetigt", "quelle_url": "https://thinkingmachines.ai/blog/defeating-nondeterminism-in-llm-inference/", "zugang": "offen", "folgen": [ 37 ], "stand": "2026-11-06" }, { "id": "lumen-aimia-blickmessung-2016", "titel_original": "Lumen/Aimia eye-tracking study on digital ad viewing", "titel_de": "Lumen: Wie lange Onlinewerbung wirklich angeschaut wird", "autoren": "Lumen Research, Aimia", "herausgeber": "Lumen Research", "jahr": 2016, "studientyp": "Paneldaten-Analyse", "themen": [ "Kreation & Werbewirkung", "Messung & Attribution" ], "kernaussage": "Per Blickkamera gemessen wurde nur ein gutes Drittel der Displaywerbung überhaupt angesehen und nur ein kleiner Bruchteil länger als eine Sekunde; Printanzeigen schnitten deutlich besser ab.", "zahlen": [ { "wert": "35 %", "bedeutung": "Anteil der Displaywerbung, die überhaupt angeschaut wurde" }, { "wert": "9 %", "bedeutung": "Anteil der Displaywerbung, die länger als eine Sekunde angeschaut wurde" }, { "wert": "4 %", "bedeutung": "Anteil länger als zwei Sekunden" }, { "wert": "40 %", "bedeutung": "Anteil der Printanzeigen, die länger als eine Sekunde angeschaut wurden" } ], "methode": "Blickmessung über Webcams auf den Rechnern eines Panels während normaler Nutzung.", "datenbasis": "300 Rechner mit Blickkamera, rund 30.000 Minuten, rund 15.000 Anzeigen, ab Januar 2016.", "einschraenkungen": "Alt und vergleichsweise klein; Formate und Nutzung haben sich seither verändert. Nur Desktop.", "interessenlage": "Lumen verkauft Aufmerksamkeitsmessung.", "score": { "design": 6, "datenbasis": 4, "unabhaengigkeit": 4, "replikation": 6, "uebertragbarkeit": 4, "begruendung": "Echte Verhaltensmessung, aber kleines Panel, alter Stand und ein Anbieter mit Messinteresse; der Grundbefund niedriger Aufmerksamkeit findet sich auch anderswo.", "gesamt": 5.1 }, "richtung": "bestaetigt", "quelle_url": "https://www.marketingweek.com/marketers-continue-to-waste-money-as-only-9-of-digital-ads-are-viewed-for-more-than-a-second/", "zugang": "offen", "folgen": [ 5 ], "stand": "2026-11-06" }, { "id": "stiftung-warentest-black-friday-2019", "titel_original": "Black Friday und Cyber Monday: Sind die Sonderangebote wirklich so günstig?", "titel_de": "Stiftung Warentest: Black-Friday-Preise 2018", "autoren": "Stiftung Warentest", "herausgeber": "Stiftung Warentest (test.de)", "jahr": 2019, "studientyp": "Fallsammlung", "themen": [ "Preis & Promotion", "Handel & Commerce" ], "kernaussage": "Nur bei wenigen der geprüften Top-Produkte war der Black-Friday- oder Cyber-Monday-Preis deutlich niedriger als sonst im November.", "zahlen": [ { "wert": "4 von 50", "bedeutung": "Fälle, in denen der Tiefstpreis deutlich niedriger war als sonst im November" } ], "methode": "Preisbeobachtung von Testsiegern über drei Monate.", "datenbasis": "Je 10 Testsieger aus 5 Kategorien, 01.11.2018–31.01.2019, Deutschland.", "einschraenkungen": "Klein und veraltet (vor § 11 PAngV). Zitat über eine WebFetch-Zusammenfassung gelesen.", "interessenlage": "keine bekannt (unabhängige Verbraucherorganisation)", "score": { "design": 4, "datenbasis": 2, "unabhaengigkeit": 9, "replikation": 6, "uebertragbarkeit": 3, "begruendung": "Kleine, alte Preisbeobachtung eines unabhängigen Testers; Tendenz durch Which? 2025 gestützt.", "gesamt": 5.1 }, "richtung": "bestaetigt", "quelle_url": "https://www.test.de/Black-Friday-und-Cyber-Monday-Sind-die-Sonderangebote-wirklich-so-guenstig-5530533-5530542/", "zugang": "teilweise", "folgen": [ 24 ], "stand": "2026-11-06" }, { "id": "wu-llm-sponsored-recommendations-2026", "titel_original": "Ads in AI Chatbots? An Analysis of How Large Language Models Navigate Conflicts of Interest", "titel_de": "Wie Sprachmodelle gesponserte Angebote empfehlen", "autoren": "Wu u. a.", "herausgeber": "Princeton / University of Washington; arXiv 2604.08525, COLM 2026", "jahr": 2026, "studientyp": "Laborexperiment", "themen": [ "GEO & KI-Suche", "KI im Marketing" ], "kernaussage": "Bekommen Sprachmodelle per Systemprompt Sponsoren-Anreize, empfehlen die meisten mehrheitlich die gesponserte, fast doppelt so teure Option, Nutzern mit hohem Status sogar öfter.", "zahlen": [ { "wert": "18 von 23", "bedeutung": "Modelle, die die teure gesponserte Option in über 50 % der Fälle empfahlen" }, { "wert": "64,1 % vs. 48,6 %", "bedeutung": "Empfehlungsrate der Sponsor-Option bei Nutzern mit hohem vs. niedrigerem Status" } ], "methode": "Simulation einer Flugbuchung mit Sponsoren-Anreiz im Systemprompt.", "datenbasis": "23 Sprachmodelle", "einschraenkungen": "Kein Befund über reale Produkte; die Plattformen sagen, Werbung beeinflusse die Antwort nicht. Zeigt das Risiko, nicht die Praxis.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Peer-reviewtes Laborexperiment unabhängiger Autoren über viele Modelle; reine Simulation.", "gesamt": 5.1 }, "richtung": "offen", "quelle_url": "https://arxiv.org/abs/2604.08525", "zugang": "offen", "folgen": [ 33 ], "stand": "2026-11-06" }, { "id": "aher-arriaga-kalai-simulate-humans-2023", "titel_original": "Using Large Language Models to Simulate Multiple Humans and Replicate Human Subject Studies", "titel_de": "Sprachmodelle replizieren klassische Experimente", "autoren": "Aher, Arriaga, Kalai", "herausgeber": "ICML 2023", "jahr": 2023, "studientyp": "Laborexperiment", "themen": [ "KI im Marketing", "Methodik & Marktforschung" ], "kernaussage": "Mehrere klassische Experimente wie Ultimatumspiel, Holzweg-Sätze und Milgram ließen sich mit Sprachmodellen nachstellen; beim Wisdom-of-Crowds-Test wussten große Modelle es aber unnatürlich besser als Menschen.", "zahlen": [ { "wert": "3 von 4", "bedeutung": "nachgestellte Experimente, deren Befunde repliziert wurden" } ], "methode": "Nachstellen von vier bekannten Experimenten mit simulierten Teilnehmenden.", "datenbasis": "Vier Turing-Experimente mit verschiedenen Sprachmodellen.", "einschraenkungen": "Die Originalbefunde stehen vermutlich in den Trainingsdaten. „Hyper-Accuracy-Verzerrung“ zeigt, dass Modelle nicht wie Durchschnittsmenschen antworten.", "interessenlage": "Microsoft-Beteiligung (Kalai), Microsoft bietet KI-Modelle an.", "score": { "design": 4, "datenbasis": 3, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 4, "begruendung": "Einzelne qualitative Replikationen mit Leakage-Risiko; Industriebeteiligung.", "gesamt": 5.0 }, "richtung": "gemischt", "quelle_url": "https://arxiv.org/pdf/2208.10264", "zugang": "offen", "folgen": [ 26 ], "stand": "2026-11-06" }, { "id": "brus-hartnett-faulkner-driesener-2026-marketer-judgement", "titel_original": "Assessing branding strength: comparing marketer judgement and consumer data for brand identity elements", "titel_de": "Marketer schätzen die Stärke eigener Assets falsch ein", "autoren": "Brus, Hartnett, Faulkner, Driesener", "herausgeber": "Journal of Brand Management", "jahr": 2026, "studientyp": "Umfrage", "themen": [ "Markenaufbau & Wachstum", "Methodik & Marktforschung" ], "kernaussage": "Marketer liegen bei der Stärke ihrer eigenen Markenelemente meist weit daneben: Sie überschätzen die Bekanntheit und unterschätzen die Eindeutigkeit.", "zahlen": [ { "wert": "1 von 50", "bedeutung": "Schätzungen, die innerhalb von ±5 Punkten der Konsumentendaten lagen (etwa 1 von 10 innerhalb ±10)" }, { "wert": "40 Pp.", "bedeutung": "mittlere Abweichung der Marketer-Schätzungen" }, { "wert": "73 %", "bedeutung": "Schätzungen, die Fame überschätzten" }, { "wert": "72 %", "bedeutung": "Schätzungen, die Uniqueness unterschätzten" }, { "wert": "25 % / 26 %", "bedeutung": "Elemente im Feld „Use or Lose“ bzw. „Ignore or Test“ laut Konsumenten (Marketer: 34 % / 36 %)" } ], "methode": "Vergleich von Marketer-Schätzungen (in Schulungen erhoben) mit Konsumentenbefragungen zu denselben Elementen.", "datenbasis": "405 Elemente von 50 Marken, 5 Kategorien, 7 Länder (u. a. Deutschland: Salzsnacks), mind. n = 400 Kategoriekäufer je Land", "einschraenkungen": "Befragung mit Vergleich, kein Experiment. Schätzungen 2–4 Wochen nach der Konsumentenbefragung in Schulungen der Auftraggeber erhoben.", "interessenlage": "Ehrenberg-Bass-Autoren; die beteiligten Firmen haben die Forschung bezahlt.", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 7, "begruendung": "Begutachteter Vergleich mit realen Marketern in mehreren Ländern, aber einzelne Studie aus einem Institut mit Industriefinanzierung.", "gesamt": 5.0 }, "richtung": "offen", "quelle_url": "https://link.springer.com/article/10.1057/s41262-025-00395-y", "zugang": "offen", "folgen": [ 13 ], "stand": "2026-11-06" }, { "id": "chen-geo-dominate-ai-search-2025", "titel_original": "Generative Engine Optimization: How to Dominate AI Search", "titel_de": "Toronto-Studie: Quellenwahl von KI-Suchen nach Sprache und Medientyp", "autoren": "Chen, Wang, Chen, Koudas", "herausgeber": "University of Toronto; arXiv 2509.08919", "jahr": 2025, "studientyp": "Laborexperiment", "themen": [ "GEO & KI-Suche" ], "kernaussage": "KI-Suchen bevorzugen Earned Media und wechseln bei übersetzten Prompts nahezu komplett die Quellen in die Zielsprache; die Überlappung zwischen Englisch und anderen Sprachen lag nahe null.", "zahlen": [ { "wert": "81,9 %", "bedeutung": "Anteil Earned Media an den Zitaten (in Folge 15 verwendet)" }, { "wert": "≈ 0", "bedeutung": "Domain-Überlappung zwischen englischen und übersetzten Prompts bei ChatGPT" }, { "wert": "81,9 % / 18,1 %", "bedeutung": "Earned- vs. Brand-Quellen der KI-Suche bei US-Automobil-Anfragen (Google: 45,1 % Earned)" }, { "wert": "93,5 % / 6,5 % / 0 %", "bedeutung": "Earned / Brand / Social bei ChatGPT für bekannte Marken" } ], "methode": "100 Kauf-Prompts aus 10 Konsumkategorien, in 5 Sprachen übersetzt, an mehrere KI-Suchen gestellt.", "datenbasis": "100 Prompts × 5 Sprachen, 10 Kategorien", "einschraenkungen": "Preprint; kleine Prompt-Zahl; Text widerspricht sich bei Deutsch leicht ('highly localized' vs. 'more mixed'). Widerspruch zu SISTRIX erklärt sich teils durch andere Messgröße.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 4, "datenbasis": 4, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Unabhängiges Labor-Audit mit kleinem Prompt-Set; Befund durch SISTRIX teils widersprochen.", "gesamt": 5.0 }, "richtung": "gemischt", "quelle_url": "https://arxiv.org/pdf/2509.08919", "zugang": "offen", "folgen": [ 15, 35 ], "stand": "2026-11-06", "alias": [ "chen-wang-chen-koudas-2025-ai-search-earned-media" ] }, { "id": "escher-et-al-precise-price-endings-2026", "titel_original": "How consumers evaluated precise, just-below, and round prices: evidence from two high-powered, preregistered experiments", "titel_de": "Präzise, 9er- und runde Preise im Vergleich", "autoren": "Escher, Troll, Henjes, Loschelder", "herausgeber": "Frontiers in Behavioral Economics 5", "jahr": 2026, "studientyp": "Laborexperiment", "themen": [ "Preis & Promotion" ], "kernaussage": "Präzise Preise wie 9,87 hatten das beste Preisimage, vor 9,99 und 10,00. Auf Kaufabsicht und Qualitätsimage hatten die Preisendungen keinen verlässlichen Effekt.", "zahlen": [ { "wert": "N = 729", "bedeutung": "Teilnehmende in zwei präregistrierten Experimenten" }, { "wert": "290", "bedeutung": "deutsche Studierende in Studie 1" } ], "methode": "Zwei präregistrierte Experimente mit hypothetischen Käufen.", "datenbasis": "N = 729, Studie 1 mit 290 deutschen Studierenden.", "einschraenkungen": "Hypothetische Käufe, studentische Teilstichprobe.", "interessenlage": "Finanziert aus dem Open-Access-Fonds der Leuphana; keine Interessenkonflikte bekannt.", "score": { "design": 4, "datenbasis": 4, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Präregistrierte Laborexperimente mit mittlerer Stichprobe, akademisch; neu, nicht repliziert.", "gesamt": 5.0 }, "richtung": "offen", "quelle_url": "https://doi.org/10.3389/frbhe.2026.1828446", "zugang": "offen", "folgen": [ 25 ], "stand": "2026-11-06" }, { "id": "gartner-b2b-buyer-survey-2024-erhebung", "titel_original": "Gartner Sales Survey Finds 61% of B2B Buyers Prefer a Rep-Free Buying Experience", "titel_de": "Gartner-Käuferbefragung 2024: Rep-free-Präferenz und Kanalnutzung", "autoren": "Gartner", "herausgeber": "Gartner (Pressemitteilung 25.06.2025)", "jahr": 2025, "studientyp": "Umfrage", "themen": [ "B2B", "Search & Performance" ], "kernaussage": "Gut sechs von zehn B2B-Käufern bevorzugen insgesamt einen Kauf ohne Vertriebler, bei einzelnen Kaufaktivitäten liegt der Vertrieb (hybrid oder allein) aber vor reinem Self-Service. Irrelevante Ansprache schreckt viele ab.", "zahlen": [ { "wert": "61 %", "bedeutung": "bevorzugen insgesamt eine Rep-free-Kauferfahrung" }, { "wert": "3,0 / 2,3 / 1,8", "bedeutung": "durchschnittliche Kaufaktivitäten hybrid / nur mit Vertrieb / nur Self-Service" }, { "wert": "73 %", "bedeutung": "meiden aktiv Anbieter mit irrelevanter Ansprache" }, { "wert": "69 %", "bedeutung": "finden Widersprüche zwischen Website und Vertriebsaussagen" } ], "methode": "Befragung von B2B-Käufern, August bis September 2024.", "datenbasis": "632 B2B-Käufer; Land und Stichprobenziehung nicht genannt.", "einschraenkungen": "Selbstauskunft. Andere Stichprobe und leicht andere Frageformulierung als 2025; der Anstieg 61 → 67 % ist nur vorsichtig als Trend zu lesen.", "interessenlage": "Gartner verkauft Beratung an Vertriebsleiter.", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 5, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Querschnittsbefragung mittlerer Größe ohne offene Methode; Beratungsinteresse; ähnliche Ergebnisse in Folgewelle.", "gesamt": 5.0 }, "richtung": "gemischt", "quelle_url": "https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-sales-survey-finds-61-percent-of-b2b-buyers-prefer-a-rep-free-buying-experience", "zugang": "teilweise", "folgen": [ 22 ], "stand": "2026-11-06" }, { "id": "gartner-b2b-buyer-survey-2025-erhebung", "titel_original": "Gartner Sales Survey: 67% of B2B Buyers Prefer a Rep-Free Experience / 69% of B2B Buyers Turn to Sales Reps to Validate AI-Generated Insights", "titel_de": "Gartner 2025: lieber ohne Vertriebler, KI-Check aber beim Vertriebler", "autoren": "Gartner", "herausgeber": "Gartner (Pressemitteilungen 09.03.2026 und 20.05.2026)", "jahr": 2026, "studientyp": "Umfrage", "themen": [ "B2B", "KI im Marketing" ], "kernaussage": "Zwei Drittel der befragten B2B-Käufer sagen, sie kaufen lieber ohne Vertriebler, zugleich prüfen gut zwei Drittel KI-Ergebnisse am liebsten beim Vertriebler. Präferenz und tatsächliches Verhalten fallen also auseinander.", "zahlen": [ { "wert": "67 %", "bedeutung": "B2B-Käufer, die eine Rep-free-Erfahrung bevorzugen" }, { "wert": "69 %", "bedeutung": "B2B-Käufer, die KI-generierte Erkenntnisse lieber mit Vertriebsmitarbeitern validieren" }, { "wert": "70 %", "bedeutung": "bevorzugen ein vollständig digitales Self-Service-Kauferlebnis" }, { "wert": "45 %", "bedeutung": "nutzten bei einem jüngsten Kauf (Gen)KI" }, { "wert": "51 % vs. 49 %", "bedeutung": "stoßen eher bei GenAI bzw. eher beim Vertriebler auf irreführende Infos" }, { "wert": "2×", "bedeutung": "Wahrscheinlichkeit eines hochwertigen Deals bei entscheidungssicheren vs. unsicheren Käufern" } ], "methode": "Befragung von B2B-Käufern, August bis September 2025; veröffentlicht in zwei Pressemitteilungen.", "datenbasis": "646 bzw. 645 B2B-Käufer (vermutlich dieselbe Befragung, Abweichung nicht erklärt); Land und Stichprobenziehung nicht genannt.", "einschraenkungen": "Geäußerte Präferenz, kein beobachtetes Verhalten. Entscheidungssicherheit und Deal-Qualität stammen aus derselben Selbstauskunft, eine Kausalität ist nicht belegt. Keine Fehlermarge für 51 vs. 49 %.", "interessenlage": "Gartner verkauft Beratung an Vertriebsleiter; Vollreport nur für Kunden.", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 5, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Querschnittsbefragung mit mittlerer Stichprobe ohne offene Methodik; Beratungsinteresse; Trend in mehreren Gartner-Wellen ähnlich.", "gesamt": 5.0 }, "richtung": "gemischt", "quelle_url": "https://www.gartner.com/en/newsroom/press-releases/2026-03-09-gartner-sales-survey-finds-67-percent-of-b2b-buyers-prefer-a-rep-free-experience", "zugang": "teilweise", "folgen": [ 22 ], "stand": "2026-11-06" }, { "id": "igem-goldbach-media-bias-2021", "titel_original": "Medienmitteilung zur Studie «Media Bias»", "titel_de": "Media Bias Schweiz: Ad People schätzen Mediennutzung", "autoren": "IGEM, Goldbach", "herausgeber": "IGEM – Interessengemeinschaft elektronische Medien", "jahr": 2021, "studientyp": "Umfrage", "themen": [ "Methodik & Marktforschung", "Media & Budget" ], "kernaussage": "Schweizer Werbe- und Mediaprofis liegen bei der Mediennutzung der Bevölkerung im Schnitt 10 Prozentpunkte daneben: Klassische Medien unterschätzen, neue Medien überschätzen sie.", "zahlen": [ { "wert": "10 Pp.", "bedeutung": "durchschnittliche Fehleinschätzung der Mediennutzung" }, { "wert": "−35 / −39 Pp.", "bedeutung": "Unterschätzung von Zeitungen bzw. Zeitschriften" }, { "wert": "−25 / −18 Pp.", "bedeutung": "Unterschätzung von Radio bzw. TV" }, { "wert": "+19 / +15 Pp.", "bedeutung": "Überschätzung von TikTok bzw. Instagram" }, { "wert": "65 % vs. 42 %", "bedeutung": "tägliche TV-Nutzung: Bevölkerung vs. Ad People" }, { "wert": "42 % vs. 81 %", "bedeutung": "Netflix-Nutzung: Bevölkerung vs. Ad People" } ], "methode": "Online-Befragung von Ad People; Vergleich mit den Bevölkerungsstudien IGEM-Digimonitor und MA Strategy.", "datenbasis": "über 650 Ad People, Aug.–Sept. 2021, Schweiz", "einschraenkungen": "Nur Schweiz 2021; eine Sekundärquelle nennt fälschlich 17 statt 18 Punkte bei TV.", "interessenlage": "Bezahlt von Goldbach (TV-Vermarkter) und IGEM, beide mit Interesse an klassischen Medien.", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 5, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Querschnittsbefragung mit Abgleich gegen Bevölkerungsstudien; Absender interessengeleitet, Befund deckt sich mit UK-Studien.", "gesamt": 5.0 }, "richtung": "bestaetigt", "quelle_url": "https://www.igem.ch/pressrelease/media-bias/", "zugang": "offen", "folgen": [ 11 ], "stand": "2026-11-06" }, { "id": "ipa-share-of-search-think-tank-2021", "titel_original": "IPA Share of Search think tank findings (EffWorks Global 2021)", "titel_de": "IPA-Denkfabrik: Share of Search erklärt 83 % des Marktanteils", "autoren": "Hankins (Vizer Consulting) für die IPA-Share-of-Search-Denkfabrik", "herausgeber": "IPA", "jahr": 2021, "studientyp": "Fallsammlung", "themen": [ "Messung & Attribution", "Search & Performance" ], "kernaussage": "Über 30 Fallstudien hinweg entsprach der Share of Search im Schnitt rund 83 % des Marktanteils einer Marke; die Werte schwanken nach Kategorie und Markt, und es handelt sich um Korrelationen.", "zahlen": [ { "wert": "rund 83 %", "bedeutung": "durchschnittliche Entsprechung von Share of Search und Marktanteil" }, { "wert": "30 / 12 / 7", "bedeutung": "Fallstudien, Kategorien, Länder" } ], "methode": "Zusammenführung von Fallstudien, in denen Suchanteile (Google Trends, sechs bis zwölf Monate rollierend) mit Marktanteilen verglichen wurden.", "datenbasis": "30 Fallstudien aus 12 Kategorien in 7 Ländern.", "einschraenkungen": "Die Autoren betonen selbst, dass es Korrelationen und keine Kausalbeziehungen sind; ersetzt kein Markentracking.", "interessenlage": "IPA-Denkfabrik unter Leitung einer Beratung, die Share-of-Search-Analysen anbietet.", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 5, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Fallsammlung mit Beratungsnähe, die den Grundbefund von Binet 2020 breiter, aber nur korrelativ stützt.", "gesamt": 5.0 }, "richtung": "bestaetigt", "quelle_url": "https://lbbonline.com/news/ipa-share-of-search-data-reveals-sos-represents-83-of-a-brands-share-of-market-on-average", "zugang": "offen", "folgen": [ 6 ], "stand": "2026-11-06" }, { "id": "kantar-media-reactions-2025", "titel_original": "Kantar Media Reactions 2025 – Your guide for media optimisation and 2026 planning", "titel_de": "Kantar Media Reactions 2025: Konsumenten vs. Marketer", "autoren": "Kantar", "herausgeber": "Kantar", "jahr": 2025, "studientyp": "Umfrage", "themen": [ "Methodik & Marktforschung", "Media & Budget", "KI im Marketing" ], "kernaussage": "Konsumenten und Marketer bewerten Werbeplattformen und Werbung systematisch unterschiedlich: Keine Plattform steht bei beiden Gruppen zugleich in den Top 5, und Marketer sind teils skeptischer als ihr Publikum.", "zahlen": [ { "wert": "66 %", "bedeutung": "Konsumenten, die Kampagnen als gut integriert erleben (vor rund zehn Jahren 58 %)" }, { "wert": "89 % → 64 %", "bedeutung": "Marketer, die glauben, ihre Kampagnen gut zu integrieren (2017 vs. 2025)" }, { "wert": "68 % vs. 75 %", "bedeutung": "positive Haltung zu GenAI-Möglichkeiten: Konsumenten vs. Marketer 2025 (2024: 62 % vs. 68 %)" }, { "wert": "57 %", "bedeutung": "Konsumenten, die sich wegen gefälschter GenAI-Anzeigen sorgen" }, { "wert": "netto −31 %", "bedeutung": "Haltung der Marketer zu Werbung auf X 2025 (2022: netto +15 %)" }, { "wert": "64 %", "bedeutung": "Marketer, die mehr für TikTok ausgeben wollen, obwohl es nicht zu ihren Favoriten zählt" } ], "methode": "Jährliche Online-Befragung von Konsumenten und Senior-Marketern; Plattformen werden über Kantars eigenen Index „Ad Equity“ gerankt.", "datenbasis": "Rund 21.000 Konsumenten in 30 Märkten inkl. Deutschland und rund 1.000 Senior-Marketer (2025); 405 Medienmarken.", "einschraenkungen": "Misst Einstellungen, nicht Werbewirkung oder Verhalten. Marketer haben sich selbst zur Teilnahme gemeldet; Trendreihen beruhen auf wechselnden Stichproben. Deutsche Prozentwerte sind nicht öffentlich. Die 68 % Marketer-Positivität zu GenAI sind zugleich der Vorjahreswert und werden leicht verwechselt; Kantars eigener GenAI-Artikel nennt widersprüchliche Konsumentenwerte.", "interessenlage": "Von Kantar selbst finanziert; Kantar verkauft die Länderdaten und Mediaberatung. Der populäre Artikel in The Drum ist von Kantar gesponsert.", "score": { "design": 4, "datenbasis": 8, "unabhaengigkeit": 3, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Große, mehrjährige Querschnittsbefragung mit offengelegter Methode, aber Anbieterstudie mit selbstselektierter Marketer-Stichprobe; das Bubble-Muster zeigen auch andere Befragungen (UK, Schweiz).", "gesamt": 5.0 }, "richtung": "bestaetigt", "quelle_url": "https://kantar.be/sites/default/files/kantar_media_reactions_2025_-_your_guide_for_media_optimisation_and_2026_planning.pdf", "zugang": "offen", "folgen": [ 11 ], "stand": "2026-11-06" }, { "id": "martinez-measuring-geo-visibility-prompt-corpora-2026", "titel_original": "Measuring GEO Visibility: Prompt Corpora Define the Answer Market", "titel_de": "Prompt-Sets bestimmen das GEO-Messergebnis", "autoren": "Martinez", "herausgeber": "Sciences Po; arXiv 2609.06811", "jahr": 2026, "studientyp": "Übersichtsarbeit", "themen": [ "GEO & KI-Suche", "Methodik & Marktforschung" ], "kernaussage": "Die Gewichtung des Prompt-Sets bestimmt das Ergebnis mit: aus denselben Teilraten ergeben sich je nach Gewichtung völlig verschiedene AI-Overview-Auslöseraten.", "zahlen": [ { "wert": "39,7 % vs. 70,5 %", "bedeutung": "AI-Overview-Auslöserate aus denselben Teilraten bei zwei Gewichtungen" } ], "methode": "Kritische Literaturübersicht mit Nachrechnung veröffentlichter Werte.", "datenbasis": "Keine neuen Daten", "einschraenkungen": "Betrifft das Auftauchen von AI Overviews, nicht Markensichtbarkeit; Preprint.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 4, "datenbasis": 3, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Unabhängige methodische Nachrechnung ohne eigene Daten.", "gesamt": 5.0 }, "richtung": "offen", "quelle_url": "https://arxiv.org/abs/2609.06811", "zugang": "offen", "folgen": [ 37 ], "stand": "2026-11-06" }, { "id": "reach-newsworks-aspiration-window-2020", "titel_original": "The Aspiration Window", "titel_de": "Aspiration Window: Was der Mainstream wirklich will", "autoren": "Reach Solutions", "herausgeber": "Reach plc / Newsworks", "jahr": 2020, "studientyp": "Umfrage", "themen": [ "Methodik & Marktforschung" ], "kernaussage": "Marketer überschätzen stark, wie wichtig dem britischen Mainstream Status, Geld und Berühmtheit sind, und stammen deutlich häufiger aus gehobenen sozialen Schichten.", "zahlen": [ { "wert": "82 % vs. 28 %", "bedeutung": "geschätzter vs. tatsächlicher Anteil des Mainstreams, der einen Job mit hohem Status und viel Geld will" }, { "wert": "68 % vs. 11 %", "bedeutung": "geschätzt vs. tatsächlich: Wunsch nach teuren Besitztümern" }, { "wert": "63 % vs. 14 %", "bedeutung": "geschätzt vs. tatsächlich: Wunsch nach Berühmtheit" }, { "wert": "70 % vs. 29 %", "bedeutung": "Anteil aus Elternhaus der sozialen Schicht AB: Branche vs. Mainstream" } ], "methode": "Zwei Befragungswellen von Bevölkerung und Branchenprofis; Branche schätzt die Antworten des Mainstreams.", "datenbasis": "Feb. und Apr. 2020: 2.001 und 1.029 UK-Erwachsene, 200 und 150 Branchenprofis", "einschraenkungen": "Nur aus zweiter Hand (Newsworks, Research Live) geprüft; das Original-PDF war nicht auffindbar. Nur Großbritannien.", "interessenlage": "Reach und Newsworks (Vermarktungsorganisation der britischen Zeitungen) haben ein Interesse an der Botschaft „Mainstream wird unterschätzt“.", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 5, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Befragung eines Medienvermarkters, nur sekundär geprüft; Richtung passt zu weiteren Bubble-Studien.", "gesamt": 5.0 }, "richtung": "bestaetigt", "quelle_url": "https://www.newsworks.org.uk/news-and-opinion/adland-fails-to-understand-what-matters-to-the-public-new-study-reveals/", "zugang": "offen", "folgen": [ 11 ], "stand": "2026-11-06" }, { "id": "reach-solutions-empathy-delusion-2019", "titel_original": "The Empathy Delusion", "titel_de": "Empathy Delusion: Marketer vs. Mainstream (UK)", "autoren": "Reach Solutions, house51 (Tenzer u. a.)", "herausgeber": "Reach plc", "jahr": 2019, "studientyp": "Umfrage", "themen": [ "Methodik & Marktforschung" ], "kernaussage": "Britische Werbe- und Marketingprofis sind nicht empathischer als der gesellschaftliche Mainstream und teilen im Diktatorspiel seltener gleich, besonders mit politisch Andersdenkenden.", "zahlen": [ { "wert": "29 % vs. 30 %", "bedeutung": "Anteil mit Begabung, andere zu verstehen: Mainstream vs. Branche" }, { "wert": "77 % vs. 69 %", "bedeutung": "Anteil, der im Diktatorspiel gleich teilt: Mainstream vs. Branche" }, { "wert": "43 % vs. 82 %", "bedeutung": "Remain-Marketer, die gleich teilen, wenn der Partner Leave- bzw. Remain-Wähler ist" }, { "wert": "44 % / 36 %", "bedeutung": "Branche, die sich links bzw. in der Mitte einordnet (Mainstream: 52 % Mitte)" } ], "methode": "Befragung mit psychologischen Tests und Verhaltensspiel (Diktatorspiel), Vergleich Branche vs. Bevölkerung.", "datenbasis": "März 2019: 2.019 bevölkerungsrepräsentative UK-Erwachsene, davon 1.063 „Modern Mainstream“ (mittlere 50 % der Haushaltseinkommen); 199 Werbe- und Marketingprofis", "einschraenkungen": "Nur Großbritannien 2019, kleine Branchenstichprobe. Die oft zitierte Zahl „23 % des Mainstreams links“ lässt sich aus der Grafik nicht eindeutig ablesen.", "interessenlage": "Bezahlt vom Zeitungsverlag Reach plc, der Mainstream-Reichweite verkauft.", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 5, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Querschnittsbefragung eines Medienvermarkters; das Muster der Marketer-Bubble zeigen auch Thinkbox, IGEM und Kantar.", "gesamt": 5.0 }, "richtung": "bestaetigt", "quelle_url": "https://web.archive.org/web/20201113080251/https://www.reachsolutions.co.uk/sites/default/files/2019-07/Reach%20Solutions%20The%20Empathy%20Delusion%20V2.pdf", "zugang": "offen", "folgen": [ 11 ], "stand": "2026-11-06" }, { "id": "seitz-et-al-implicit-9-ending-2026", "titel_original": "Implicit evidence for price-ending effects on quality and image perceptions", "titel_de": "Implizite Tests: 9er-Preise wirken günstig, aber auch billiger", "autoren": "Seitz, Petrowsky, Neumann, Loschelder", "herausgeber": "Journal of Revenue and Pricing Management", "jahr": 2026, "studientyp": "Laborexperiment", "themen": [ "Preis & Promotion", "Methodik & Marktforschung" ], "kernaussage": "Mit impliziten Tests (IAT/GNAT) zeigen sich starke Verknüpfungen von 9er-Preisen mit „günstig“, aber auch mit geringerer Qualität, entgegen dem Mittelwert der Meta-Analyse.", "zahlen": [ { "wert": "4", "bedeutung": "präregistrierte Laborexperimente" } ], "methode": "Vier präregistrierte Laborexperimente mit impliziten Assoziationstests.", "datenbasis": "Vier Laborexperimente; Stichproben nicht geprüft.", "einschraenkungen": "Misst Assoziationen, nicht Kaufverhalten. Nur Abstract gelesen. Gleiche Forschungsgruppe wie die Meta-Analyse.", "interessenlage": "keine bekannt", "score": { "design": 4, "datenbasis": 4, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Präregistrierte Laborexperimente, akademisch; neu und nicht unabhängig repliziert.", "gesamt": 5.0 }, "richtung": "offen", "quelle_url": "https://doi.org/10.1057/s41272-026-00578-5", "zugang": "teilweise", "folgen": [ 25 ], "stand": "2026-11-06" }, { "id": "vzbv-ein-jahr-kuendigungsbutton-2023", "titel_original": "Ein Jahr Kündigungsbutton", "titel_de": "vzbv-Prüfung: Ein Jahr Kündigungsbutton", "autoren": "Verbraucherzentrale Bundesverband (vzbv)", "herausgeber": "vzbv", "jahr": 2023, "studientyp": "Fallsammlung", "themen": [ "Recht & Datenschutz", "CRM & Loyalität" ], "kernaussage": "Ein Jahr nach Einführung der Pflicht hatte weniger als die Hälfte der geprüften Anbieterseiten einen rechtskonformen Kündigungsbutton, wenn auch deutlich mehr als kurz nach dem Start.", "zahlen": [ { "wert": "28 % → 42 %", "bedeutung": "Anteil rechtskonformer Kündigungsbuttons, Nov. 2022 vs. Juni 2023" }, { "wert": "1.233 von 2.946", "bedeutung": "konforme Anbieterseiten im Juni 2023" }, { "wert": "+14 Prozentpunkte (+50 %)", "bedeutung": "Anstieg absolut bzw. relativ" } ], "methode": "Automatisiertes Prüfskript plus stichprobenartige Handprüfung.", "datenbasis": "Rund 3.000 deutsche Anbieterseiten mit online abschließbaren Abos.", "einschraenkungen": "Neuere Vollerhebung nicht gefunden. Keine Aussage, ob Kündigungsbuttons die Abwanderung erhöhen.", "interessenlage": "Verbraucherverband mit Interesse an Durchsetzung und Regulierung.", "score": { "design": 4, "datenbasis": 7, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Breite, teilautomatisierte Prüfung in Deutschland; Verbandsabsender; nicht unabhängig wiederholt.", "gesamt": 5.0 }, "richtung": "offen", "quelle_url": "https://www.vzbv.de/sites/default/files/2023-07/23-07-03_Kurzpapier_1_Jahr_Kuendigungsbutton_freigegeben.pdf", "zugang": "offen", "folgen": [ 28 ], "stand": "2026-11-06" }, { "id": "ipsos-werbung-ki-antworten-2026", "titel_original": "Ipsos survey on ads in AI search results (February 2026)", "titel_de": "Ipsos: Werbung in KI-Antworten senkt das Vertrauen", "autoren": "Ipsos", "herausgeber": "Ipsos", "jahr": 2026, "studientyp": "Umfrage", "themen": [ "GEO & KI-Suche", "KI im Marketing" ], "kernaussage": "Eine Mehrheit der befragten US-Erwachsenen sagt, Werbung in KI-Antworten würde ihr Vertrauen in diese Antworten senken; nur rund ein Viertel widerspricht.", "zahlen": [ { "wert": "63 %", "bedeutung": "Anteil, der sagt, Werbung in KI-Antworten würde das Vertrauen senken (27 % stark, 36 % teilweise)" }, { "wert": "24 %", "bedeutung": "Anteil, der dem widerspricht" }, { "wert": "52 % / 36 %", "bedeutung": "Anteil, der der Aussage widerspricht bzw. zustimmt, Werbung vereinfache den Kaufprozess" }, { "wert": "1.085", "bedeutung": "befragte US-Erwachsene" } ], "methode": "Repräsentativ angelegte Online-Befragung US-amerikanischer Erwachsener.", "datenbasis": "1.085 US-Erwachsene, Februar 2026.", "einschraenkungen": "Misst geäußerte Einstellungen, nicht tatsächliches Verhalten; Befragte überschätzen oft, wie sehr Werbung sie stören würde. Nur USA.", "interessenlage": "Ipsos ist ein unabhängiges Marktforschungsinstitut; kein Auftraggeber in den Quellen genannt.", "score": { "design": 5, "datenbasis": 5, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Seriöse Querschnittsbefragung eines unabhängigen Instituts, aber nur Einstellungsdaten zu einem neuen Thema.", "gesamt": 4.9 }, "richtung": "offen", "quelle_url": "https://www.searchenginejournal.com/trust-in-ai-search-could-drop-with-ads-survey-shows/571240/", "zugang": "offen", "folgen": [ 2 ], "stand": "2026-11-06" }, { "id": "schindler-kibarian-99-quality-image-2001", "titel_original": "Image Communicated by the Use of 99 Endings in Advertised Prices", "titel_de": "Wirkung von ,99 auf Preis- und Qualitätsimage in Anzeigen", "autoren": "Schindler, Kibarian", "herausgeber": "Journal of Advertising 30 (4)", "jahr": 2001, "studientyp": "Laborexperiment", "themen": [ "Preis & Promotion", "Kreation & Werbewirkung" ], "kernaussage": "In einem Anzeigen-Experiment ließ ,99 den Preis günstiger und eher wie einen Rabatt wirken; bei Anzeigen höherwertiger Händler schadete ,99 aber dem Qualitätsimage.", "zahlen": [], "methode": "Anzeigen-Experiment mit Preisendungen und Händlerqualität.", "datenbasis": "Stichprobe nicht geprüft.", "einschraenkungen": "Abstract über OpenAlex gelesen. Steht in Spannung zur Meta-Analyse von Troll et al. (2024), die im Mittel keinen Qualitätseffekt findet. Kein Primärbeleg, dass Prestige-Preise ohne Cent den Absatz steigern.", "interessenlage": "keine bekannt", "score": { "design": 4, "datenbasis": 3, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Einzelnes Laborexperiment mit unbekannter Stichprobe; Qualitätsbefund im Mittel nicht bestätigt.", "gesamt": 4.9 }, "richtung": "gemischt", "quelle_url": "https://doi.org/10.1080/00913367.2001.10673654", "zugang": "paywall", "folgen": [ 25 ], "stand": "2026-11-06" }, { "id": "breuer-brettel-online-advertising-effects-2012", "titel_original": "Short- and Long-term Effects of Online Advertising: Differences between New and Existing Customers", "titel_de": "Kurz- und Langzeiteffekte von Online-Werbekanälen", "autoren": "Breuer, Brettel", "herausgeber": "Journal of Interactive Marketing 26(3), 155–166", "jahr": 2012, "studientyp": "Ökonometrie/MMM", "themen": [ "Search & Performance", "Messung & Attribution" ], "kernaussage": "In den Daten eines Unternehmens hatte Suchmaschinenwerbung die längste Absatzwirkung unter den Online-Kanälen, vor Bannern, Gutschein-/Loyalty- und Preisvergleichswerbung.", "zahlen": [ { "wert": "2,8 Mio.", "bedeutung": "ausgewertete Käufe" } ], "methode": "Zeitreihenanalyse von Beobachtungsdaten eines Einzelunternehmens.", "datenbasis": "2,8 Mio. Käufe, ein Unternehmen", "einschraenkungen": "Einzelunternehmen, Beobachtungsdaten, nur Online-Kanäle untereinander verglichen; Abstract, Paywall. Widerspricht teils Profit Ability 2 zu Search.", "interessenlage": "Akademisch (RWTH Aachen); keine bekannt", "score": { "design": 4, "datenbasis": 4, "unabhaengigkeit": 9, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Beobachtungsdaten eines Unternehmens, unabhängig, aber nicht repliziert.", "gesamt": 4.8 }, "richtung": "gemischt", "quelle_url": "https://ideas.repec.org/a/eee/joinma/v26y2012i3p155-166.html", "zugang": "paywall", "folgen": [ 32 ], "stand": "2026-11-06" }, { "id": "iab-sonata-ai-ad-gap-2026", "titel_original": "The AI Ad Gap Widens", "titel_de": "IAB: Die KI-Werbe-Lücke zwischen Managern und Gen Z", "autoren": "Williamson, Koch, Giegerich (IAB, Sonata Insights)", "herausgeber": "IAB", "jahr": 2026, "studientyp": "Umfrage", "themen": [ "KI im Marketing", "Kreation & Werbewirkung" ], "kernaussage": "US-Werbemanager halten KI-Werbung für weit beliebter bei Gen Z und Millennials, als sie tatsächlich ist, und die Lücke wächst; gleichzeitig setzen sie KI in der Kreation immer häufiger ein.", "zahlen": [ { "wert": "82 % vs. 45 %", "bedeutung": "Manager, die glauben, junge Konsumenten sähen KI-Werbung positiv, vs. tatsächlicher Anteil" }, { "wert": "32 → 37 Pp.", "bedeutung": "Wachstum der Wahrnehmungslücke 2024 → 2026" }, { "wert": "39 % vs. 20 %", "bedeutung": "Gen Z bzw. Millennials mit negativer Sicht auf KI-Werbung (2024: 21 % / 15 %)" }, { "wert": "83 %", "bedeutung": "Manager, die KI in der Kreation einsetzen (2024: 60 %)" }, { "wert": "73 %", "bedeutung": "junge Konsumenten, die sagen, KI-Wissen erhöhe oder ändere ihre Kaufwahrscheinlichkeit nicht" }, { "wert": "46 % vs. 22 %", "bedeutung": "Manager vs. Konsumenten, die KI-Werbung „zukunftsorientiert“ nennen" } ], "methode": "Online-Befragung beider Gruppen über IAB Insights Engine/Attest.", "datenbasis": "505 US-Konsumenten (Gen Z 16–27, Millennials 28–43) und 104 US-Werbemanager aus Firmen mit mind. 1 Mio. $ Mediabudget, Okt. 2025–Jan. 2026", "einschraenkungen": "Nur USA und junge Zielgruppen; kleine Managerstichprobe. Die Selbstauskunft „Hinweis schadet nicht“ widerspricht Experimenten, die eine kleine Label-Strafe messen.", "interessenlage": "Bezahlt vom Branchenverband IAB.", "score": { "design": 4, "datenbasis": 4, "unabhaengigkeit": 5, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Wiederholte Befragung eines Verbands mit offengelegter Methode; Bubble-Muster auch bei Kantar, Selbstauskunft aber widersprüchlich zu Experimenten.", "gesamt": 4.8 }, "richtung": "bestaetigt", "quelle_url": "https://www.iab.com/insights/the-ai-gap-widens/", "zugang": "offen", "folgen": [ 14 ], "stand": "2026-11-06" }, { "id": "ipa-bellwether-q2-2026", "titel_original": "IPA Bellwether Report Q2 2026", "titel_de": "IPA Bellwether Q2 2026: UK-Marketingbudgets", "autoren": "IPA, S&P Global", "herausgeber": "IPA", "jahr": 2026, "studientyp": "Umfrage", "themen": [ "Media & Budget" ], "kernaussage": "Britische Unternehmen haben ihre Marketingbudgets im zweiten Quartal 2026 per Saldo erneut erhöht, vor allem bei Video, während sie „other online“ erstmals seit sieben Quartalen kürzten.", "zahlen": [ { "wert": "+6,9 %", "bedeutung": "Netto-Saldo der Budgetrevisionen Q2 2026 (Q1: +7,3 %)" }, { "wert": "+8,2 %", "bedeutung": "Netto-Saldo Video, höchster Wert seit sieben Quartalen" }, { "wert": "−5,1 %", "bedeutung": "Netto-Saldo „other online“" } ], "methode": "Vierteljährliche Befragung; Netto-Saldo = Anteil „erhöht“ minus Anteil „gesenkt“.", "datenbasis": "rund 300 UK-Firmen", "einschraenkungen": "Richtungs-, keine Mengenangabe – nicht als „Budgets +6,9 %“ lesen. Nur UK.", "interessenlage": "IPA ist der Verband der britischen Werbeagenturen.", "score": { "design": 4, "datenbasis": 4, "unabhaengigkeit": 5, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Lange laufende Quartalsbefragung mit klarer Methode, aber Verbandsabsender und reine Richtungsangabe.", "gesamt": 4.8 }, "richtung": "bestaetigt", "quelle_url": "https://ipa.co.uk/news/bellwether-report-q2-2026", "zugang": "teilweise", "folgen": [ 17 ], "stand": "2026-11-06" }, { "id": "park-et-al-llm-agents-self-reports-2026", "titel_original": "LLM Agents Grounded in Self-Reports Enable General-Purpose Simulation of Individuals", "titel_de": "Digitale Zwillinge aus Interviews mit 1.052 Menschen", "autoren": "Park et al.", "herausgeber": "arXiv:2411.10109v3", "jahr": 2026, "studientyp": "Laborexperiment", "themen": [ "KI im Marketing", "Methodik & Marktforschung" ], "kernaussage": "KI-Agenten auf Basis zweistündiger Interviews mit echten Menschen bilden deren Antworten deutlich besser ab als Agenten, die nur Demografie kennen. Das ist eher Datenanreicherung als Ersatz für Befragung.", "zahlen": [ { "wert": "83 % / 82 % / 86 %", "bedeutung": "Genauigkeit relativ zur eigenen Zwei-Wochen-Test-Retest-Konsistenz der Teilnehmenden" }, { "wert": "74 %", "bedeutung": "dasselbe für Agenten nur mit Demografie" }, { "wert": "1.052", "bedeutung": "interviewte US-Amerikaner" } ], "methode": "Agenten aus Interviewtranskripten beantworten Umfragen und Experimente; Vergleich mit den echten Antworten derselben Personen.", "datenbasis": "1.052 US-Teilnehmende mit je zweistündigem Interview.", "einschraenkungen": "Nicht peer-reviewt. Ältere Fassung nannte „85 %“, aktuell 83/82/86 %. Benötigt echte Interviewdaten, Datenschutz beachten.", "interessenlage": "Stanford mit Google DeepMind (Anbieter von KI-Modellen).", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Validierung gegen echte Personen mit mittlerer Stichprobe; Industriebeteiligung, Preprint, nicht repliziert.", "gesamt": 4.8 }, "richtung": "offen", "quelle_url": "https://arxiv.org/pdf/2411.10109", "zugang": "offen", "folgen": [ 26 ], "stand": "2026-11-06" }, { "id": "schindler-99-prices-lowest-prices-2001", "titel_original": "Relative price level of 99-ending prices: image versus reality", "titel_de": "99er-Preise sind seltener die günstigsten", "autoren": "Schindler", "herausgeber": "Marketing Letters 12 (3)", "jahr": 2001, "studientyp": "Paneldaten-Analyse", "themen": [ "Preis & Promotion" ], "kernaussage": "In einem Preisvergleich waren 99er-Preise seltener als andere Endungen unter den günstigsten Preisen eines Artikels; das günstige Image der 9 entspricht also nicht unbedingt der Realität.", "zahlen": [], "methode": "Preisvergleich zwischen Anbietern desselben Artikels.", "datenbasis": "Stichprobe nicht geprüft; US-Marktlage um 2000.", "einschraenkungen": "Nur Abstract gelesen, ohne Stichprobe. In der Folge allenfalls als gekennzeichneter Nebensatz vorgesehen.", "interessenlage": "keine bekannt", "score": { "design": 4, "datenbasis": 3, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Einzelne Preisvergleichsstudie mit unbekannter Basis; nicht repliziert.", "gesamt": 4.8 }, "richtung": "offen", "quelle_url": "https://doi.org/10.1023/A:1011116827790", "zugang": "paywall", "folgen": [], "stand": "2026-11-06" }, { "id": "sharp-2000-loyalty-programs-replication-nz", "titel_original": "Loyalty Programs and their Impact on Repeat-Purchase Loyalty Patterns: a replication and extension", "titel_de": "Replikation Neuseeland: Programm wirkt, Marktanteil sinkt", "autoren": "Sharp, Sharp", "herausgeber": "Manuskript (Publikationsstatus unklar)", "jahr": 2000, "studientyp": "Paneldaten-Analyse", "themen": [ "CRM & Loyalität", "Handel & Commerce" ], "kernaussage": "In einem austauschbaren Tankstellenmarkt zeigte ein Bonusprogramm messbare Zusatz-Loyalität bei Mitgliedern, ohne dass die Programmmarke Marktanteil gewann.", "zahlen": [ { "wert": "6,9 vs. 6,5", "bedeutung": "tatsächliche vs. erwartete Kaufhäufigkeit der Programmmarke" }, { "wert": "52 % vs. 47 %", "bedeutung": "tatsächlicher vs. erwarteter Share of Requirements" }, { "wert": "7,9 vs. 7,2", "bedeutung": "Kaufhäufigkeit Mitglieder (Nicht-Mitglieder 5,6 vs. 5,7)" }, { "wert": "32 % → 30 %", "bedeutung": "Marktanteil der Programmmarke" } ], "methode": "Telefon-Panel mit Dirichlet-Benchmark.", "datenbasis": "592 Befragte, 10 Wochen bis 15.12.1996, Neuseeland, Tankstellen; Marken anonymisiert", "einschraenkungen": "Publikationsstatus und Jahr unklar (academia.edu nennt 2000 und nur Anne Sharp als Autorin, die Belegliste Sharp & Sharp); PDF nur auf einer Drittseite. Nur als Kontrast nutzbar.", "interessenlage": "Keine Angaben.", "score": { "design": 6, "datenbasis": 3, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Panelstudie mit Benchmark, aber unklarer Status und kleine Stichprobe.", "gesamt": 4.8 }, "richtung": "gemischt", "quelle_url": "https://www.academia.edu/12802020/Loyalty_Programs_and_their_Impact_on_Repeat_Purchase_Loyalty_Patterns_a_replication_and_extension", "zugang": "teilweise", "folgen": [ 18 ], "stand": "2026-11-06" }, { "id": "silas-sound-logo-melody-memory-2026", "titel_original": "The Recall and Recognition of Sonic Logos", "titel_de": "Komplexe Sound-Logos: besser wiedererkannt, schlechter nachgesungen", "autoren": "Silas, Robinson, Baker, Harrison, Jacoby, Müllensiefen", "herausgeber": "Psychology of Aesthetics, Creativity, and the Arts", "jahr": 2026, "studientyp": "Laborexperiment", "themen": [ "Kreation & Werbewirkung", "Markenaufbau & Wachstum" ], "kernaussage": "Komplexere Melodien von Sound-Logos werden besser wiedererkannt, aber schlechter nachgesungen; gemessen wurde Melodiegedächtnis, keine Markenverknüpfung.", "zahlen": [ { "wert": "90", "bedeutung": "nie veröffentlichte Sound-Logos" }, { "wert": "1.860", "bedeutung": "Teilnehmende" } ], "methode": "Laborexperiment zu Wiedererkennung und gesungenem Abruf.", "datenbasis": "90 Sound-Logos, 1.860 Teilnehmende (über SliceThePie rekrutiert)", "einschraenkungen": "Keine Markenverknüpfung, kein Absatz; nicht repliziert.", "interessenlage": "Gefördert durch InnovateUK in Kooperation mit der Sound-Agentur SoundOut/Slicethepie", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Großes, seriöses Laborexperiment mit Industriekooperation; nur Gedächtnismaße.", "gesamt": 4.8 }, "richtung": "offen", "quelle_url": "https://www.repository.cam.ac.uk/items/903c50f3-6d66-4721-af94-7c037073b139", "zugang": "offen", "folgen": [ 40 ], "stand": "2026-11-06" }, { "id": "tang-ads-that-talk-back-2024", "titel_original": "Ads that Talk Back", "titel_de": "Werbung in Chatbot-Antworten: Wer sie bemerkt", "autoren": "Tang u. a.", "herausgeber": "arXiv 2409.15436", "jahr": 2024, "studientyp": "Laborexperiment", "themen": [ "GEO & KI-Suche", "Kreation & Werbewirkung" ], "kernaussage": "Auch mit Werbehinweis merkte rund die Hälfte der Teilnehmenden nicht, dass eine Chatbot-Antwort Werbung enthielt; Antworten mit verdeckter Werbung wurden teils sogar bevorzugt.", "zahlen": [ { "wert": "49,15 %", "bedeutung": "Teilnehmende, die trotz Werbehinweis nicht erkannten, dass sie Werbung sahen" } ], "methode": "Online-Experiment mit Laborchatbot (GPT-4o/3.5), sechs Bedingungen, Werbefrequenz 100 %.", "datenbasis": "n = 179, USA, Prolific, je ca. 30 pro Bedingung", "einschraenkungen": "Kleine Stichprobe, künstliche Werbedichte, kein Replikat bekannt.", "interessenlage": "Universität, keine Industriefinanzierung erkennbar", "score": { "design": 4, "datenbasis": 2, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Kontrolliertes Online-Experiment unabhängiger Forscher, aber sehr kleine Gruppen und keine Replikation.", "gesamt": 4.8 }, "richtung": "offen", "quelle_url": "https://arxiv.org/abs/2409.15436", "zugang": "offen", "folgen": [ 33 ], "stand": "2026-11-06" }, { "id": "warc-voice-of-the-marketer-2026", "titel_original": "Budget expectations fall faster than business optimism for marketers in 2026", "titel_de": "WARC Voice of the Marketer 2026", "autoren": "WARC", "herausgeber": "WARC", "jahr": 2025, "studientyp": "Umfrage", "themen": [ "Media & Budget", "Markenaufbau & Wachstum" ], "kernaussage": "Mehr als die Hälfte der Marketer sieht Kurzfristdenken inzwischen als große Branchensorge, und nur eine Minderheit erwartet für 2026 ein höheres Budget.", "zahlen": [ { "wert": "55 %", "bedeutung": "Marketer, die Short-Termism als große Branchensorge sehen (2022: 25 %)" }, { "wert": "19 %", "bedeutung": "Markenmarketer, die 2026 ein höheres Budget erwarten" } ], "methode": "Weltweite Online-Befragung von Marketern.", "datenbasis": "über 1.000 Marketer weltweit, Sept.–Okt. 2025", "einschraenkungen": "Selbstauskünfte; Report hinter Paywall.", "interessenlage": "WARC verkauft Effektivitätsdaten und profitiert vom Thema.", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 4, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Große internationale Befragung eines kommerziellen Anbieters, Report nicht frei prüfbar.", "gesamt": 4.8 }, "richtung": "bestaetigt", "quelle_url": "https://www.warc.com/en/press/press-releases/25-12-03_budget-expectations-fall-faster-than-business-optimism-for-marketers-in-2026", "zugang": "teilweise", "folgen": [ 17 ], "stand": "2026-11-06" }, { "id": "wohllebe-et-al-nps-german-ecommerce-2026", "titel_original": "Empirical Study on the Use of the Net Promoter Score in German E-Commerce", "titel_de": "NPS-Einsatz in den größten deutschen Onlineshops", "autoren": "Wohllebe, Kühne, Schwieger, Radtke", "herausgeber": "Handbuch Innovatives Marketing (Springer)", "jahr": 2026, "studientyp": "Fallsammlung", "themen": [ "CRM & Loyalität", "Handel & Commerce" ], "kernaussage": "Rund ein Drittel der 30 größten deutschen Onlineshops nutzt den NPS, meist direkt auf der Bestellbestätigung oder per Mail nach dem Kauf, fast immer mit der Frage nach Weiterempfehlung an Freunde und Kollegen.", "zahlen": [ { "wert": "≈ ⅓", "bedeutung": "Anteil der 30 größten deutschen Onlineshops mit NPS-Abfrage" } ], "methode": "Mystery-Shopping mit Testbestellungen und Service-Anfragen.", "datenbasis": "30 größte deutsche Onlineshops.", "einschraenkungen": "Misst Verbreitung, nicht Wirkung. Genaue Zahl („X von 30“) im frei lesbaren Teil nicht gefunden.", "interessenlage": "keine bekannt", "score": { "design": 4, "datenbasis": 2, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Kleine deskriptive Fallsammlung, akademisch; einzige Deutschland-Verbreitungszahl, nicht repliziert.", "gesamt": 4.8 }, "richtung": "offen", "quelle_url": "https://link.springer.com/rwe/10.1007/978-3-658-46709-8_62-1", "zugang": "teilweise", "folgen": [ 27 ], "stand": "2026-11-06" }, { "id": "alcobendas-et-al-privacy-protection-ad-markets-2023", "titel_original": "The Impact of Privacy Protection on Online Advertising Markets", "titel_de": "Simulation: Folgen eines Cookie-Banns für Werbemärkte", "autoren": "Alcobendas, Kobayashi, Shi, Shum", "herausgeber": "Arbeitspapier (Yahoo Research, Caltech)", "jahr": 2023, "studientyp": "Ökonometrie/MMM", "themen": [ "Recht & Datenschutz", "Media & Budget" ], "kernaussage": "Eine strukturelle Simulation mit Yahoo-Auktionsdaten ergibt, dass ein kompletter Third-Party-Cookie-Bann Publisher-Erlöse und den Überschuss der Werbetreibenden stark senkt; die Sandbox holt einen Teil zurück, große Tech-Firmen profitieren.", "zahlen": [ { "wert": "−54 %", "bedeutung": "simulierter Publisher-Erlös bei komplettem Bann" }, { "wert": "−40 %", "bedeutung": "simulierter Überschuss der Werbetreibenden" }, { "wert": "5,5 Mio. / ≈ 740.000", "bedeutung": "Gebote / Auktionen" } ], "methode": "Strukturelle Simulation auf Basis realer Auktionsdaten.", "datenbasis": "US-Stichprobe, eine Woche im Mai 2022.", "einschraenkungen": "Modellrechnung, kein Experiment. Häufig fälschlich als „Google-Experiment 2024 zu Topics“ bezeichnet; es ist eine Yahoo/Caltech-Simulation von 2023.", "interessenlage": "Mitautor bei Yahoo Research (Werbeanbieter).", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Strukturmodell mit realen Daten, teils Industrieautoren; Arbeitspapier, nicht repliziert.", "gesamt": 4.7 }, "richtung": "offen", "quelle_url": "https://www.shuntokobayashi.com/assets/files/AlcobendasKobayashiShiShum-privacy.pdf", "zugang": "offen", "folgen": [ 30 ], "stand": "2026-11-06" }, { "id": "forrester-state-of-business-buying-2026", "titel_original": "Forrester: The State of Business Buying 2026 (Pressemitteilung und Blog, 21.01.2026)", "titel_de": "Forrester: Lage des B2B-Einkaufs 2026", "autoren": "Forrester", "herausgeber": "Forrester (Buyers’ Journey Survey 2025)", "jahr": 2026, "studientyp": "Umfrage", "themen": [ "B2B", "KI im Marketing" ], "kernaussage": "B2B-Kaufentscheidungen sind Gruppenentscheidungen mit vielen Beteiligten, und fast alle Käufer nutzen inzwischen KI im Kaufprozess. Die Mehrheit der Käufer ab Managerebene gehört zu Millennials oder Gen Z.", "zahlen": [ { "wert": "13 + 9", "bedeutung": "interne Stakeholder und externe Einflussgeber einer typischen Kaufentscheidung" }, { "wert": "94 %", "bedeutung": "Business-Käufer, die im Kaufprozess KI nutzen" }, { "wert": "53 %", "bedeutung": "Fälle, in denen Procurement mitentscheidet" }, { "wert": "64 %", "bedeutung": "Anteil Millennials/Gen Z unter Befragten ab Managerebene" } ], "methode": "Globale Befragung von Business-Käufern (Buyers’ Journey Survey 2025).", "datenbasis": "Knapp 18.000 Business-Käufer weltweit; Länder und Feldzeit öffentlich nicht angegeben.", "einschraenkungen": "Vollreport hinter Kunden-Paywall. Die 64 % beschreiben die Stichprobe, nicht die Grundgesamtheit. „AI“ ist anders definiert als Gartners „GenAI“ (45 %).", "interessenlage": "Forrester verkauft Analysen und Beratung an B2B-Anbieter.", "score": { "design": 4, "datenbasis": 8, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Sehr große Querschnittsbefragung, aber Methodik kaum offen; Beratungsinteresse; Werte nicht unabhängig geprüft.", "gesamt": 4.7 }, "richtung": "offen", "quelle_url": "https://www.forrester.com/press-newsroom/forrester-2026-the-state-of-business-buying/", "zugang": "teilweise", "folgen": [ 22 ], "stand": "2026-11-06" }, { "id": "gartner-cmo-spend-survey-2026", "titel_original": "Gartner 2026 CMO Spend Survey", "titel_de": "Gartner CMO Spend Survey 2026: Budgets, KI, Funnel", "autoren": "Gartner (McIntyre, Dooley)", "herausgeber": "Gartner", "jahr": 2026, "studientyp": "Umfrage", "themen": [ "Media & Budget", "KI im Marketing" ], "kernaussage": "Marketingbudgets großer Konzerne stagnieren bei knapp 8 % vom Umsatz, deutlich unter dem Niveau vor der Pandemie; zugleich fließen 15 % in KI-Initiativen und fast zwei Drittel der Media-Ausgaben in Awareness und Conversion, während Retention schrumpft.", "zahlen": [ { "wert": "7,8 %", "bedeutung": "Marketingbudget in % vom Unternehmensumsatz 2026 (2025: 7,7 %; 2022: 9,5 %; vor der Pandemie im Schnitt 11 %)" }, { "wert": "56 %", "bedeutung": "CMOs, deren Budget laut eigener Aussage nicht für die Strategie 2026 reicht" }, { "wert": "15,3 %", "bedeutung": "Anteil des Marketingbudgets für „AI initiatives“ (KI-reife Firmen: 21,3 %)" }, { "wert": "30 %", "bedeutung": "CMOs mit reifer oder voll entwickelter KI-Readiness" }, { "wert": "62,6 %", "bedeutung": "Anteil von Awareness und Conversion an den Media-Ausgaben" }, { "wert": "< 15 %", "bedeutung": "Anteil von Loyalty und Retention an den Media-Ausgaben, relativ −29 % seit 2024" }, { "wert": "21,9 % → 24,5 %", "bedeutung": "Personalanteil am Marketingbudget 2025 → 2026" }, { "wert": "31,4 %", "bedeutung": "Paid-Media-Anteil am Budget 2026 (2025: 30,6 %)" } ], "methode": "Jährliche Querschnittsbefragung von CMOs und Marketingleitungen, jedes Jahr neue Stichprobe.", "datenbasis": "401 CMOs/Marketingleitungen, Nordamerika, UK, Europa, Jan.–März 2026, überwiegend Firmen mit über 1 Mrd. $ Umsatz", "einschraenkungen": "Nicht auf den Mittelstand übertragbar; kein Panel, Jahressprünge daher unpräzise. Was die 15,3 % für KI umfassen, ist öffentlich nicht definiert. Ob +10 %/−29 % relativ oder in Punkten gemeint sind, sagt Gartner nicht (rechnerisch relativ). Die These, KI lenke Budget in leicht optimierbare Funnel-Stufen, ist eine Analystenmeinung, kein Messergebnis.", "interessenlage": "Gartner verkauft Beratung und Benchmarks an CMOs; Volltext nur für Kunden.", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 4, "replikation": 6, "uebertragbarkeit": 4, "begruendung": "Große, regelmäßige Befragung mit grob offengelegter Methode, aber kommerzieller Absender und Konzernfokus; Budgettrend durch CMO Survey gestützt.", "gesamt": 4.7 }, "richtung": "bestaetigt", "quelle_url": "https://www.gartner.com/en/newsroom/press-releases/2026-05-11-gartner-2026-cmo-spend-survey-finds-cmos-allocate-15-point-3-percent-of-marketing-budgets-to-ai-but-only-30-percent-are-ready-to-scale-ai-capabilities", "zugang": "teilweise", "folgen": [ 17, 18 ], "stand": "2026-11-06" }, { "id": "horton-homo-silicus-2023", "titel_original": "Large Language Models as Simulated Economic Agents: What Can We Learn from Homo Silicus?", "titel_de": "„Homo silicus“: Sprachmodelle als simulierte ökonomische Akteure", "autoren": "Horton", "herausgeber": "NBER Working Paper 31122", "jahr": 2023, "studientyp": "Laborexperiment", "themen": [ "KI im Marketing", "Methodik & Marktforschung" ], "kernaussage": "Ökonomische Klassiker wie die Fairness-Bewertung einer Preiserhöhung nach einem Schneesturm lassen sich mit Sprachmodellen nachspielen; der Autor warnt selbst, dass solche Ergebnisse brüchig sein können.", "zahlen": [], "methode": "Qualitative Nachstellung klassischer ökonomischer Experimente mit Sprachmodellen.", "datenbasis": "Wenige ausgewählte Klassiker (u. a. Kahneman et al. 1986).", "einschraenkungen": "Keine systematische Trefferquote. Befunde könnten an einzelnen Beispielen hängen und aus den Trainingsdaten stammen.", "interessenlage": "keine bekannt", "score": { "design": 4, "datenbasis": 2, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Qualitative Demonstration ohne systematische Validierung; Arbeitspapier.", "gesamt": 4.7 }, "richtung": "offen", "quelle_url": "https://arxiv.org/pdf/2301.07543", "zugang": "offen", "folgen": [ 26 ], "stand": "2026-11-06" }, { "id": "krishnan-kellaris-aurand-sonic-logos-2012", "titel_original": "Sonic logos: can sound influence willingness to pay?", "titel_de": "Sound-Logos: Wie viele Töne wertvoll wirken", "autoren": "Krishnan, Kellaris, Aurand", "herausgeber": "Journal of Product & Brand Management 21(4), 275–284", "jahr": 2012, "studientyp": "Laborexperiment", "themen": [ "Kreation & Werbewirkung" ], "kernaussage": "Sound-Logos mit sechs Tönen wurden als wertvoller eingeschätzt als solche mit drei oder neun Tönen, vermittelt über Verarbeitungsflüssigkeit.", "zahlen": [ { "wert": "6 vs. 3/9", "bedeutung": "Tonzahl mit höherer wahrgenommener Wertigkeit vs. weniger wertvoll eingeschätzte Varianten" } ], "methode": "Laborexperiment zur Zahlungsbereitschaft für Sound-Logos.", "datenbasis": "Stichprobe im Abstract nicht genannt", "einschraenkungen": "Zielgröße ist die Zahlungsbereitschaft für das Logo selbst, nicht für ein Produkt; nicht repliziert; Paywall.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 4, "datenbasis": 2, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Laborexperiment mit unbekannter Fallzahl, nicht repliziert.", "gesamt": 4.7 }, "richtung": "offen", "quelle_url": "https://www.emerald.com/jpbm/article-abstract/21/4/275/235089/Sonic-logos-can-sound-influence-willingness-to-pay", "zugang": "paywall", "folgen": [ 40 ], "stand": "2026-11-06" }, { "id": "owm-trend-barometer-2026", "titel_original": "OWM Trend-Barometer: Werbungtreibende sehen 2026 vorsichtig optimistisch", "titel_de": "OWM-Trendbarometer: Werbebudgets 2026", "autoren": "Organisation Werbungtreibende im Markenverband (OWM)", "herausgeber": "OWM", "jahr": 2025, "studientyp": "Umfrage", "themen": [ "Media & Budget", "Messung & Attribution" ], "kernaussage": "Große deutsche Werbungtreibende erwarten für 2026 überwiegend stagnierende Budgets und sehen die mangelnde Nachvollziehbarkeit der Werbewirkung als größte Herausforderung.", "zahlen": [ { "wert": "92 %", "bedeutung": "Befragte, die mangelnde Nachvollziehbarkeit der Werbewirkung als größte Herausforderung nennen" }, { "wert": "9 % / 62 % / 29 %", "bedeutung": "planen Steigerung / stabile Budgets / Kürzung (aus zweiter Hand, DWDL)" } ], "methode": "Befragung der OWM-Mitglieder.", "datenbasis": "laut DWDL über 110 große Werbungtreibende, Herbst 2025; n und Feldzeit nicht veröffentlicht", "einschraenkungen": "Prognose, kein Ist-Wert; Verteilung der Budgetpläne nur aus zweiter Hand.", "interessenlage": "Interessenvertretung der Werbungtreibenden.", "score": { "design": 4, "datenbasis": 3, "unabhaengigkeit": 5, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Mitgliederbefragung eines Verbands ohne offengelegte Stichprobe; Richtung deckt sich mit ZAW.", "gesamt": 4.7 }, "richtung": "bestaetigt", "quelle_url": "https://www.owm.de/presse/pressemitteilungen/pm-einzelansicht/owm-trend-barometer-werbungtreibende-sehen-2026-vorsichtig-optimistisch", "zugang": "offen", "folgen": [ 17 ], "stand": "2026-11-06" }, { "id": "tiemessen-deceptive-countdown-timers-2022", "titel_original": "The time is ticking: the effect of deceptive countdown timers on consumers’ buying behavior and experience", "titel_de": "Täuschende Countdown-Timer im Experiment (Masterarbeit)", "autoren": "Tiemessen", "herausgeber": "Radboud Universiteit Nijmegen (Masterarbeit)", "jahr": 2022, "studientyp": "Laborexperiment", "themen": [ "Recht & Datenschutz", "Handel & Commerce" ], "kernaussage": "Täuschende Countdown-Timer können die Produktwahl beeinflussen, machen aber einen Teil der Teilnehmenden skeptisch und können den Anreiz eines Rabatts sogar schwächen.", "zahlen": [ { "wert": "N = 245", "bedeutung": "Teilnehmende" } ], "methode": "Experiment mit Countdown-Timer-Varianten.", "datenbasis": "245 Teilnehmende, Niederlande.", "einschraenkungen": "Kleine Stichprobe, Abschlussarbeit; nur als Hinweis, keine Kernzahl. Kurzfassung als CHI 2023 Extended Abstract, nicht eingesehen.", "interessenlage": "keine bekannt", "score": { "design": 4, "datenbasis": 2, "unabhaengigkeit": 10, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Kleines Experiment einer Abschlussarbeit; nicht repliziert.", "gesamt": 4.7 }, "richtung": "offen", "quelle_url": "https://www.cs.ru.nl/masters-theses/2022/J_Tiemessen___The_time_is_ticking:_the_effect_of_deceptive_countdown_timers_on_consumers'_buying_behavior_and_experience.pdf", "zugang": "offen", "folgen": [ 28 ], "stand": "2026-11-06" }, { "id": "vccp-amplified-1-5-sekunden-2025", "titel_original": "Hacking the attention economy: 1.5 second formula for effective digital advertising", "titel_de": "VCCP/Amplified: 1,5 Sekunden reichen fürs Erinnern", "autoren": "Nelson-Field u. a.", "herausgeber": "VCCP Media, Amplified Intelligence", "jahr": 2025, "studientyp": "Laborexperiment", "themen": [ "Kreation & Werbewirkung", "Markenaufbau & Wachstum" ], "kernaussage": "Schon anderthalb Sekunden echte Aufmerksamkeit können für Werbeerinnerung reichen, aber nur, wenn eindeutige Markenmerkmale im Bild sind; gut gebrandete Werbemittel schnitten aufmerksamkeitsbereinigt deutlich besser ab.", "zahlen": [ { "wert": "1,5 s", "bedeutung": "Aufmerksamkeitsdauer, ab der Erinnerung bei klaren Markenmerkmalen messbar war" }, { "wert": "3,5-fach", "bedeutung": "aufmerksamkeitsbereinigte Rendite gut gebrandeter Werbemittel gegenüber schwach gebrandeten" }, { "wert": "über 20.000", "bedeutung": "Sichtungen in der Studie" } ], "methode": "Zwillingsvergleich derselben Videowerbemittel mit und ohne Markenmerkmale in einem realitätsnahen digitalen Feed, gemessen über Aufmerksamkeit und Erinnerung.", "datenbasis": "Über 20.000 Sichtungen, 72 Videowerbemittel, acht Marken.", "einschraenkungen": "Misst Erinnerung und Werbestärke, nicht Verkäufe; 'Rendite' ist kein Umsatzmaß. Nicht begutachtet.", "interessenlage": "Gemeinsame Studie einer Agentur und eines Anbieters von Aufmerksamkeitsmessung; beide profitieren vom Thema.", "score": { "design": 6, "datenbasis": 5, "unabhaengigkeit": 4, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Ordentliches Vergleichsdesign mit großer Sichtungszahl, aber Eigeninteresse und kein Verkaufsmaß.", "gesamt": 4.7 }, "richtung": "offen", "quelle_url": "https://www.vccp.com/uk/news/2025/may/hacking-the-attention-economy-vccp-media-and-dr-karen-nelson-field-reveal-1-5-second-formula-for-effective-digital-advertising", "zugang": "offen", "folgen": [ 5 ], "stand": "2026-11-06" }, { "id": "ifh-ecc-b2b-marktmonitor-2025", "titel_original": "B2B-Marktmonitor 2025", "titel_de": "IFH/ECC B2B-Marktmonitor 2025: Online-Anteil im deutschen B2B", "autoren": "IFH Köln, ECC KÖLN", "herausgeber": "IFH Köln", "jahr": 2025, "studientyp": "Ökonometrie/MMM", "themen": [ "B2B", "Handel & Commerce" ], "kernaussage": "Im deutschen B2B laufen zwar Billionenumsätze elektronisch, das meiste davon aber über EDI zwischen Maschinen. Über Onlineshops und Marktplätze erzielen Großhandel und Hersteller nur gut ein Achtel ihres Umsatzes.", "zahlen": [ { "wert": "> 1,5 Bio. €", "bedeutung": "E-Commerce-Umsatz von Großhandel und Herstellern 2024 (inkl. EDI)" }, { "wert": "509 Mrd. €", "bedeutung": "davon über Onlineshops und Marktplätze" }, { "wert": "12,1 %", "bedeutung": "Anteil von Shops und Marktplätzen am Gesamtumsatz" } ], "methode": "Marktmodell aus Destatis-Daten, Befragungen und dem Screening mehrerer hundert Unternehmen.", "datenbasis": "Deutschland, Bezugsjahr 2024.", "einschraenkungen": "„Knapp ein Viertel“ online gilt nur inklusive EDI, meist in bestehenden Lieferbeziehungen. Hochrechnung, keine Vollerhebung.", "interessenlage": "Partner FIS und Shopware (Shop-Softwareanbieter) profitieren von der Botschaft eines wachsenden B2B-Onlinehandels.", "score": { "design": 4, "datenbasis": 7, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Marktmodell mit amtlicher Basis, aber nicht offen nachrechenbar; Partner mit Produktbezug.", "gesamt": 4.6 }, "richtung": "offen", "quelle_url": "https://www.ifhkoeln.de/trotz-konjunkturflaute-b2b-internethandel-von-herstellern-und-grosshandel-legt-um-sieben-prozent-zu/", "zugang": "teilweise", "folgen": [ 22 ], "stand": "2026-11-06" }, { "id": "vercel-merj-rise-of-ai-crawler-2024", "titel_original": "The rise of the AI crawler", "titel_de": "Vercel/MERJ: KI-Crawler rendern kein JavaScript", "autoren": "Vercel, MERJ", "herausgeber": "Vercel (Blog)", "jahr": 2024, "studientyp": "Paneldaten-Analyse", "themen": [ "GEO & KI-Suche", "Search & Performance" ], "kernaussage": "Keiner der großen KI-Crawler führte JavaScript aus; clientseitig geladene Inhalte bleiben für sie unsichtbar. Zudem lief rund ein Drittel ihrer Abrufe ins Leere.", "zahlen": [ { "wert": "11,50 % / 23,84 %", "bedeutung": "Anteil von JS-Dateien an den Abrufen von ChatGPT bzw. Claude (geladen, nicht ausgeführt)" }, { "wert": "34,82 % / 34,16 % / 8,22 %", "bedeutung": "Abrufe mit 404-Fehler bei ChatGPT / Claude / Googlebot" } ], "methode": "Log-Beobachtung von Crawler-Anfragen im Vercel-Netz.", "datenbasis": "Vercel-Netzwerk, Datenstand Ende 2024", "einschraenkungen": "Fast zwei Jahre alt; für AI Overviews und AI Mode zählt Googles eigenes Rendering.", "interessenlage": "Hosting-Anbieter, der Server-Side-Rendering (Next.js) verkauft", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Große Log-Daten eines Anbieters mit Eigeninteresse, veraltet.", "gesamt": 4.6 }, "richtung": "bestaetigt", "quelle_url": "https://vercel.com/blog/the-rise-of-the-ai-crawler", "zugang": "offen", "folgen": [ 39 ], "stand": "2026-11-06" }, { "id": "bain-elements-of-value-2016", "titel_original": "The Elements of Value", "titel_de": "Bain: 30 Nutzenelemente, die Kunden wirklich wertschätzen", "autoren": "Almquist, Senior, Bloch", "herausgeber": "Harvard Business Review / Bain & Company", "jahr": 2016, "studientyp": "Umfrage", "themen": [ "Markenaufbau & Wachstum", "CRM & Loyalität" ], "kernaussage": "Bain ordnet Kundennutzen in 30 Elemente in vier Ebenen (funktional, emotional, lebensverändernd, gesellschaftlich). Marken, die bei mehreren Elementen hoch bewertet werden, zeigen deutlich mehr Weiterempfehlung und Wachstum – als Zusammenhang, nicht als bewiesene Ursache.", "zahlen": [ { "wert": "30", "bedeutung": "Nutzenelemente in vier Kategorien" }, { "wert": "> 10.000", "bedeutung": "befragte US-Konsumenten zu mehr als 50 Unternehmen" }, { "wert": "3× / 20×", "bedeutung": "höhere Kundenfürsprache (Customer Advocacy) bei Firmen mit hohen Werten (≥ 8 von 10) in vier oder mehr Elementen gegenüber Firmen mit nur einem bzw. keinem hohen Wert" }, { "wert": "4×", "bedeutung": "höheres jüngstes Umsatzwachstum (vier+ Elemente gegenüber nur einem)" } ], "methode": "Online-Befragung mit Research Now; 'hoch' heißt mindestens 8 von 10 Punkten bei mindestens der Hälfte der Befragten; Abgleich mit Fürsprache und Umsatzwachstum.", "datenbasis": "Über 10.000 US-Konsumenten, mehr als 50 US-Unternehmen, 2015/2016.", "einschraenkungen": "Querschnittskorrelation; erfolgreiche Marken werden ohnehin positiver bewertet (Halo-Effekt). Die 30 Elemente sind ein Ordnungsrahmen, kein empirisch abgeleitetes Modell.", "interessenlage": "Bain verkauft Beratung auf Basis des Rahmens.", "score": { "design": 4, "datenbasis": 7, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Große Umfrage, aber nur Korrelationen und ohne unabhängige Prüfung des Zusammenhangs mit Wachstum.", "gesamt": 4.5 }, "richtung": "gemischt", "quelle_url": "https://hbr.org/2016/09/the-elements-of-value", "zugang": "teilweise", "folgen": [], "stand": "2026-11-06" }, { "id": "binet-davis-budget-payback-2026", "titel_original": "Balance efficiency and effectiveness (Binet & Davis, IPA Effectiveness Conference 2026)", "titel_de": "Budget schlägt Effizienz: Treiber des Marketing-Paybacks", "autoren": "Binet, Davis", "herausgeber": "IPA", "jahr": 2026, "studientyp": "Fallsammlung", "themen": [ "Media & Budget", "Messung & Attribution" ], "kernaussage": "Unterschiede im Marketing-Payback erklären sich überwiegend durch die Höhe des Budgets und nur zu einem kleinen Teil durch die Rendite je eingesetztem Euro; eine Fixierung auf ROI kann deshalb in eine Abwärtsspirale führen.", "zahlen": [ { "wert": "rund 89 %", "bedeutung": "Anteil der Unterschiede im Marketing-Payback, der durch das Budget erklärt wird" }, { "wert": "rund 11 %", "bedeutung": "Anteil, der durch die Rendite je eingesetztem Euro erklärt wird" }, { "wert": "500", "bedeutung": "befragte Marketingentscheider" } ], "methode": "Auswertung der IPA Databank kombiniert mit einer Befragung von Marketingentscheidern, vorgestellt auf der IPA-Effektivitätskonferenz.", "datenbasis": "IPA Effectiveness Databank plus Befragung von 500 Marketingentscheidern.", "einschraenkungen": "Konferenzvortrag, Methodik der Zerlegung in den zugänglichen Quellen nicht im Detail dokumentiert; Databank-Selektion gilt weiter.", "interessenlage": "IPA ist der Verband der britischen Werbeagenturen; Agenturen profitieren von höheren Budgets.", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Fallsammlung plus Umfrage eines Agenturverbands, frisch und noch nicht unabhängig geprüft.", "gesamt": 4.5 }, "richtung": "offen", "quelle_url": "https://ipa.co.uk/news/go-big-or-go-home", "zugang": "teilweise", "folgen": [ 4 ], "stand": "2026-11-06" }, { "id": "binet-effectiveness-in-context-2018", "titel_original": "Effectiveness in Context – Preliminary Findings", "titel_de": "Effectiveness in Context: 60:40 je nach Kategorie und Marke", "autoren": "Binet", "herausgeber": "IPA / Screenforce (Vortrag Zürich)", "jahr": 2018, "studientyp": "Fallsammlung", "themen": [ "Markenaufbau & Wachstum", "Media & Budget" ], "kernaussage": "Die optimale Aufteilung zwischen Marke und Aktivierung hängt vom Kontext ab, liegt in den ausgewerteten Aufschlüsselungen aber nie unter rund 58 % Markenanteil; überraschend brauchen gerade Marktführer, Onlinemarken und Kategorieneinsteiger mehr Marke.", "zahlen": [ { "wert": "59 % / 81 %", "bedeutung": "optimaler Markenanteil bei niedriger bzw. hoher Kaufüberlegung" }, { "wert": "58 % / 78 %", "bedeutung": "Markenanteil offline bzw. online" }, { "wert": "67 % / 83 %", "bedeutung": "Markenanteil für kleine Marken (Ø 3 % Marktanteil) bzw. Marktführer (Ø 33 % Marktanteil)" }, { "wert": "62 % / 84 %", "bedeutung": "Markenanteil bei unverändertem Sortiment bzw. Eintritt in eine neue Kategorie" } ], "methode": "Aufschlüsselung der gewinnorientierten Databank-Fälle nach Kaufsituation, Kanal, Innovation, Markengröße und Markenentwicklung; Darstellung als Foliensatz.", "datenbasis": "IPA Effectiveness Databank, Fälle 1998–2016 (Teilauswertung 2014–16); neue und Nischenmarken ausgeschlossen.", "einschraenkungen": "Vorläufige Befunde aus einem Vortrag, keine begutachtete Veröffentlichung; dieselbe Selektionsproblematik wie die Databank insgesamt.", "interessenlage": "Vortrag bei Screenforce, dem Vermarkterverbund des Schweizer Werbefernsehens.", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Teilauswertung der selbstselektierten Databank, vorgestellt bei einer TV-Vermarktungsorganisation, nicht separat geprüft.", "gesamt": 4.5 }, "richtung": "gemischt", "quelle_url": "https://screenforce.ch/wp-content/uploads/2018/07/Les-Binet-for-Screenforce-Zurich.pdf", "zugang": "offen", "folgen": [ 4 ], "stand": "2026-11-06", "alias": [ "binet-field-2018-effectiveness-in-context" ] }, { "id": "edelman-trust-barometer-brand-trust-2025", "titel_original": "2025 Edelman Trust Barometer Special Report: Brand Trust, From We to Me", "titel_de": "Edelman 2025: Markenvertrauen so wichtig wie Preis und Qualität", "autoren": "Edelman Trust Institute", "herausgeber": "Edelman", "jahr": 2025, "studientyp": "Umfrage", "themen": [ "Markenaufbau & Wachstum" ], "kernaussage": "In der Befragung nennen Konsumenten Vertrauen in eine Marke als ebenso wichtiges Kaufkriterium wie Qualität und Preis; die meisten vertrauen den Marken, die sie nutzen, deutlich mehr als Institutionen. Heimische Marken genießen mehr Vertrauen als ausländische – in Deutschland besonders stark.", "zahlen": [ { "wert": "15.000 / 15 Länder", "bedeutung": "Befragte (je Land mind. 1.000), Online-Interviews 24.04.–05.05.2025" }, { "wert": "80 %", "bedeutung": "Befragte, die den Marken vertrauen, die sie nutzen (global)" }, { "wert": "+15 / +30 Punkte", "bedeutung": "Vertrauensvorsprung heimischer vor ausländischen Marken, global bzw. Deutschland" }, { "wert": "1.002", "bedeutung": "Befragte in Deutschland (Fehlermarge ca. ±4 Punkte)" } ], "methode": "Jährliche 30-minütige Online-Befragung mit Quoten nach Alter, Geschlecht und Region.", "datenbasis": "15.000 Befragte in 15 Ländern, darunter rund 1.000 in Deutschland, Frühjahr 2025.", "einschraenkungen": "Selbstauskünfte zur Wichtigkeit, keine Kaufdaten; 'Vertrauen' wird nicht mit tatsächlichem Verhalten verknüpft. Online-Stichproben sind digital-affin.", "interessenlage": "Edelman ist eine PR-Agentur und verkauft Beratung zu Vertrauen und Markenkommunikation.", "score": { "design": 4, "datenbasis": 7, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Große, jährlich wiederholte Umfrage mit offener Grundmethodik, aber Selbstauskunft eines Anbieters mit Eigeninteresse.", "gesamt": 4.5 }, "richtung": "gemischt", "quelle_url": "https://www.edelman.com/trust/2025/trust-barometer/special-report-brands", "zugang": "offen", "folgen": [], "stand": "2026-11-06" }, { "id": "eu-fitness-check-consumer-law-2024", "titel_original": "Fitness Check of EU consumer law on digital fairness", "titel_de": "EU-Fitness-Check Verbraucherrecht inkl. Verbraucherbefragung", "autoren": "Europäische Kommission (DG JUST)", "herausgeber": "Europäische Kommission", "jahr": 2024, "studientyp": "Umfrage", "themen": [ "Recht & Datenschutz", "Handel & Commerce" ], "kernaussage": "Die Kommission hält das EU-Verbraucherrecht für nötig, seine Ziele online aber nur für teilweise erreicht. In der begleitenden Befragung berichtete die Mehrheit von Zeitdruck-Botschaften, viele von schwer kündbaren Abos und unklar gekennzeichneter Werbung.", "zahlen": [ { "wert": "≥ 7,9 Mrd. € / Jahr", "bedeutung": "geschätzter Verbraucherschaden" }, { "wert": "≤ 737,3 Mio. €", "bedeutung": "geschätzte Compliance-Kosten der Unternehmen" }, { "wert": "61–66 %", "bedeutung": "Befragte, die Knappheits- oder Zeitdruck-Botschaften erlebten" }, { "wert": "48 % / 37 %", "bedeutung": "erlebten wiederholtes Nachfragen („Nagging“) / visuell versteckte oder hervorgehobene Optionen" }, { "wert": "40 %", "bedeutung": "fanden die Kündigung wegen des Designs „very difficult“" }, { "wert": "29 %", "bedeutung": "erlebten automatischen Übergang eines Gratis-Tests in ein Bezahl-Abo" }, { "wert": "45 %", "bedeutung": "bemerkten nicht klar gekennzeichnete, bezahlt wirkende Inhalte" } ], "methode": "Evaluierung mit Befragungsdaten und Modellschätzung (Staff Working Document), darunter eine Verbraucher- und Unternehmensbefragung.", "datenbasis": "10.000 Verbraucher, 1.000 Unternehmen, 10 Mitgliedstaaten inkl. Deutschland.", "einschraenkungen": "Schadenszahl ist eine Modellschätzung, keine Messung. Befragungswerte sind Selbstauskunft aus der Erinnerung, kein Beleg für Schaden im Einzelfall.", "interessenlage": "Auftraggeber ist die Kommission, die mit dem Digital Fairness Act selbst neue Regeln plant.", "score": { "design": 4, "datenbasis": 7, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Große Mehrländerbefragung plus Modell, aber Selbstauskunft und Auftraggeber mit Gesetzgebungsinteresse.", "gesamt": 4.5 }, "richtung": "offen", "quelle_url": "https://www.europarl.europa.eu/meetdocs/2024_2029/plmrep/COMMITTEES/IMCO/DV/2024/11-18/Fitnesscheckresults_EN.pdf", "zugang": "offen", "folgen": [ 28 ], "stand": "2026-11-06" }, { "id": "ipsos-consumer-tracker-wave-133-2026", "titel_original": "Ipsos Consumer Tracker Wave 133", "titel_de": "Ipsos: Erwartungen an Werbung in KI-Suchergebnissen (USA)", "autoren": "Ipsos", "herausgeber": "Ipsos", "jahr": 2026, "studientyp": "Umfrage", "themen": [ "GEO & KI-Suche" ], "kernaussage": "Knapp zwei Drittel der US-Erwachsenen erwarten, dass Anzeigen in KI-Suchergebnissen ihr Vertrauen senken würden; nur gut ein Drittel glaubt, Werbung mache das Einkaufen einfacher.", "zahlen": [ { "wert": "63 %", "bedeutung": "US-Erwachsene, die sagen, Anzeigen in KI-Suchergebnissen würden ihr Vertrauen senken (27 % voll, 36 % eher)" }, { "wert": "36 %", "bedeutung": "erwarten, dass Werbung das Einkaufen einfacher macht" } ], "methode": "Onlinebefragung, Topline-PDF geprüft.", "datenbasis": "n = 1.085 US-Erwachsene, 27.–28.01.2026, ±3,6 Punkte", "einschraenkungen": "Erwartung vor dem Start, kein beobachtetes Verhalten; Sagen und Bemerken gehen auseinander (vgl. Tang et al.). Nur USA.", "interessenlage": "Ohne externen Auftraggeber", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Querschnittsumfrage eines unabhängigen Instituts; Einstellungsmaß ohne Verhaltensbezug.", "gesamt": 4.5 }, "richtung": "offen", "quelle_url": "https://www.ipsos.com/sites/default/files/ct/news/documents/2026-02/Topline%20Ipsos%20Consumer%20Tracker%20Wave%20133.pdf", "zugang": "offen", "folgen": [ 33 ], "stand": "2026-11-06" }, { "id": "kantar-2023-meaningful-different-salient", "titel_original": "Think Different: The DNA of Breakthrough Brand Value Growth (Kantar BrandZ / Meaningful Different Salient)", "titel_de": "Kantar BrandZ: Bedeutsam, anders, präsent – was Preise trägt", "autoren": "Kantar (mit Oxford Saïd Business School)", "herausgeber": "Kantar", "jahr": 2023, "studientyp": "Anbieterauswertung", "themen": [ "Markenaufbau & Wachstum", "Preis & Promotion" ], "kernaussage": "Nach Kantars Modell tragen vor allem Bedeutsamkeit und Andersartigkeit einer Marke die Preissetzungsmacht, während Salienz eher Volumen sichert; überdurchschnittliche Andersartigkeit erhöht die Wachstumschancen am stärksten.", "zahlen": [ { "wert": "94 % vs. 6 %", "bedeutung": "Anteil von 'Meaningful + Different' bzw. 'Salient' an der modellierten Preissetzungsmacht" }, { "wert": "872", "bedeutung": "Anzahl Marken im Modell mit der Oxford Saïd Business School, 2006–2022" }, { "wert": "> 21.000 / 52 / 4,2 Mio.", "bedeutung": "Marken / Märkte / Verbraucherinterviews in der BrandZ-Datenbank" } ], "methode": "Modellierung von Markenwert, Preissetzungsmacht und Kursentwicklung aus BrandZ-Befragungsdaten zu Meaningful/Different/Salient.", "datenbasis": "BrandZ: über 21.000 Marken in 52 Märkten, 4,2 Mio. Interviews; Modell über 872 Marken 2006–2022.", "einschraenkungen": "Proprietäre Modelle und Kennzahlen eines Marktforschers; Befragungsmaße und Markenwert stammen aus derselben Quelle (gemeinsame Methodenvarianz). Ehrenberg-Bass-Forschung findet, dass Marken sich in wahrgenommener Differenzierung wenig unterscheiden – der Befund ist umstritten.", "interessenlage": "Kantar verkauft BrandZ-Tracking und Markenberatung auf Basis dieses Modells.", "score": { "design": 4, "datenbasis": 9, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Sehr große Befragungsbasis, aber geschlossenes Anbietermodell; konkurrierende akademische Befunde widersprechen der Rolle von Differenzierung teilweise.", "gesamt": 4.5 }, "richtung": "gemischt", "quelle_url": "https://www.kantar.com/inspiration/advertising-media/think-different-the-dna-of-breakthrough-brand-value-growth", "zugang": "offen", "folgen": [], "stand": "2026-11-06" }, { "id": "liu-2007-long-term-loyalty-program", "titel_original": "The Long-Term Impact of Loyalty Programs on Consumer Purchase Behavior and Loyalty", "titel_de": "Vielkäufer holen sich nur die Prämien", "autoren": "Liu", "herausgeber": "Journal of Marketing", "jahr": 2007, "studientyp": "Paneldaten-Analyse", "themen": [ "CRM & Loyalität", "Handel & Commerce" ], "kernaussage": "Vielkäufer lösen Prämien am häufigsten ein, ändern ihr Kaufverhalten durch das Programm aber nicht; Leicht- und Mittelkäufer kaufen dagegen mehr.", "zahlen": [ { "wert": "1.000", "bedeutung": "zufällig gezogene Mitglieder" }, { "wert": "42.788", "bedeutung": "Käufe in den ersten zwei Programmjahren" }, { "wert": "~1 %", "bedeutung": "Belohnungsquote" } ], "methode": "Auswertung von Transaktionsdaten von Mitgliedern ohne Kontrollgruppe.", "datenbasis": "Convenience-Store-Kette mit Tankstellen (anonymisiert, Land nicht genannt), ab März 2002", "einschraenkungen": "Keine Kontrollgruppe (von der Autorin eingeräumt); der Zuwachs bei Leichtkäufern könnte teils Regression zur Mitte sein.", "interessenlage": "Akademisch mit Firmendaten.", "score": { "design": 4, "datenbasis": 4, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Stufe 4: Transaktionsdaten ohne Kontrollgruppe, Einzelfirma.", "gesamt": 4.5 }, "richtung": "offen", "quelle_url": "http://www.yupingliu.com/files/papers/liu_loyalty_program_effects.pdf", "zugang": "offen", "folgen": [ 18 ], "stand": "2026-11-06" }, { "id": "maslowska-too-good-to-be-true-2017", "titel_original": "Too good to be true: the role of online reviews' features in probability to buy", "titel_de": "Zu gut, um wahr zu sein: Kaufwahrscheinlichkeit und Sternwert", "autoren": "Maslowska, Malthouse, Bernritter", "herausgeber": "International Journal of Advertising 36(1), 142–163", "jahr": 2017, "studientyp": "Paneldaten-Analyse", "themen": [ "Handel & Commerce" ], "kernaussage": "Die Kaufwahrscheinlichkeit steigt mit dem Rating nur bis etwa 4,2 bis 4,5 Sterne und fällt danach wieder; perfekte Bewertungen wirken unglaubwürdig.", "zahlen": [ { "wert": "4,2–4,5", "bedeutung": "Sternbereich mit maximaler Kaufwahrscheinlichkeit" } ], "methode": "Beobachtungsdaten aus drei Online-Shops.", "datenbasis": "3 Shops, 4 Kategorien (Glühbirnen, Damen-Sportschuhe, Naturhaarpflege, pflanzliche Vitamine)", "einschraenkungen": "Reine Beobachtung; der Spiegel-Report auf denselben Daten nennt 4,0–4,7. Wenige Kategorien.", "interessenlage": "Daten von PowerReviews, Anbieter von Bewertungssoftware", "score": { "design": 4, "datenbasis": 4, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Beobachtungsstudie mit Industriedaten, peer-reviewt, nicht unabhängig repliziert.", "gesamt": 4.5 }, "richtung": "offen", "quelle_url": "https://doi.org/10.1080/02650487.2016.1195622", "zugang": "paywall", "folgen": [ 34 ], "stand": "2026-11-06" }, { "id": "missouri-sonic-boom-logo-presentation-thesis", "titel_original": "The sonic boom: effect of logo presentation style in television commercials on memory for the advertised brand", "titel_de": "Masterarbeit: Visuelles vs. Sound-Logo im TV-Spot", "autoren": "University of Missouri (M.A. Thesis)", "herausgeber": "University of Missouri (MOspace)", "jahr": null, "studientyp": "Laborexperiment", "themen": [ "Kreation & Werbewirkung" ], "kernaussage": "In einer Masterarbeit wurden Spots mit rein visuellem Logo besser wiedererkannt als Spots mit Sound-Logo; beim Abruf gab es keinen Unterschied.", "zahlen": [], "methode": "Laborexperiment zur Markenerinnerung.", "datenbasis": "Stichprobe nicht angegeben", "einschraenkungen": "Graue Literatur; nur als Hinweis, dass die Laborlage nicht einseitig ist.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 4, "datenbasis": 2, "unabhaengigkeit": 9, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Unbegutachtete Abschlussarbeit mit unbekannter Fallzahl.", "gesamt": 4.5 }, "richtung": "gemischt", "quelle_url": "https://mospace.umsystem.edu/items/3ef128aa-1dc9-4777-b69a-17bd1b1607bb", "zugang": "offen", "folgen": [ 40 ], "stand": "2026-11-06" }, { "id": "nielsen-werbemittel-umsatz-2017", "titel_original": "When it comes to advertising effectiveness, what is key?", "titel_de": "Nielsen 2017: Kreation zentral, Media-Anteil gestiegen", "autoren": "Nielsen", "herausgeber": "Nielsen", "jahr": 2017, "studientyp": "Fallsammlung", "themen": [ "Kreation & Werbewirkung" ], "kernaussage": "Nielsens Auswertung von knapp 500 Konsumgüter-Kampagnen (2016 bis Anfang 2017) fand, dass der Anteil der Media-Faktoren (Reichweite, Targeting, Recency) am Absatzeffekt in rund elf Jahren von 15 auf 36 Prozent gestiegen ist. Für die Kreation nennt Nielsen zum Vergleich 65 Prozent aus Project Apollo (2006); die oft zitierten 47 Prozent stehen nicht in der Quelle.", "zahlen": [ { "wert": "65 %", "bedeutung": "Anteil der Kreation am werbebedingten Absatzzuwachs laut Project Apollo (2006), zum Vergleich genannt" }, { "wert": "36 % (vorher 15 %)", "bedeutung": "Anteil der Media-Faktoren (Reichweite, Targeting, Recency) am Absatzeffekt, Anstieg über rund elf Jahre" }, { "wert": "fast 3x", "bedeutung": "höherer inkrementeller Absatz-Lift, wenn Werbung für am Wochenende gekaufte Produkte (z. B. Bier) donnerstags oder freitags läuft statt an anderen Tagen" }, { "wert": "knapp 500", "bedeutung": "Anzahl ausgewerteter FMCG-Kampagnen aus 2016 und Q1 2017" } ], "methode": "Zerlegung der Umsatzwirkung von Kampagnen auf Einflussfaktoren.", "datenbasis": "Rund 500 Kampagnen.", "einschraenkungen": "Die häufig Nielsen zugeschriebenen 47 % (Werbemittel) und 9 % (Zielgruppenauswahl) stehen nicht auf der Nielsen-Seite, sie kursieren nur über Sekundärquellen. Die 65 % stammen aus einer älteren Studie von 2006. Zerlegung überlappender Faktoren; vorwiegend Konsumgüter.", "interessenlage": "Nielsen verkauft Mess- und Wirkungsforschung.", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Große Fallbasis eines Messanbieters, Methode nur grob beschrieben. Die oft behauptete Bestätigung durch spätere Auswertungen stützt sich auf die 47 %, die in der Quelle nicht vorkommen.", "gesamt": 4.5 }, "richtung": "gemischt", "quelle_url": "https://www.nielsen.com/insights/2017/when-it-comes-to-advertising-effectiveness-what-is-key/", "zugang": "offen", "folgen": [ 7 ], "stand": "2026-11-07", "alias": [ "nielsen-2017-was-ist-entscheidend-werbewirkung" ] }, { "id": "north-hargreaves-mckendrick-instore-music-wine-1997", "titel_original": "In-store music affects product choice", "titel_de": "Das Weinregal-Experiment: Musik und Weinwahl", "autoren": "North, Hargreaves, McKendrick", "herausgeber": "Nature 390, 132 (Vollfassung: Journal of Applied Psychology 84(2), 1999)", "jahr": 1997, "studientyp": "Quasi-Experiment", "themen": [ "Kreation & Werbewirkung", "Handel & Commerce" ], "kernaussage": "Lief französische Musik, wurde mehr französischer Wein gekauft, bei deutscher Musik mehr deutscher; kaum jemand bemerkte den Einfluss. Die Fallzahl war allerdings winzig.", "zahlen": [ { "wert": "40 vs. 12", "bedeutung": "verkaufte Flaschen französischer vs. deutscher Wein bei französischer Musik (aus zweiter Hand)" }, { "wert": "22 vs. 8", "bedeutung": "Flaschen bei deutscher Musik" }, { "wert": "6 von 44", "bedeutung": "Befragte, die einen Einfluss der Musik angaben" } ], "methode": "Musik im Tageswechsel (Akkordeon vs. Blasmusik) in einem Supermarktregal mit je vier französischen und vier deutschen Weinen, zwei Wochen.", "datenbasis": "ein britischer Supermarkt, rund 82 Flaschen, 44 Befragte", "einschraenkungen": "Keine Zufallszuteilung, ein Laden, sehr kleine Fallzahl; die Schlagzeile '+330 %' lässt sich nicht nachrechnen. Die Replikation mit 435 Kunden fand keinen Effekt.", "interessenlage": "Akademisch; keine bekannt", "score": { "design": 6, "datenbasis": 2, "unabhaengigkeit": 10, "replikation": 0, "uebertragbarkeit": 4, "begruendung": "Natürliches Experiment mit Wechseldesign, aber winzige Basis und gescheiterte Replikation.", "gesamt": 4.5 }, "richtung": "gemischt", "quelle_url": "https://www.nature.com/articles/36484", "zugang": "paywall", "folgen": [ 40 ], "stand": "2026-11-06" }, { "id": "romaniuk-sharp-2004-brand-salience", "titel_original": "Conceptualizing and measuring brand salience", "titel_de": "Was Markensalienz wirklich ist und wie man sie misst", "autoren": "Romaniuk, Sharp", "herausgeber": "Marketing Theory", "jahr": 2004, "studientyp": "Übersichtsarbeit", "themen": [ "Markenaufbau & Wachstum", "Methodik & Marktforschung" ], "kernaussage": "Salienz bedeutet, dass eine Marke in Kaufsituationen in den Sinn kommt – nicht bloße Bekanntheit; gemessen wird sie über viele Situationen hinweg, relativ zur Konkurrenz und mit Ja/Nein-Abfrage.", "zahlen": [ { "wert": "ca. 50 %", "bedeutung": "Anteil der Befragten, die eine Marke-Attribut-Verknüpfung bei einer Wiederholungsbefragung erneut nennen (aus zitierten Vorstudien)" } ], "methode": "Konzeptpapier ohne eigene Daten; leitet Definition und Messregeln her.", "datenbasis": "keine eigene Datenbasis", "einschraenkungen": "Die Behauptung, Salienzunterschiede erklärten Marktanteile, ist eine These ohne eigene Daten. Top-of-Mind allein ist laut Autoren ein unzureichendes Maß.", "interessenlage": "Autoren am Ehrenberg-Bass Institute, das später Messungen dazu verkauft.", "score": { "design": 2, "datenbasis": 1, "unabhaengigkeit": 7, "replikation": 6, "uebertragbarkeit": 8, "begruendung": "Theoriepapier ohne Daten; die Messregeln wurden in vielen Folgestudien angewandt, der Kausalanspruch aber nicht experimentell geprüft.", "gesamt": 4.5 }, "richtung": "offen", "quelle_url": "https://journals.sagepub.com/doi/10.1177/1470593104047643", "zugang": "offen", "folgen": [ 16 ], "stand": "2026-11-06", "alias": [] }, { "id": "sparktoro-gumshoe-ai-brand-recommendations-2026", "titel_original": "NEW Research: AIs are highly inconsistent when recommending brands or products; marketers should take care when tracking AI visibility", "titel_de": "KI-Markenempfehlungen sind kaum reproduzierbar", "autoren": "Fishkin, O'Donnell", "herausgeber": "SparkToro / Gumshoe", "jahr": 2026, "studientyp": "Laborexperiment", "themen": [ "GEO & KI-Suche", "Messung & Attribution" ], "kernaussage": "Fragt man KI-Assistenten wiederholt nach Markenempfehlungen, kommt fast nie dieselbe Liste oder Reihenfolge heraus; stabil ist nur, wie oft eine Marke überhaupt genannt wird – ein „Rang in der KI“ ist daher keine sinnvolle Kennzahl.", "zahlen": [ { "wert": "< 1 zu 100", "bedeutung": "Wahrscheinlichkeit, dass zwei von 100 Antworten dieselbe Markenliste enthalten" }, { "wert": "~1 zu 1.000", "bedeutung": "Läufe, bis zwei Listen in derselben Reihenfolge auftreten" }, { "wert": "97 %", "bedeutung": "Sichtbarkeit von City of Hope in 69 von 71 Antworten (Krebskliniken US-Westküste)" }, { "wert": "55–77 %", "bedeutung": "Sichtbarkeit von Kopfhörermarken über 994 Antworten" }, { "wert": "0,081", "bedeutung": "durchschnittliche semantische Ähnlichkeit von Prompts, die Menschen schrieben" }, { "wert": "2.961", "bedeutung": "Läufe von 12 Prompts durch 3 Tools, ausgeführt von 600 Freiwilligen" }, { "wert": "≥ 60–100", "bedeutung": "empfohlene Läufe pro Prompt, um eine Sichtbarkeitsquote zu mitteln" }, { "wert": "< 1 von 100", "bedeutung": "Anteil identischer Listen bei Wiederholung (Kernzahl, in Folge 15 verwendet)" } ], "methode": "Freiwillige stellten festgelegte Fragen an mehrere KI-Systeme und kopierten die Antworten; die Autoren normalisierten sie zu geordneten Markenlisten.", "datenbasis": "600 Freiwillige, 12 Prompts, 2.961 Läufe über ChatGPT, Claude und Google AI Overviews/AI Mode, Nov.–Dez. 2025; Rohdaten öffentlich", "einschraenkungen": "Momentaufnahme, Modelle ändern sich laufend; manuelle Normalisierung. Zeigt nicht, ob Sichtbarkeit mit Marktanteil zusammenhängt.", "interessenlage": "O'Donnell arbeitet bei Gumshoe.ai (verkauft KI-Tracking); Fishkin legt die Nähe offen. Der Befund spricht eher gegen viele Tracking-Tools.", "score": { "design": 6, "datenbasis": 5, "unabhaengigkeit": 4, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Offen dokumentierte, systematische Messung mit Rohdaten, aber Anbieternähe und keine unabhängige Wiederholung.", "gesamt": 4.5 }, "richtung": "offen", "quelle_url": "https://sparktoro.com/blog/new-research-ais-are-highly-inconsistent-when-recommending-brands-or-products-marketers-should-take-care-when-tracking-ai-visibility/", "zugang": "offen", "folgen": [ 15, 37 ], "stand": "2026-11-06", "alias": [ "sparktoro-gumshoe-ai-brand-inconsistency-2026" ] }, { "id": "vaughan-corsi-beal-sharp-2021-advertising-mental-availability", "titel_original": "Measuring advertising’s effect on mental availability", "titel_de": "Werbeerinnerung und Mental Availability", "autoren": "Vaughan, Corsi, Beal, Sharp", "herausgeber": "International Journal of Market Research", "jahr": 2021, "studientyp": "Umfrage", "themen": [ "Markenaufbau & Wachstum", "Kreation & Werbewirkung" ], "kernaussage": "Wer sich an die Werbung einer Marke erinnert, hat höhere Werte für Mental Availability, bei Nicht-Käufern stärker als bei Käufern.", "zahlen": [], "methode": "Querschnittsbefragung mit Vergleich von Personen mit und ohne Werbeerinnerung.", "datenbasis": "Details hinter Paywall", "einschraenkungen": "Querschnitt ohne Kontrollgruppe; wer sich an Werbung erinnert, ist nicht zufällig ausgewählt. Kein Wirkungsnachweis.", "interessenlage": "Ehrenberg-Bass-Autoren.", "score": { "design": 4, "datenbasis": 4, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Querschnittsbefragung mit Selektionsproblem, nicht unabhängig repliziert.", "gesamt": 4.5 }, "richtung": "offen", "quelle_url": "https://doi.org/10.1177/1470785320955095", "zugang": "paywall", "folgen": [ 16 ], "stand": "2026-11-06" }, { "id": "wpp-media-this-year-next-year-midyear-2026", "titel_original": "This Year Next Year 2026 Midyear Forecast", "titel_de": "WPP Media: Werbemarkt-Prognose Mitte 2026", "autoren": "WPP Media", "herausgeber": "WPP Media", "jahr": 2026, "studientyp": "Anbieterauswertung", "themen": [ "Media & Budget", "Handel & Commerce" ], "kernaussage": "Der weltweite Werbemarkt wächst 2026 laut Prognose um knapp 9 %; die Schlagzeile „Retail Media überholt TV“ gilt aber nur für Australien und erst als Prognose für 2028.", "zahlen": [ { "wert": "+8,9 % / 1,3 Bio. US-$", "bedeutung": "globales Werbemarktwachstum und -volumen 2026 (ohne US-Politikwerbung)" }, { "wert": "57,6 %", "bedeutung": "Marktanteil von Alphabet, Meta und Amazon außerhalb Chinas" }, { "wert": "2,3 Mrd. AUD (+19,5 %)", "bedeutung": "Retail Media Australien 2026 (aus zweiter Hand)" }, { "wert": "8,4 % / 3,07 Mrd. AUD", "bedeutung": "prognostizierter Marktanteil von Retail Media in Australien 2028, dann vor Total TV" }, { "wert": "72,2 vs. 68,5 Mrd. US-$", "bedeutung": "„Commerce“ (inkl. Lieferdienste) vs. Total TV in den USA 2026 (aus zweiter Hand)" } ], "methode": "Prognose einer Agenturholding; Methode nicht veröffentlicht.", "datenbasis": "global und Länderberichte; vollständiger Bericht nur für WPP-Kunden", "einschraenkungen": "Die globale Pressemitteilung nennt keine Retail-Media-Zahl und keinen TV-Vergleich. US-„Commerce“ schließt Lieferdienste ein und ist nicht gleich Retail Media. Länderzahlen nur aus zweiter Hand.", "interessenlage": "Agenturholding, die selbst Media einkauft und am Wachstum von Retail Media verdient.", "score": { "design": 6, "datenbasis": 7, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Stufe 3 (Prognose) laut Belegliste, aber verschlossene Methode eines interessierten Absenders; an Zeitpunkt gebunden.", "gesamt": 4.5 }, "richtung": "offen", "quelle_url": "https://www.wppmedia.com/news/report-this-year-next-year-midyear-2026", "zugang": "teilweise", "folgen": [ 20 ], "stand": "2026-11-06" }, { "id": "kantar-wear-in-debate-2024", "titel_original": "The Wear In debate is wearing us out", "titel_de": "Kantar: Kein Wear-out bei TV, mehr Abnutzung bei Digital", "autoren": "Cockerell; Erdem (Kantar)", "herausgeber": "Kantar", "jahr": 2024, "studientyp": "Anbieterauswertung", "themen": [ "Kreation & Werbewirkung", "Media & Budget" ], "kernaussage": "In Kantars Tracking-Datenbank fand sich kein kreativer Wear-out von TV-Spots, Wiederholung verbesserte sogar die markengebundene Erinnerung; bei Digital-Werbung nahm Überdruss dagegen häufiger zu.", "zahlen": [ { "wert": "1.582", "bedeutung": "Spots, bei denen der Anteil 'fed up' nicht mit der Frequenz stieg" }, { "wert": "1.292", "bedeutung": "Spots, bei denen Wiederholung die markengebundene Erinnerung verbesserte" } ], "methode": "Auswertung des Werbetrackings über rund 20 Jahre in drei Märkten.", "datenbasis": "rund 20 Jahre Tracking, drei Märkte", "einschraenkungen": "Keine Effektgrößen veröffentlicht; Tracking-Korrelation, keine Kontrollgruppe.", "interessenlage": "Kantar verkauft Werbetests", "score": { "design": 2, "datenbasis": 8, "unabhaengigkeit": 3, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Große Anbieterdatenbank mit nur teilweise offengelegter Methode; Richtung von System1 gestützt.", "gesamt": 4.4 }, "richtung": "gemischt", "quelle_url": "https://www.kantar.com/Inspiration/Brands/The-Wear-In-debate-is-wearing-us-out", "zugang": "offen", "folgen": [ 38 ], "stand": "2026-11-06" }, { "id": "se-ranking-llms-txt-citations-2025", "titel_original": "llms.txt and AI citations (SE Ranking)", "titel_de": "SE Ranking: llms.txt und KI-Zitierhäufigkeit", "autoren": "SE Ranking", "herausgeber": "SE Ranking (Blog)", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche" ], "kernaussage": "Bei rund 300.000 Domains ließ sich kein Zusammenhang zwischen einer llms.txt und der Häufigkeit von KI-Zitierungen nachweisen.", "zahlen": [ { "wert": "≈ 300.000", "bedeutung": "untersuchte Domains" }, { "wert": "10,13 %", "bedeutung": "Anteil der Domains mit llms.txt" } ], "methode": "Korrelationsmodell (XGBoost) mit und ohne das Merkmal llms.txt.", "datenbasis": "rund 300.000 Domains; LLMs und Zeitraum im Bericht nicht genannt", "einschraenkungen": "Nur aus zweiter Hand (Search Engine Journal); Korrelation, kein Experiment.", "interessenlage": "Anbieter verkauft SEO- und GEO-Software", "score": { "design": 2, "datenbasis": 8, "unabhaengigkeit": 3, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Große Anbieterstichprobe mit nur teilweise beschriebener Methode; Richtung durch Ahrefs gestützt.", "gesamt": 4.4 }, "richtung": "widerlegt", "quelle_url": "https://seranking.com/blog/llms-txt/", "zugang": "offen", "folgen": [ 39 ], "stand": "2026-11-06" }, { "id": "system1-busting-wear-out-myth-2023", "titel_original": "Busting the wear-out myth", "titel_de": "System1: Nutzen sich Werbespots ab?", "autoren": "Evans (System1)", "herausgeber": "WARC Exclusive / System1", "jahr": 2023, "studientyp": "Anbieterauswertung", "themen": [ "Kreation & Werbewirkung" ], "kernaussage": "Getestete Spots schneiden im Schnitt gleich ab, egal wie alt sie zum Testzeitpunkt sind; gute Spots werden in Großbritannien sogar früher abgesetzt als schwache.", "zahlen": [ { "wert": "2,2 Sterne", "bedeutung": "Durchschnitt über mehr als 50.000 Spots, unabhängig vom Spotalter (Altersgruppen 2,0–2,4)" }, { "wert": "0,9", "bedeutung": "Korrelation der Werte bei 100 über drei Jahre wiederholt getesteten Spots" }, { "wert": "71 vs. 95 Tage", "bedeutung": "durchschnittliche Laufzeit von Fünf- vs. Ein-Stern-Spots in UK" }, { "wert": "+25 %", "bedeutung": "längere Laufzeit von Fünf- vs. Ein-Stern-Spots in den USA" } ], "methode": "Panelbewertung der Spots im Test (je einmal), Abgleich mit Spotalter und Laufzeit.", "datenbasis": "über 50.000 getestete Spots; Laufzeitdaten aus über 31.000 US- und über 15.000 UK-Spots", "einschraenkungen": "Misst, ob ein Spot im Zeitverlauf altmodisch wirkt, nicht ob Menschen ihn nach vielen Kontakten satthaben; Selektion (nur gute Spots werden alt) räumt System1 selbst ein.", "interessenlage": "System1 verkauft Werbetests", "score": { "design": 2, "datenbasis": 8, "unabhaengigkeit": 3, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Riesige Anbieterdatenbank mit Methodengrenze; Richtung von Kantar gestützt.", "gesamt": 4.4 }, "richtung": "gemischt", "quelle_url": "https://radioconnects.ca/wp-content/uploads/2023/04/Busting-the-Wear-Out-Myth-Feb-2023.pdf", "zugang": "offen", "folgen": [ 38 ], "stand": "2026-11-06" }, { "id": "bitkom-cookie-banner-umfrage-2024", "titel_original": "Drei Viertel sind von Cookie-Bannern genervt", "titel_de": "Bitkom-Umfrage 2024: Umgang mit Cookie-Bannern", "autoren": "Bitkom Research", "herausgeber": "Bitkom", "jahr": 2024, "studientyp": "Umfrage", "themen": [ "Recht & Datenschutz" ], "kernaussage": "Drei Viertel der Internetnutzer sind von Cookie-Bannern genervt; viele stimmen aus Bequemlichkeit allem zu, und wer selektiv auswählt, erlaubt nur selten Werbe-Cookies.", "zahlen": [ { "wert": "76 %", "bedeutung": "von Cookie-Bannern genervt" }, { "wert": "24 % / 21 %", "bedeutung": "stimmen allem zu, weil sie „keine Lust“ haben / für Funktionen" }, { "wert": "21 % / 33 %", "bedeutung": "lehnen alles ab / wählen aus" }, { "wert": "10 %", "bedeutung": "der Auswählenden erlauben Werbe-Cookies" }, { "wert": "n = 1.013", "bedeutung": "Internetnutzer ab 16 Jahren" } ], "methode": "Repräsentative Befragung von Internetnutzern.", "datenbasis": "1.013 Internetnutzer ab 16 Jahren in Deutschland, Kalenderwoche 1–2/2024.", "einschraenkungen": "Selbstauskunft; widerspricht teils gemessenen Consent-Raten.", "interessenlage": "Bitkom ist der Digitalverband (Interessenvertretung der Digitalwirtschaft).", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Repräsentative Querschnittsbefragung mittlerer Größe mit Verbandsabsender; selbstberichtetes Verhalten.", "gesamt": 4.3 }, "richtung": "offen", "quelle_url": "https://bitkom-research.de/news/drei-viertel-sind-von-cookie-bannern-genervt", "zugang": "offen", "folgen": [ 30 ], "stand": "2026-11-06" }, { "id": "bitkom-ki-bevoelkerung-2026", "titel_original": "Künstliche Intelligenz in Deutschland (Studienbericht)", "titel_de": "Bitkom: KI-Nutzung der Bevölkerung in Deutschland 2026", "autoren": "Bitkom Research", "herausgeber": "Bitkom", "jahr": 2026, "studientyp": "Umfrage", "themen": [ "GEO & KI-Suche", "KI im Marketing" ], "kernaussage": "58 % der Menschen ab 16 in Deutschland nutzen KI, ein Drittel mindestens wöchentlich; für 41 % der Nutzenden ist KI die erste Anlaufstelle für fast alle Fragen. Das ist Selbstauskunft, kein gemessenes Suchverhalten.", "zahlen": [ { "wert": "58 %", "bedeutung": "Anteil der Personen ab 16, die KI nutzen" }, { "wert": "34 %", "bedeutung": "nutzen KI mindestens wöchentlich, davon 15 % täglich" }, { "wert": "71 % / 50 %", "bedeutung": "Anteil der KI-Nutzenden, die ChatGPT bzw. Gemini nutzen" }, { "wert": "41 %", "bedeutung": "der KI-Nutzenden (n = 579): KI ist 'erste Anlaufstelle für fast alle Fragen' (≈ 24 % aller Befragten, eigene Rechnung)" }, { "wert": "35 %", "bedeutung": "der KI-Nutzenden nutzen KI als Einkaufshilfe" } ], "methode": "Telefonbefragung (CATI, Dual Frame), repräsentativ gewichtet.", "datenbasis": "n = 1.003 ab 16 Jahren, Deutschland, KW 8–11/2026, ±3 Punkte", "einschraenkungen": "Selbsteinschätzung, kein Verhaltensmaß; Anteile der Nutzenden nicht mit Bevölkerungsanteilen verwechseln.", "interessenlage": "Branchenverband der Digitalwirtschaft als Auftraggeber", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Repräsentative Querschnittsumfrage eines Verbands; aktuell und für Deutschland, aber nur Selbstauskunft.", "gesamt": 4.3 }, "richtung": "bestaetigt", "quelle_url": "https://www.bitkom.org/sites/main/files/2026-06/bitkom-studienbericht-ki-bevoelkerung.pdf", "zugang": "offen", "folgen": [ 31 ], "stand": "2026-11-06" }, { "id": "gdv-digitale-vertragsabschluesse-2025", "titel_original": "GDV-Statistik: Jeder fünfte Versicherungsvertrag wird digital abgeschlossen", "titel_de": "GDV 2025: Anteil digital abgeschlossener Versicherungsverträge", "autoren": "GDV", "herausgeber": "Gesamtverband der Deutschen Versicherungswirtschaft", "jahr": 2025, "studientyp": "Umfrage", "themen": [ "Handel & Commerce" ], "kernaussage": "Gut jeder fünfte Versicherungsvertrag in Deutschland wurde 2024 digital abgeschlossen, bei Kfz deutlich mehr, bei Lebensversicherung kaum. Die große Mehrheit kam weiterhin mit persönlicher Unterstützung zustande.", "zahlen": [ { "wert": "22 %", "bedeutung": "digital abgeschlossene Versicherungsverträge 2024" }, { "wert": "29 %", "bedeutung": "Anteil in der Kfz-Versicherung" }, { "wert": "gut 3 %", "bedeutung": "Anteil in der Lebensversicherung" }, { "wert": "knapp 80 %", "bedeutung": "Verträge mit persönlicher Unterstützung" } ], "methode": "Umfrage unter GDV-Mitgliedsunternehmen.", "datenbasis": "Deutsche Versicherer (GDV-Mitglieder), Bezugsjahr 2024.", "einschraenkungen": "Privatkundengeschäft (B2C), kein B2B. Die Definition hat sich offenbar geändert (2023 für 2022 „gut 16 %“, 2025 für 2022 18 % inkl. Vergleichsportal), deshalb keine lange Zeitreihe bilden.", "interessenlage": "Absender ist der Branchenverband der Versicherer.", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Verbandsumfrage unter Mitgliedern mit breiter Marktabdeckung; Definition instabil, nicht unabhängig geprüft.", "gesamt": 4.3 }, "richtung": "offen", "quelle_url": "https://www.gdv.de/gdv/medien/medieninformationen/gdv-statistik-jeder-fuenfte-versicherungsvertrag-wird-digital-abgeschlossen-189444", "zugang": "offen", "folgen": [ 22 ], "stand": "2026-11-06" }, { "id": "advertiser-perceptions-hebel-2024", "titel_original": "Advertiser Perceptions survey for Westwood One: perceived drivers of sales effect", "titel_de": "Was Werbungtreibende über die Hebel der Werbewirkung glauben", "autoren": "Advertiser Perceptions", "herausgeber": "Westwood One", "jahr": 2024, "studientyp": "Umfrage", "themen": [ "Kreation & Werbewirkung", "Methodik & Marktforschung" ], "kernaussage": "Marketingverantwortliche unterschätzen den Einfluss des Werbemittels deutlich und überschätzen den der Zielgruppenauswahl im Vergleich zu den gemessenen Werten.", "zahlen": [ { "wert": "rund 20 %", "bedeutung": "von Befragten geschätzter Anteil des Werbemittels am Umsatzeffekt" }, { "wert": "rund 23–24 %", "bedeutung": "geschätzter Anteil der Zielgruppenauswahl" }, { "wert": "122 / 184", "bedeutung": "befragte Werbungtreibende bzw. Mediaagenturen" } ], "methode": "Befragung von Werbungtreibenden und Agenturen nach ihrer Einschätzung der Hebel, Abgleich mit den NCS-Messwerten.", "datenbasis": "122 Werbungtreibende und 184 Mediaagenturen, Februar 2024, USA.", "einschraenkungen": "Misst Einschätzungen, keine Wirkung; Vergleichsmaßstab sind die NCS-Werte.", "interessenlage": "In Auftrag gegeben von Westwood One, einem Audiovermarkter, der von der Botschaft 'Kreation vor Targeting' profitiert.", "score": { "design": 4, "datenbasis": 4, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Kleine Fachbefragung im Auftrag eines Vermarkters, nicht wiederholt.", "gesamt": 4.2 }, "richtung": "bestaetigt", "quelle_url": "https://www.westwoodone.com/blog/2024/04/22/marketers-vastly-understate-the-sales-effect-of-creative-and-significantly-overestimate-the-impact-of-targeting/", "zugang": "offen", "folgen": [ 7 ], "stand": "2026-11-06" }, { "id": "algorithmwatch-bing-chat-wahlen-2023", "titel_original": "ChatGPT and Co: Are AI-driven search engines a threat to democratic elections?", "titel_de": "AlgorithmWatch: Bing Chat zu Landtagswahlen 2023", "autoren": "AlgorithmWatch, AI Forensics", "herausgeber": "AlgorithmWatch", "jahr": 2023, "studientyp": "Fallsammlung", "themen": [ "GEO & KI-Suche" ], "kernaussage": "Bing Chat gab zu Wahlen in Bayern und Hessen teils falsche Zahlen aus, auch wenn es vertrauenswürdige Quellen zitierte.", "zahlen": [ { "wert": "≈ ⅓", "bedeutung": "Anteil der Bing-Chat-Antworten auf Wahlfragen mit sachlichen Fehlern (Endbericht, Abfragen 21.08.–02.10.2023)" }, { "wert": "≈ 40 %", "bedeutung": "Anteil ausweichender Antworten" } ], "methode": "Systematische Abfragen von Bing Chat zu Wahlen; Einzelbeispiele dokumentiert.", "datenbasis": "Abfragen zu Landtagswahlen Bayern/Hessen 2023", "einschraenkungen": "Der Zwischenbericht (Okt. 2023) nennt nur Einzelbeispiele; der Endbericht (Dez. 2023) beziffert, dass rund ein Drittel der Antworten zu Wahlfragen sachliche Fehler enthielt und rund 40 % ausweichend waren. Bezieht sich auf Bing Chat im Spätsommer 2023 und ist auf heutige KI-Suchen nicht direkt übertragbar.", "interessenlage": "Zivilgesellschaftliche Organisation; keine kommerzielle", "score": { "design": 4, "datenbasis": 3, "unabhaengigkeit": 8, "replikation": 3, "uebertragbarkeit": 2, "begruendung": "Unabhängiger Audit, aber nur Einzelbeispiele geprüft und veraltetes Produkt.", "gesamt": 4.2 }, "richtung": "offen", "quelle_url": "https://algorithmwatch.org/de/wp-content/uploads/2023/12/AlgorithmWatch_AIForensics_Bing_Chat_Report.pdf", "zugang": "offen", "folgen": [], "stand": "2026-11-06" }, { "id": "ariely-economist-decoy-2008", "titel_original": "Predictably Irrational (Kap. 1: The Truth about Relativity – Economist-Abo-Beispiel)", "titel_de": "Economist-Abo: Der Köder, der das Kombi-Abo verkauft", "autoren": "Ariely", "herausgeber": "HarperCollins (Sachbuch)", "jahr": 2008, "studientyp": "Laborexperiment", "themen": [ "Preis & Promotion" ], "kernaussage": "Ein unattraktives Print-Abo zum gleichen Preis wie Print+Online ließ fast alle Befragten das teure Kombi-Abo wählen; ohne diesen Köder wählte die Mehrheit das günstige Online-Abo. Das Beispiel ist das bekannteste Bild des Decoy- bzw. Attraktionseffekts.", "zahlen": [ { "wert": "16 % / 0 % / 84 %", "bedeutung": "Wahl Online ($59) / Print ($125) / Print+Online ($125) mit Köder, je 100 MIT-Studierende" }, { "wert": "68 % / 32 %", "bedeutung": "Wahl Online / Print+Online ohne Köder" } ], "methode": "Hypothetische Wahlaufgabe mit Studierenden, zwei Bedingungen; im Buch berichtet, nicht begutachtet veröffentlicht.", "datenbasis": "Je 100 MIT-Studierende pro Bedingung, eine Entscheidung, keine echten Käufe.", "einschraenkungen": "Kleines, hypothetisches Laborszenario ohne Peer-Review; Frederick, Lee & Baskin (2014) finden den Attraktionseffekt außerhalb rein numerischer Darstellungen meist nicht. Ariely steht zudem wegen Datenproblemen in anderen Studien (u. a. zurückgezogenes PNAS-Paper 2012) in der Kritik.", "interessenlage": "Sachbuch des Autors; keine Finanzierung durch Betroffene bekannt", "score": { "design": 4, "datenbasis": 2, "unabhaengigkeit": 8, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Unveröffentlichte Mini-Studie im Sachbuch; der zugrunde liegende Effekt ist im Labor belegt, im Feld aber umstritten.", "gesamt": 4.2 }, "richtung": "gemischt", "quelle_url": "https://www.harpercollins.com/products/predictably-irrational-revised-and-expanded-edition-dr-dan-ariely", "zugang": "paywall", "folgen": [], "stand": "2026-11-06" }, { "id": "ephron-more-weeks-less-weight-1995", "titel_original": "More Weeks, Less Weight: The Shelf-Space Model of Advertising", "titel_de": "Ephron: Recency Planning – mehr Wochen, weniger Druck", "autoren": "Ephron", "herausgeber": "Journal of Advertising Research, April 1995 (und 'Recency Planning', 1997)", "jahr": 1995, "studientyp": "Übersichtsarbeit", "themen": [ "Media & Budget" ], "kernaussage": "Ein Kontakt kurz vor dem Kauf zählt mehr als hohe Frequenz; Werbeplanung sollte auf Wochenreichweite über möglichst viele Wochen zielen, wie Regalplatz, der dauerhaft gemietet wird.", "zahlen": [], "methode": "Planungsphilosophie auf Basis von Jones' Single-Source-Daten, keine eigene Studie.", "datenbasis": "Keine eigenen Daten", "einschraenkungen": "Nur Abstract (Paywall); stützt sich auf die methodisch umstrittenen STAS-Daten von Jones.", "interessenlage": "Mediaberater", "score": { "design": 4, "datenbasis": 2, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Einflussreiches Planungsmodell ohne eigene Daten, gestützt auf korrelative Befunde.", "gesamt": 4.2 }, "richtung": "gemischt", "quelle_url": "https://www.warc.com/content/article/jar/more-weeks-less-weight-the-shelf-space-model-of-advertising/en-gb/6214", "zugang": "paywall", "folgen": [ 38 ], "stand": "2026-11-06" }, { "id": "gartner-b2b-buying-journey-2018", "titel_original": "The B2B Buying Journey (New B2B Buying Journey survey)", "titel_de": "Gartner: B2B-Einkäufer verbringen nur 17 % der Zeit mit Anbietern", "autoren": "Gartner", "herausgeber": "Gartner, Inc.", "jahr": 2018, "studientyp": "Umfrage", "themen": [ "B2B" ], "kernaussage": "Laut Selbstauskunft von B2B-Einkäufern entfällt nur ein kleiner Teil der Kaufentscheidung auf Gespräche mit potenziellen Lieferanten; den Großteil verbringen sie mit eigener Recherche und interner Abstimmung.", "zahlen": [ { "wert": "17 %", "bedeutung": "Anteil der gesamten Kaufprozesszeit, den B2B-Käufer mit potenziellen Lieferanten verbringen (alle zusammen)" }, { "wert": "≈ 5 %", "bedeutung": "Zeitanteil pro Anbieter, wenn drei Lieferanten im Rennen sind" } ], "methode": "Befragung von B2B-Käufern zu ihrem letzten komplexen Kauf; Zeitanteile sind Selbsteinschätzungen.", "datenbasis": "Befragung von B2B-Käufern komplexer Beschaffungen; Stichprobe, Länder, Branchen und Feldzeit nicht offen dokumentiert.", "einschraenkungen": "Erinnerte Zeitanteile, keine Beobachtungsdaten; keine offene Methodendokumentation. Zeigt nicht, dass Vertriebskontakte unwichtig sind – nur, dass sie zeitlich knapp sind.", "interessenlage": "Gartner verkauft Vertriebs- und Marketingberatung, die auf diesem Käuferbild aufbaut.", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Querschnittsumfrage mit Selbstauskünften und knapper Methodik von einem Anbieter mit Produktbezug.", "gesamt": 4.2 }, "richtung": "gemischt", "quelle_url": "https://www.gartner.com/en/sales/insights/b2b-buying-journey", "zugang": "teilweise", "folgen": [], "stand": "2026-11-06" }, { "id": "gartner-b2b-purchase-regret-2021", "titel_original": "Gartner-Pressemitteilung vom 17.05.2021 zu B2B-Käufern und Rep-free-Präferenz", "titel_de": "Gartner 2021: Kaufreue bei Rep-free-Käufern", "autoren": "Gartner", "herausgeber": "Gartner (Pressemitteilung 17.05.2021)", "jahr": 2021, "studientyp": "Umfrage", "themen": [ "B2B" ], "kernaussage": "Wer lieber ganz ohne Vertriebler kauft, berichtet häufiger Kaufreue als Käufer mit Vertriebskontakt. Der Wert ist relativ, das Ausgangsniveau wird nicht genannt.", "zahlen": [ { "wert": "43 %", "bedeutung": "B2B-Kunden, die gar nicht mit einem Vertriebler interagieren wollen" }, { "wert": "+23 % (relativ)", "bedeutung": "höhere Kaufreue bei Rep-free-Präferenz vs. Kunden mit Vertriebskontakt" } ], "methode": "Zwei Befragungen von B2B-Kunden Ende 2020.", "datenbasis": "Knapp 1.000 B2B-Kunden (Nov./Dez. 2020) und über 1.100 B2B-Kunden (Dez. 2020).", "einschraenkungen": "Korrelativ: Selbstselektion möglich (Rep-free-Käufer kaufen womöglich andere Produkte). „23 % höher“ heißt nicht „23 % bereuen“. Häufig fälschlich Gartner 2023 oder 2025 zugeschrieben; in den PMs von 2025/2026 steht keine Reue-Zahl.", "interessenlage": "Gartner verkauft Beratung an Vertriebsleiter.", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Befragung mittlerer Größe, korrelativ, nie unabhängig geprüft; Beratungsinteresse.", "gesamt": 4.2 }, "richtung": "offen", "quelle_url": "https://www.gartner.com/en/newsroom/press-releases/gartner-says-b2b-sales-organizations-need-to-give-customers-a-se", "zugang": "teilweise", "folgen": [ 22 ], "stand": "2026-11-06" }, { "id": "gupta-lehmann-stuart-valuing-customers-2004", "titel_original": "Valuing Customers", "titel_de": "Kundenwert: Bindung hebelt stärker als günstigere Akquise", "autoren": "Gupta, Lehmann, Stuart", "herausgeber": "Journal of Marketing Research 41 (1)", "jahr": 2004, "studientyp": "Ökonometrie/MMM", "themen": [ "CRM & Loyalität", "Markenaufbau & Wachstum" ], "kernaussage": "In einer Modellrechnung für fünf abo-nahe US-Firmen steigert ein Prozent mehr Kundenbindung den Kundenwert um mehrere Prozent, ein Prozent günstigere Akquise kaum. Die Kosten der Bindungsverbesserung sind nicht eingerechnet.", "zahlen": [ { "wert": "3–7 %", "bedeutung": "Anstieg des Kunden- und Firmenwerts bei 1 % mehr Kundenbindung" }, { "wert": "0,02–0,3 %", "bedeutung": "Anstieg bei 1 % günstigerer Akquise" }, { "wert": "26,94 $ vs. 2,15 $", "bedeutung": "Akquise- vs. Bindungskosten je Kunde in einer zitierten Einzelstudie (Thomas 2001, aus zweiter Hand)" } ], "methode": "Modellrechnung des Kundenwerts mit öffentlichen Firmendaten.", "datenbasis": "Fünf US-Firmen (Capital One, Amazon, Ameritrade, eBay, E*Trade), Daten bis 2002.", "einschraenkungen": "Modell, keine Messung; laut Autoren ohne Kosten der Bindungsverbesserung. Die zitierte Kostenrelation ist firmenspezifisch, kein Naturgesetz.", "interessenlage": "Gefördert vom Center for Marketing of Financial Services (Columbia), Dank an das Teradata Center for CRM (Duke).", "score": { "design": 4, "datenbasis": 3, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Modellrechnung mit wenigen Firmen und ausgelassenen Kosten; akademisch mit Industriebezug, nicht unabhängig geprüft.", "gesamt": 4.2 }, "richtung": "offen", "quelle_url": "https://business.columbia.edu/sites/default/files-efs/pubfiles/534/Valuing_Customers--JMR_2003.pdf", "zugang": "offen", "folgen": [ 29 ], "stand": "2026-11-06" }, { "id": "krugman-why-three-exposures-1972", "titel_original": "Why Three Exposures May Be Enough", "titel_de": "Krugman: Warum drei Kontakte genügen könnten", "autoren": "Krugman", "herausgeber": "Journal of Advertising Research 12(6), 11–14", "jahr": 1972, "studientyp": "Übersichtsarbeit", "themen": [ "Media & Budget", "Kreation & Werbewirkung" ], "kernaussage": "Krugmans 'drei Kontakte' sind drei psychologische Phasen (Neugier, Wiedererkennen, Entscheidung), keine Mediaregel für drei Kontaktchancen. Ein später Kontakt kann psychologisch erst der zweite sein.", "zahlen": [ { "wert": "2–3", "bedeutung": "Optimum aus Krugmans eigenen Blickverlaufsmessungen an Printanzeigen" }, { "wert": "3–4", "bedeutung": "Optimum laut Grass 1969 (CONPAAD-Messungen bei TV-Spots), von Krugman zitiert" } ], "methode": "Theoretischer Essay, gestützt auf drei Laborbefunde (eigene Blickverlaufsmessungen, Grass 1969, MacDonald 1970).", "datenbasis": "Keine eigene Studie; referierte Laborbefunde", "einschraenkungen": "Die Media-Faustregel '3+ OTS' ist eine Umdeutung. Krugman stellt sich gegen viele Wiederholungen als Lernmechanismus.", "interessenlage": "Autor bei General Electric; keine bekannte Interessenlage am Ergebnis", "score": { "design": 4, "datenbasis": 2, "unabhaengigkeit": 8, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Theorie-Essay mit dünner Laborbasis; die populäre Lesart widerspricht dem Original.", "gesamt": 4.2 }, "richtung": "widerlegt", "quelle_url": "https://amsr.contentdm.oclc.org/digital/api/collection/PapersOffprnt/id/9049/download", "zugang": "offen", "folgen": [ 38 ], "stand": "2026-11-06" }, { "id": "yougov-bonusprogramme-einzelhandel-2025", "titel_original": "Bonusprogramme im Einzelhandel: REWE, EDEKA und mehr setzen neue Maßstäbe im Jahr 2025", "titel_de": "YouGov: Mitgliedschaft in Bonusprogrammen in Deutschland", "autoren": "YouGov", "herausgeber": "YouGov Deutschland", "jahr": 2025, "studientyp": "Umfrage", "themen": [ "CRM & Loyalität", "Handel & Commerce" ], "kernaussage": "Payback bleibt in Deutschland das verbreitetste Bonusprogramm, verliert aber Mitglieder, während händlereigene Apps wie Lidl Plus wachsen; die meisten Mitglieder sind in mehreren Programmen.", "zahlen": [ { "wert": "55 % → 51 %", "bedeutung": "angegebene Payback-Mitgliedschaft, Juni 2023 → Dez. 2024" }, { "wert": "17 % → 28 %", "bedeutung": "angegebene Lidl-Plus-Mitgliedschaft im selben Zeitraum" }, { "wert": "19 %", "bedeutung": "Rewe-Bonus-Mitglieder im Januar 2025" }, { "wert": "79 %", "bedeutung": "Rewe-Bonus-Mitglieder, die auch bei Payback sind" } ], "methode": "Laufende Panelbefragung (YouGov Profiles).", "datenbasis": "Deutschland, Juni 2023–Jan. 2025; Stichprobengröße im Artikel nicht genannt", "einschraenkungen": "Selbstangabe, Stichprobe nicht offengelegt. Keine Aussage zur Wirkung der Programme.", "interessenlage": "YouGov verkauft Panel- und Profil-Daten.", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Wiederholte Panelbefragung eines Marktforschers ohne offengelegte Stichprobe.", "gesamt": 4.2 }, "richtung": "offen", "quelle_url": "https://yougov.com/de-de/artikel/51586-bonusprogramme-im-einzelhandel-rewe-edeka-und-mehr-setzen-neue-massstabe-im-jahr-2025", "zugang": "offen", "folgen": [ 18 ], "stand": "2026-11-06" }, { "id": "ahrefs-ai-overviews-ctr-2026", "titel_original": "Update: AI Overviews Reduce Clicks by 58%", "titel_de": "Ahrefs: KI-Übersicht senkt Klickrate auf Platz 1", "autoren": "Ahrefs", "herausgeber": "Ahrefs", "jahr": 2026, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Search & Performance" ], "kernaussage": "Laut Ahrefs senkt eine KI-Übersicht die Klickrate auf Position 1 um rund 58 %, wobei auch informative Keywords ohne Übersicht deutlich verloren haben.", "zahlen": [ { "wert": "~58 %", "bedeutung": "Rückgang der Klickrate auf Position 1 durch KI-Übersicht (Dez. 2025 vs. Dez. 2023)" }, { "wert": "7,6 % → 3,9 %", "bedeutung": "Klickrate informativer Keywords ohne Übersicht im selben Zeitraum" }, { "wert": "−34,5 %", "bedeutung": "Befund der Vorgängerstudie vom April 2025" } ], "methode": "Differenz-Ansatz mit zusammengefassten Search-Console-Daten gegen informative Keywords ohne Übersicht.", "datenbasis": "300.000 Keywords, nur Desktop", "einschraenkungen": "Nur Desktop; Ahrefs spricht selbst nur von Korrelation. Effekt schwankt stark zwischen den eigenen Studienversionen.", "interessenlage": "Ahrefs verkauft Tools zum Tracking von KI-Übersichten.", "score": { "design": 2, "datenbasis": 6, "unabhaengigkeit": 3, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Anbieterauswertung mit teils offengelegtem Vorgehen; Richtung bestätigt, Größe zwischen Versionen instabil.", "gesamt": 4.1 }, "richtung": "bestaetigt", "quelle_url": "https://ahrefs.com/blog/ai-overviews-reduce-clicks-update/", "zugang": "offen", "folgen": [ 12 ], "stand": "2026-11-06" }, { "id": "surfer-scraped-ai-answers-vs-api-2026", "titel_original": "Scraped AI answers vs. API results", "titel_de": "Surfer: KI-Oberfläche und API liefern verschiedene Antworten", "autoren": "Surfer SEO", "herausgeber": "Surfer SEO (Blog)", "jahr": 2026, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Messung & Attribution" ], "kernaussage": "Ob ein Tool per API oder über die Chat-Oberfläche misst, verändert die genannten Marken und Quellen stark; die Überschneidung lag nur bei rund einem Fünftel.", "zahlen": [ { "wert": "15,5–23,8 %", "bedeutung": "Überschneidung der genannten Marken zwischen gescrapter Oberfläche und API (bereinigt 21,3–31,6 %)" }, { "wert": "13,8 vs. 7,9", "bedeutung": "Marken pro Antwort in der ChatGPT-API vs. Oberfläche" }, { "wert": "3,1 vs. 12,1", "bedeutung": "Quellen pro Antwort API vs. Oberfläche" } ], "methode": "1.000 Prompts je einmal über Oberfläche und API an fünf KI-Produkte.", "datenbasis": "13.779 Antworten, fünf KI-Produkte, Erhebung 04.08.2026", "einschraenkungen": "Jeder Prompt nur einmal pro Kanal, ein Teil der Differenz ist Zufallsstreuung (Surfer räumt das ein).", "interessenlage": "Surfer verkauft ein Tracking-Tool", "score": { "design": 2, "datenbasis": 6, "unabhaengigkeit": 3, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Anbieterauswertung mit offener Grundmethode; Richtung durch die Hamburger DACH-Studie gestützt.", "gesamt": 4.1 }, "richtung": "bestaetigt", "quelle_url": "https://surferseo.com/blog/llm-scraped-ai-answers-vs-api-results", "zugang": "offen", "folgen": [ 37 ], "stand": "2026-11-06" }, { "id": "bitkom-online-bewertungen-2020", "titel_original": "Jeder Zweite liest Online-Bewertungen vor dem Kauf", "titel_de": "Bitkom: Online-Bewertungen vor dem Kauf", "autoren": "Bitkom Research", "herausgeber": "Bitkom", "jahr": 2020, "studientyp": "Umfrage", "themen": [ "Handel & Commerce" ], "kernaussage": "Gut die Hälfte der deutschen Online-Käufer liest vor dem Kauf Bewertungen, Jüngere deutlich häufiger als Ältere.", "zahlen": [ { "wert": "56 %", "bedeutung": "Online-Käufer, die vor dem Kauf Bewertungen lesen" }, { "wert": "66 % / 39 %", "bedeutung": "Anteil bei 16- bis 29-Jährigen vs. über 65-Jährigen" } ], "methode": "Befragung, laut Bitkom repräsentativ.", "datenbasis": "1.087 Internetnutzer ab 16, davon 1.024 Online-Käufer, Oktober 2019", "einschraenkungen": "Daten sieben Jahre alt; Selbstauskunft.", "interessenlage": "Branchenverband der Digitalwirtschaft", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Verbandsumfrage mit Selbstauskunft und veralteten Daten.", "gesamt": 4.0 }, "richtung": "bestaetigt", "quelle_url": "https://www.bitkom.org/Presse/Presseinformation/Jeder-Zweite-liest-Online-Bewertungen-vor-dem-Kauf", "zugang": "offen", "folgen": [ 34 ], "stand": "2026-11-06" }, { "id": "ipa-snickers-not-you-when-hungry-2012", "titel_original": "Snickers: You're not you when you're hungry", "titel_de": "Snickers-Kampagne „Hunger“ (IPA-Fall 2012)", "autoren": "AMV BBDO / Mars", "herausgeber": "IPA Effectiveness Awards", "jahr": 2012, "studientyp": "Fallsammlung", "themen": [ "Kreation & Werbewirkung", "Markenaufbau & Wachstum" ], "kernaussage": "Die Snickers-Kampagne rund um den Hungermoment ging laut eingereichtem Fall mit deutlichem Umsatzwachstum und Marktanteilsgewinnen in fast allen Märkten einher.", "zahlen": [ { "wert": "+15,9 %", "bedeutung": "Umsatzwachstum in einem Jahr" }, { "wert": "56 von 58", "bedeutung": "Märkte mit Marktanteilsgewinn" } ], "methode": "Von der Agentur eingereichte Fallstudie bei den IPA Effectiveness Awards (Gold).", "datenbasis": "58 Märkte", "einschraenkungen": "Einzelfall ohne Kontrollgruppe; nur Zusammenfassung geprüft. Die Einordnung als CEP-Kampagne stammt nicht aus dem Fall selbst, der vor allem Bekanntheit, Prominente und Mediaplatzierung hervorhebt.", "interessenlage": "Von der Agentur eingereicht, die mit dem Award wirbt.", "score": { "design": 4, "datenbasis": 4, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Award-Einzelfall mit Selbstauskunft der Agentur.", "gesamt": 4.0 }, "richtung": "offen", "quelle_url": "https://ipa.co.uk/knowledge/case-studies/snickers-you-re-not-you-when-you-re-hungry", "zugang": "teilweise", "folgen": [ 16 ], "stand": "2026-11-06" }, { "id": "iri-tropicana-redesign-2009", "titel_original": "Tropicana Line's Sales Plunge 20% Post-Rebranding", "titel_de": "Tropicana-Redesign 2009: Absatzeinbruch laut Handelsdaten", "autoren": "Zmuda (Advertising Age), Datenquelle Information Resources Inc.", "herausgeber": "Advertising Age", "jahr": 2009, "studientyp": "Fallsammlung", "themen": [ "Markenaufbau & Wachstum", "Handel & Commerce" ], "kernaussage": "Nach dem Verpackungsredesign von Tropicana Pure Premium brach der Absatz binnen sieben Wochen ein, während die Kategorie stabil blieb; das Redesign wurde nach weniger als zwei Monaten zurückgenommen.", "zahlen": [ { "wert": "−20 % / −19 %", "bedeutung": "Absatz nach Stückzahl bzw. Umsatz, 01.01.–22.02.2009" }, { "wert": "rund 33 Mio. US-$", "bedeutung": "Umsatzrückgang auf 137 Mio. US-$ im selben Zeitraum" }, { "wert": "−5 %", "bedeutung": "Umsatz der Gesamtkategorie bei stabilen Stückzahlen" } ], "methode": "Handelsdaten (IRI) zu einem Einzelfall, berichtet von Advertising Age.", "datenbasis": "US-Handelsdaten Tropicana Pure Premium, Jan.–Feb. 2009", "einschraenkungen": "Einzelfall ohne Kontrollgruppe; parallel lief die Rezession. Das Unternehmen sah keinen Zusammenhang. Kursierende Zahlen wie „30/35/50 Mio. $ Verlust“ sind nicht belegt.", "interessenlage": "Handelsdaten eines Marktforschers; keine Interessenlage bekannt.", "score": { "design": 4, "datenbasis": 2, "unabhaengigkeit": 6, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Einzelfall mit echten Verkaufsdaten, aber ohne Kontrollgruppe und mit Störfaktoren.", "gesamt": 4.0 }, "richtung": "gemischt", "quelle_url": "https://web.archive.org/web/20110227092936/http://adage.com:80/article/news/tropicana-line-s-sales-plunge-20-post-rebranding/135735/", "zugang": "teilweise", "folgen": [ 13 ], "stand": "2026-11-06" }, { "id": "jkr-ipsos-be-distinctive-2023", "titel_original": "Be Distinctive. Everywhere.", "titel_de": "JKR/Ipsos: Nur wenige Assets sind wirklich unverwechselbar", "autoren": "JKR, Ipsos", "herausgeber": "JKR Global", "jahr": 2023, "studientyp": "Anbieterauswertung", "themen": [ "Markenaufbau & Wachstum", "Kreation & Werbewirkung" ], "kernaussage": "Laut Designagentur und Marktforscher ist nur ein kleiner Teil aller getesteten Markenelemente wirklich unverwechselbar; bei Farben ist der Anteil besonders gering.", "zahlen": [ { "wert": "15 %", "bedeutung": "Assets, die als „Gold“ (wirklich unverwechselbar) gelten" }, { "wert": "65 %", "bedeutung": "Assets in der Stufe „Bronze“" }, { "wert": "4 % vs. 19 %", "bedeutung": "Anteil „Gold“ bei Farben vs. Logos" } ], "methode": "Konsumententests von Markenelementen; Gold-Definition nicht öffentlich.", "datenbasis": "laut Sekundärquelle 5.046 Assets und über 26.000 Befragte", "einschraenkungen": "Voller Bericht nur gegen Kontaktdaten; Stichprobenangaben nur aus zweiter Hand.", "interessenlage": "JKR (Designagentur) und Ipsos (Marktforscher) verkaufen Leistungen zu genau diesem Thema.", "score": { "design": 2, "datenbasis": 7, "unabhaengigkeit": 1, "replikation": 6, "uebertragbarkeit": 6, "begruendung": "Anbieterzahl mit verschlossener Methode; Richtung deckt sich mit den Ehrenberg-Bass-Studien.", "gesamt": 4.0 }, "richtung": "bestaetigt", "quelle_url": "https://bedistinctive.jkrglobal.com/findings", "zugang": "teilweise", "folgen": [ 13 ], "stand": "2026-11-06" }, { "id": "keiningham-et-al-loyalty-myths-2005", "titel_original": "Loyalty Myths (Auszug „Loyalty Myth #8“)", "titel_de": "Loyalitätsmythen: Herkunft der „fünfmal so teuer“-Regel", "autoren": "Keiningham, Vavra, Aksoy, Wallard", "herausgeber": "Wiley (Auszug über Ipsos Loyalty)", "jahr": 2005, "studientyp": "Übersichtsarbeit", "themen": [ "CRM & Loyalität", "Markenaufbau & Wachstum" ], "kernaussage": "Für die Regel, Neukunden kosteten fünfmal so viel wie Bestandskunden, lässt sich keine Primärstudie finden; die frühesten Quellen verweisen auf das Beratungsinstitut TARP. Die Autoren nennen die Regel einen Mythos und geben zu, sie früher selbst verbreitet zu haben.", "zahlen": [], "methode": "Herkunftsrecherche und Argumentation; keine eigene Messung.", "datenbasis": "Literatur- und Quellenrecherche.", "einschraenkungen": "Die TARP-Originalstudie ließ sich nicht finden. Dass Hart, Heskett & Sasser (HBR 1990) die Zahl verbreiteten, stammt aus zweiter Hand. Die drei genannten Fehler der Regel (Kostenzuordnung, Lebenszyklus, Kundenmix) sind Argumente, keine Messwerte.", "interessenlage": "Autoren sind selbst Loyalitätsberater (Ipsos Loyalty) und räumen eigene frühere Verbreitung ein.", "score": { "design": 4, "datenbasis": 2, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 7, "begruendung": "Argumentative Übersicht ohne Daten von Beratern; Befund „keine Primärquelle“ von der Folgenrecherche bestätigt.", "gesamt": 4.0 }, "richtung": "widerlegt", "quelle_url": "https://www.ipsos.com/sites/default/files/publication/2003-08/Ipsos_Loyalty_Myth_8_Excerpt.pdf", "zugang": "offen", "folgen": [ 29 ], "stand": "2026-11-06" }, { "id": "nelson-field-2020-attention-economy", "titel_original": "The Attention Economy and How Media Works: Simple Truths for Marketers", "titel_de": "Aufmerksamkeitsökonomie: Wie Medien wirklich wirken", "autoren": "Nelson-Field", "herausgeber": "Palgrave Macmillan", "jahr": 2020, "studientyp": "Anbieterauswertung", "themen": [ "Media & Budget", "Kreation & Werbewirkung", "Messung & Attribution" ], "kernaussage": "Nicht die ausgelieferte oder 'sichtbare' Impression zählt, sondern die tatsächliche menschliche Aufmerksamkeit – und die unterscheidet sich stark nach Plattform, Format und Bildschirmanteil. Aufmerksamkeit hängt mit kurzfristiger Verkaufswirkung zusammen und sollte in Mediaplanung und -einkauf einfließen.", "zahlen": [], "methode": "Buch auf Basis von Aufmerksamkeitsmessungen (u. a. Blick- und Gesichtserkennung über Geräte-Kameras in natürlicher Nutzung) der Firma Amplified Intelligence, verknüpft mit Wahlverhalten.", "datenbasis": "Aufmerksamkeitsdaten von Amplified Intelligence über mehrere Plattformen und Länder; Fallzahlen im Verlagstext nicht angegeben.", "einschraenkungen": "Daten und Methode stammen aus dem eigenen Unternehmen der Autorin und sind nur teilweise offen; 'Wahlverhalten' ist meist ein kurzfristiges Proxy, nicht Absatz. Attention-Metriken verschiedener Anbieter sind nicht vergleichbar.", "interessenlage": "Autorin ist Gründerin von Amplified Intelligence, das Attention-Daten verkauft.", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Anbieterdaten mit nur teilweise offener Methode; Grundidee plausibel, unabhängige Replikationen des Attention-Sales-Zusammenhangs sind rar.", "gesamt": 4.0 }, "richtung": "offen", "quelle_url": "https://doi.org/10.1007/978-981-15-1540-8", "zugang": "paywall", "folgen": [], "stand": "2026-11-06" }, { "id": "sistrix-ai-overviews-deutschland-2026", "titel_original": "AI Overviews in Deutschland: So stark sinken die Klickraten wirklich", "titel_de": "Sistrix: Klickverluste durch KI-Übersichten in DE", "autoren": "Beus (Sistrix)", "herausgeber": "Sistrix", "jahr": 2026, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Search & Performance" ], "kernaussage": "In Deutschland mehr als halbiert eine KI-Übersicht die Klickrate auf Position 1, über alle Keywords kostet sie aber nur rund 6,6 % der organischen Klicks – mit starken Unterschieden nach Branche.", "zahlen": [ { "wert": "27 % → 11 %", "bedeutung": "Klickrate auf Position 1 ohne vs. mit KI-Übersicht" }, { "wert": "6,6 %", "bedeutung": "durchschnittlicher Verlust organischer Klicks über alle Keywords (265 Mio. pro Monat)" }, { "wert": "bis 30 %", "bedeutung": "Klickverlust bei Gesundheitsportalen (Eltern/Baby über 24 %, News 7,37 %, Rezepte 1,07 %)" }, { "wert": "0,46 % / 1,73 %", "bedeutung": "Klickverlust Booking bzw. Amazon" } ], "methode": "Modellrechnung des Anbieters über seine Keyword-Datenbank; Herkunft der Klickraten nicht offengelegt.", "datenbasis": "über 100 Mio. Keywords, Deutschland, Stand 2026", "einschraenkungen": "Methode der Klickraten nicht offengelegt. Startdatum der KI-Übersicht in DE widerspricht Google (Mai vs. 26.03.2025). Einzelseiten-Werte sind Modellwerte.", "interessenlage": "Sistrix verkauft SEO- und KI-Sichtbarkeits-Tools.", "score": { "design": 2, "datenbasis": 8, "unabhaengigkeit": 1, "replikation": 6, "uebertragbarkeit": 5, "begruendung": "Große Datenbasis, aber verschlossene Methode eines Tool-Anbieters; Richtung passt zu Pew, Seer und Ahrefs.", "gesamt": 4.0 }, "richtung": "bestaetigt", "quelle_url": "https://www.sistrix.de/news/ai-overviews-in-deutschland-so-stark-sinken-die-klickraten-wirklich/", "zugang": "offen", "folgen": [ 12 ], "stand": "2026-11-06" }, { "id": "spiegel-powerreviews-online-reviews-sales-2017", "titel_original": "How Online Reviews Influence Sales", "titel_de": "Spiegel Research Center: Wie Online-Bewertungen den Absatz treiben", "autoren": "Spiegel Research Center (Northwestern University), PowerReviews", "herausgeber": "Spiegel Research Center", "jahr": 2017, "studientyp": "Anbieterauswertung", "themen": [ "Handel & Commerce" ], "kernaussage": "Der größte Sprung entsteht beim Übergang von null auf wenige Bewertungen; die Kaufwahrscheinlichkeit erreicht ihren Gipfel bei Ratings unter fünf Sternen.", "zahlen": [ { "wert": "+270 %", "bedeutung": "höhere Kaufwahrscheinlichkeit mit fünf Bewertungen vs. ohne (teure Produkte +380 %, günstige +190 %)" }, { "wert": "4,0–4,7", "bedeutung": "Sternbereich, in dem die Kaufwahrscheinlichkeit typischerweise ihren Gipfel hat" }, { "wert": "+190 % / +380 %", "bedeutung": "Konversionsplus durch angezeigte Rezensionen bei günstigen bzw. teureren Produkten" }, { "wert": "4,0–4,7 Sterne", "bedeutung": "Bereich, in dem die Kaufwahrscheinlichkeit typischerweise am höchsten ist" }, { "wert": "+15 %", "bedeutung": "höhere Kaufchance durch den Hinweis 'verifizierter Käufer'" } ], "methode": "Beobachtungsauswertung von Händlerdaten; wissenschaftliche Basis Askalidis & Malthouse (RecSys 2016).", "datenbasis": "Ein Online-Händler für teure Geschenke: 15,5 Mio. Seitenaufrufe, 1.800 Produkte, 7,8 Mio. Nutzer, ein Jahr", "einschraenkungen": "Keine Kontrollgruppe; gilt nur für den Sprung von null auf wenige Bewertungen. Die Spanne '4,2–4,5' stammt aus Maslowska et al., nicht aus dem Report. Weitere Report-Zahlen (82 % suchen negative Bewertungen) sind übernommene Anbieterzahlen.", "interessenlage": "Partner und Datenlieferant PowerReviews verkauft Bewertungssoftware", "score": { "design": 3, "datenbasis": 6, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Akademisches Zentrum mit Anbieterdaten; reine Beobachtung, Interessenlage beim Partner.", "gesamt": 4.0 }, "richtung": "offen", "quelle_url": "https://www.xait.com/hubfs/Spiegel_Online-Review_eBook_Jun2017_FINAL.pdf", "zugang": "offen", "folgen": [ 34 ], "stand": "2026-11-06", "alias": [ "spiegel-research-online-reviews-sales-2017" ] }, { "id": "thinkbox-profit-ability-2-2024", "titel_original": "Profit Ability 2: The new business case for advertising", "titel_de": "Profit Ability 2: Langzeit-ROI von Werbung in Großbritannien", "autoren": "Ebiquity, EssenceMediacom, Gain Theory, Mindshare, Wavemaker", "herausgeber": "Thinkbox", "jahr": 2024, "studientyp": "Ökonometrie/MMM", "themen": [ "Media & Budget", "Messung & Attribution" ], "kernaussage": "Laut der gepoolten britischen Ökonometrie entsteht mehr als die Hälfte des werbegetriebenen Gewinns erst nach den ersten 13 Wochen; Generic Search wirkt vor allem sofort, lineares TV vor allem danach.", "zahlen": [ { "wert": "58 %", "bedeutung": "Anteil des werbegetriebenen Gewinns nach den ersten 13 Wochen (Horizont 24 Monate)" }, { "wert": "1,87 £ / 4,11 £", "bedeutung": "Gewinn je eingesetztem £ kurzfristig vs. inklusive Langzeiteffekt" }, { "wert": "30,5 % / 9,7 %", "bedeutung": "Anteil Generic Search am Sofort-Payback (Woche 1) vs. am späteren Payback" }, { "wert": "20,5 % / 54,6 %", "bedeutung": "Anteil lineares TV am Sofort- vs. späteren Payback" }, { "wert": "1,87 £", "bedeutung": "durchschnittlicher kurzfristiger Gewinn-ROI (bis 13 Wochen) je investiertem Pfund" }, { "wert": "4,11 £", "bedeutung": "durchschnittlicher Gewinn-ROI je Pfund inklusive Langzeiteffekten (bis 24 Monate)" }, { "wert": "54,7 % vs. 43,6 %", "bedeutung": "Anteil von TV am gesamten Gewinnrückfluss gegenüber seinem Anteil an den Investitionen" }, { "wert": "1,8 Mrd. £", "bedeutung": "untersuchte UK-Mediainvestitionen über 10 Medien, 141 Marken, 14 Kategorien" } ], "methode": "Gepoolte Ökonometrie mehrerer Agenturen; Methode der Langzeitschätzung öffentlich nicht beschrieben.", "datenbasis": "141 Marken, 14 Kategorien, 1,8 Mrd. £ Mediaspend, nur UK; Zeitraum und Modellzahl nicht genannt", "einschraenkungen": "Wie 'sustained effects' geschätzt wurden, ist nicht nachvollziehbar; nur UK. Richtung plausibel, Höhe nicht unabhängig geprüft.", "interessenlage": "Auftraggeber ist der Vermarkterverband des britischen Werbefernsehens; beteiligte Agenturen verkaufen Ökonometrie", "score": { "design": 2, "datenbasis": 8, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Breite Datenbasis, aber Methode nicht offengelegt und Auftraggeber mit TV-Interesse.", "gesamt": 4.0 }, "richtung": "gemischt", "quelle_url": "https://www.thinkbox.tv/news-and-opinion/newsroom/profit-ability-2", "zugang": "teilweise", "folgen": [ 32 ], "stand": "2026-11-06", "alias": [ "thinkbox-2024-profit-ability-2" ] }, { "id": "zatuchin-dice-roll-method-2026", "titel_original": "The Dice Roll Method: A Standardized Protocol for Repeated-Query Auditing of Large Language Model Brand Recommendations", "titel_de": "Dice Roll: Wie viele Abfragen eine KI-Markenmessung braucht", "autoren": "Żatuchin", "herausgeber": "arXiv 2609.04047", "jahr": 2026, "studientyp": "Laborexperiment", "themen": [ "GEO & KI-Suche", "Messung & Attribution" ], "kernaussage": "Die Streuung liegt überwiegend zwischen verschiedenen Fragen, nicht zwischen Wiederholungen; viele verschiedene Prompts schlagen viele Wiederholungen. Für eine einzelne Frage ist die Messung kaum belastbar, und die Erstversion musste Empfehlungen aus synthetischen Daten zurückziehen.", "zahlen": [ { "wert": "83,8 % / 16,2 %", "bedeutung": "Varianzanteil zwischen Modell-Frage-Kombinationen vs. Wiederholungsrauschen" }, { "wert": "1–2 Läufe", "bedeutung": "reichen bei über 250 verschiedenen Fragen für Reliabilität 0,80" }, { "wert": "0,27 (KI 0,00–0,52)", "bedeutung": "Reliabilität bei einer Frage in fünf Formulierungen" } ], "methode": "Reanalyse wiederholter Abfragen mit Varianzzerlegung; Version 2 mit Korrektur.", "datenbasis": "Wiederholte LLM-Abfragen zu Markenempfehlungen; Zielgröße Zahl genannter Marken", "einschraenkungen": "Unbegutachteter Preprint eines Einzelautors; misst Markenanzahl, nicht Sichtbarkeit einer Marke; Laufzahl-Stufen der v1 zurückgezogen.", "interessenlage": "Zweitaffiliation beim GEO-Anbieter Rankfor.AI", "score": { "design": 4, "datenbasis": 4, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Methodenpapier mit Eigeninteresse und Selbstkorrektur; nicht repliziert.", "gesamt": 4.0 }, "richtung": "offen", "quelle_url": "https://arxiv.org/abs/2609.04047", "zugang": "offen", "folgen": [ 37 ], "stand": "2026-11-06" }, { "id": "cloudflare-perplexity-stealth-crawlers-2025", "titel_original": "Perplexity is using stealth, undeclared crawlers to evade website no-crawl directives", "titel_de": "Cloudflare: Vorwurf verdeckter Perplexity-Crawler", "autoren": "Cloudflare", "herausgeber": "Cloudflare (Blog)", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Recht & Datenschutz" ], "kernaussage": "Cloudflare wirft Perplexity vor, gesperrte Testseiten mit verdeckten Crawlern abgerufen zu haben; ChatGPT-User hielt sich im selben Test an robots.txt.", "zahlen": [ { "wert": "20–25 Mio.", "bedeutung": "Anfragen pro Tag vom deklarierten Perplexity-Crawler" }, { "wert": "3–6 Mio.", "bedeutung": "Anfragen pro Tag vom verdeckten Crawler, über Zehntausende Domains" } ], "methode": "Test mit neu registrierten, nicht indexierten Domains, die per robots.txt alles sperrten; Netzwerkbeobachtung.", "datenbasis": "Eigene Testdomains plus Cloudflare-Netzwerk", "einschraenkungen": "Vorwurf eines Wettbewerbers, kein Gerichtsurteil; Stellungnahme von Perplexity nicht geprüft.", "interessenlage": "Cloudflare verkauft Bot-Blocking und Pay-per-Crawl", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Eigene Messung mit Testdesign, aber Partei im Konflikt.", "gesamt": 3.9 }, "richtung": "offen", "quelle_url": "https://blog.cloudflare.com/perplexity-is-using-stealth-undeclared-crawlers-to-evade-website-no-crawl-directives/", "zugang": "offen", "folgen": [ 39 ], "stand": "2026-11-06" }, { "id": "ecc-b2best-barometer-23-2026", "titel_original": "B2BEST Barometer Vol. 23", "titel_de": "ECC B2BEST Barometer Vol. 23: Vertrieb unter Druck", "autoren": "ECC KÖLN", "herausgeber": "ECC KÖLN / IFH Köln", "jahr": 2026, "studientyp": "Umfrage", "themen": [ "B2B" ], "kernaussage": "Deutsche B2B-Anbieter halten persönliche Beratung mehrheitlich für unverzichtbar, verlieren aber viel Vertriebszeit an Verwaltung.", "zahlen": [ { "wert": "71 %", "bedeutung": "B2B-Unternehmen, die persönliche Beratung als unverzichtbar sehen" }, { "wert": "39 %", "bedeutung": "B2B-Unternehmen, die mehr als 40 % der Vertriebszeit für Administration aufwenden" } ], "methode": "Befragung deutscher B2B-Anbieter (Großhandel und Hersteller).", "datenbasis": "200 B2B-Unternehmen in Deutschland.", "einschraenkungen": "Befragt wurden Anbieter, nicht Käufer. Kleine Stichprobe.", "interessenlage": "Partner synaigy (Digitalagentur) und Intershop (Commerce-Software) verkaufen Self-Service-Lösungen.", "score": { "design": 4, "datenbasis": 3, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Kleine Anbieterbefragung mit Partnern mit Produktbezug; nicht unabhängig geprüft.", "gesamt": 3.9 }, "richtung": "offen", "quelle_url": "https://www.ifhkoeln.de/b2b-vertrieb-unter-druck-kundenerwartungen-steigen-prozesse-bremsen-aus/", "zugang": "teilweise", "folgen": [ 22 ], "stand": "2026-11-06" }, { "id": "rab-system1-audio-effie-profit-2026", "titel_original": "Global audio research (CRA, Radiocentre, RAB, System1)", "titel_de": "Radioverbände: Audio-Kampagnen und Profit in Effie-Daten", "autoren": "System1 im Auftrag von CRA, Radiocentre, RAB", "herausgeber": "Radio Advertising Bureau (Pressemitteilung)", "jahr": 2026, "studientyp": "Fallsammlung", "themen": [ "Media & Budget" ], "kernaussage": "Kampagnen mit Audio als Werbekanal zeigten in Effie-Einreichungen deutlich höhere Profit-Effekte. Das betrifft Radio als Kanal, nicht Sonic Branding.", "zahlen": [ { "wert": "+75 %", "bedeutung": "höhere Profit-Effekte von Kampagnen mit Audio (Basis der Prozente unklar)" }, { "wert": "1.262", "bedeutung": "Effie-Kampagnen 2007–2023" } ], "methode": "Auswertung von Award-Einreichungen durch System1.", "datenbasis": "1.262 Effie-Kampagnen, 2007–2023", "einschraenkungen": "Korrelation; Award-Einreichungen sind keine repräsentative Stichprobe. Nicht als Beleg für Jingles verwenden.", "interessenlage": "Getragen von Radioverbänden", "score": { "design": 4, "datenbasis": 6, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Fallsammlung aus Award-Daten mit Auftraggeber-Interesse.", "gesamt": 3.9 }, "richtung": "offen", "quelle_url": "https://www.rab.com/public/pr/pr_detail.cfm?id=1031", "zugang": "offen", "folgen": [ 40 ], "stand": "2026-11-06" }, { "id": "rms-tns-emnid-soundlogo-studie-2003", "titel_original": "Soundlogo-Studie (RMS / TNS Emnid)", "titel_de": "RMS/TNS Emnid: Wiedererkennung von Soundlogos in Deutschland", "autoren": "RMS, TNS Emnid", "herausgeber": "RMS (berichtet in HORIZONT)", "jahr": 2003, "studientyp": "Umfrage", "themen": [ "Markenaufbau & Wachstum", "Kreation & Werbewirkung" ], "kernaussage": "Bekannte Soundlogos wurden in Deutschland von der großen Mehrheit wiedererkannt, korrekt der Marke zugeordnet aber deutlich seltener.", "zahlen": [ { "wert": "87 % / 84 % / 74 %", "bedeutung": "Wiedererkennung McDonald's / Intel / Krombacher" }, { "wert": "67 %", "bedeutung": "höchste korrekte Markenzuordnung (Media-Markt)" } ], "methode": "Repräsentative Befragung mit Vorspielen von Soundlogos.", "datenbasis": "n = 1.016 ab 14 Jahren, Deutschland, 2003", "einschraenkungen": "Nur aus zweiter Hand; Daten 23 Jahre alt; Wiedererkennen ist nicht gleich richtig zuordnen.", "interessenlage": "RMS ist Radiovermarkter", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 2, "begruendung": "Vermarkterumfrage mit veralteten Daten.", "gesamt": 3.9 }, "richtung": "offen", "quelle_url": "https://www.horizont.net/medien/nachrichten/-RMS-und-TNS-Emnid-legen-Ergebnisse-der-ersten-Soundlogo-Studie-vor-42573", "zugang": "teilweise", "folgen": [ 40 ], "stand": "2026-11-06" }, { "id": "stella-rising-how-people-use-ai-search-2026", "titel_original": "How People Use AI for Search (Survey)", "titel_de": "Stella Rising: Wie echte Nutzer KI fragen", "autoren": "Morabito (Stella Rising)", "herausgeber": "Stella Rising / Search Engine Land", "jahr": 2026, "studientyp": "Umfrage", "themen": [ "GEO & KI-Suche", "Methodik & Marktforschung" ], "kernaussage": "Echte Nutzer formulieren kurze, oft persönliche Prompts; generische Prompt-Panels von Tracking-Tools bilden diese Nachfrage kaum ab.", "zahlen": [ { "wert": "2/3", "bedeutung": "Befragte mit Prompts von höchstens 15 Wörtern" }, { "wert": "8 Wörter", "bedeutung": "Median-Promptlänge im Schuhkauf-Szenario" }, { "wert": "32 % / 28 %", "bedeutung": "nannten persönliche Merkmale bzw. Preis oder Budget im Prompt" } ], "methode": "Online-Befragung über Centiment.", "datenbasis": "n = 524 aktive LLM-Nutzer, Jan. 2026, ±4,3 %, vermutlich USA", "einschraenkungen": "Selbstauskunft bzw. Szenario, kein Log-Datensatz.", "interessenlage": "GEO-Agentur", "score": { "design": 4, "datenbasis": 3, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Kleine Agenturbefragung mit Szenarioaufgaben.", "gesamt": 3.9 }, "richtung": "offen", "quelle_url": "https://www.stellarising.com/blog/how-people-use-ai-for-search-survey", "zugang": "offen", "folgen": [ 37 ], "stand": "2026-11-06" }, { "id": "vzbv-tiktok-shop-stichprobe-2025", "titel_original": "Online-Shopping: TikTok Shop stellt nicht immer alle Informationen zur Verfügung", "titel_de": "vzbv-Stichprobe: Pflichtangaben im TikTok Shop", "autoren": "Verbraucherzentrale Bundesverband (vzbv)", "herausgeber": "vzbv", "jahr": 2025, "studientyp": "Fallsammlung", "themen": [ "Recht & Datenschutz", "Handel & Commerce" ], "kernaussage": "In einer kleinen Stichprobe fand der vzbv auf keiner geprüften TikTok-Shop-Produktseite klar und verständlich bereitgestellte Händlerangaben, auch Warnhinweise waren unklar.", "zahlen": [ { "wert": "0 von 3", "bedeutung": "Produktseiten mit klaren Händlerangaben" } ], "methode": "Qualitative Prüfung von Produktseiten in der Android-App am Maßstab von Art. 30 und 31 DSA.", "datenbasis": "3 Produktseiten (Kinderspielzeug, Elektronik, Kleidung), 01.–17.07.2025.", "einschraenkungen": "Nicht repräsentativ; kein Beleg für systematische Verstöße. Formulierung: „Bei einer Stichprobe fand der vzbv …“.", "interessenlage": "vzbv ist Verbraucherlobby (steuerfinanziert).", "score": { "design": 4, "datenbasis": 1, "unabhaengigkeit": 7, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Winzige qualitative Stichprobe einer Verbraucherorganisation; nicht wiederholt geprüft.", "gesamt": 3.9 }, "richtung": "offen", "quelle_url": "https://www.vzbv.de/meldungen/online-shopping-tiktok-shop-stellt-nicht-immer-alle-informationen-zur-verfuegung", "zugang": "offen", "folgen": [ 23 ], "stand": "2026-11-06" }, { "id": "forrester-agentic-commerce-2026", "titel_original": "What it means that the leader in agentic commerce just pulled back", "titel_de": "Forrester: Kaufen in KI-Antwortmaschinen bleibt Nischennutzung", "autoren": "Pfeiffer, Kodali", "herausgeber": "Forrester", "jahr": 2026, "studientyp": "Umfrage", "themen": [ "Handel & Commerce", "GEO & KI-Suche" ], "kernaussage": "Unter regelmäßigen Nutzern von Antwortmaschinen ist der Kauf direkt in der Antwort der am wenigsten genutzte Anwendungsfall; die Produktsuche ist verbreiteter, vor allem bei Jüngeren.", "zahlen": [ { "wert": "23 / 32 / 35 %", "bedeutung": "Anteil der US-Online-Erwachsenen, die eine Antwortmaschine schon zur Produktsuche genutzt haben: Generation X, Millennials, Generation Z" } ], "methode": "Auswertung der Forrester Consumer Pulse Survey vom Dezember 2025.", "datenbasis": "US-Online-Erwachsene; Stichprobengröße und Gewichtung nicht offengelegt.", "einschraenkungen": "Methode nicht offengelegt; misst Nutzung zur Suche, nicht Käufe. Händlerzahlen zum Instant-Checkout weichen zwischen Quellen ab (rund 12 vs. rund 30).", "interessenlage": "Forrester verkauft Marktforschung und Beratung.", "score": { "design": 4, "datenbasis": 4, "unabhaengigkeit": 4, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Befragung eines Forschungsverkäufers mit verschlossener Methodik zu einem schnell wandelnden Markt.", "gesamt": 3.8 }, "richtung": "offen", "quelle_url": "https://www.forrester.com/blogs/what-it-means-that-the-leader-in-agentic-commerce-just-pulled-back", "zugang": "offen", "folgen": [ 9 ], "stand": "2026-11-06" }, { "id": "kantar-synthetic-sample-test-2023", "titel_original": "What is synthetic sample – and is it all it’s cracked up to be?", "titel_de": "Kantar-Test 2023: Synthetische Stichprobe zu positiv", "autoren": "Kalidas, Ostler (Kantar)", "herausgeber": "Kantar", "jahr": 2023, "studientyp": "Anbieterauswertung", "themen": [ "KI im Marketing", "Methodik & Marktforschung" ], "kernaussage": "In Kantars eigenem Test fielen GPT-4-Antworten massiv positiv aus; für Subgruppen- und Emotionsanalysen hielt Kantar synthetische Stichproben für nicht gut genug.", "zahlen": [ { "wert": "≈ 5.000", "bedeutung": "Befragte im Vergleichsdatensatz (Luxus/Technik)" }, { "wert": "50", "bedeutung": "Wiederholungen eines Prompts" } ], "methode": "Vergleich von GPT-4-Antworten mit einem eigenen Befragungsdatensatz.", "datenbasis": "Rund 5.000 Befragte; 50 Prompt-Wiederholungen.", "einschraenkungen": "Modell von 2023, veraltet. Nur über eine WebFetch-Zusammenfassung gelesen; Methode nicht vollständig offengelegt.", "interessenlage": "Kantar verkauft Panels mit echten Menschen.", "score": { "design": 2, "datenbasis": 5, "unabhaengigkeit": 3, "replikation": 6, "uebertragbarkeit": 3, "begruendung": "Anbietertest ohne offene Methode mit Eigeninteresse am Ergebnis; Positiv-Tendenz von Maier et al. gestützt.", "gesamt": 3.8 }, "richtung": "offen", "quelle_url": "https://www.kantar.com/inspiration/analytics/what-is-synthetic-sample-and-is-it-all-its-cracked-up-to-be", "zugang": "offen", "folgen": [ 26 ], "stand": "2026-11-06" }, { "id": "wood-2019-lemon", "titel_original": "Lemon: How the Advertising Brain Turned Sour", "titel_de": "Lemon: Wie Werbung ihre rechte Hirnhälfte verlor", "autoren": "Wood", "herausgeber": "IPA (Autor bei System1)", "jahr": 2019, "studientyp": "Fallsammlung", "themen": [ "Kreation & Werbewirkung", "Markenaufbau & Wachstum" ], "kernaussage": "TV-Werbung hat sich über 30 Jahre von 'rechtshemisphärischen' Gestaltungselementen (Metaphern, Musik, Ortsgefühl) hin zu 'linkshemisphärischen' (Text im Bild, abstrakte Körperteile, schnelle rhythmische Schnitte) verschoben – und gerade die geschwundenen Elemente gehen laut Wood mit stärkerer Wirkung auf Markenwachstum einher.", "zahlen": [], "methode": "Analyse der Gestaltungsmerkmale von TV-Spots über drei Jahrzehnte, verknüpft mit Effektivitätsdaten und Befunden der Hemisphärenforschung.", "datenbasis": "TV-Werbung über rund 30 Jahre (UK-Schwerpunkt), System1-Testdaten und Effektivitätsfälle; Fallzahl in der Herausgebermeldung nicht angegeben.", "einschraenkungen": "Die 'Links-/Rechtshirn'-Rahmung ist eine starke Vereinfachung und neurowissenschaftlich umstritten; die Wirkungsmessung stützt sich auf Testverfahren des Arbeitgebers des Autors. Korrelativ, kein Experiment. Primärquelle ist ein kostenpflichtiger IPA-Bericht; hier verlinkt die Veröffentlichungsmeldung.", "interessenlage": "Autor ist Chief Innovation Officer von System1, das die verwendeten Testverfahren verkauft.", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Plausible, aber anbieternahe Fallanalyse mit eigener Messmethode; unabhängige Replikation fehlt.", "gesamt": 3.8 }, "richtung": "offen", "quelle_url": "https://lbbonline.com/news/ipa-publishes-lemon-a-repair-manual-to-reverse-the-crisis-in-creative-effectiveness", "zugang": "paywall", "folgen": [], "stand": "2026-11-06" }, { "id": "ceb-google-digital-evolution-b2b-2012", "titel_original": "The Digital Evolution in B2B Marketing", "titel_de": "CEB/Google 2012: Herkunft der „57 %“", "autoren": "CEB Marketing Leadership Council, Google", "herausgeber": "CEB (Corporate Executive Board)", "jahr": 2012, "studientyp": "Umfrage", "themen": [ "B2B" ], "kernaussage": "Kunden schätzten rückblickend, dass sie im Schnitt mehr als die Hälfte des Kaufprozesses hinter sich hatten, bevor sie direkt mit einem Vertriebler sprachen. Daraus entstand die oft falsch zitierte „57 %“-Zahl.", "zahlen": [ { "wert": "57 %", "bedeutung": "durchschnittlich geschätzter Fortschritt im Kaufprozess vor dem ersten direkten Vertriebskontakt" }, { "wert": "70 %", "bedeutung": "Höchstwert eines Anbieter-Mittels" }, { "wert": "n = 1.500", "bedeutung": "befragte Kunden von 22 Anbietern" } ], "methode": "Customer Purchase Research Survey 2011 mit retrospektiver Selbstschätzung.", "datenbasis": "1.500 Kunden von 22 großen B2B-Organisationen, 2011.", "einschraenkungen": "Gemessen wurde der erste direkte Rep-Kontakt, nicht die „gefallene Kaufentscheidung“. 15 Jahre alt, Selbstschätzung, nur Kunden großer Anbieter. Original nicht mehr auf der CEB-Seite, gelesen über eine Drittanbieter-Kopie.", "interessenlage": "Mitherausgeber Google hat Interesse an der Botschaft „digital zuerst“.", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 4, "replikation": 3, "uebertragbarkeit": 2, "begruendung": "Retrospektive Befragung mittlerer Größe mit interessiertem Mitherausgeber; veraltet und häufig fehlzitiert.", "gesamt": 3.7 }, "richtung": "widerlegt", "quelle_url": "https://www.readkong.com/page/the-digital-evolution-in-b2b-marketing-9326029", "zugang": "offen", "folgen": [ 22 ], "stand": "2026-11-06" }, { "id": "dmexco-kantar-deutsche-werbung-2025", "titel_original": "Study by DMEXCO and Kantar reveals: German advertising needs to be more emotional, bolder and more creative", "titel_de": "DMEXCO/Kantar: Wie deutsche Marketer Werbung sehen", "autoren": "Kantar, DMEXCO", "herausgeber": "DMEXCO", "jahr": 2025, "studientyp": "Umfrage", "themen": [ "Kreation & Werbewirkung", "Methodik & Marktforschung" ], "kernaussage": "Deutsche Marketer setzen kreative Qualität als wichtigsten Faktor für profitable Werbung auf Platz 1, während global der Media-Mix vorne liegt; deutsche Werbung erzielt einen niedrigeren „Enjoyment Score“ als Italien oder die USA.", "zahlen": [ { "wert": "62", "bedeutung": "Anzahl deutscher Marketing-Entscheider in der Stichprobe (von 974 international)" }, { "wert": "3,31 von 5", "bedeutung": "Enjoyment Score deutscher Werbung (Italien 3,82, USA 3,8)" } ], "methode": "Deutschland-Auswertung der Marketer-Befragung von Kantar Media Reactions 2025 im Auftrag von DMEXCO; Enjoyment Score aus Kantar-Daten.", "datenbasis": "974 internationale, davon 62 deutsche Marketing-Entscheider; Marketer per E-Mail/Social Media eingeladen", "einschraenkungen": "Nur 62 deutsche Befragte, selbstselektiert. Die Methode des Enjoyment Score ist nicht offengelegt.", "interessenlage": "Von DMEXCO (Messeveranstalter) beauftragt; Kantar verkauft Werbetests.", "score": { "design": 4, "datenbasis": 3, "unabhaengigkeit": 4, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Kleine deutsche Teilstichprobe und nicht offengelegte Kennzahl einer Auftragsstudie; Ergebnisse nicht unabhängig geprüft.", "gesamt": 3.7 }, "richtung": "offen", "quelle_url": "https://dmexco.com/press/study-by-dmexco-and-kantar-reveals-german-advertising-needs-to-be-more-emotional-bolder-and-more-creative/", "zugang": "offen", "folgen": [ 11 ], "stand": "2026-11-06" }, { "id": "ifh-kpmg-consumer-barometer-social-commerce-2024", "titel_original": "Consumer Barometer: Wie Social Commerce den Onlinehandel befeuert", "titel_de": "KPMG/IFH Consumer Barometer 2024: Social Commerce", "autoren": "IFH Köln, KPMG", "herausgeber": "IFH Köln / KPMG", "jahr": 2024, "studientyp": "Umfrage", "themen": [ "Social & Influencer", "Handel & Commerce" ], "kernaussage": "Drei Viertel der Befragten geben an, schon über Social Commerce gekauft zu haben. Die hohe Zahl entsteht vor allem durch eine sehr weite Definition.", "zahlen": [ { "wert": "75 %", "bedeutung": "Befragte, die schon über Social Commerce gekauft haben (weite Definition)" } ], "methode": "Online-Befragung.", "datenbasis": "Rund 500 Befragte, Januar 2024 (vor dem Start des TikTok Shop in Deutschland).", "einschraenkungen": "Definition umfasst soziale Medien, VR, Online-Games und Live-Video-Shopping. Selbstauskünfte zu selteneren Retouren widersprechen Verhaltensdaten (Feng et al.).", "interessenlage": "Mitherausgeber KPMG (Beratung) hat Interesse an der Relevanz des Themas.", "score": { "design": 4, "datenbasis": 3, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Kleine Online-Befragung mit sehr weiter Definition; Beratungsbeteiligung; nicht unabhängig bestätigt.", "gesamt": 3.7 }, "richtung": "gemischt", "quelle_url": "https://www.ifhkoeln.de/wie-social-commerce-den-onlinehandel-befeuert/", "zugang": "offen", "folgen": [ 23 ], "stand": "2026-11-06" }, { "id": "ipsos-google-ai-mode-shopping-2025", "titel_original": "Ipsos-Befragung im Auftrag von Google zu AI Mode beim Shopping", "titel_de": "Ipsos für Google: AI Mode und Einkaufen", "autoren": "Ipsos", "herausgeber": "Google (Blog Google Marketing Live, 20.05.2026)", "jahr": 2025, "studientyp": "Umfrage", "themen": [ "GEO & KI-Suche", "Handel & Commerce" ], "kernaussage": "Drei Viertel der befragten Nutzer von AI Overviews bzw. AI Mode sagen, dank AI Mode schneller und sicherer zu kaufen. Über die Wirkung von Anzeigen sagt das nichts.", "zahlen": [ { "wert": "75 %", "bedeutung": "Anteil der Befragten (nur AIO-/AI-Mode-Nutzer beim Shopping), die angeben, dank AI Mode schneller und sicherer zu kaufen" } ], "methode": "Onlinebefragung in 25 Ländern im Auftrag von Google.", "datenbasis": "n = 13.189, 25 Länder inkl. Deutschland, Dez. 2025, nur Nutzer", "einschraenkungen": "Nur Nutzer befragt (Selektion), Selbstauskunft; nur als Fußnote in einem Google-Blog veröffentlicht.", "interessenlage": "Auftraggeber Google, der AI-Mode-Werbeinventar verkauft", "score": { "design": 3, "datenbasis": 7, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Große Mehrländer-Umfrage, aber Auftragsstudie der Plattform mit Nutzer-Selektion.", "gesamt": 3.7 }, "richtung": "offen", "quelle_url": "https://blog.google/products/ads-commerce/google-marketing-live-search-ads/", "zugang": "offen", "folgen": [ 33 ], "stand": "2026-11-06" }, { "id": "llm-pulse-chatgpt-referral-traffic-drop-2026", "titel_original": "ChatGPT referral traffic fell", "titel_de": "LLM Pulse: UTM-Ausfall bei ChatGPT im Oktober 2026", "autoren": "LLM Pulse", "herausgeber": "LLM Pulse (Blog)", "jahr": 2026, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Messung & Attribution" ], "kernaussage": "Als ChatGPT-Links im Oktober 2026 eine Woche lang der UTM-Tag fehlte, fielen die gemessenen ChatGPT-Sitzungen um fast die Hälfte, obwohl der Gesamttraffic fast gleich blieb; 'Direct' wuchs entsprechend.", "zahlen": [ { "wert": "≈ −46 %", "bedeutung": "gemessene ChatGPT-Sitzungen 8.–15.10.2026" }, { "wert": "≈ −2 %", "bedeutung": "Gesamttraffic derselben Sites" }, { "wert": "≈ 31.000 / 26.000", "bedeutung": "tägliche ChatGPT-Besuche verloren vs. Zuwachs bei 'Direct' auf ca. 500 stark ChatGPT-abhängigen Seiten" } ], "methode": "Vergleich von Analytics-Daten angeschlossener Seiten vor und während des Ausfalls.", "datenbasis": "rund 500 stark ChatGPT-abhängige Seiten, Oktober 2026", "einschraenkungen": "OpenAI-Bestätigung nur aus zweiter Hand; Werte kein Korrekturfaktor für eigene Berichte.", "interessenlage": "Anbieter verkauft KI-Tracking", "score": { "design": 2, "datenbasis": 4, "unabhaengigkeit": 3, "replikation": 6, "uebertragbarkeit": 4, "begruendung": "Anbieterzahl, Richtung durch Profound unabhängig von LLM Pulse gestützt.", "gesamt": 3.7 }, "richtung": "bestaetigt", "quelle_url": "https://llmpulse.ai/blog/chatgpt-referral-traffic-fell/", "zugang": "offen", "folgen": [ 37 ], "stand": "2026-11-06" }, { "id": "seer-aio-impact-ctr-2025", "titel_original": "AIO Impact on Google CTR: September 2025 Update", "titel_de": "Seer: Klickraten bei Suchanfragen mit AI Overview", "autoren": "Seer Interactive", "herausgeber": "Seer Interactive", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Search & Performance" ], "kernaussage": "Bei informationalen Suchanfragen mit AI Overview fiel die bezahlte Klickrate binnen 15 Monaten auf rund ein Drittel; ohne AI Overview sank sie ebenfalls, aber weniger.", "zahlen": [ { "wert": "19,7 % → 6,34 %", "bedeutung": "Paid-CTR bei Anfragen mit AI Overview, Juni 2024 vs. Sept. 2025 (≈ −13 Prozentpunkte)" }, { "wert": "19,1 % → 13,04 %", "bedeutung": "Paid-CTR bei Anfragen ohne AI Overview" }, { "wert": "−41 %", "bedeutung": "Klickrate bei Suchen ohne KI-Übersicht (Juni 2024: 2,72 % → Sept. 2025: 1,62 %)" } ], "methode": "Retrospektive Kohortenauswertung von Agentur-Kundendaten.", "datenbasis": "3.119 informationale Keywords, 42 Kunden, 1,1 Mio. Paid-Impressionen", "einschraenkungen": "Nicht kausal; Seer nennt mal 65 %, mal 68 % Rückgang. Betrifft Anzeigen um AI Overviews, nicht in der Antwort. Relativ vs. Prozentpunkte beachten.", "interessenlage": "Agentur mit Eigeninteresse an Such-Beratung", "score": { "design": 4, "datenbasis": 5, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Agentur-Kohortendaten mit offengelegter Basis, aber Kundenauswahl und keine Kontrolle.", "gesamt": 3.7 }, "richtung": "bestaetigt", "quelle_url": "https://www.seerinteractive.com/insights/aio-impact-on-google-ctr-september-2025-update", "zugang": "offen", "folgen": [ 12, 33 ], "stand": "2026-11-06", "alias": [] }, { "id": "adobe-holiday-shopping-2025", "titel_original": "Adobe: Holiday Shopping Season Drove a Record $257.8 Billion Online with Consumers Embracing Generative AI Tools", "titel_de": "Adobe: KI-Traffic im US-Weihnachtsgeschäft 2025", "autoren": "Adobe", "herausgeber": "Adobe (Pressemitteilung)", "jahr": 2026, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Handel & Commerce" ], "kernaussage": "Der Traffic aus generativer KI auf US-Handelsseiten wuchs im Weihnachtsgeschäft 2025 um ein Vielfaches gegenüber dem Vorjahr, allerdings von einer kleinen Basis.", "zahlen": [ { "wert": "+693,4 %", "bedeutung": "Wachstum des Traffics aus generativer KI auf US-Retail-Seiten gegenüber Vorjahr" } ], "methode": "Auswertung von Adobe-Analytics-Daten.", "datenbasis": "über 1 Billion Besuche auf US-Retail-Seiten, 01.11.–31.12.2025", "einschraenkungen": "Kein Anteil am Gesamttraffic genannt. Zahlen zu Conversion und Umsatz pro Besuch stehen nur in Sekundärquellen.", "interessenlage": "Adobe verkauft seit 2025 einen „LLM Optimizer“.", "score": { "design": 2, "datenbasis": 9, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Sehr große Datenbasis, aber Anbieterzahl ohne Basisgröße.", "gesamt": 3.6 }, "richtung": "offen", "quelle_url": "https://news.adobe.com/news/downloads/pdfs/2026/01/010726-holiday-shopping-season-2025.pdf", "zugang": "offen", "folgen": [ 15 ], "stand": "2026-11-06" }, { "id": "litmus-email-client-market-share-2026", "titel_original": "Email Client Market Share", "titel_de": "Litmus: Marktanteile der E-Mail-Clients", "autoren": "Litmus", "herausgeber": "Litmus", "jahr": 2026, "studientyp": "Anbieterauswertung", "themen": [ "CRM & Loyalität", "Messung & Attribution" ], "kernaussage": "Apple Mail stellt den Großteil der gemessenen Öffnungen; durch Apple Mail Privacy Protection gelten diese Öffnungen als unzuverlässig, Öffnungsraten werden dadurch künstlich aufgebläht.", "zahlen": [ { "wert": "76,56 %", "bedeutung": "Anteil von Apple Mail an den gemessenen Öffnungen, September 2026" }, { "wert": "≈ 55–60 %", "bedeutung": "Anteil aller Öffnungen, die von MPP betroffen sind" } ], "methode": "Auswertung von Öffnungen über Litmus-Tracking.", "datenbasis": "über 1,5 Mrd. Öffnungen, September 2026", "einschraenkungen": "Litmus-Kunden, nicht repräsentativ; Litmus sagt 'not reliable', nicht wörtlich 'aufgebläht'.", "interessenlage": "Litmus verkauft E-Mail-Software", "score": { "design": 2, "datenbasis": 8, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Riesige, aber nicht repräsentative Anbieterdaten.", "gesamt": 3.6 }, "richtung": "bestaetigt", "quelle_url": "https://www.litmus.com/email-client-market-share", "zugang": "offen", "folgen": [ 36 ], "stand": "2026-11-06" }, { "id": "profound-ai-platform-citation-patterns-2025", "titel_original": "AI Platform Citation Patterns: How ChatGPT, Google AI Overviews, and Perplexity Source Information", "titel_de": "Profound: Welche Quellen KI-Plattformen zitieren", "autoren": "Lafferty (Profound)", "herausgeber": "Profound", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche" ], "kernaussage": "Die viel zitierten Reddit- und Wikipedia-Anteile in KI-Antworten werden häufig falsch wiedergegeben: Ihr Anteil an allen Zitaten ist klein, ihr Anteil an den Top-10-Quellen groß.", "zahlen": [ { "wert": "7,8 % vs. 47,9 %", "bedeutung": "Wikipedia-Anteil an allen ChatGPT-Zitaten vs. innerhalb der Top-10-Quellen" }, { "wert": "2,2 % / 6,6 %", "bedeutung": "Reddit-Anteil an allen Zitaten bei Google AI Overviews bzw. Perplexity" } ], "methode": "Auswertung eines Zitat-Trackings über mehrere KI-Plattformen.", "datenbasis": "680 Mio. Zitate, Aug. 2024–Juni 2025", "einschraenkungen": "Häufiges Fehlzitat: Der Top-10-Anteil (47,9 %) wird als Gesamtanteil weitergegeben. Daten liegen vor dem Einbruch, den Semrush ab Aug. 2025 misst.", "interessenlage": "Profound verkauft KI-Sichtbarkeits-Tracking.", "score": { "design": 2, "datenbasis": 9, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Riesige Anbieterdatenbasis, Methode nicht offen, durch spätere Verschiebungen teils überholt.", "gesamt": 3.6 }, "richtung": "gemischt", "quelle_url": "https://www.tryprofound.com/blog/ai-platform-citation-patterns", "zugang": "offen", "folgen": [ 15 ], "stand": "2026-11-06" }, { "id": "williams-cook-fake-schema-test-2026", "titel_original": "Fake-Schema-Test 'DUCKYEA t-shirts'", "titel_de": "Williams-Cook: KI liest Schema wie normalen Text", "autoren": "Williams-Cook", "herausgeber": "Search Engine Roundtable (Bericht)", "jahr": 2026, "studientyp": "Fallsammlung", "themen": [ "GEO & KI-Suche" ], "kernaussage": "ChatGPT und Perplexity fanden in einem Test eine Adresse, die nur in erfundenem, ungültigem Schema stand; JSON-LD wird offenbar wie normaler Seitentext gelesen.", "zahlen": [], "methode": "Einzeltest mit einer fiktiven Firma.", "datenbasis": "Ein Testfall", "einschraenkungen": "Ohne Kontrollgruppe, aus zweiter Hand; Microsoft Bing sagt dagegen, Schema helfe Copilot.", "interessenlage": "SEO-Berater, kein GEO-Toolanbieter", "score": { "design": 4, "datenbasis": 2, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Anekdotischer Einzeltest.", "gesamt": 3.6 }, "richtung": "offen", "quelle_url": "https://seroundtable.com/chatgpt-perplexity-structured-data-text-40862.html", "zugang": "offen", "folgen": [ 39 ], "stand": "2026-11-06" }, { "id": "ahrefs-ai-brand-visibility-correlations-2025", "titel_original": "AI brand visibility correlations", "titel_de": "Ahrefs: Was mit KI-Markensichtbarkeit korreliert", "autoren": "Ahrefs", "herausgeber": "Ahrefs (Blog)", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Markenaufbau & Wachstum" ], "kernaussage": "KI-Sichtbarkeit von Marken korreliert stärker mit Web-Erwähnungen als mit dem Markensuchvolumen; beides sind Korrelationen, kein Lift.", "zahlen": [ { "wert": "0,664", "bedeutung": "Korrelation von Web-Erwähnungen mit KI-Sichtbarkeit (in Folge 15 verwendet)" }, { "wert": "0,352 / 0,466 / 0,392", "bedeutung": "Spearman-Korrelation Markensuchvolumen mit Sichtbarkeit in ChatGPT / AI Mode / AI Overviews" } ], "methode": "Korrelationsanalyse über Ahrefs Brand Radar.", "datenbasis": "75.000 Marken", "einschraenkungen": "Reine Korrelation; Datenbasis ist ein verkauftes Produkt.", "interessenlage": "Ahrefs verkauft Brand Radar", "score": { "design": 2, "datenbasis": 8, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Große Anbieterstichprobe, nur Korrelationen; Werte weichen von Seer stark ab.", "gesamt": 3.5 }, "richtung": "gemischt", "quelle_url": "https://ahrefs.com/blog/ai-brand-visibility-correlations", "zugang": "offen", "folgen": [ 15, 37 ], "stand": "2026-11-06" }, { "id": "ahrefs-ai-overview-brand-correlation-2025", "titel_original": "An Analysis of AI Overview Brand Visibility Factors (75K Brands Studied)", "titel_de": "Ahrefs: Web-Erwähnungen korrelieren mit KI-Nennungen", "autoren": "Linehan, Guan (Ahrefs)", "herausgeber": "Ahrefs", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Markenaufbau & Wachstum" ], "kernaussage": "Marken, die im Netz häufig erwähnt werden, tauchen auch häufiger in Google-KI-Übersichten auf; Backlinks hängen damit deutlich schwächer zusammen.", "zahlen": [ { "wert": "ρ = 0,664", "bedeutung": "Korrelation von Marken-Erwähnungen im Web mit Nennungen in AI Overviews" }, { "wert": "ρ = 0,218", "bedeutung": "Korrelation von Backlinks mit AI-Overview-Nennungen" }, { "wert": "169 vs. 14", "bedeutung": "durchschnittliche Nennungen von Marken im obersten vs. nächsten Viertel nach Web-Erwähnungen" } ], "methode": "Spearman-Korrelationen über eine Markendatenbank, nur Google AI Overviews.", "datenbasis": "75.000 Marken", "einschraenkungen": "Korrelation, keine Kausalität (so auch Ahrefs). Kein Beleg für einen Zusammenhang mit Marktanteil.", "interessenlage": "Ahrefs verkauft „Brand Radar“.", "score": { "design": 2, "datenbasis": 8, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Große Anbieterauswertung mit einfacher Korrelation, nicht unabhängig geprüft.", "gesamt": 3.5 }, "richtung": "offen", "quelle_url": "https://ahrefs.com/blog/ai-overview-brand-correlation/", "zugang": "offen", "folgen": [ 15 ], "stand": "2026-11-06" }, { "id": "ahrefs-aio-citations-top10-2026", "titel_original": "Update: 38% of AI Overview Citations Pull From The Top 10", "titel_de": "Ahrefs: Nur noch 38 % der AIO-Zitate aus den Top 10", "autoren": "Linehan (Ahrefs)", "herausgeber": "Ahrefs (Blog)", "jahr": 2026, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Search & Performance" ], "kernaussage": "Der Anteil der in Googles AI Overviews zitierten URLs, die auch in den organischen Top 10 stehen, fiel laut Ahrefs binnen acht Monaten von rund drei Viertel auf rund 38 %. Ein Teil davon kann Messartefakt sein.", "zahlen": [ { "wert": "≈ 76 % → 37,9 %", "bedeutung": "Anteil der AIO-Zitate aus den Top-10-Blöcken, Juli 2025 vs. März 2026" }, { "wert": "31 %", "bedeutung": "Anteil der AIO-Zitate von Seiten jenseits von Platz 100" } ], "methode": "Auswertung von Keyword-SERPs aus Ahrefs Brand Radar.", "datenbasis": "863.000 Keyword-SERPs, 4 Mio. AIO-URLs, USA", "einschraenkungen": "Ahrefs änderte zugleich die Parsing-Methode; Fan-out als Ursache nur vermutet. Nur Google, nur USA.", "interessenlage": "Ahrefs verkauft Brand Radar (KI-Monitoring)", "score": { "design": 2, "datenbasis": 8, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Große Anbieterstichprobe, aber Methodenwechsel und Eigeninteresse.", "gesamt": 3.5 }, "richtung": "offen", "quelle_url": "https://ahrefs.com/blog/ai-overview-citations-top-10/", "zugang": "offen", "folgen": [ 35 ], "stand": "2026-11-06" }, { "id": "cloudflare-crawl-to-refer-ratio-2025", "titel_original": "The crawl-to-click gap: Cloudflare data on AI bots, training, and referrals", "titel_de": "Cloudflare: Verhältnis von gecrawlten Seiten zu Besuchern", "autoren": "Cloudflare", "herausgeber": "Cloudflare (Blog, Cloudflare Radar)", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche" ], "kernaussage": "KI-Plattformen crawlen ein Vielfaches der Seiten, gemessen an den Besuchern, die sie zurückschicken; bei Anthropic war das Verhältnis besonders ungleich, bei Google am ausgeglichensten.", "zahlen": [ { "wert": "≈ 38.000 : 1", "bedeutung": "gecrawlte Seiten je weitergeleitetem Besucher bei Anthropic, Juli 2025 (−86,7 % seit Januar)" }, { "wert": "≈ 1.091 / 195 / 5,4", "bedeutung": "entsprechende Werte für OpenAI / Perplexity / Google" }, { "wert": "80 %", "bedeutung": "Anteil des KI-Crawlings der letzten zwölf Monate für Training" } ], "methode": "Cloudflare-Radar-Daten: Crawling-Volumen im Verhältnis zu Referrals.", "datenbasis": "Cloudflare-Netzwerk, Jan.–Juli 2025", "einschraenkungen": "Methode nur knapp beschrieben; Referrals ohne Referrer werden nicht erfasst.", "interessenlage": "Cloudflare verkauft Blocking und Pay-per-Crawl", "score": { "design": 2, "datenbasis": 8, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Riesige Netzwerkdaten, aber knappe Methode und Eigeninteresse.", "gesamt": 3.5 }, "richtung": "offen", "quelle_url": "https://blog.cloudflare.com/crawlers-click-ai-bots-training/", "zugang": "offen", "folgen": [ 39 ], "stand": "2026-11-06" }, { "id": "forrester-95-5-anbieterwechsel-2025", "titel_original": "The 95-5 rule is not a rule, but it's not a myth either", "titel_de": "Forrester: Wechselabsichten bei B2B-Martech-Anbietern", "autoren": "Arnold", "herausgeber": "Forrester", "jahr": 2025, "studientyp": "Umfrage", "themen": [ "B2B", "Methodik & Marktforschung" ], "kernaussage": "Im Martech-Bereich plant laut Forrester-Daten rund jede fünfte B2B-Firma einen Anbieterwechsel, die meisten davon binnen eines Jahres; das ergibt grob 16 % pro Jahr im Markt, je nach Kategorie mehr oder weniger.", "zahlen": [ { "wert": "rund 20 %", "bedeutung": "Anteil der B2B-Firmen, die einen Wechsel ihres Haupt-Martech-Anbieters planen" }, { "wert": "78 %", "bedeutung": "Anteil dieser Wechselwilligen, die binnen zwölf Monaten wechseln wollen" }, { "wert": "rund 16 %", "bedeutung": "daraus berechneter Jahresanteil im Markt" }, { "wert": "15–30 %", "bedeutung": "vom Autor genannte Spanne je Kategorie bzw. Anbieter, pro Jahr" } ], "methode": "Auswertung von Forrester-Befragungsdaten zu Wechselabsichten in den beobachteten Martech-Kategorien; der Beitrag legt Erhebung und Stichprobe nicht offen.", "datenbasis": "B2B-Marketingtechnologie-Kategorien, die Forrester verfolgt; Stichprobengröße und Feldzeit nicht genannt.", "einschraenkungen": "Es sind Jahreswerte und Absichten, keine Quartalswerte und kein gemessenes Wechselverhalten; gilt nur für Martech, nicht für B2B allgemein.", "interessenlage": "Forrester verkauft Käuferforschung und Beratung an B2B-Anbieter.", "score": { "design": 3, "datenbasis": 4, "unabhaengigkeit": 4, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Absichtsbefragung mit verschlossener Methodik eines Forschungsverkäufers, auf eine Branche begrenzt.", "gesamt": 3.5 }, "richtung": "gemischt", "quelle_url": "https://www.forrester.com/blogs/the-95-5-rule-is-not-a-rule-but-its-not-a-myth-either/", "zugang": "offen", "folgen": [ 1 ], "stand": "2026-11-06" }, { "id": "iab-state-of-data-2023", "titel_original": "State of Data 2023", "titel_de": "IAB State of Data 2023: Verbreitung von Data Clean Rooms", "autoren": "IAB (US), Ipsos, NewtonX", "herausgeber": "Interactive Advertising Bureau (IAB)", "jahr": 2023, "studientyp": "Umfrage", "themen": [ "Messung & Attribution", "Recht & Datenschutz" ], "kernaussage": "Unter US-Firmen, die bereits Privacy-Technologien nutzen, setzen knapp zwei Drittel Data Clean Rooms ein und weitere planen es. Über die Wirkung sagt die Befragung nichts.", "zahlen": [ { "wert": "64 %", "bedeutung": "befragte Firmen mit Privacy-Tech, die Data Clean Rooms einsetzen" }, { "wert": "21 %", "bedeutung": "planen den Einsatz" }, { "wert": "n = 203", "bedeutung": "Entscheider bei Marken, Publishern, Agenturen" } ], "methode": "Onlinebefragung durch Ipsos/NewtonX.", "datenbasis": "203 US-Entscheider, 11.–23.11.2022.", "einschraenkungen": "Vorselektierte Stichprobe (nur Privacy-Tech-Nutzer), nicht auf den Markt hochrechenbar. Keine Wirkungsbelege.", "interessenlage": "IAB ist der Verband der Ad-Tech-Branche.", "score": { "design": 3, "datenbasis": 3, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Kleine, vorselektierte Verbandsbefragung (Stufe 4/5); keine Wirkungsdaten.", "gesamt": 3.5 }, "richtung": "offen", "quelle_url": "https://www.iab.com/wp-content/uploads/2023/01/IAB_State_of_Data_2023.pdf", "zugang": "offen", "folgen": [ 30 ], "stand": "2026-11-06" }, { "id": "mckinsey-value-of-personalization-2021", "titel_original": "The value of getting personalization right—or wrong—is multiplying", "titel_de": "McKinsey: Personalisierung bringt meist 10–15 % mehr Umsatz", "autoren": "McKinsey & Company", "herausgeber": "McKinsey & Company", "jahr": 2021, "studientyp": "Anbieterauswertung", "themen": [ "CRM & Loyalität", "Handel & Commerce" ], "kernaussage": "Die meisten Konsumenten erwarten personalisierte Ansprache und ärgern sich, wenn sie fehlt; Unternehmen erzielen damit laut McKinsey typischerweise einen Umsatzzuwachs im niedrigen zweistelligen Prozentbereich.", "zahlen": [ { "wert": "71 %", "bedeutung": "Konsumenten, die personalisierte Interaktionen erwarten (Umfrage)" }, { "wert": "76 %", "bedeutung": "Konsumenten, die frustriert sind, wenn Personalisierung fehlt" }, { "wert": "10–15 %", "bedeutung": "typischer Umsatzzuwachs durch Personalisierung, firmenspezifisch 5–25 %" }, { "wert": "40 %", "bedeutung": "mehr Umsatz aus Personalisierung bei schneller wachsenden gegenüber langsameren Unternehmen" } ], "methode": "Kombination aus Konsumentenumfrage ('Next in Personalization 2021') und Erfahrungswerten aus McKinsey-Kundenprojekten; Stichprobe und Rechenweg nicht offengelegt.", "datenbasis": "Nicht ausgewiesene Umfrage in den USA plus nicht spezifizierte Beratungsprojekte.", "einschraenkungen": "Die Umsatzspanne beruht auf eigenen, ausgewählten Projekten ohne Kontrollgruppen-Nachweis; '40 % mehr' ist eine Korrelation, keine Kausalwirkung. Oft fälschlich als Studienergebnis zitiert.", "interessenlage": "McKinsey verkauft Personalisierungs- und Growth-Marketing-Beratung.", "score": { "design": 2, "datenbasis": 4, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Beratungszahl ohne offengelegte Methode; Richtung plausibel, Größenordnung unabhängig nicht geprüft.", "gesamt": 3.5 }, "richtung": "gemischt", "quelle_url": "https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/the-value-of-getting-personalization-right-or-wrong-is-multiplying", "zugang": "offen", "folgen": [], "stand": "2026-11-06" }, { "id": "press-ranger-otterly-licensing-citations-2026", "titel_original": "OpenAI licensing deals and ChatGPT citations (Press Ranger & OtterlyAI)", "titel_de": "Lizenzdeals und KI-Zitate: Press Ranger & OtterlyAI", "autoren": "Press Ranger, OtterlyAI", "herausgeber": "Press Ranger / OtterlyAI", "jahr": 2026, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche" ], "kernaussage": "Seiten von OpenAI-Lizenzpartnern wurden in ChatGPT im Schnitt häufiger zitiert als andere, bei Google- und Perplexity-Partnern zeigte sich kein Vorteil. Das ist reine Korrelation.", "zahlen": [ { "wert": "10,2 vs. 6,9", "bedeutung": "durchschnittliche ChatGPT-Zitate pro Seite von OpenAI-Lizenzpartnern vs. Verlagen ohne Lizenz (+48 %), Juni 2026" }, { "wert": "129,3 Mio.", "bedeutung": "ausgewertete Zitate auf 7 Plattformen" } ], "methode": "Vergleich von Zitierhäufigkeiten über einen Monat.", "datenbasis": "129,3 Mio. Zitate, 7 Plattformen, ein Monat", "einschraenkungen": "Nur aus zweiter Hand (The Media Copilot); Auswahl der Vergleichsverlage nicht veröffentlicht, nicht begutachtet. Kein Beleg, dass Verlage sich Zitate kaufen.", "interessenlage": "Firmen verkaufen PR-Verteilung bzw. KI-Monitoring", "score": { "design": 2, "datenbasis": 8, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Riesige Zitatzahl, aber verschlossene Methode und Eigeninteresse.", "gesamt": 3.5 }, "richtung": "offen", "quelle_url": "https://mediacopilot.ai/openai-licensing-deals-chatgpt-citations-study/", "zugang": "offen", "folgen": [ 35 ], "stand": "2026-11-06" }, { "id": "profound-chatgpt-missing-utm-tags-2026", "titel_original": "ChatGPT's missing UTM tags", "titel_de": "Profound: Anteil getaggter ChatGPT-Antworten im Oktober 2026", "autoren": "Profound", "herausgeber": "Profound (Blog)", "jahr": 2026, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Messung & Attribution" ], "kernaussage": "Der Anteil der ChatGPT-Antworten mit UTM-Tag fiel Mitte Oktober 2026 kurzzeitig auf rund 5 % und lag zwei Tage später wieder bei fast 100 %; Auslöser war ein neues Antwortformat.", "zahlen": [ { "wert": "≈ 5 %", "bedeutung": "Anteil getaggter Antworten am 14.10.2026 abends" }, { "wert": "≈ 99 %", "bedeutung": "Anteil am 16.10.2026" } ], "methode": "Beobachtung eigener ChatGPT-Abfragen.", "datenbasis": "Eigene Abfragen, Oktober 2026", "einschraenkungen": "Profound warnt selbst, die Werte seien kein direkter Multiplikator zur Korrektur von Traffic-Berichten.", "interessenlage": "Anbieter verkauft KI-Tracking", "score": { "design": 2, "datenbasis": 3, "unabhaengigkeit": 3, "replikation": 6, "uebertragbarkeit": 4, "begruendung": "Anbieterbeobachtung, gestützt durch LLM Pulse.", "gesamt": 3.5 }, "richtung": "bestaetigt", "quelle_url": "https://www.tryprofound.com/blog/chatgpt-missing-utm-tags", "zugang": "offen", "folgen": [ 37 ], "stand": "2026-11-06" }, { "id": "ryberg-share-of-search-grenzen-2023", "titel_original": "\"Share of Search\" is not always the saviour many brands hope for", "titel_de": "Grenzen von Share of Search aus der Beratungspraxis", "autoren": "Ryberg", "herausgeber": "Kapero (Blogbeitrag auf Medium)", "jahr": 2023, "studientyp": "Fallsammlung", "themen": [ "Messung & Attribution", "Search & Performance" ], "kernaussage": "In der Beratungspraxis zeigte sich, dass bei Banken und Versicherern ein Großteil der Markensuchen von Bestandskunden stammt, die sich einloggen wollen; Share of Search ist dort kein guter Indikator für Markenstärke.", "zahlen": [], "methode": "Erfahrungsbericht aus Kundenprojekten, ohne veröffentlichte Suchvolumina.", "datenbasis": "Zwei beschriebene Fälle (eine Großbank, ein Versicherungs- und Sparanbieter) in Schweden, weitere Projekte nicht beziffert.", "einschraenkungen": "Keine offengelegten Zahlen; Einzelfälle. Weitere genannte Grenzen: zu kleine Suchvolumina, mehrdeutige Markennamen, Mehrkategorienanbieter, Spontankäufe, kleine Märkte.", "interessenlage": "Autor ist Mitgründer einer Beratung, die Share-of-Search-Projekte anbietet.", "score": { "design": 4, "datenbasis": 2, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Praxisbeobachtung ohne Daten von einem Berater; das Argument ist plausibel und für Finanzdienstleister relevant.", "gesamt": 3.5 }, "richtung": "gemischt", "quelle_url": "https://medium.com/@robert_ryberg/share-of-search-is-not-always-the-saviour-many-brands-hope-for-7ed706cbd183", "zugang": "offen", "folgen": [ 6 ], "stand": "2026-11-06" }, { "id": "se-ranking-ki-traffic-dach-2026", "titel_original": "KI-Traffic im DACH-Raum 2026", "titel_de": "SE Ranking: Anteil von KI-Plattformen am Website-Traffic in DACH", "autoren": "SE Ranking", "herausgeber": "SE Ranking (Blog)", "jahr": 2026, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Search & Performance" ], "kernaussage": "KI-Plattformen bringen in Deutschland erst rund ein Drittel Prozent der Website-Besuche; organische Suche liefert ein Vielfaches.", "zahlen": [ { "wert": "0,32 %", "bedeutung": "Anteil von KI-Plattformen an allen Website-Besuchen in Deutschland 2026 (2025: 0,23 %)" }, { "wert": "74 % → 63 %", "bedeutung": "Rückgang des ChatGPT-Anteils am KI-Traffic" }, { "wert": "38,5 % vs. 0,38 %", "bedeutung": "Besuchsanteil organische Suche vs. KI in DACH (≈ Faktor 100, eigene Rechnung)" }, { "wert": "134×", "bedeutung": "laut Anbieter weltweit: organische Suche bringt so viel mehr Besuche als alle KI-Plattformen zusammen" } ], "methode": "Auswertung von Google-Analytics-Daten angeschlossener Websites.", "datenbasis": "101.574 Websites weltweit, Jan. 2025–Apr. 2026; Zahl deutscher Sites nicht genannt", "einschraenkungen": "Stichprobe nicht offengelegt, nicht repräsentativ; Referrer-Lücke (KI-Traffic als Direct) nicht korrigiert.", "interessenlage": "Anbieter verkauft SEO- und GEO-Software", "score": { "design": 2, "datenbasis": 7, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Große, aber nicht offengelegte Anbieterstichprobe; Methode nur grob beschrieben.", "gesamt": 3.5 }, "richtung": "bestaetigt", "quelle_url": "https://seranking.com/de/blog/ai-traffic-dach-studie/", "zugang": "offen", "folgen": [ 31 ], "stand": "2026-11-06" }, { "id": "seer-aio-impact-ctr-2026", "titel_original": "AIO Impact on Google CTR: 2026 Update", "titel_de": "Seer: Klickraten erholen sich Anfang 2026", "autoren": "Seer Interactive", "herausgeber": "Seer Interactive", "jahr": 2026, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Search & Performance" ], "kernaussage": "Anfang 2026 stieg die Klickrate bei Suchen mit KI-Übersicht wieder; bei zitierten Marken verdoppelten sich die Impressionen, die Klicks blieben aber gleich.", "zahlen": [ { "wert": "1,3 % → 2,4 %", "bedeutung": "Klickrate bei Suchen mit KI-Übersicht, Dez. 2025 → Feb. 2026" }, { "wert": "mehr als verdoppelt", "bedeutung": "Impressionen zitierter Marken bei gleichbleibenden Klicks" } ], "methode": "Auswertung von Kundendaten; KI-Übersicht-Status als nachträglich vergebenes Etikett.", "datenbasis": "53 Marken, 5,47 Mio. Suchbegriffe, 2,43 Mrd. Impressionen, Jan. 2025–Feb. 2026", "einschraenkungen": "Nur zwei Monate Erholung, Seer selbst nennt den Befund „directional“. Etikett nachträglich vergeben.", "interessenlage": "Seer verkauft GEO- und SEO-Beratung.", "score": { "design": 2, "datenbasis": 7, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Große Kundendatenbasis, aber Agenturdaten und sehr kurzer Erholungszeitraum ohne unabhängige Bestätigung.", "gesamt": 3.5 }, "richtung": "offen", "quelle_url": "https://www.seerinteractive.com/insights/aio-impact-on-google-ctr-2026-update", "zugang": "offen", "folgen": [ 12 ], "stand": "2026-11-06" }, { "id": "semrush-most-cited-domains-ai-2025", "titel_original": "The Most-Cited Domains in AI: A 3-Month Study", "titel_de": "Semrush: Zitierquellen von KI-Suche schwanken wöchentlich", "autoren": "Harsel (Semrush)", "herausgeber": "Semrush", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche" ], "kernaussage": "Welche Quellen ChatGPT zitiert, kann sich binnen Wochen drastisch verschieben; Reddit- und Wikipedia-Anteile brachen 2025 innerhalb eines Monats ein.", "zahlen": [ { "wert": "~60 % → ~10 %", "bedeutung": "ChatGPT-Antworten mit Reddit-Zitat, Anfang Aug. vs. Mitte Sept. 2025" }, { "wert": "~55 % → < 20 %", "bedeutung": "dasselbe für Wikipedia" } ], "methode": "Wöchentliche Snapshots über ChatGPT Search, Google AI Mode und Perplexity.", "datenbasis": "230.000+ Prompts, 100 Mio.+ Zitate, 14.07.–12.10.2025", "einschraenkungen": "Die Ursache (Vermeidung von Über-Zitieren) ist eine Vermutung von Semrush. Auf AI Mode und Perplexity blieben die Anteile stabil.", "interessenlage": "Semrush verkauft KI-Sichtbarkeits-Tools.", "score": { "design": 2, "datenbasis": 8, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Sehr große Anbieterauswertung, Methode nur grob beschrieben, Befund an einen Zeitraum gebunden.", "gesamt": 3.5 }, "richtung": "offen", "quelle_url": "https://www.semrush.com/blog/most-cited-domains-ai/", "zugang": "offen", "folgen": [ 15 ], "stand": "2026-11-06" }, { "id": "sistrix-ai-citation-drift-2026", "titel_original": "AI Citation drift", "titel_de": "SISTRIX: Wie stark KI-Quellen von Woche zu Woche wechseln", "autoren": "Beus (SISTRIX)", "herausgeber": "SISTRIX (Blog)", "jahr": 2026, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche" ], "kernaussage": "ChatGPT tauscht laut SISTRIX pro Woche rund drei Viertel der zitierten Domains je Prompt aus, Googles AI Mode gut die Hälfte; auch bei deutschen Prompts sind die stabilen ChatGPT-Kernquellen überwiegend englischsprachig.", "zahlen": [ { "wert": "74 % / 56 %", "bedeutung": "wöchentlich ausgetauschte Domains je Prompt bei ChatGPT vs. Google AI Mode (URL-Ebene 85 %)" }, { "wert": "68 %", "bedeutung": "englischsprachige Kernquellen von ChatGPT bei deutschen Suchanfragen" }, { "wert": "80 %", "bedeutung": "deutsche Domains unter den Kernquellen von Google AI Mode" }, { "wert": "1,4 %", "bedeutung": "Anteil von Nachrichtenartikeln, die dauerhaft im Quellenset bleiben" }, { "wert": "74 % / 60 % / 42 %", "bedeutung": "ChatGPT-Wochenwechsel für Deutschland / UK / Frankreich" } ], "methode": "Wöchentliche Abfragen eines festen Prompt-Sets über 17 Wochen.", "datenbasis": "82.619 Prompts, 6 Länder inkl. Deutschland, 17.12.2025–08.04.2026; Sprachklassifikation für 2.556 URLs", "einschraenkungen": "Prompt-Set nicht offengelegt; widerspricht beim Sprachanteil Chen et al. (anderer Messgegenstand: Kernquellen vs. alle Domains).", "interessenlage": "SISTRIX verkauft KI-Monitoring", "score": { "design": 2, "datenbasis": 7, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Anbieterzahl mit großer Stichprobe und DE-Bezug, Methode teils offen, Ergebnis umstritten.", "gesamt": 3.5 }, "richtung": "gemischt", "quelle_url": "https://www.sistrix.com/blog/ai-citation-drift/", "zugang": "offen", "folgen": [ 35 ], "stand": "2026-11-06" }, { "id": "ahrefs-ai-mode-vs-ai-overviews-2025", "titel_original": "Are AI Mode and AI Overviews Just Different Versions of the Same Answer?", "titel_de": "Ahrefs: AI Mode und AI Overviews zitieren verschiedene Quellen", "autoren": "Gavoyannis (Ahrefs)", "herausgeber": "Ahrefs (Blog)", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche" ], "kernaussage": "Googles AI Mode und AI Overviews geben inhaltlich ähnliche Antworten, zitieren aber selten dieselben URLs; 'die' Quellenwahl von Google gibt es nicht.", "zahlen": [ { "wert": "13,7 %", "bedeutung": "Anteil der Anfragen mit identischen zitierten URLs in AI Mode und AI Overviews" }, { "wert": "86 %", "bedeutung": "inhaltliche Ähnlichkeit der Antworten" }, { "wert": "28,9 % vs. 18,1 %", "bedeutung": "Wikipedia-Anteil an den Zitaten in AI Mode vs. AI Overviews" } ], "methode": "Vergleich von Anfragepaaren.", "datenbasis": "540.000 Anfragepaare, USA, September 2025", "einschraenkungen": "Anbieterdaten, nur USA, Momentaufnahme.", "interessenlage": "Ahrefs verkauft KI-Monitoring", "score": { "design": 2, "datenbasis": 7, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Große, aber nicht offengelegte Anbieterstichprobe.", "gesamt": 3.4 }, "richtung": "offen", "quelle_url": "https://ahrefs.com/blog/ai-overviews-vs-ai-mode", "zugang": "offen", "folgen": [ 35 ], "stand": "2026-11-06" }, { "id": "clickport-chatgpt-direct-traffic-ga4-2026", "titel_original": "Why ChatGPT traffic shows as Direct in GA4", "titel_de": "Clickport: KI-Sitzungen ohne Referrer", "autoren": "Clickport", "herausgeber": "Clickport (Blog)", "jahr": 2026, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Messung & Attribution" ], "kernaussage": "Rund ein Drittel der erkannten KI-Sitzungen trug nur einen Quell-Tag, aber keinen Referrer; ohne diesen Tag wären sie als 'Direct' gezählt worden.", "zahlen": [ { "wert": "35,7 %", "bedeutung": "erkannte KI-Sitzungen mit Quell-Tag, aber ohne Referrer" }, { "wert": "33,1 %", "bedeutung": "Sitzungen nur mit utm_source=chatgpt.com" }, { "wert": "0,7 %", "bedeutung": "Anteil KI-Suche an allen Sitzungen" } ], "methode": "Auswertung eigener Analytics-Daten.", "datenbasis": "2.619 KI-Sitzungen in 30 Tagen, Snapshot 23.04.2026", "einschraenkungen": "Kleine Basis, keine Aufschlüsselung nach App oder Browser.", "interessenlage": "Anbieter verkauft Analytics", "score": { "design": 2, "datenbasis": 2, "unabhaengigkeit": 3, "replikation": 6, "uebertragbarkeit": 4, "begruendung": "Kleine Anbieterzahl; Mechanismus durch den UTM-Ausfall im Oktober 2026 gestützt.", "gesamt": 3.4 }, "richtung": "bestaetigt", "quelle_url": "https://clickport.io/blog/chatgpt-direct-traffic-ga4", "zugang": "offen", "folgen": [ 37 ], "stand": "2026-11-06" }, { "id": "dawes-95-5-regel-2021", "titel_original": "Advertising effectiveness and the 95-5 rule: most B2B buyers are not in the market right now", "titel_de": "Die 95:5-Regel: Die meisten B2B-Käufer sind gerade nicht im Markt", "autoren": "Dawes", "herausgeber": "Ehrenberg-Bass Institute / LinkedIn B2B Institute", "jahr": 2021, "studientyp": "Übersichtsarbeit", "themen": [ "B2B", "Markenaufbau & Wachstum" ], "kernaussage": "Weil Firmen Dienstleister wie Hausbank oder Kanzlei nur selten wechseln, ist zu jedem Zeitpunkt nur ein kleiner Teil der B2B-Käufer kaufbereit; Werbung muss deshalb vor allem Gedächtnisspuren für später aufbauen. Die 95 % sind eine Faustregel, kein Messwert.", "zahlen": [ { "wert": "rund 20 %", "bedeutung": "Anteil der B2B-Käufer, die pro Jahr im Markt sind, wenn im Schnitt alle fünf Jahre gewechselt wird" }, { "wert": "etwa 5 %", "bedeutung": "daraus abgeleiteter Anteil pro Quartal" }, { "wert": "rund 50 % / etwa 13 %", "bedeutung": "Anteil pro Jahr bzw. Quartal bei einem zweijährigen Kaufzyklus (Rechenbeispiel)" } ], "methode": "Überschlagsrechnung aus einer angenommenen durchschnittlichen Wechselhäufigkeit, eingebettet in die Gedächtnistheorie (Mental Availability) des Instituts.", "datenbasis": "Keine eigene Erhebung; Rechenbeispiele auf Basis typischer Wechselzyklen.", "einschraenkungen": "Es gibt keine Primärmessung, die die 5 % belegt; Dawes selbst nennt die Zahl eine Heuristik. Häufiges Fehlzitat: die 95:5-Regel als empirisch bestätigtes Gesetz darzustellen.", "interessenlage": "Im Auftrag des LinkedIn B2B Institute; LinkedIn verkauft Markenwerbung im B2B-Bereich und profitiert von der Botschaft.", "score": { "design": 2, "datenbasis": 3, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Reine Herleitung ohne Messung, von einem Plattformbetreiber beauftragt; die Logik ist plausibel und auf andere Kaufzyklen übertragbar, aber nie direkt geprüft.", "gesamt": 3.4 }, "richtung": "gemischt", "quelle_url": "https://assets.foleon.com/eu-central-1/de-uploads-7e3kk3/30230/advertising-effectiveness-and-the-95-5-rule_002.87e3217ac41e.pdf", "zugang": "offen", "folgen": [ 1 ], "stand": "2026-11-06" }, { "id": "hde-black-friday-prognose-2025", "titel_original": "Black Friday und Cyber Monday: HDE rechnet zu Aktionstagen mit Umsatz von 5,8 Milliarden Euro", "titel_de": "HDE-Prognose Black Friday/Cyber Monday 2025", "autoren": "Handelsverband Deutschland (HDE), IFH Köln", "herausgeber": "Handelsverband Deutschland (HDE)", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "Preis & Promotion", "Handel & Commerce" ], "kernaussage": "Der Handelsverband erwartete für Black Friday und Cyber Monday 2025 erstmals einen leichten Umsatzrückgang; knapp die Hälfte der befragten Online-Shopper plante Käufe.", "zahlen": [ { "wert": "≈ 5,8 Mrd. €", "bedeutung": "prognostizierter Umsatz Black Friday + Cyber Monday 2025" }, { "wert": "knapp −2 %", "bedeutung": "Veränderung zum Vorjahr" }, { "wert": "48 %", "bedeutung": "Online-Shopper, die Black-Friday-Käufe planten (Begleitbefragung)" } ], "methode": "Verbandsprognose mit Begleitbefragung des IFH Köln im Auftrag des HDE.", "datenbasis": "Begleitbefragung > 1.000 Online-Shopper, Oktober 2025.", "einschraenkungen": "Prognose, keine Messung; deckt nur zwei Tage ab, nicht die ganze Black Week.", "interessenlage": "Interessenvertretung des Handels; Interesse, Aktionstage als Umsatzbringer darzustellen.", "score": { "design": 2, "datenbasis": 5, "unabhaengigkeit": 5, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Verbandsprognose ohne offengelegte Methode; Befragungsteil mittlerer Größe.", "gesamt": 3.4 }, "richtung": "offen", "quelle_url": "https://einzelhandel.de/presse/aktuellemeldungen/14999-black-friday-und-cyber-monday-hde-rechnet-zu-aktionstagen-mit-umsatz-von-5-8-milliarden-euro", "zugang": "offen", "folgen": [ 24 ], "stand": "2026-11-06" }, { "id": "idealo-black-friday-analyse-2024", "titel_original": "idealo-Analyse Black Friday 2024", "titel_de": "idealo: Black-Friday-Ersparnis 2024", "autoren": "idealo", "herausgeber": "idealo (über t3n)", "jahr": 2024, "studientyp": "Anbieterauswertung", "themen": [ "Preis & Promotion", "Handel & Commerce" ], "kernaussage": "Laut Preisvergleicher idealo waren am Black Friday 2024 die meisten Produkte günstiger als im Oktober-Durchschnitt, der typische Rabatt war aber klein.", "zahlen": [ { "wert": "73 %", "bedeutung": "Produkte günstiger als im Oktober-Durchschnitt" }, { "wert": "7 %", "bedeutung": "durchschnittliche Ersparnis" }, { "wert": "≈ 1 von 10", "bedeutung": "Produkte mit mindestens 20 % Reduktion" }, { "wert": "> 10.000", "bedeutung": "ausgewertete Produkte in 100 Kategorien bei ca. 1.800 Shops" } ], "methode": "Auswertung eigener Preisdaten gegen das Oktober-Mittel.", "datenbasis": "Über 10.000 Produkte, 100 Kategorien, rund 1.800 Shops.", "einschraenkungen": "Aus zweiter Hand (t3n), idealo-Pressebereich nicht abrufbar. Vergleichsbasis ist das Oktober-Mittel, nicht der Jahrestiefstpreis, daher kein Widerspruch zu Which?.", "interessenlage": "idealo verdient an Black-Friday-Klicks.", "score": { "design": 2, "datenbasis": 7, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Anbieterzahl mit großer Basis, aber Eigeninteresse und nur aus zweiter Hand.", "gesamt": 3.4 }, "richtung": "offen", "quelle_url": "https://t3n.de/news/idealo-analyse-black-friday-1714404/", "zugang": "offen", "folgen": [ 24 ], "stand": "2026-11-06" }, { "id": "ipsos-power-of-you-2020", "titel_original": "The Power of You", "titel_de": "Ipsos: Brand Assets und Branded Attention in Spots", "autoren": "Sheridan (Ipsos)", "herausgeber": "Ipsos", "jahr": 2020, "studientyp": "Anbieterauswertung", "themen": [ "Kreation & Werbewirkung", "Markenaufbau & Wachstum" ], "kernaussage": "In Ipsos-Pretests kommen Brand Assets, besonders Figuren und Sound-Logos, in den Spots mit hoher Branded Attention deutlich häufiger vor; Audio wird dabei selten genutzt.", "zahlen": [ { "wert": "1,15-mal", "bedeutung": "Häufigkeit von Assets in top-bewerteten vs. schwachen Spots" }, { "wert": "6,01-mal", "bedeutung": "dasselbe für eigene Figuren (Promi-Einsatz allgemein 1,43-mal, konsistent 2,84-mal)" }, { "wert": "8,53-mal", "bedeutung": "dasselbe für Sound-Logos" }, { "wert": "< 10 %", "bedeutung": "Spots mit Audio-Assets" }, { "wert": "8 %", "bedeutung": "Spots mit Audio-Asset (Sonic Cue 6 %, Musik 3 %) vs. 92 % mit visuellem Asset" }, { "wert": "8,53×", "bedeutung": "häufiger im oberen als im unteren Drittel der 'Branded Attention' bei Spots mit Sonic Cue (Audio gesamt 3,44×, Musik 1,20×)" }, { "wert": "≈ 120", "bedeutung": "Spots mit Sonic Cue (6 % von 2.015, eigene Rechnung)" } ], "methode": "Vergleich von oberem und unterem Drittel einer Pretest-Datenbank; Zielgröße ist ein Pretest-Wert aus Wiedererkennung und richtiger Markenzuordnung.", "datenbasis": "2.015 US-Videospots, 10 Kategorien", "einschraenkungen": "Keine Verkaufsdaten; ob etwas ein Asset ist, entschied teils ein Ipsos-Mitarbeiter nach Erfahrung. Text und Grafik widersprechen sich bei einer Zahl (+34 % vs. +52 %). Zur Audio-Stärke widersprechen Ehrenberg-Bass-Daten.", "interessenlage": "Ipsos verkauft diese Pretests.", "score": { "design": 2, "datenbasis": 6, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Korrelative Anbieterauswertung mit interner Unstimmigkeit; Audio-Befund nicht bestätigt.", "gesamt": 3.4 }, "richtung": "gemischt", "quelle_url": "https://www.ipsos.com/sites/default/files/ct/news/documents/2025-10/power-of-you-ipsos.pdf", "zugang": "offen", "folgen": [ 13, 40 ], "stand": "2026-11-06", "alias": [] }, { "id": "sevenone-media-adtrend-2006", "titel_original": "10 Jahre AdTrend – Aktuelle Ergebnisse", "titel_de": "SevenOne Media AdTrend: Kontaktdosis und TV-Werbewirkung", "autoren": "SevenOne Media, ENIGMA GfK", "herausgeber": "SevenOne Media / Screenforce", "jahr": 2006, "studientyp": "Anbieterauswertung", "themen": [ "Media & Budget", "Kreation & Werbewirkung" ], "kernaussage": "In deutschen TV-Kampagnen stiegen Recall und Sympathie bis zehn Kontakte in vier Wochen ohne Rückgang, aber degressiv; die 'effektive Reichweite' lag bei drei bis vier Kontakten.", "zahlen": [ { "wert": "Index 113", "bedeutung": "Recall bei etwa vier Kontakten, nahe am Maximum" }, { "wert": "ab 5", "bedeutung": "Kontaktklasse, ab der die Kurven abflachen" }, { "wert": "321", "bedeutung": "Kampagnen 1997–2005" } ], "methode": "Wöchentliche CATI-Interviews, Kontaktdosis per Datenfusion mit dem AGF/GfK-Panel geschätzt.", "datenbasis": "321 Kampagnen, 300 Interviews pro Woche, Deutschland, 1997–2005", "einschraenkungen": "Daten 20 Jahre alt; geschätzte Kontaktdosis, kein Kausalschluss.", "interessenlage": "TV-Vermarkter (ProSiebenSat.1)", "score": { "design": 2, "datenbasis": 7, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Große deutsche Vermarkterdatenbank mit Fusionsdaten, veraltet.", "gesamt": 3.3 }, "richtung": "gemischt", "quelle_url": "https://screenforce.de/sites/default/files/media_pool/praesentation_pdf/10jahreadtrendaktuelle.pdf", "zugang": "offen", "folgen": [ 38 ], "stand": "2026-11-06" }, { "id": "system1-fluent-devices-ipa-2019", "titel_original": "Research by System1 shows memorable characters in ads boost chances of profit by 30%", "titel_de": "System1: Wiederkehrende Werbefiguren und Geschäftserfolg", "autoren": "System1 Group (Wood)", "herausgeber": "System1 Group / LBB Online", "jahr": 2019, "studientyp": "Anbieterauswertung", "themen": [ "Kreation & Werbewirkung", "Markenaufbau & Wachstum" ], "kernaussage": "Kampagnen mit wiederkehrenden Werbefiguren gehen laut System1-Auswertung der IPA-Datenbank häufiger mit Marktanteils- und Gewinnzuwächsen einher, werden aber immer seltener eingesetzt.", "zahlen": [ { "wert": "37 %", "bedeutung": "höhere Wahrscheinlichkeit für Marktanteilsgewinn bei Kampagnen mit „Fluent Device“" }, { "wert": "30 %", "bedeutung": "höhere Wahrscheinlichkeit für Gewinnzuwachs" }, { "wert": "41 % → 12 %", "bedeutung": "Anteil der IPA-Einreichungen mit solchen Figuren, 1992 vs. heute" } ], "methode": "Auswertung von IPA-Award-Einreichungen.", "datenbasis": "IPA Databank (Zeitraum laut Artikel ab 1992)", "einschraenkungen": "Nur über einen Fachartikel zugänglich; IPA-Einreichungen sind positiv vorausgewählt. Korrelation, keine Kausalität.", "interessenlage": "System1 verkauft Werbetests und hat den Begriff „Fluent Devices“ selbst geprägt.", "score": { "design": 2, "datenbasis": 5, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Anbieterauswertung einer selektiven Fallsammlung, Methode nicht offen; keine unabhängige Prüfung.", "gesamt": 3.3 }, "richtung": "offen", "quelle_url": "https://lbbonline.com/news/research-by-system1-shows-memorable-characters-in-ads-boost-chances-of-profit-by-30", "zugang": "offen", "folgen": [ 13 ], "stand": "2026-11-06" }, { "id": "6sense-buyer-experience-report-2025", "titel_original": "2025 Buyer Experience Report", "titel_de": "6sense Buyer Experience Report 2025", "autoren": "6sense", "herausgeber": "6sense", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "B2B" ], "kernaussage": "Laut 6sense rückte der erste Kontakt zum Anbieter zuletzt früher in die Kaufreise, und der zuerst kontaktierte Anbieter gewinnt meist den Auftrag.", "zahlen": [ { "wert": "69 % → 61 %", "bedeutung": "Punkt des Erstkontakts im Kaufprozess, 2024 vs. 2025" }, { "wert": "79 % (vorher 82 %)", "bedeutung": "von Käufern initiierte Kontakte" }, { "wert": "8 von 10", "bedeutung": "Deals, die der zuerst kontaktierte Anbieter gewinnt" }, { "wert": "< 4.000 + 766", "bedeutung": "Befragte plus Zusatzbefragung" } ], "methode": "Befragung von B2B-Käufern mit Kauf ab 25.000 $ in den letzten zwei Jahren.", "datenbasis": "Knapp 4.000 Befragte (46 % Nordamerika, 20 % Kontinentaleuropa, 20 % UK/Irland, 14 % APAC; 42 % Tech); Feldzeit und Panelanbieter nicht angegeben.", "einschraenkungen": "Retrospektive Erinnerung an gewonnene Deals, Survivorship-Effekt möglich. Kennzahlen in Report und PM nicht deckungsgleich (94 % Ranking vor Erstkontakt, 77 % Kauf).", "interessenlage": "6sense verkauft Intent-Daten-Software; die Botschaft „Käufer sind unsichtbar unterwegs“ nützt dem Produkt.", "score": { "design": 2, "datenbasis": 6, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Anbieterbefragung ohne offengelegte Feldzeit mit klarem Produktinteresse; ordentliche Größe, nie unabhängig geprüft.", "gesamt": 3.2 }, "richtung": "offen", "quelle_url": "https://6sense.com/science-of-b2b/buyer-experience-report-2025/", "zugang": "offen", "folgen": [ 22 ], "stand": "2026-11-06" }, { "id": "ahrefs-ai-search-overlap-2025", "titel_original": "Only 12% of AI Cited URLs Rank in Google's Top 10 for the Original Prompt", "titel_de": "Ahrefs: Überlappung von KI-Zitaten mit Googles Top 10", "autoren": "Linehan (Ahrefs)", "herausgeber": "Ahrefs (Blog)", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Search & Performance" ], "kernaussage": "Nur rund jeder achte von ChatGPT, Gemini und Copilot zitierte Link steht für denselben Prompt in Googles Top 10; Perplexity liegt deutlich höher.", "zahlen": [ { "wert": "≈ 12 %", "bedeutung": "Anteil der zitierten Links in Googles Top 10 für den Original-Prompt (Mittel aus fünf Werten)" }, { "wert": "28,6 %", "bedeutung": "Wert für Perplexity" }, { "wert": "8,0 %", "bedeutung": "Wert für ChatGPT (Fließtext-Zitate)" } ], "methode": "Abgleich der Zitate mit Google-Rankings für den Original-Prompt.", "datenbasis": "15.000 Long-Tail-Prompts, Juli 2025", "einschraenkungen": "Nur gegen den Original-Prompt gemessen, nicht gegen Fan-out-Teilanfragen; Prompt-Set nicht offengelegt.", "interessenlage": "Ahrefs verkauft KI-Monitoring", "score": { "design": 2, "datenbasis": 6, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Anbieterzahl mit unvollständig offengelegtem Prompt-Set.", "gesamt": 3.2 }, "richtung": "offen", "quelle_url": "https://ahrefs.com/blog/ai-search-overlap/", "zugang": "offen", "folgen": [ 35 ], "stand": "2026-11-06" }, { "id": "ahrefs-ai-traffic-increase-2025", "titel_original": "AI Traffic Has Increased 9.7x in the Past Year", "titel_de": "Ahrefs: KI-Traffic ist noch klein", "autoren": "Linehan, Guan (Ahrefs)", "herausgeber": "Ahrefs", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Messung & Attribution" ], "kernaussage": "Traffic aus KI-Assistenten machte Mitte 2025 im Schnitt nur rund ein Viertelprozent des Website-Traffics aus, der größte Teil davon kam von ChatGPT.", "zahlen": [ { "wert": "0,25 %", "bedeutung": "durchschnittlicher Anteil von KI-Traffic am Gesamttraffic einer Website" }, { "wert": "> 80 %", "bedeutung": "Anteil von ChatGPT am KI-Traffic" } ], "methode": "Auswertung von Webanalyse-Daten des Anbieters, Vergleich Juni 2025 mit Juni 2024.", "datenbasis": "81.947 Websites (Ahrefs Web Analytics)", "einschraenkungen": "Über ein Jahr alt; KI-Besuche werden teils als „Direct“ gezählt, der echte Anteil liegt eher höher.", "interessenlage": "Ahrefs verkauft SEO- und Analyse-Tools.", "score": { "design": 2, "datenbasis": 7, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 2, "begruendung": "Anbieterdaten mit Messlücke, durch schnelles Wachstum vermutlich überholt.", "gesamt": 3.2 }, "richtung": "offen", "quelle_url": "https://ahrefs.com/blog/ai-traffic-increase/", "zugang": "offen", "folgen": [ 15 ], "stand": "2026-11-06" }, { "id": "brightfish-aufmerksamkeit-medien-2018", "titel_original": "From viewable to viewed: the reality of attention for ads", "titel_de": "Brightfish: Aufmerksamkeitssekunden je Medium", "autoren": "Brightfish, Profacts, Lumen", "herausgeber": "Brightfish", "jahr": 2018, "studientyp": "Anbieterauswertung", "themen": [ "Media & Budget", "Kreation & Werbewirkung" ], "kernaussage": "Laut einer Blickmessstudie im Auftrag eines Kinovermarkters erhält Kinowerbung je Kontakt ein Vielfaches der echten Aufmerksamkeit von Onlinewerbung und ist je Aufmerksamkeitssekunde deutlich günstiger.", "zahlen": [ { "wert": "0,3 / 1,5 / 6,9 / 25,5 s", "bedeutung": "durchschnittliche tatsächliche Aufmerksamkeit je Werbekontakt: Digital, Print, TV, Kino" }, { "wert": "rund 24-mal", "bedeutung": "Mehrkosten von Onlinewerbung je Sekunde echter Aufmerksamkeit gegenüber Kino" } ], "methode": "Blickmessung über TV, Kino, Print und Online, umgerechnet auf Kosten je Aufmerksamkeitssekunde.", "datenbasis": "Fallzahl nicht veröffentlicht; vermutlich Belgien, Juni 2018.", "einschraenkungen": "Stichprobe nicht offengelegt; Kino misst sich in einer Situation ohne Ablenkung, was den Vergleich begünstigt. Aufmerksamkeit ist nicht gleich Werbewirkung.", "interessenlage": "Brightfish vermarktet Kinowerbung und profitiert direkt vom Ergebnis.", "score": { "design": 4, "datenbasis": 2, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Blickmessung mit unklarer Stichprobe im Auftrag eines Vermarkters, der vom Ergebnis profitiert.", "gesamt": 3.2 }, "richtung": "gemischt", "quelle_url": "https://celluloidjunkie.com/wire/from-viewable-to-ciewed-the-reality-of-attention-for-ads-unveiled/", "zugang": "offen", "folgen": [ 5 ], "stand": "2026-11-06" }, { "id": "etracker-consent-benchmark-2025", "titel_original": "Consent Benchmark 2025", "titel_de": "etracker Consent Benchmark 2025", "autoren": "etracker", "herausgeber": "etracker", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "Recht & Datenschutz", "Messung & Attribution" ], "kernaussage": "Bei rechtskonform gestalteten Cookie-Bannern stimmen laut etracker im Median nur rund vier von zehn Besuchern zu, mit Nudging deutlich mehr. Ein großer Teil der Besuchsdaten fehlt dann für die Analyse.", "zahlen": [ { "wert": "40 % vs. 54 %", "bedeutung": "Median-Consent-Rate bei rechtskonformen vs. nudgenden Bannern (aus Grafik, OCR)" }, { "wert": "−14 Prozentpunkte", "bedeutung": "durchschnittlich weniger Einwilligungen bei rechtskonformer Gestaltung" }, { "wert": "60 %", "bedeutung": "durchschnittlich fehlende Besuchsdaten bei rechtskonformen Bannern" }, { "wert": "> 20 %", "bedeutung": "konforme Sites mit unter 10 % Consent" }, { "wert": "500", "bedeutung": "Websites, Juni 2025" } ], "methode": "Auswertung von Consent-Daten von Kunden-Websites.", "datenbasis": "500 Websites (etracker-Kunden), Juni 2025, Deutschland.", "einschraenkungen": "Nicht repräsentativ (nur Kunden). Medianwerte aus einer Grafik per OCR gelesen, vor Nutzung am PDF prüfen.", "interessenlage": "etracker verkauft einwilligungsarme Web-Analyse; niedrige Consent-Raten stützen das Geschäftsmodell.", "score": { "design": 2, "datenbasis": 5, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Anbieterzahl mit Eigeninteresse und Kundenstichprobe; nicht unabhängig geprüft.", "gesamt": 3.2 }, "richtung": "offen", "quelle_url": "https://www.etracker.com/app/uploads/2025/07/etracker-Consent-Benchmark-2025.pdf", "zugang": "offen", "folgen": [ 30 ], "stand": "2026-11-06" }, { "id": "maier-et-al-pymc-colgate-ssr-2025", "titel_original": "LLMs Reproduce Human Purchase Intent via Semantic Similarity Elicitation of Likert Ratings", "titel_de": "PyMC Labs/Colgate: Kaufabsicht per „Semantic Similarity Rating“", "autoren": "Maier et al. (PyMC Labs, Colgate-Palmolive)", "herausgeber": "arXiv:2510.08338v3", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "KI im Marketing", "Methodik & Marktforschung" ], "kernaussage": "Mit einer speziellen Abfragemethode (SSR) erreichte die KI-Rangfolge von 57 Produktkonzepten 90 Prozent der Zuverlässigkeit einer wiederholten echten Befragung. Gemessen wurde die Rangfolge der Konzepte, nicht die Treffsicherheit einzelner Antworten.", "zahlen": [ { "wert": "90 %", "bedeutung": "Anteil der menschlichen Test-Retest-Korrelation, den die SSR-Rangfolge erreicht" }, { "wert": "0,88", "bedeutung": "KS-Ähnlichkeit der Antwortverteilungen mit GPT-4o" }, { "wert": "0,26", "bedeutung": "KS-Ähnlichkeit bei direkter Frage nach einer Zahl (meist „3“)" }, { "wert": "57 / 9.300", "bedeutung": "Konzepttests / Befragte (je 150–400)" }, { "wert": "0,91 / 50 %", "bedeutung": "ohne Persona-Angaben: Verteilungsähnlichkeit / Rangfolgen-Treffer" } ], "methode": "Vergleich synthetischer Antworten mit echten Konzepttests; Antworten werden über semantische Ähnlichkeit zu Referenzsätzen in Likert-Werte übersetzt.", "datenbasis": "57 Konzepttests für Körperpflege in den USA, 9.300 Befragte; Daten nicht öffentlich.", "einschraenkungen": "Die Referenzsätze wurden an denselben 57 Tests optimiert, die Übertragbarkeit auf andere Befragungen ist offen. Geschlecht und Region werden nicht zuverlässig abgebildet. „90 %“ heißt nicht „90 % richtige Antworten“. Kein Peer Review.", "interessenlage": "Autoren sind der Methodenanbieter (PyMC Labs) und der Datengeber (Colgate-Palmolive).", "score": { "design": 2, "datenbasis": 6, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Anbieterstudie mit eigener Methode, nicht öffentlichen Daten und In-Sample-Optimierung; gut dokumentiert, aber nicht unabhängig geprüft.", "gesamt": 3.2 }, "richtung": "offen", "quelle_url": "https://arxiv.org/pdf/2510.08338", "zugang": "offen", "folgen": [ 26 ], "stand": "2026-11-06" }, { "id": "omnicom-media-group-latecast-2025", "titel_original": "Digital Advertising Latecast 2025", "titel_de": "Omnicom Latecast: Search und Retail Media in Deutschland", "autoren": "Omnicom Media Group Germany", "herausgeber": "Omnicom Media Group", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "Media & Budget", "Handel & Commerce", "Search & Performance" ], "kernaussage": "Search und Retail Media machen laut Agenturschätzung mehr als die Hälfte der digitalen Werbeausgaben in Deutschland aus; auf Marktplätze und Sponsored Ads entfallen rund 3,3 Mrd. €.", "zahlen": [ { "wert": "11,1 Mrd. €", "bedeutung": "Search und Retail Media zusammen in Deutschland 2025 (53 % von rund 20,8 Mrd. € Digitalwerbung)" }, { "wert": "7,8 Mrd. €", "bedeutung": "Search allein" }, { "wert": "3,3 Mrd. €", "bedeutung": "Marketplaces/Sponsored Ads (nur Webseite)" } ], "methode": "Schätzung aus OVK-Zahlen, IAB-Europe-Informationen und Einschätzungen der Agentur-Experten.", "datenbasis": "Deutschland 2025", "einschraenkungen": "Agenturschätzung ohne Vorjahreswert für Retail Media; die 3,3 Mrd. € stehen nur auf der Webseite.", "interessenlage": "Mediaagenturgruppe, die Retail Media einkauft.", "score": { "design": 2, "datenbasis": 5, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Agenturschätzung mit nur grob beschriebener Methode; keine unabhängige Deutschland-Zahl verfügbar.", "gesamt": 3.1 }, "richtung": "offen", "quelle_url": "https://omnicommediagroup.de/wp-content/uploads/2025/10/251021_PM_Latecast-2025_final.pdf", "zugang": "offen", "folgen": [ 20 ], "stand": "2026-11-06" }, { "id": "reichheld-sasser-zero-defections-1990", "titel_original": "Zero Defections: Quality Comes to Services", "titel_de": "„Zero Defections“: Ursprung der Bindungs-Gewinn-These", "autoren": "Reichheld, Sasser", "herausgeber": "Harvard Business Review 68 (5)", "jahr": 1990, "studientyp": "Fallsammlung", "themen": [ "CRM & Loyalität", "Markenaufbau & Wachstum" ], "kernaussage": "Anhand einzelner Beratungsfälle behaupteten die Autoren, eine etwas geringere Abwanderung steigere den Gewinn stark. Es sind Beispiele aus drei Firmen, keine Spanne aus einer Stichprobe, und die berühmte „25–95 %“-Spanne steht hier nicht.", "zahlen": [ { "wert": "+85 % / +50 % / +30 %", "bedeutung": "Gewinnplus bei 5 % geringerer Abwanderung: Bankfilialnetz / Versicherungsmakler / Kfz-Werkstattkette" }, { "wert": "10 % → 5 %, +125 %", "bedeutung": "MBNA America: Halbierung der Abwanderungsrate und Gewinnplus" }, { "wert": "fast 100 %", "bedeutung": "behauptete Gewinnsteigerung, wenn ein Unternehmen 5 % mehr seiner Kunden hält (Unterzeile des Artikels, zitiert nach Sharp/Ehrenberg-Bass)" } ], "methode": "Einzelfälle aus Beratungsprojekten; Methode im Abstract nicht beschrieben.", "datenbasis": "Drei Firmenbeispiele plus MBNA America.", "einschraenkungen": "Unklar, ob „5 %“ Prozentpunkte oder relativ meint; bei MBNA steckt dahinter eine Halbierung der Abwanderung (−50 % relativ). Keine Kontrollgruppe, Kausalität nicht belegt. Volltext hinter Paywall.", "interessenlage": "Reichheld ist Bain-Berater; Bain verkauft Loyalitätsberatung.", "score": { "design": 4, "datenbasis": 2, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Beraterfallbeispiele ohne Methode und Kontrollgruppe; pauschale Gewinnhebel nicht unabhängig bestätigt.", "gesamt": 3.1 }, "richtung": "widerlegt", "quelle_url": "https://pubmed.ncbi.nlm.nih.gov/10107082/", "zugang": "paywall", "folgen": [ 29 ], "stand": "2026-11-06", "alias": [] }, { "id": "seer-brand-awareness-llm-visibility-2025", "titel_original": "Does Brand Awareness Impact LLM Visibility?", "titel_de": "Seer: Markenbekanntheit und LLM-Sichtbarkeit", "autoren": "Haigler (Seer Interactive)", "herausgeber": "Seer Interactive (Blog)", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Markenaufbau & Wachstum" ], "kernaussage": "Seer findet nur eine schwache Korrelation zwischen Markensuchvolumen und KI-Nennungen; Proxy-Werte hängen stark vom Messaufbau ab.", "zahlen": [ { "wert": "0,18", "bedeutung": "Korrelationskoeffizient Markensuchvolumen mit KI-Nennungen" } ], "methode": "Korrelation über LLM-Fragen; Korrelationsmaß nicht angegeben.", "datenbasis": "10.000 LLM-Fragen", "einschraenkungen": "Methode (Pearson/Spearman) nicht genannt; widerspricht Ahrefs-Werten.", "interessenlage": "Agentur mit Eigeninteresse an GEO-Beratung", "score": { "design": 2, "datenbasis": 5, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Anbieterzahl mit unklarer Methode.", "gesamt": 3.1 }, "richtung": "gemischt", "quelle_url": "https://www.seerinteractive.com/blog/does-brand-awareness-impact-llm-visibility", "zugang": "offen", "folgen": [ 37 ], "stand": "2026-11-06" }, { "id": "similarweb-advertising-in-ai-2026", "titel_original": "Advertising in AI", "titel_de": "Similarweb: Klickraten von ChatGPT-Anzeigen", "autoren": "Similarweb", "herausgeber": "Similarweb (Report, kostenpflichtig)", "jahr": 2026, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Search & Performance" ], "kernaussage": "Laut Similarweb liegen ChatGPT-Anzeigen bei einer Gesamt-Klickrate von rund 0,7 %, also zwischen Display und Podcast.", "zahlen": [ { "wert": "0,68 %", "bedeutung": "Gesamt-CTR von ChatGPT-Anzeigen" }, { "wert": "1 % / 5,4 %", "bedeutung": "CTR im obersten Quartil bzw. Spitzenwert" }, { "wert": "ca. 0,35 %", "bedeutung": "Vergleichswert Display laut Similarweb" } ], "methode": "Panel- bzw. Clickstream-Auswertung des Datenanbieters; Methode nicht offengelegt.", "datenbasis": "Nicht offengelegt", "einschraenkungen": "Nur aus zweiter Hand (Folie auf X via SERoundtable); Report kostenpflichtig. Die oft zitierten '0,91 % vs. 6,4 % Google' sind frühe Werbekunden-Angaben und nicht vergleichbar.", "interessenlage": "Datenanbieter verkauft den Report", "score": { "design": 2, "datenbasis": 5, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Anbieterzahl mit verschlossener Methode, nur sekundär zugänglich.", "gesamt": 3.1 }, "richtung": "offen", "quelle_url": "https://www.similarweb.com/corp/reports/advertising-in-ai/", "zugang": "paywall", "folgen": [ 33 ], "stand": "2026-11-06" }, { "id": "skai-state-of-retail-media-2026", "titel_original": "The 2026 State of Retail Media Measurement and Incrementality", "titel_de": "Skai: Werbungtreibende zweifeln an Retail-Media-Messung", "autoren": "Skai, Stratably", "herausgeber": "Skai", "jahr": 2026, "studientyp": "Umfrage", "themen": [ "Handel & Commerce", "Messung & Attribution" ], "kernaussage": "Nur eine kleine Minderheit der US-Werbungtreibenden hält ihre Retail-Media-Messung für wirklich effektiv; Inkrementalität gilt als größte Herausforderung.", "zahlen": [ { "wert": "15 %", "bedeutung": "Werbungtreibende, die ihre Messung „very or extremely effective“ finden" }, { "wert": "75 %", "bedeutung": "nennen Inkrementalität die größte Messherausforderung" }, { "wert": "14 %", "bedeutung": "messen gar keine Inkrementalität" } ], "methode": "Befragung von US-Werbungtreibenden.", "datenbasis": "166 US-Werbungtreibende", "einschraenkungen": "Kleine, nicht repräsentative Stichprobe, nur USA.", "interessenlage": "Skai verkauft Software für Retail-Media-Steuerung und -Messung.", "score": { "design": 3, "datenbasis": 3, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Stufe 4–5: kleine Anbieterbefragung mit Eigeninteresse am Befund.", "gesamt": 3.1 }, "richtung": "offen", "quelle_url": "https://skai.io/blog/the-2026-state-of-retail-media-measurement-and-incrementality/", "zugang": "offen", "folgen": [ 20 ], "stand": "2026-11-06" }, { "id": "veritonic-audio-advantage-2024", "titel_original": "The Audio Advantage: Elevating Brand Experience Through Sound", "titel_de": "Veritonic: Podcast-Hörer über Sound-Identität", "autoren": "Veritonic", "herausgeber": "Veritonic (Blog)", "jahr": 2024, "studientyp": "Umfrage", "themen": [ "Markenaufbau & Wachstum" ], "kernaussage": "Eine Mehrheit befragter US-Podcast-Hörer hält eine Sound-Identität für einprägsamer als eine visuelle; das belegt eine Meinung, keine Wirkung.", "zahlen": [ { "wert": "58 %", "bedeutung": "Befragte, die Sound-Identität einprägsamer finden als visuelle" } ], "methode": "Befragung von Podcast-Hörern.", "datenbasis": "'Hunderte' US-Podcast-Hörer, Fallzahl unklar", "einschraenkungen": "Selbstauskunft, Fallzahl unbekannt.", "interessenlage": "Audio-Analytics-Anbieter", "score": { "design": 4, "datenbasis": 2, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Kleine Anbieterbefragung mit Meinungsmaß.", "gesamt": 3.1 }, "richtung": "offen", "quelle_url": "https://veritonic.com/blog/the-audio-advantage-elevating-brand-experience-through-sound", "zugang": "offen", "folgen": [ 40 ], "stand": "2026-11-06" }, { "id": "analytic-partners-wear-out-fallacy-2023", "titel_original": "When More Becomes Less: Debunking the Advertising Wear-out Fallacy", "titel_de": "Analytic Partners: Kaum Wear-out bei 50.000 Creatives", "autoren": "O'Neill (Analytic Partners)", "herausgeber": "Advertising Week (AW360)", "jahr": 2023, "studientyp": "Anbieterauswertung", "themen": [ "Kreation & Werbewirkung" ], "kernaussage": "Laut Analytic Partners zeigten nur sehr wenige von über 50.000 australischen Creatives Anzeichen von Wear-out.", "zahlen": [ { "wert": "14 von > 50.000", "bedeutung": "Creatives mit Anzeichen von Wear-out (Australien)" } ], "methode": "Nicht offengelegt.", "datenbasis": "über 50.000 Creatives, Australien", "einschraenkungen": "Methode verschlossen; in der Presse (Ritson) inkonsistent weitergegeben; dass die übrigen 'abgesetzt' wurden, steht nicht in der Quelle.", "interessenlage": "Anbieter von Marketing-Mix-Modellen", "score": { "design": 2, "datenbasis": 7, "unabhaengigkeit": 1, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Anbieterzahl ohne Methode.", "gesamt": 3.0 }, "richtung": "gemischt", "quelle_url": "https://advertisingweek.com/when-more-becomes-less-debunking-the-advertising-wear-out-fallacy", "zugang": "offen", "folgen": [ 38 ], "stand": "2026-11-06" }, { "id": "checkout-com-agentic-commerce-2026", "titel_original": "Agentic Commerce Report 2026", "titel_de": "Checkout.com: Agentic Commerce Report 2026", "autoren": "Checkout.com, YouGov", "herausgeber": "Checkout.com", "jahr": 2026, "studientyp": "Umfrage", "themen": [ "Handel & Commerce", "KI im Marketing" ], "kernaussage": "Verbraucher trauen KI-Agenten das Vergleichen von Preisen weit eher zu als das eigenständige Bestellen; KI-bezogene Transaktionen sind bislang ein kleiner Anteil.", "zahlen": [ { "wert": "rund 3 %", "bedeutung": "Anteil der Transaktionen mit Bezug zu KI-Agenten" }, { "wert": "65 % / 14 %", "bedeutung": "Anteil, der einer KI den Preisvergleich bzw. das eigenständige Bestellen zutraut" }, { "wert": "rund ein Viertel", "bedeutung": "Anteil, der das Bestellen nie an eine KI abgeben will" }, { "wert": "rund 90 %", "bedeutung": "Anteil der Händler, die sich nach eigener Angabe vorbereiten" } ], "methode": "Befragung von Verbrauchern und Händlern durch YouGov im Auftrag eines Zahlungsanbieters.", "datenbasis": "Großbritannien und USA, Mai/Juni 2026; Fallzahl in den zugänglichen Quellen nicht genannt.", "einschraenkungen": "Erwartungen und Absichten, kein gemessenes Verhalten; Definition von 'Bezug zu KI-Agenten' unklar.", "interessenlage": "Checkout.com ist ein Zahlungsanbieter, der vom Agentic-Commerce-Geschäft profitiert.", "score": { "design": 2, "datenbasis": 4, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Anbieterbeauftragte Befragung mit unklarer Methode zu einem neuen Thema.", "gesamt": 3.0 }, "richtung": "offen", "quelle_url": "https://www.checkout.com/blog/openai-agentic-commerce-shift", "zugang": "offen", "folgen": [ 9 ], "stand": "2026-11-06" }, { "id": "kantar-share-of-search-2025", "titel_original": "Demystifying share of search", "titel_de": "Kantar: Fallstricke bei der Berechnung von Share of Search", "autoren": "Achaibar, Kodu", "herausgeber": "Kantar", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "Messung & Attribution", "Methodik & Marktforschung" ], "kernaussage": "Share of Search wirkt einfach, wird aber leicht verfälscht: mehrdeutige Markennamen blähen Werte auf, und exklusive Produktnamen ohne Markennamen fallen heraus; eine breitere Begriffsliste erfasst deutlich mehr Suchinteresse.", "zahlen": [ { "wert": "36 %", "bedeutung": "zusätzlich erfasstes Suchinteresse, wenn statt reiner Markenbegriffe eine vollständige Begriffsliste genutzt wird" } ], "methode": "Erweiterung der Markenbegriffe von fünf Automarken auf rund 30.000 verwandte Suchbegriffe mit Kantar-Werkzeugen und Google Trends.", "datenbasis": "Fünf Automarken, rund 30.000 Suchbegriffe, USA.", "einschraenkungen": "Eine Kategorie, wenige Marken; argumentiert methodisch, nicht gegen den Grundbefund.", "interessenlage": "Kantar verkauft Markentracking, also das Produkt, das die kostenlose Kennzahl teils ersetzen würde.", "score": { "design": 2, "datenbasis": 3, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 6, "begruendung": "Anbieterauswertung mit Eigeninteresse in einer Kategorie; die methodischen Hinweise sind dennoch nachvollziehbar.", "gesamt": 3.0 }, "richtung": "gemischt", "quelle_url": "https://www.kantar.com/north-america/Inspiration/Analytics/Demystifying-share-of-search", "zugang": "offen", "folgen": [ 6 ], "stand": "2026-11-06" }, { "id": "momentum-works-tiktok-shop-us-gmv-2026", "titel_original": "TikTok Shop U.S. GMV grew 68% to reach US$15.1B in 2025", "titel_de": "Momentum Works: TikTok-Shop-Umsatz USA 2025 (Schätzung)", "autoren": "Momentum Works", "herausgeber": "Momentum Works", "jahr": 2026, "studientyp": "Anbieterauswertung", "themen": [ "Social & Influencer", "Handel & Commerce" ], "kernaussage": "Das Beratungshaus schätzt den US-Bruttowarenwert von TikTok Shop 2025 auf gut 15 Mrd. Dollar. Gemessen am US-Onlinehandel, der in einem einzigen Quartal ein Vielfaches umsetzt, bleibt das klein.", "zahlen": [ { "wert": "15,1 Mrd. $", "bedeutung": "geschätzter TikTok-Shop-GMV USA 2025" }, { "wert": "+68 %", "bedeutung": "geschätztes Wachstum gegenüber Vorjahr" } ], "methode": "Schätzung, Methode im frei zugänglichen Text nicht offengelegt.", "datenbasis": "USA, 2025.", "einschraenkungen": "Keine offizielle GMV-Angabe von TikTok/ByteDance. Vollständiger Bericht kostenpflichtig. Als Vergleich taugt die amtliche Census-Zahl (Q4 2025: 365,2 Mrd. $ US-Onlinehandel).", "interessenlage": "Beratungshaus aus Singapur, verkauft Berichte und Beratung zu E-Commerce in Asien.", "score": { "design": 2, "datenbasis": 4, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Beraterschätzung ohne offene Methode; nicht unabhängig geprüft.", "gesamt": 3.0 }, "richtung": "offen", "quelle_url": "https://thelowdown.momentum.asia/new-report-tiktok-shop-u-s-gmv-grew-68-to-reach-us15-1b-in-2025/", "zugang": "teilweise", "folgen": [ 23 ], "stand": "2026-11-06" }, { "id": "originality-ai-llms-txt-adoption-2026", "titel_original": "llms.txt-Verbreitung (Originality.ai)", "titel_de": "Originality.ai: Wachstum der llms.txt-Verbreitung", "autoren": "Originality.ai", "herausgeber": "Originality.ai", "jahr": 2026, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche" ], "kernaussage": "Die Zahl der Seiten mit llms.txt wuchs laut Originality.ai binnen knapp eines Jahres um das 8,8-Fache.", "zahlen": [ { "wert": "4.088 → 36.120", "bedeutung": "Seiten mit llms.txt, Juni 2025 bis Mai 2026 (Faktor 8,8)" } ], "methode": "Crawling-Auswertung des Anbieters; Methode nicht geprüft.", "datenbasis": "Laut Bericht Monitoring von über 3 Mio. Websites (Juni 2025 – Mai 2026); Auswahl und Crawl-Methode nicht offengelegt.", "einschraenkungen": "Nur aus zweiter Hand (ppc.land); Verbreitung sagt nichts über Nutzung durch KI-Bots.", "interessenlage": "Anbieter von KI-Erkennungstools", "score": { "design": 2, "datenbasis": 4, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Sekundär berichtete Anbieterzahl.", "gesamt": 3.0 }, "richtung": "offen", "quelle_url": "https://ppc.land/llms-txt-adoption-rises-8-8x-but-97-of-files-get-zero-ai-requests/", "zugang": "offen", "folgen": [], "stand": "2026-11-06" }, { "id": "statista-influencer-marketing-deutschland-2025", "titel_original": "Statista Market Insights: Influencer-Werbeausgaben Deutschland (zitiert im BVDW-Positionspapier „Influencer Marketing & Content Creation“)", "titel_de": "Marktgröße Influencer-Marketing Deutschland", "autoren": "Statista (zitiert vom BVDW)", "herausgeber": "Statista / BVDW", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "Social & Influencer", "Media & Budget" ], "kernaussage": "Laut Schätzmodell eines Datenanbieters gaben Werbungtreibende in Deutschland 2025 rund 718 Mio. € für Influencer-Marketing aus, mit Prognose über 1 Mrd. € bis 2030.", "zahlen": [ { "wert": "718,38 Mio. €", "bedeutung": "geschätzte Werbeausgaben für Influencer-Marketing in Deutschland 2025" }, { "wert": "1,02 Mrd. €", "bedeutung": "Prognose für 2030" } ], "methode": "Schätz- und Prognosemodell eines Datenanbieters.", "datenbasis": "Deutschland, Schätzung", "einschraenkungen": "Nur aus zweiter Hand (BVDW zitiert Statista); Originalwert hinter Paywall. Nur als Größenordnung nutzbar.", "interessenlage": "Lobbyverband zitiert Datenanbieter; beide profitieren von einem großen Markt.", "score": { "design": 2, "datenbasis": 4, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Modellschätzung ohne offengelegte Methode, nur sekundär geprüft.", "gesamt": 3.0 }, "richtung": "offen", "quelle_url": "https://www.bvdw.org/wp-content/uploads/2025/07/Influencer-Marketing-Content-Creation.pdf", "zugang": "teilweise", "folgen": [ 19 ], "stand": "2026-11-06" }, { "id": "system1-fluent-devices-2", "titel_original": "Fluent Devices 2: This time it's digital", "titel_de": "System1: Fluent Devices und Share of Voice", "autoren": "System1", "herausgeber": "System1 (Blog)", "jahr": null, "studientyp": "Anbieterauswertung", "themen": [ "Kreation & Werbewirkung", "Markenaufbau & Wachstum" ], "kernaussage": "Laut System1 bringt ein wiederkehrendes Fluent Device (Figur oder Gerät) den Gegenwert von rund zwölf Punkten Share of Voice.", "zahlen": [ { "wert": "≈ 12 Punkte", "bedeutung": "Gegenwert an Share of Voice durch ein Fluent Device (Modellrechnung)" } ], "methode": "Anbieter-Modellrechnung zur Konsistenz über Zeit.", "datenbasis": "Nicht offengelegt", "einschraenkungen": "Gilt für Figuren und Geräte, nicht ausdrücklich für Jingles; Modellrechnung.", "interessenlage": "System1 verkauft Werbetests", "score": { "design": 2, "datenbasis": 4, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Anbieter-Modellrechnung ohne offengelegte Basis.", "gesamt": 3.0 }, "richtung": "offen", "quelle_url": "https://system1group.com/blog/fluent-devices-2-this-time-its-digital", "zugang": "offen", "folgen": [ 40 ], "stand": "2026-11-06" }, { "id": "amsive-ai-overviews-brand-2025", "titel_original": "Google AI Overviews: New CTR Study Reveals How to Navigate Negative SERP Impact", "titel_de": "Amsive: KI-Übersichten bei Marken- vs. Generic-Suchen", "autoren": "Amsive", "herausgeber": "Amsive", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Search & Performance" ], "kernaussage": "Markensuchen lösen selten eine KI-Übersicht aus und verlieren dann eher keine Klicks, während Suchen ohne Markennamen Klickrate einbüßen.", "zahlen": [ { "wert": "4,79 %", "bedeutung": "Markensuchen mit KI-Übersicht" }, { "wert": "+18,68 %", "bedeutung": "Klickrate bei Markensuchen mit Übersicht" }, { "wert": "−19,98 %", "bedeutung": "Klickrate bei Suchen ohne Markennamen mit Übersicht" } ], "methode": "Agenturauswertung von Kundendaten, Schwerpunkt auf Keywords mit Übersicht.", "datenbasis": "700.000 Keywords, aber nur 10 Websites in 5 Branchen; 10.000 Keywords mit Übersicht; Zeitraum nicht genannt", "einschraenkungen": "Nur 10 Websites, Zeitraum unbekannt. Einziger gefundener Beleg zum Marke-vs.-Nicht-Marke-Unterschied.", "interessenlage": "Amsive ist eine Marketing-Agentur.", "score": { "design": 2, "datenbasis": 3, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Sehr schmale Datenbasis einer Agentur ohne Replikation; Richtung passt nur grob zu Sistrix.", "gesamt": 2.9 }, "richtung": "offen", "quelle_url": "https://www.amsive.com/insights/seo/google-ai-overviews-new-research-reveals-how-to-navigate-click-drop-off/", "zugang": "offen", "folgen": [ 12 ], "stand": "2026-11-06" }, { "id": "litmus-state-of-email-2025", "titel_original": "State of Email report 2025", "titel_de": "Litmus 2025: Verteilung des selbstberichteten E-Mail-ROI", "autoren": "Litmus", "herausgeber": "Litmus", "jahr": 2025, "studientyp": "Umfrage", "themen": [ "CRM & Loyalität", "Messung & Attribution" ], "kernaussage": "In der aktuellen Litmus-Befragung berichtet die größte Gruppe einen E-Mail-ROI von 10 bis 36 Dollar je Dollar; ein Fünftel misst den ROI gar nicht.", "zahlen": [ { "wert": "35 %", "bedeutung": "Befragte mit 10–36 $ Rückfluss je eingesetztem $" }, { "wert": "30 %", "bedeutung": "mit 36–50 $" }, { "wert": "5 %", "bedeutung": "mit mehr als 50 $" }, { "wert": "21 %", "bedeutung": "messen den ROI gar nicht (2023: 36 %)" } ], "methode": "Weltweite Online-Befragung von Marketern.", "datenbasis": "knapp 500 Marketer weltweit", "einschraenkungen": "Selbstauskunft, Anbieterstudie; '36:1' ist eher Obergrenze der größten Gruppe als Durchschnitt.", "interessenlage": "Litmus verkauft E-Mail-Software", "score": { "design": 2, "datenbasis": 4, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Kleine Anbieterbefragung mit Selbstauskunft.", "gesamt": 2.9 }, "richtung": "widerlegt", "quelle_url": "https://www.litmus.com/blog/infographic-the-roi-of-email-marketing", "zugang": "offen", "folgen": [ 36 ], "stand": "2026-11-06" }, { "id": "otterly-chatgpt-ads-study-2026", "titel_original": "ChatGPT Ads Study", "titel_de": "OtterlyAI: Wie oft ChatGPT-Antworten Anzeigen enthalten", "autoren": "OtterlyAI", "herausgeber": "OtterlyAI (Blog)", "jahr": 2026, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Search & Performance" ], "kernaussage": "In einer US-Momentaufnahme enthielten drei Viertel der ChatGPT-Antworten auf Kauffragen mindestens eine Anzeige, bei Finanzen und Versicherungen am häufigsten; Marktführer schalteten meist keine Anzeigen.", "zahlen": [ { "wert": "76,4 %", "bedeutung": "Anteil der ChatGPT-Antworten auf Kauffragen mit mindestens einer Anzeige" }, { "wert": "85,9 %", "bedeutung": "Anteil bei 'Finance and Insurance' (höchster Wert)" }, { "wert": "42,3 %", "bedeutung": "Anteil bei Healthcare" }, { "wert": "12 von 14", "bedeutung": "Branchen, in denen der Marktführer keine Anzeige schaltete" } ], "methode": "Automatisierte Abfragen in 16 Branchen.", "datenbasis": "USA, 16 Branchen, 2.–15.07.2026; Zahl der Prompts nicht angegeben", "einschraenkungen": "Momentaufnahme mit unbekannter Prompt-Zahl; nur USA mit Personalisierung, in der EU ohne Personalisierung.", "interessenlage": "GEO-Tool-Anbieter, verkauft Ad-Tracking", "score": { "design": 2, "datenbasis": 4, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Anbieter-Momentaufnahme ohne offengelegte Stichprobe.", "gesamt": 2.9 }, "richtung": "offen", "quelle_url": "https://otterly.ai/blog/chatgpt-ads-study/", "zugang": "offen", "folgen": [ 33 ], "stand": "2026-11-06" }, { "id": "system1-tiktok-short-form-branding-study", "titel_original": "System1 × TikTok: Branding-Elemente in Kurzvideos", "titel_de": "System1 × TikTok: Sonic Assets in Kurzvideo-Anzeigen", "autoren": "System1, TikTok", "herausgeber": "Chief Marketer (Bericht)", "jahr": null, "studientyp": "Anbieterauswertung", "themen": [ "Kreation & Werbewirkung", "Social & Influencer" ], "kernaussage": "Laut einer Studie von System1 und TikTok steigerte ein Sonic Asset in den ersten zwei Sekunden den Brand-Awareness-Lift deutlich, ähnlich wie kontextuelle Logos.", "zahlen": [ { "wert": "+191 %", "bedeutung": "Brand-Awareness-Lift durch ein Sonic Asset in den ersten zwei Sekunden (relativ, Basis unbekannt)" }, { "wert": "+182 %", "bedeutung": "Lift durch kontextuelle Logos" }, { "wert": "887 / 92.000", "bedeutung": "Kurzvideo-Anzeigen / TikTok-Nutzer in acht Märkten" } ], "methode": "Pretest-Auswertung über acht Märkte.", "datenbasis": "887 Anzeigen, 92.000 Nutzer, 8 Märkte", "einschraenkungen": "Nur aus zweiter Hand, Originalbericht nicht eingesehen; relativer Lift auf unbekannter Basis.", "interessenlage": "Plattform und Pretest-Anbieter als Auftraggeber", "score": { "design": 2, "datenbasis": 6, "unabhaengigkeit": 1, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Sekundär berichtete Auftragsstudie mit verschlossener Methode.", "gesamt": 2.9 }, "richtung": "offen", "quelle_url": "https://chiefmarketer.com/system1-tiktok-study-branding-elements-and-creator-led-content-improve-short-form-video-ads/", "zugang": "offen", "folgen": [ 40 ], "stand": "2026-11-06" }, { "id": "binet-field-5-principles-b2b-2019", "titel_original": "The 5 Principles of Growth in B2B Marketing", "titel_de": "5 Wachstumsprinzipien im B2B-Marketing", "autoren": "Binet, Field", "herausgeber": "LinkedIn B2B Institute", "jahr": 2019, "studientyp": "Fallsammlung", "themen": [ "B2B", "Markenaufbau & Wachstum" ], "kernaussage": "Auch im B2B-Geschäft wirkt die Balance aus Markenaufbau und Aktivierung, das günstigste Verhältnis liegt laut Databank-Auswertung aber bei rund 46 zu 54 – auf sehr kleiner Fallbasis.", "zahlen": [ { "wert": "46:54", "bedeutung": "Verhältnis Marke zu Aktivierung in den B2B-Fällen" }, { "wert": "unter 50", "bedeutung": "Zahl der B2B-Fälle in der Databank laut Bericht" }, { "wert": "0,7 Prozentpunkte", "bedeutung": "durchschnittlicher jährlicher Marktanteilsgewinn je 10 Punkte ESOV in B2B-Fällen der IPA-Datenbank" }, { "wert": "0,6 Prozentpunkte", "bedeutung": "Vergleichswert für B2C-Fälle" } ], "methode": "Auswertung der B2B-Fälle der IPA Effectiveness Databank nach Budgetaufteilung und Geschäftseffekten.", "datenbasis": "IPA Databank, B2B-Fälle 1998–2018, weniger als 50 Fälle.", "einschraenkungen": "Die Autoren nennen ihre Befunde selbst vorläufig wegen der kleinen Fallzahl. Im Netz kursiert fälschlich 50:50.", "interessenlage": "Im Auftrag des LinkedIn B2B Institute; LinkedIn verkauft B2B-Markenwerbung.", "score": { "design": 2, "datenbasis": 2, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Sehr kleine, selbstselektierte Fallbasis im Auftrag einer Werbeplattform; von den Autoren selbst als vorläufig bezeichnet.", "gesamt": 2.8 }, "richtung": "offen", "quelle_url": "https://delivery-p143253-e1476319.adobeaemcloud.com/adobe/assets/urn:aaid:aem:7b60e40d-2d56-457f-9559-cd3e61cce90a/original/as/LIN_B2B-Marketing-Report-Digital.pdf", "zugang": "offen", "folgen": [ 4 ], "stand": "2026-11-06", "alias": [ "binet-field-2019-b2b-esov" ] }, { "id": "gartner-future-of-sales-2020", "titel_original": "Gartner-Pressemitteilung vom 15.09.2020: 80 % der B2B-Vertriebsinteraktionen digital (Prognose)", "titel_de": "Gartner 2020: 17 % der Kaufzeit mit Anbietern", "autoren": "Gartner", "herausgeber": "Gartner (Pressemitteilung 15.09.2020)", "jahr": 2020, "studientyp": "Anbieterauswertung", "themen": [ "B2B" ], "kernaussage": "Laut Gartner verbringen B2B-Käufer nur einen kleinen Teil ihrer Kaufzeit mit Anbietern, und ein Drittel wünscht sich einen Kauf ohne Verkäufer. Die Zahlen sind alt und ohne Methodenangabe.", "zahlen": [ { "wert": "17 %", "bedeutung": "Anteil der Kaufzeit, den Käufer mit allen potenziellen Anbietern zusammen verbringen" }, { "wert": "33 %", "bedeutung": "Käufer, die sich eine Seller-free-Erfahrung wünschen" }, { "wert": "44 %", "bedeutung": "dieser Wunsch bei Millennials" } ], "methode": "In der Pressemitteilung nicht beschrieben.", "datenbasis": "Stichprobe und Erhebungszeitraum nicht genannt.", "einschraenkungen": "Die 17 % gelten für alle Anbieter zusammen, nicht pro Anbieter, und sind mindestens sechs Jahre alt. Die „80 % digital bis 2025“ sind eine Prognose, kein Messwert. Blogangaben zur Stichprobe ließen sich nicht an Gartner-Quellen prüfen.", "interessenlage": "Gartner verkauft Beratung an Vertriebsleiter.", "score": { "design": 2, "datenbasis": 3, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Anbieterzahl ohne offengelegte Methode und Stichprobe; veraltet und nie unabhängig geprüft.", "gesamt": 2.7 }, "richtung": "offen", "quelle_url": "https://www.gartner.com/en/newsroom/press-releases/2020-09-15-gartner-says-80--of-b2b-sales-interactions-between-su", "zugang": "teilweise", "folgen": [ 22 ], "stand": "2026-11-06" }, { "id": "microsoft-copilot-ads-performance-2025", "titel_original": "73% higher CTRs: Why advertisers need to pay attention to conversational AI", "titel_de": "Microsoft: Leistungswerte von Anzeigen in Copilot", "autoren": "Microsoft Advertising", "herausgeber": "Microsoft Advertising Blog", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Search & Performance" ], "kernaussage": "Microsoft meldet für Anzeigen in Copilot deutlich höhere Klick- und Conversion-Raten als in der klassischen Suche, ohne Testdesign oder Fallzahl offenzulegen.", "zahlen": [ { "wert": "+73 %", "bedeutung": "höhere CTR von Anzeigen in Copilot vs. klassischer Suche (Nov. 2024–Mai 2025)" }, { "wert": "+16 %", "bedeutung": "höhere Conversion-Rate" }, { "wert": "−33 %", "bedeutung": "kürzere Customer Journeys" }, { "wert": "25 % besser", "bedeutung": "von Microsoft angegebene Anzeigenrelevanz in Copilot vs. traditioneller Suche (März 2025)" } ], "methode": "Eigene Plattformdaten, Methode nicht beschrieben.", "datenbasis": "Microsoft-Werbedaten Nov. 2024–Mai 2025; Fallzahl unbekannt", "einschraenkungen": "Kein Testdesign, keine Signifikanz; Selektion: Copilot-Nutzer sind oft schon kaufnah. Nicht inkrementell gemessen.", "interessenlage": "Microsoft verkauft das Copilot-Werbeinventar", "score": { "design": 2, "datenbasis": 5, "unabhaengigkeit": 1, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Plattformzahl mit verschlossener Methode und klarem Eigeninteresse.", "gesamt": 2.7 }, "richtung": "offen", "quelle_url": "https://preview-about.ads.microsoft.com/en/blog/post/august-2025/73-higher-ctrs-why-advertisers-need-to-pay-attention-to-conversational-ai", "zugang": "offen", "folgen": [ 33 ], "stand": "2026-11-06" }, { "id": "netline-95-5-intent-2022", "titel_original": "Challenging the 95-5 rule: how buyer intent data proves more B2B buyers are in-market", "titel_de": "NetLine: Intent-Daten zur Kaufbereitschaft von B2B-Käufern", "autoren": "NetLine", "herausgeber": "NetLine", "jahr": 2022, "studientyp": "Anbieterauswertung", "themen": [ "B2B", "Messung & Attribution" ], "kernaussage": "Ein Anbieter von Intent-Daten meldet, dass deutlich mehr B2B-Käufer im Markt seien als die 95:5-Regel nahelegt, nämlich knapp ein Drittel binnen eines Jahres.", "zahlen": [ { "wert": "knapp 31 %", "bedeutung": "Anteil der B2B-Käufer, die binnen zwölf Monaten kaufen wollen" }, { "wert": "knapp 8 %", "bedeutung": "Anteil, der binnen eines Quartals entscheidungsbereit ist" }, { "wert": "über 24.000", "bedeutung": "Zahl der zugrunde gelegten Antworten laut Anbieter" } ], "methode": "Auswertung eigener Registrierungs- und Intent-Daten des Anbieters; wie Kaufbereitschaft definiert und gemessen wurde, bleibt offen.", "datenbasis": "Über 24.000 Antworten aus verschiedenen Branchen; kein Zeitraum angegeben.", "einschraenkungen": "Methode und Definition von 'im Markt' nicht offengelegt; die Prozentwerte im Beitrag addieren sich nicht sauber auf 100. Stichprobe besteht aus Personen, die ohnehin Fachinhalte herunterladen, also eher kaufnah.", "interessenlage": "NetLine verkauft genau die Intent-Daten, deren Wert die Zahl belegen soll.", "score": { "design": 2, "datenbasis": 5, "unabhaengigkeit": 1, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Anbieterzahl ohne offengelegte Methode mit klarem Eigeninteresse; die Fallzahl ist zwar groß, aber verzerrt.", "gesamt": 2.7 }, "richtung": "offen", "quelle_url": "https://blog.netline.com/challenging-the-95-5-rule-how-buyer-intent-data-proves-more-b2b-buyers-are-in-market/", "zugang": "offen", "folgen": [ 1 ], "stand": "2026-11-06" }, { "id": "ey-aaru-ai-simulation-wealth-2025", "titel_original": "How AI simulation accelerates growth in wealth and asset management", "titel_de": "EY/Aaru: KI-Replikation einer Anlegerbefragung", "autoren": "EY", "herausgeber": "EY", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "KI im Marketing", "Methodik & Marktforschung" ], "kernaussage": "EY meldet, eine KI-Simulation mit Aaru habe eine Befragung vermögender Anleger an einem Tag statt in sechs Monaten mit hoher Rangkorrelation nachgebildet. Methodik und Rohdaten sind nicht veröffentlicht.", "zahlen": [ { "wert": "0,90", "bedeutung": "mediane Spearman-Korrelation über 53 Fragen" }, { "wert": "3.600 / 30+", "bedeutung": "vermögende Anleger / Märkte in der Originalbefragung" } ], "methode": "Replikation einer eigenen Befragung durch KI-Simulation; Methodik nicht veröffentlicht.", "datenbasis": "Originalbefragung mit 3.600 vermögenden Anlegern in über 30 Märkten.", "einschraenkungen": "Was korreliert wurde (vermutlich Rangfolge der Antwortanteile je Frage, nicht Einzelpersonen), ist nicht verifizierbar. Offen, ob die Vergleichsdaten vorher bekannt waren. Ähnliche Angabe von EY/Evidenza („95 %“) nur aus zweiter Hand und ohne Methodik.", "interessenlage": "Partner- und Kundenbeziehung zu Aaru; EY verkauft KI-Beratung.", "score": { "design": 2, "datenbasis": 5, "unabhaengigkeit": 1, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Anbieterzahl mit verschlossener Methode und klarem Eigeninteresse.", "gesamt": 2.6 }, "richtung": "offen", "quelle_url": "https://www.ey.com/en_us/insights/wealth-asset-management/how-ai-simulation-accelerates-growth-in-wealth-and-asset-management", "zugang": "offen", "folgen": [ 26 ], "stand": "2026-11-06" }, { "id": "ip-deutschland-langfrist-roi-tv-2015", "titel_original": "Payback & ROI – Der Langfrist-ROI von TV", "titel_de": "IP Deutschland: Langfrist-ROI von TV bei fünf Launches", "autoren": "BrandScience, IP Deutschland", "herausgeber": "IP Deutschland / Screenforce", "jahr": 2015, "studientyp": "Ökonometrie/MMM", "themen": [ "Media & Budget", "Messung & Attribution" ], "kernaussage": "In fünf modellierten deutschen Produkteinführungen kam der langfristige TV-ROI noch einmal auf 99 bis 295 % des kurz- und mittelfristigen ROI; mit anderer Modellannahme verdoppelte sich der TV-Anteil am Absatz.", "zahlen": [ { "wert": "99–295 % (Index 162)", "bedeutung": "zusätzlicher Langfrist-TV-ROI relativ zum Kurz-/Mittelfrist-ROI" }, { "wert": "29 % → 60 %", "bedeutung": "TV-Anteil am Absatz eines Kosmetik-Launches klassisch vs. mit Langzeiteffekten" }, { "wert": "bis 3 Jahre", "bedeutung": "Zeitraum, in dem Effekte nach Kampagnenkontakt nachweisbar gewesen sein sollen" } ], "methode": "Marketing-Mix-Modelle mit sehr langen Lags; Methode nur skizziert.", "datenbasis": "5 Launches (Spirituose, Snack, alkoholfreies Getränk, Kosmetik, Schokolade), Deutschland", "einschraenkungen": "Nur fünf Fälle ohne Markennamen; Methode kaum offengelegt; zeigt vor allem, wie stark die Modellannahme das Ergebnis treibt.", "interessenlage": "Werbezeitenvermarkter der RTL-Gruppe", "score": { "design": 2, "datenbasis": 2, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Vermarkterauswertung mit sehr kleiner Fallzahl und geschlossener Methode.", "gesamt": 2.6 }, "richtung": "offen", "quelle_url": "https://screenforce.de/sites/default/files/media_pool/praesentation_pdf/893-ROI_Langfristeffekte.pdf", "zugang": "offen", "folgen": [ 32 ], "stand": "2026-11-06" }, { "id": "quantilope-mental-availability-meta-2024", "titel_original": "Measuring Brand Health: Brand Awareness vs. Mental Availability", "titel_de": "quantilope: Mental Market Share korreliert mit Marktanteil", "autoren": "quantilope", "herausgeber": "quantilope", "jahr": 2024, "studientyp": "Anbieterauswertung", "themen": [ "Markenaufbau & Wachstum", "Methodik & Marktforschung" ], "kernaussage": "Laut einer eigenen Auswertung des Anbieters korreliert Mental Market Share stark mit dem Umsatzmarktanteil.", "zahlen": [ { "wert": "r = .83 / R² = .69", "bedeutung": "durchschnittliche Korrelation von Mental Market Share und Verkaufsdaten" }, { "wert": "> 100", "bedeutung": "einbezogene Marken" } ], "methode": "Vom Anbieter als „Meta-Analyse“ bezeichnete Auswertung eigener Projekte.", "datenbasis": "über 100 Marken; Kategorien, Länder und Zeitraum nicht offengelegt", "einschraenkungen": "Methode verschlossen; die einzige öffentlich gefundene Zahl dieser Art. Die Korrelation sagt nichts über die Kausalrichtung.", "interessenlage": "quantilope verkauft Mental-Availability-Tracking.", "score": { "design": 2, "datenbasis": 4, "unabhaengigkeit": 1, "replikation": 3, "uebertragbarkeit": 5, "begruendung": "Anbieterzahl ohne Methode, nicht unabhängig geprüft.", "gesamt": 2.6 }, "richtung": "offen", "quelle_url": "https://www.quantilope.com/resources/measuring-brand-health-brand-awareness-vs.-mental-availability", "zugang": "offen", "folgen": [ 16 ], "stand": "2026-11-06" }, { "id": "semrush-indig-chatgpt-reasoning-2026", "titel_original": "Only 25% of cited sources overlap between ChatGPT‘s different reasoning modes [Study]", "titel_de": "Semrush: Denkmodus verändert die zitierten Quellen", "autoren": "Indig, Semrush", "herausgeber": "Semrush", "jahr": 2026, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche" ], "kernaussage": "Schon der Modus desselben Modells verändert, welche Domains zitiert werden: Zwischen schnellem und gründlichem Denkmodus überschneidet sich nur rund ein Viertel der Quellen.", "zahlen": [ { "wert": "25,6 %", "bedeutung": "Überschneidung zitierter Domains zwischen minimalem und hohem Reasoning bei denselben Prompts" } ], "methode": "Je 100 Prompts zweimal in GPT-5.2 Instant- und Thinking-Modus, vier Branchen.", "datenbasis": "100 Prompts, 200 Antworten, 4 Branchen", "einschraenkungen": "Kleine Stichprobe, Momentaufnahme eines Modells.", "interessenlage": "Semrush verkauft das AI Visibility Toolkit, aus dem die Daten stammen.", "score": { "design": 2, "datenbasis": 2, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Kleine Anbieterauswertung ohne Replikation, an einen Modellstand gebunden.", "gesamt": 2.6 }, "richtung": "offen", "quelle_url": "https://www.semrush.com/blog/chatgpt-reasoning-ai-visibility/", "zugang": "offen", "folgen": [ 15 ], "stand": "2026-11-06" }, { "id": "system1-coca-cola-ki-weihnachtsspots-2025", "titel_original": "AI or No AI, Coke Gets the Christmas Love", "titel_de": "System1-Tests der KI-Weihnachtsspots von Coca-Cola", "autoren": "System1 Group", "herausgeber": "System1 Group", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "KI im Marketing", "Kreation & Werbewirkung" ], "kernaussage": "Beide KI-generierten Weihnachtsspots von Coca-Cola (2024 und 2025) erzielten im Panel-Test trotz Netzkritik Spitzenwerte; die Befragten wurden nicht auf KI hingewiesen.", "zahlen": [ { "wert": "5,9 von 6", "bedeutung": "Sterne für den KI-Spot 2024 und erneut 2025" }, { "wert": "3 %", "bedeutung": "Befragte, die 2024 mit „Verachtung“ reagierten" } ], "methode": "Panel-Test der Werbewirkung (Emotion und Assoziationen) ohne Hinweis auf KI.", "datenbasis": "Einzelfälle, Panel-Stichprobe nicht angegeben", "einschraenkungen": "Blindtest, misst keine Label-Wirkung; starke Vorlage aus dem Original von 1995 und Distinctive Assets (Trucks, Santa, Musik). Die Zahl „70.000 KI-Clips“ ist nur „reportedly“. Der Spot 2024 ist nur über MediaPost dokumentiert.", "interessenlage": "System1 verkauft Werbetests.", "score": { "design": 2, "datenbasis": 2, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Einzelfall-Tests eines Anbieters ohne Label-Variation.", "gesamt": 2.6 }, "richtung": "offen", "quelle_url": "https://system1group.com/ad-of-the-week/ai-or-no-ai-coke-gets-the-christmas-love", "zugang": "offen", "folgen": [ 14 ], "stand": "2026-11-06" }, { "id": "brightedge-ai-citations-week-to-week-2026", "titel_original": "AI Search Citations: How Much Do They Really Change Week to Week?", "titel_de": "BrightEdge: Stabilität von KI-Zitaten im Wochenvergleich", "autoren": "BrightEdge", "herausgeber": "BrightEdge", "jahr": 2026, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche" ], "kernaussage": "Auf aggregierter Ebene bleiben die zitierten Domains laut BrightEdge sehr stabil; das widerspricht der hohen Fluktuation je Prompt nicht, weil ein anderer Nenner gemessen wird.", "zahlen": [ { "wert": "96,8 %", "bedeutung": "zitierte Domains ohne Veränderung des aggregierten Zitieranteils von einer Woche zur nächsten" } ], "methode": "Ein Wochenvergleich des aggregierten Zitieranteils je Domain über alle Prompts und fünf Engines.", "datenbasis": "KW 5/2026, fünf KI-Suchen; Prompt-Zahl nicht genannt", "einschraenkungen": "Nur ein Wochenvergleich; aggregiert statt je Prompt.", "interessenlage": "BrightEdge verkauft Monitoring", "score": { "design": 2, "datenbasis": 4, "unabhaengigkeit": 1, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Anbieter-Momentaufnahme mit verschlossener Methode.", "gesamt": 2.5 }, "richtung": "offen", "quelle_url": "https://brightedge.com/resources/weekly-ai-search-insights/ai-search-citations-week-to-week-changes", "zugang": "offen", "folgen": [ 35 ], "stand": "2026-11-06" }, { "id": "niq-ai-generated-ads-neuro-2024", "titel_original": "Study Reveals Hidden Consumer Views on AI-Generated Ads", "titel_de": "NIQ: KI-Anzeigen aktivieren das Gedächtnis schwächer", "autoren": "NIQ (NielsenIQ)", "herausgeber": "NIQ", "jahr": 2024, "studientyp": "Anbieterauswertung", "themen": [ "KI im Marketing", "Kreation & Werbewirkung" ], "kernaussage": "Laut NIQ wirken KI-Anzeigen auf Konsumenten eher lästig oder verwirrend und aktivieren das Gedächtnis schwächer als klassische Anzeigen, selbst bei hoher wahrgenommener Qualität.", "zahlen": [ { "wert": "> 2.000", "bedeutung": "Teilnehmende, davon etwa 150 mit EEG" } ], "methode": "Neuromarketing-Test mit EEG und anschließender Befragung.", "datenbasis": "über 2.000 Teilnehmende, ca. 150 mit EEG; Land und Stimuli nicht genannt", "einschraenkungen": "Keine einzige Effektzahl, Kontrollbedingung und Stimuli unbekannt – nur ein Hinweis, kein Beleg.", "interessenlage": "NIQ verkauft Neuro-Testing (Ad Explorer).", "score": { "design": 2, "datenbasis": 4, "unabhaengigkeit": 1, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Anbieterzahl ohne offengelegte Methode und ohne Effektgrößen.", "gesamt": 2.5 }, "richtung": "offen", "quelle_url": "https://nielseniq.com/global/en/news-center/2024/niq-research-uncovers-hidden-consumer-attitudes-toward-ai-generated-ads/", "zugang": "offen", "folgen": [ 14 ], "stand": "2026-11-06" }, { "id": "analytic-partners-recession-proofing-2022", "titel_original": "Rules of Recession-Proofing", "titel_de": "Analytic Partners: Werbung in der Rezession", "autoren": "Analytic Partners", "herausgeber": "Analytic Partners", "jahr": 2022, "studientyp": "Anbieterauswertung", "themen": [ "Media & Budget" ], "kernaussage": "Ein MMM-Anbieter berichtet, dass Marken, die in der letzten Rezession ihre Mediainvestitionen erhöhten, mehrheitlich ihren ROI verbesserten.", "zahlen": [ { "wert": "60 %", "bedeutung": "Marken, die mit höheren Mediainvestitionen in der letzten Rezession ROI-Verbesserungen sahen" }, { "wert": "+17 %", "bedeutung": "Anstieg der inkrementellen Umsätze bei Marken, die ihre Paid-Werbung erhöhten" }, { "wert": "fast 15 %", "bedeutung": "Anteil des Geschäfts, der laut Anbieter gefährdet ist, wenn ein gleich großer Wettbewerber sein Marketing verdoppelt" }, { "wert": "80 %", "bedeutung": "Anteil der Fälle, in denen Markenbotschaften Performance-Botschaften übertrafen" }, { "wert": "1.000+ / 50+", "bedeutung": "Anzahl Marken / Länder in der ROI-Genome-Datenbasis über mehr als 20 Jahre (Selbstangabe des Anbieters)" } ], "methode": "Auswertung eigener Marketing-Mix-Modelle; Details nicht offengelegt.", "datenbasis": "Stichprobe, Zeitraum und Definitionen nicht angegeben", "einschraenkungen": "In Folge 17 bewusst nicht verwendet: Methode und Definitionen fehlen.", "interessenlage": "Der MMM-Anbieter verdient an genau dieser Botschaft.", "score": { "design": 2, "datenbasis": 3, "unabhaengigkeit": 1, "replikation": 3, "uebertragbarkeit": 4, "begruendung": "Anbieterzahl ohne offengelegte Methode.", "gesamt": 2.4 }, "richtung": "offen", "quelle_url": "https://s3.amazonaws.com/media.mediapost.com/uploads/RecessionProofing.pdf", "zugang": "offen", "folgen": [], "stand": "2026-11-06", "alias": [ "analytic-partners-2022-recession-roi-genome" ] }, { "id": "dma-marketer-email-tracker-2019", "titel_original": "Marketer Email Tracker 2019", "titel_de": "DMA UK: Marketer Email Tracker 2019 (42:1)", "autoren": "DMA UK", "herausgeber": "Data & Marketing Association UK", "jahr": 2019, "studientyp": "Umfrage", "themen": [ "CRM & Loyalität" ], "kernaussage": "Der britische Direktmarketingverband meldete für 2019 einen selbst geschätzten E-Mail-ROI von gut 42 £ je £; nur ein Teil der Befragten misst den ROI überhaupt.", "zahlen": [ { "wert": "£42,24", "bedeutung": "selbstberichteter ROI je £1 (Vorjahr £32,28)" }, { "wert": "62 %", "bedeutung": "Befragte, die den ROI messen (B2C 71 %)" } ], "methode": "Jährliche Befragung von Marketern.", "datenbasis": "UK; genannt n = 197 für eine Einzelfrage, Basis der ROI-Frage offen", "einschraenkungen": "Volltext nur für Mitglieder; ROI entsteht nur aus der messenden Teilgruppe und ist selbst geschätzt.", "interessenlage": "Verband der Direktmarketing-Branche", "score": { "design": 2, "datenbasis": 3, "unabhaengigkeit": 5, "replikation": 0, "uebertragbarkeit": 3, "begruendung": "Verbandsbefragung mit kleiner, unklarer Basis; als Durchschnittswert nicht gedeckt.", "gesamt": 2.4 }, "richtung": "widerlegt", "quelle_url": "https://dma.org.uk/research/marketer-email-tracker-2019", "zugang": "paywall", "folgen": [ 36 ], "stand": "2026-11-06" }, { "id": "gartner-nps-abandonment-prediction-2021", "titel_original": "Gartner-Pressemitteilung vom 27.05.2021: Prognose, dass mehr als 75 % der Organisationen den NPS im Kundenservice aufgeben", "titel_de": "Gartner-Prognose: Abkehr vom NPS im Kundenservice", "autoren": "Gartner", "herausgeber": "Gartner (Pressemitteilung 27.05.2021)", "jahr": 2021, "studientyp": "Anbieterauswertung", "themen": [ "CRM & Loyalität" ], "kernaussage": "Gartner prognostizierte, dass bis 2025 mehr als drei Viertel der Organisationen den NPS als Erfolgsmaß im Kundenservice aufgeben. Grundlage war eine kleine Befragung von Service-Leitern; ob die Prognose eingetreten ist, ist nicht gemessen.", "zahlen": [ { "wert": "> 75 %", "bedeutung": "prognostizierter Anteil der Organisationen, die den NPS im Service bis 2025 aufgeben" }, { "wert": "n = 42", "bedeutung": "befragte Service-Leiter (März 2021)" }, { "wert": "58 %", "bedeutung": "müssen NPS messen; ein Drittel davon bezweifelt den Nutzen" } ], "methode": "Prognose auf Basis einer Befragung von Service-Leitern.", "datenbasis": "42 Service-Leiter, März 2021.", "einschraenkungen": "Prognose, keine Messung; sehr kleine Stichprobe. Keine belastbare Erhebung zum Eintreten gefunden.", "interessenlage": "Gartner verkauft eigene Service-Metriken.", "score": { "design": 2, "datenbasis": 1, "unabhaengigkeit": 3, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Prognose mit Mini-Stichprobe und Eigeninteresse; nie überprüft.", "gesamt": 2.4 }, "richtung": "offen", "quelle_url": "https://www.gartner.com/en/newsroom/press-releases/2021-05-27-gartner-predicts-more-than-75--of-organizations-will-", "zugang": "teilweise", "folgen": [ 27 ], "stand": "2026-11-06" }, { "id": "hypeauditor-state-of-influencer-marketing-2021", "titel_original": "HypeAuditor State of Influencer Marketing Report 2021", "titel_de": "HypeAuditor: Betrug bei Instagram-Influencern", "autoren": "HypeAuditor", "herausgeber": "HypeAuditor", "jahr": 2021, "studientyp": "Anbieterauswertung", "themen": [ "Social & Influencer" ], "kernaussage": "Ein Anbieter von Betrugserkennung meldete, dass mehr als die Hälfte der Instagram-Influencer in Betrug verwickelt sei – nach eigener, nicht offengelegter Definition.", "zahlen": [ { "wert": "55 %", "bedeutung": "Instagram-Influencer, die laut HypeAuditor „involved in fraud“ waren" } ], "methode": "Eigenes Machine-Learning-Modell des Anbieters.", "datenbasis": "nicht offengelegt", "einschraenkungen": "Definition von „involved in fraud“ nicht offengelegt; Zahl fünf Jahre alt.", "interessenlage": "HypeAuditor verkauft Fraud-Erkennung.", "score": { "design": 2, "datenbasis": 4, "unabhaengigkeit": 1, "replikation": 3, "uebertragbarkeit": 2, "begruendung": "Anbieter misst den eigenen Markt mit verschlossener Methode; veraltet.", "gesamt": 2.4 }, "richtung": "offen", "quelle_url": "https://www.prweb.com/releases/HypeAuditor_The_AI_powered_Influence_Marketing_Platform_Reveals_the_Year_s_Biggest_Brand_Leaders_In_Annual_State_of_Influencer_Marketing_Report/prweb17857550.htm", "zugang": "offen", "folgen": [ 19 ], "stand": "2026-11-06" }, { "id": "litmus-state-of-email-2020-roi", "titel_original": "State of Email Survey 2020 / The ROI of Email Marketing", "titel_de": "Litmus 2020: Herkunft der 36:1-Zahl", "autoren": "Litmus; Convince & Convert", "herausgeber": "Litmus", "jahr": 2020, "studientyp": "Umfrage", "themen": [ "CRM & Loyalität", "Messung & Attribution" ], "kernaussage": "Die berühmte E-Mail-Rendite von 36:1 ist eine Selbstauskunft von Marketern aus der Software-Branche; in derselben Befragung traut nur jeder Sechste der eigenen ROI-Messung.", "zahlen": [ { "wert": "36:1", "bedeutung": "selbstberichteter E-Mail-ROI in der Branche Software & Technology (Medien 32:1, Agenturen 42:1, Retail/E-Commerce 45:1)" }, { "wert": "16 %", "bedeutung": "Befragte, die glauben, ihr Unternehmen messe den E-Mail-ROI gut oder sehr gut" }, { "wert": "45 %", "bedeutung": "bewerten die eigene ROI-Messung als schlecht, sehr schlecht oder nicht vorhanden" } ], "methode": "Weltweite Online-Befragung von Marketern; ROI-Definition und Frageformulierung nicht offengelegt.", "datenbasis": "mehr als 2.000 Marketer weltweit, 2020", "einschraenkungen": "Reine Selbstauskunft, keine Messung; Stichprobenziehung unklar. Die Zahl wandert von Welle zu Welle (2018: 38:1).", "interessenlage": "Litmus verkauft E-Mail-Software", "score": { "design": 2, "datenbasis": 6, "unabhaengigkeit": 3, "replikation": 0, "uebertragbarkeit": 3, "begruendung": "Anbieterbefragung mit Selbstauskunft; Feldexperimente zeigen viel kleinere inkrementelle Effekte, die Zahl ist als Durchschnittswert widerlegt.", "gesamt": 2.4 }, "richtung": "widerlegt", "quelle_url": "https://www.litmus.com/blog/infographic-the-roi-of-email-marketing", "zugang": "offen", "folgen": [ 36 ], "stand": "2026-11-06" }, { "id": "amp-best-audio-brands-2026", "titel_original": "Best Audio Brands 2026", "titel_de": "amp: Best Audio Brands 2026", "autoren": "amp (WPP)", "herausgeber": "amp / Transform Magazine", "jahr": 2026, "studientyp": "Anbieterauswertung", "themen": [ "Markenaufbau & Wachstum" ], "kernaussage": "Ein Agenturreport benotet Audio-Marken selbst und meldet, dass rund drei Viertel der untersuchten Marken ein Sound-Logo nutzen; eine Wirkungsmessung ist das nicht.", "zahlen": [ { "wert": "73 %", "bedeutung": "untersuchte Marken mit Sound-Logo" } ], "methode": "Benotung durch die Agentur.", "datenbasis": "Über 150 globale Soundmarken, benotet von A+ bis D−; Bewertungsmethode nicht offengelegt.", "einschraenkungen": "Keine Wirkungsmessung; höchstens Branchenstimmung.", "interessenlage": "Sound-Agentur von WPP", "score": { "design": 2, "datenbasis": 3, "unabhaengigkeit": 1, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Agenturbenotung ohne Wirkungsbezug.", "gesamt": 2.3 }, "richtung": "offen", "quelle_url": "https://www.transformmagazine.net/articles/2026/best-audio-brands-report-reveals-decline-in-long-term-sonic-asset-investment/", "zugang": "offen", "folgen": [], "stand": "2026-11-06" }, { "id": "loamly-ai-traffic-direct-estimate-2025", "titel_original": "Schätzung: Anteil von KI-Traffic, der als Direct erscheint", "titel_de": "Loamly: Die '60 % KI-Traffic als Direct'-Schätzung", "autoren": "Di Cesare (Loamly)", "herausgeber": "Loamly", "jahr": 2025, "studientyp": "Anbieterauswertung", "themen": [ "GEO & KI-Suche", "Messung & Attribution" ], "kernaussage": "Die verbreitete Zahl, 60 bzw. 70 % des KI-Traffics landeten als 'Direct', geht auf eine ausdrückliche Schätzung eines Anbieters zurück, nicht auf eine offengelegte Messung.", "zahlen": [ { "wert": "60 %", "bedeutung": "ursprüngliche Schätzung (07.11.2025)" }, { "wert": "70,6 %", "bedeutung": "Update Februar 2026: 14.413 von 20.428 KI-Besuchen ohne Referrer in 446.405 Besuchen" } ], "methode": "Schätzung; Update ohne Angaben zu Zeitraum, Erkennungsmethode oder Seitenauswahl.", "datenbasis": "Nicht offengelegt", "einschraenkungen": "Kein Messwert; eignet sich zum Entlarven, nicht als Fakt (Herleitung bei Rosam 2026).", "interessenlage": "Loamly verkauft Software zur Erkennung genau dieses Traffics", "score": { "design": 2, "datenbasis": 3, "unabhaengigkeit": 1, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Schätzung mit verschlossener Methode und klarem Eigeninteresse.", "gesamt": 2.3 }, "richtung": "offen", "quelle_url": "https://buttondown.com/davidrosam/archive/everyone-quotes-60-nobody-measured-it/", "zugang": "offen", "folgen": [], "stand": "2026-11-06" }, { "id": "mediascience-ai-labeling-video-ads-2026", "titel_original": "Study: AI Labeling Does Not Hurt Video Ad Performance", "titel_de": "MediaScience: KI-Label schadet Videoanzeigen nicht", "autoren": "MediaScience, Ehrenberg-Bass Institute", "herausgeber": "MediaScience (Pressemitteilung)", "jahr": 2026, "studientyp": "Laborexperiment", "themen": [ "KI im Marketing", "Kreation & Werbewirkung" ], "kernaussage": "In einem Labeltest mit 900 US-Personen zeigte keine Wirkungskennzahl einer Videoanzeige einen signifikanten Nachteil durch ein KI-Label; ein Label wird zudem oft übersehen.", "zahlen": [ { "wert": "900", "bedeutung": "US-Befragte, vier Labelvarianten plus Kontrollgruppe" }, { "wert": "36 % / 49 % / 38 %", "bedeutung": "Bewusstsein für KI-Herkunft: ohne Label / mit durchgehendem Textlabel / mit Icon (aus zweiter Hand)" } ], "methode": "Kontrollierter Test mit vier Labelvarianten (Text früh, Text später, Text durchgehend, Icon) und Kontrollgruppe ohne Label.", "datenbasis": "900 US-Befragte, eine Videoanzeige", "einschraenkungen": "Kein öffentlicher Bericht; Detailzahlen nur aus zweiter Hand und mit widersprüchlicher Benennung („ad memory“ vs. „AI awareness“). Signifikanztests für die Awareness-Werte nicht veröffentlicht.", "interessenlage": "MediaScience betreibt selbst eine KI-Videoplattform (MediaPET.ai).", "score": { "design": 2, "datenbasis": 4, "unabhaengigkeit": 3, "replikation": 0, "uebertragbarkeit": 5, "begruendung": "Anbietertest ohne öffentlichen Bericht; widerspricht mehreren unabhängigen Experimenten mit kleiner Label-Strafe.", "gesamt": 2.3 }, "richtung": "gemischt", "quelle_url": "https://www.prnewswire.com/news-releases/study-ai-labeling-does-not-hurt-video-ad-performance-302778381.html", "zugang": "offen", "folgen": [ 14 ], "stand": "2026-11-06" }, { "id": "soundout-uk-sonic-brand-ranking-2022", "titel_original": "SoundOut-Ranking britischer Sound-Logos", "titel_de": "SoundOut: Bekanntheit britischer Sound-Marken", "autoren": "SoundOut", "herausgeber": "Marketing Week (Ritson-Kolumne)", "jahr": 2022, "studientyp": "Anbieterauswertung", "themen": [ "Markenaufbau & Wachstum" ], "kernaussage": "Ein Ranking von 80 britischen Sound-Logos zeigt hohe Salience-Werte für Marken mit langjährig konsistentem Sound.", "zahlen": [ { "wert": "87 % / 86 % / 86 %", "bedeutung": "Salience von GoCompare / Haribo / Just Eat" }, { "wert": "83 % / 76 %", "bedeutung": "Netflix / Intel" } ], "methode": "Nicht beschrieben.", "datenbasis": "80 britische Sound-Logos", "einschraenkungen": "Methode und Fallzahl im Artikel nicht genannt; Großbritannien.", "interessenlage": "Datenquelle ist eine Sound-Agentur", "score": { "design": 2, "datenbasis": 3, "unabhaengigkeit": 1, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Agenturzahl ohne Methode, nur über Kolumne zugänglich.", "gesamt": 2.3 }, "richtung": "offen", "quelle_url": "https://www.marketingweek.com/ritson-sonic-branding/", "zugang": "teilweise", "folgen": [ 40 ], "stand": "2026-11-06" }, { "id": "reichheld-bain-brief-cutting-costs-2001", "titel_original": "Prescription for cutting costs (Bain Brief)", "titel_de": "Bain-Brief 2001: Kundenbindung in Finanzdienstleistungen", "autoren": "Reichheld (Bain & Company)", "herausgeber": "Bain & Company", "jahr": 2001, "studientyp": "Anbieterauswertung", "themen": [ "CRM & Loyalität", "Markenaufbau & Wachstum" ], "kernaussage": "Bain formuliert hier vorsichtiger: In Finanzdienstleistungen bringe 5 Prozent mehr Kundenbindung mehr als 25 Prozent mehr Gewinn, und nicht jeder Kunde habe Potenzial für profitable, lange Bindung.", "zahlen": [ { "wert": "> 25 %", "bedeutung": "behaupteter Gewinnanstieg bei 5 % mehr Kundenbindung in Finanzdienstleistungen" } ], "methode": "Keine Methode angegeben.", "datenbasis": "Nicht angegeben.", "einschraenkungen": "Beraterzahl ohne Methode. Empfiehlt selbst Segmentierung und gekürzte Vertriebsprämien bei frühem Abspringen.", "interessenlage": "Bain verkauft Loyalitätsberatung.", "score": { "design": 2, "datenbasis": 1, "unabhaengigkeit": 1, "replikation": 3, "uebertragbarkeit": 3, "begruendung": "Beraterzahl ohne offengelegte Methode mit Eigeninteresse.", "gesamt": 2.0 }, "richtung": "offen", "quelle_url": "https://media.bain.com/Images/BB_Prescription_cutting_costs.pdf", "zugang": "offen", "folgen": [ 29 ], "stand": "2026-11-06" }, { "id": "dma-marketer-email-tracker-2016", "titel_original": "Marketer Email Tracker 2016", "titel_de": "DMA UK: Marketer Email Tracker 2016", "autoren": "DMA UK, dotmailer", "herausgeber": "Data & Marketing Association UK", "jahr": 2016, "studientyp": "Umfrage", "themen": [ "CRM & Loyalität" ], "kernaussage": "2016 meldete die DMA knapp 30 £ je £; nur etwa die Hälfte der Marketer konnte den ROI überhaupt berechnen.", "zahlen": [ { "wert": "£29,64", "bedeutung": "selbstberichteter ROI je £1" }, { "wert": "≈ 50 %", "bedeutung": "Marketer, die den ROI berechnen können (B2B schlechter)" } ], "methode": "Befragung von Marketern.", "datenbasis": "UK, Fallzahl nicht öffentlich", "einschraenkungen": "Zahl wächst bis 2019 um rund 40 % ohne methodische Erklärung.", "interessenlage": "Verband; Sponsor dotmailer (E-Mail-Dienstleister)", "score": { "design": 2, "datenbasis": 3, "unabhaengigkeit": 3, "replikation": 0, "uebertragbarkeit": 2, "begruendung": "Gesponserte Verbandsbefragung mit unklarer Basis.", "gesamt": 1.9 }, "richtung": "widerlegt", "quelle_url": "https://dma.org.uk/research/marketer-email-tracker-2016", "zugang": "teilweise", "folgen": [ 36 ], "stand": "2026-11-06" }, { "id": "google-privacy-preserving-signals-test-2024", "titel_original": "Testing privacy preserving signals in the absence of third-party cookies on Google’s display ads platforms", "titel_de": "Googles Test 2024: Werbeplattformen ohne Third-Party-Cookies", "autoren": "Google", "herausgeber": "Google (Ergebnisse zitiert von der CMA)", "jahr": 2024, "studientyp": "Anbieterauswertung", "themen": [ "Recht & Datenschutz", "Media & Budget" ], "kernaussage": "Google meldet aus eigenen Tests, dass Budgets und Conversions ohne Third-Party-Cookies sanken, aber weniger stark als bei unabhängigen Testern; parallel kommunizierte Google hohe „Recovery“-Werte für seine Plattformen.", "zahlen": [ { "wert": "89 % / 86 %", "bedeutung": "von Google gemeldete „Recovery“ auf GDA / DV360 (Werbebudget auf Google-Plattformen, nicht Publisher-Erlös)" }, { "wert": "−2 bis −7 %", "bedeutung": "von Google gemeldeter Spend-Rückgang im Topics-/IBA-Test Q1 2023" } ], "methode": "Eigene Tests auf Googles Display-Plattformen; Methode nicht offengelegt.", "datenbasis": "Q1-2023-Test mit ca. 5 Wochen Origin-Trial-Traffic; Test 2024 auf Google-Plattformen.", "einschraenkungen": "Google warnt selbst, die Werte seien kein eindeutiger Indikator. Die Recovery-Werte messen Budget auf Google-Plattformen, nicht den Publisher-Erlös, und sind deshalb nicht mit den 4,2 % aus PNAS vergleichbar. Tabellen nicht selbst eingesehen; Zahlen über CMA und Google-Hilfeseite.", "interessenlage": "Google hat als Werbeplattform ein Eigeninteresse an guten Recovery-Werten.", "score": { "design": 2, "datenbasis": 5, "unabhaengigkeit": 1, "replikation": 0, "uebertragbarkeit": 3, "begruendung": "Anbieterzahl mit verschlossener Methode; von unabhängigem Feldexperiment klar widersprochen.", "gesamt": 1.9 }, "richtung": "widerlegt", "quelle_url": "https://support.google.com/google-ads/answer/13627093", "zugang": "offen", "folgen": [ 30 ], "stand": "2026-11-06" }, { "id": "litmus-email-roi-2018", "titel_original": "Litmus Research Finds Email Marketing ROI is 38 to 1", "titel_de": "Litmus 2018: E-Mail-ROI 38:1", "autoren": "Litmus", "herausgeber": "Litmus (Pressemitteilung)", "jahr": 2018, "studientyp": "Umfrage", "themen": [ "CRM & Loyalität" ], "kernaussage": "Eine frühere Litmus-Befragung meldete einen E-Mail-ROI von 38:1; die Zahl wandert von Jahr zu Jahr, die Methode bleibt Befragung.", "zahlen": [ { "wert": "38:1", "bedeutung": "selbstberichteter E-Mail-ROI" } ], "methode": "Befragung von Marketern.", "datenbasis": "knapp 400 Marketer weltweit", "einschraenkungen": "Selbstauskunft ohne offengelegte ROI-Definition.", "interessenlage": "Litmus verkauft E-Mail-Software", "score": { "design": 2, "datenbasis": 3, "unabhaengigkeit": 3, "replikation": 0, "uebertragbarkeit": 2, "begruendung": "Kleine Anbieterbefragung, durch Feldexperimente als Durchschnittswert nicht gedeckt.", "gesamt": 1.9 }, "richtung": "widerlegt", "quelle_url": "https://www.litmus.com/press/litmus-research-finds-email-marketing-roi-is-38-to-1", "zugang": "offen", "folgen": [ 36 ], "stand": "2026-11-06" }, { "id": "reichheld-schefter-e-loyalty-2000", "titel_original": "E-Loyalty: Your Secret Weapon on the Web", "titel_de": "Bain 2000: Herkunft der Spanne „25–95 % mehr Gewinn“", "autoren": "Reichheld, Schefter (Bain & Company)", "herausgeber": "Harvard Business Review / Bain & Company", "jahr": 2000, "studientyp": "Anbieterauswertung", "themen": [ "CRM & Loyalität", "Markenaufbau & Wachstum" ], "kernaussage": "Die heute oft zitierte Spanne, 5 Prozent mehr Kundenbindung bringe 25 bis 95 Prozent mehr Gewinn, stammt aus einem Bain-Text über Online-Händler von 2000, nicht aus der Studie von 1990.", "zahlen": [ { "wert": "25–95 %", "bedeutung": "behaupteter Gewinnanstieg bei 5 % mehr gehaltenen Kunden (Online-Händler)" } ], "methode": "Keine Methode angegeben.", "datenbasis": "Nicht angegeben.", "einschraenkungen": "Beraterzahl ohne Methode; die Spanne ist gegenüber 1990 (30–85 %) mitgewachsen. Bain formuliert anderswo vorsichtiger (2001: nur Finanzdienstleistungen, „mehr als 25 %“) und rät selbst zur Segmentierung.", "interessenlage": "Bain verkauft Loyalitätsberatung (später Net Promoter System).", "score": { "design": 2, "datenbasis": 1, "unabhaengigkeit": 1, "replikation": 3, "uebertragbarkeit": 2, "begruendung": "Beraterzahl ohne jede offengelegte Methode mit Eigeninteresse; nicht unabhängig geprüft.", "gesamt": 1.9 }, "richtung": "widerlegt", "quelle_url": "https://www.bain.com/insights/e-loyalty-your-secret-weapon-on-the-web/", "zugang": "offen", "folgen": [ 29 ], "stand": "2026-11-06" }, { "id": "blair-advertising-wearin-wearout-1988", "titel_original": "An Empirical Investigation of Advertising Wearin and Wearout", "titel_de": "Blair (ARS): Überzeugungskraft sinkt mit dem Werbedruck", "autoren": "Blair", "herausgeber": "Journal of Advertising Research (1987/88; Nachdruck 2000, 95–100)", "jahr": 1988, "studientyp": "Anbieterauswertung", "themen": [ "Kreation & Werbewirkung", "Media & Budget" ], "kernaussage": "In ARS-Messungen sank die Überzeugungskraft eines Spots exponentiell mit den GRPs, während sich die Erinnerung nach zwei Kontakten fast verdoppelte; Erinnerung und Überzeugung laufen auseinander.", "zahlen": [ { "wert": "r = 0,81", "bedeutung": "Anpassung der exponentiellen Abnahme der Persuasion über GRPs" }, { "wert": "14", "bedeutung": "'elastische' Spots, auf denen die Wear-out-Kurve beruht" } ], "methode": "Persuasion-Pretests des Anbieters ARS über die Laufzeit; GRPs geschätzt.", "datenbasis": "14 Spots für die Wear-out-Kurve", "einschraenkungen": "Kleine Basis, geschätzte GRPs; Anbietermessverfahren; widerspricht neueren TV-Befunden von Kantar und System1.", "interessenlage": "Autorin war Präsidentin von ARS, verkauft das Messverfahren", "score": { "design": 2, "datenbasis": 2, "unabhaengigkeit": 3, "replikation": 0, "uebertragbarkeit": 3, "begruendung": "Anbieterzahl auf sehr kleiner Basis, von späteren Daten widersprochen.", "gesamt": 1.8 }, "richtung": "gemischt", "quelle_url": "https://www.gwern.net/doc/economics/2000-blair.pdf", "zugang": "offen", "folgen": [ 38 ], "stand": "2026-11-06" }, { "id": "influencer-marketing-hub-benchmark-2020", "titel_original": "The State of Influencer Marketing 2020: Benchmark Report", "titel_de": "Influencer Marketing Hub: der „5,78 $-ROI“", "autoren": "Influencer Marketing Hub", "herausgeber": "Influencer Marketing Hub", "jahr": 2020, "studientyp": "Anbieterauswertung", "themen": [ "Social & Influencer", "Messung & Attribution" ], "kernaussage": "Die oft als ROI zitierte Zahl von 5,78 $ je eingesetztem Dollar ist im Original ein Earned Media Value aus einer Branchenbefragung, also bewertete Reichweite und Interaktion, kein Umsatz.", "zahlen": [ { "wert": "5,78 $", "bedeutung": "durchschnittlicher Earned Media Value je Dollar Influencer-Ausgaben 2019" }, { "wert": "4.000", "bedeutung": "befragte Branchenleute" } ], "methode": "Befragung von Branchenleuten; EMV bewertet Reichweite oder Interaktion zu Mediapreisen.", "datenbasis": "4.000 Befragte aus der Branche", "einschraenkungen": "Typisches Fehlzitat: Die heutige Statistikseite desselben Anbieters nennt dieselbe Zahl „ROI“. EMV ist kein Kassenumsatz.", "interessenlage": "Plattform, die von Influencer-Budgets lebt.", "score": { "design": 2, "datenbasis": 5, "unabhaengigkeit": 1, "replikation": 0, "uebertragbarkeit": 2, "begruendung": "Anbieterzahl mit irreführender Umetikettierung; Umsatz-Meta-Analysen stützen keinen solchen ROI.", "gesamt": 1.8 }, "richtung": "widerlegt", "quelle_url": "https://influencermarketinghub.com/influencer-marketing-benchmark-report-2020/", "zugang": "offen", "folgen": [ 19 ], "stand": "2026-11-06" }, { "id": "shu-et-al-signing-at-beginning-2012", "titel_original": "Signing at the beginning makes ethics salient and decreases dishonest self-reports in comparison to signing at the end", "titel_de": "„Unterschrift oben“: zurückgezogene Ehrlichkeits-Studie", "autoren": "Shu, Mazar, Gino, Ariely, Bazerman", "herausgeber": "PNAS", "jahr": 2012, "studientyp": "Feldexperiment", "themen": [ "Methodik & Marktforschung" ], "kernaussage": "Die Studie behauptete, eine Unterschrift am Anfang eines Formulars senke Falschangaben. Sie wurde 2021 zurückgezogen, nachdem Data Colada starke Hinweise auf gefälschte Daten in der Feldstudie vorgelegt hatte; eine große Replikation fand keinen Effekt.", "zahlen": [ { "wert": "13.488", "bedeutung": "Kfz-Versicherte in der Feldstudie 3 der Originalarbeit" }, { "wert": "d = −0,20 bis −1,05", "bedeutung": "Effektgrößen im Original laut Kristal et al. (2020)" } ], "methode": "Laborexperimente und eine Feldstudie mit Kfz-Versicherungsdaten (Kilometerangaben).", "datenbasis": "Feldstudie mit 13.488 Versicherten.", "einschraenkungen": "Zurückgezogen (PNAS, 2021). Wer die Daten verändert hat, ist in den Quellen nicht festgestellt; Data Colada nennt ausdrücklich mehrere Möglichkeiten. Laut Retraction Watch baten die Autoren selbst um die Rücknahme. Die Methode war laut Kristal et al. bereits von Behörden übernommen worden.", "interessenlage": "Daten aus einer Versicherungskooperation; Details zur Datenherkunft sind Gegenstand der Rücknahme.", "score": { "design": 1, "datenbasis": 3, "unabhaengigkeit": 5, "replikation": 0, "uebertragbarkeit": 1, "begruendung": "Feldstudie mit zurückgezogenen, mutmaßlich manipulierten Daten; Replikation gescheitert, daher minimale Belastbarkeit.", "gesamt": 1.8 }, "richtung": "widerlegt", "quelle_url": "https://doi.org/10.1073/pnas.2115397118", "zugang": "offen", "folgen": [ 21 ], "stand": "2026-11-06" }, { "id": "reichheld-one-number-you-need-to-grow-2003", "titel_original": "The One Number You Need to Grow", "titel_de": "Ursprung des NPS: „Die eine Zahl“", "autoren": "Reichheld", "herausgeber": "Harvard Business Review (Dez. 2003)", "jahr": 2003, "studientyp": "Anbieterauswertung", "themen": [ "CRM & Loyalität", "Messung & Attribution" ], "kernaussage": "Reichheld stellte die Weiterempfehlungsfrage als die eine Kennzahl für Wachstum vor; in den meisten untersuchten Branchen korreliere der Anteil begeisterter Weiterempfehler mit dem Wachstum gegenüber Wettbewerbern. Spätere Studien bestätigen die behauptete Überlegenheit nicht.", "zahlen": [], "methode": "Laut öffentlichem Vorspann zwei Jahre Forschung, bei der Fragen mit Kaufverhalten und Firmenwachstum verknüpft wurden; einfache Korrelationen mit vergangenem Wachstum.", "datenbasis": "Stichprobe und Branchenzahl im frei lesbaren Text nicht genannt.", "einschraenkungen": "Verglichen wurde mit vergangenem, nicht künftigem Wachstum, mit einfachen Korrelationen und statischen NPS-Niveaus (Baehre et al. 2021). Zahlen wie „11 von 14 Branchen“ oder „R² 76 %“ stammen aus späteren Reichheld-Veröffentlichungen und sind hier nicht verifiziert. Nur Vorspann gelesen (Paywall).", "interessenlage": "Urheber ist Berater (Bain), der das Konzept vermarktet; „Net Promoter“ ist eingetragene Marke.", "score": { "design": 2, "datenbasis": 3, "unabhaengigkeit": 1, "replikation": 0, "uebertragbarkeit": 4, "begruendung": "Beraterzahl ohne offengelegte Methode mit starkem Eigeninteresse; Kernaussage in mehreren unabhängigen Replikationen nicht bestätigt.", "gesamt": 1.6 }, "richtung": "widerlegt", "quelle_url": "https://hbr.org/2003/12/the-one-number-you-need-to-grow", "zugang": "paywall", "folgen": [ 27 ], "stand": "2026-11-06" } ] }