True ROAS
True ROAS ist eine Werberendite-Berechnung auf Basis tatsächlicher, abgeglichener Umsätze, die der Werbung zugeordnet werden, und nicht auf Basis der Umsätze, die eine Plattform wie Meta oder Google in ihrem eigenen Attributionsmodell selbst ausweist. Sie korrigiert Überattribution, kanalübergreifende Doppelzählungen, Rückerstattungen und andere Lücken, die den von der Plattform gemeldeten ROAS aufblähen.
Definition von True ROAS
True ROAS (tatsächliche Werberendite) ist eine korrigierte Version der standardmäßigen ROAS-Kennzahl, die abgeglichene, tatsächlich einem Werbekanal zurechenbare Netto-Umsätze verwendet, anstatt der Umsatzzahl, die die Werbeplattform (Meta, Google, TikTok und ähnliche) über ihre eigene Performance berichtet. Der Standard-ROAS wird als Umsatz geteilt durch Werbeausgaben berechnet, aber die Umsatzseite dieser Gleichung wird in der Regel direkt aus dem eigenen Attributionssystem der Werbeplattform bezogen – einem System mit direktem Anreiz, sich möglichst viele Conversions gutschreiben zu lassen. Der True ROAS hingegen beginnt mit den tatsächlichen Bestell- und Zahlungsdaten eines Shops, zieht Rückerstattungen und Rückbuchungen ab, die nach dem Verkauf erfolgt sind, und löst kanalübergreifende Attributionskonflikte (wenn zwei oder mehr Plattformen beide Anspruch auf denselben Kauf erheben), bevor er durch die Werbeausgaben dividiert wird. Das Ergebnis ist eine Zahl, die näher an dem liegt, was das Unternehmen tatsächlich mit seiner Werbung verdient hat.
Wie der True ROAS berechnet wird
Die Standard-ROAS-Formel ist einfach: Der einem Kanal zugeordnete Umsatz geteilt durch die Ausgaben für diesen Kanal. Die Komplexität des True ROAS liegt darin, die Umsatzseite korrekt zu ermitteln. Der Prozess umfasst in der Regel: Abrufen der tatsächlichen Umsätze auf Bestellebene von der Shop-Plattform statt aus dem Dashboard der Werbeplattform; Zuordnen jeder Bestellung zu ihrer tatsächlichen Akquisitionsquelle mittels First-Party-Tracking, anstatt sich ausschließlich auf den Pixel der Werbeplattform zu verlassen; Abziehen der Umsätze aus Bestellungen, die später zurückerstattet oder rückbelastet wurden; und dort, wo mehrere Plattformen Anspruch auf dieselbe Bestellung erheben (ein häufiger Fall, wenn ein Kunde eine Meta-Anzeige anklickt, später eine Google-Anzeige anklickt und dann kauft), wird der Umsatz dieser Bestellung einer einzigen Quelle zugeordnet, indem eine konsistente Attributionsregel verwendet wird, anstatt beide Plattformen den vollen Betrag zählen zu lassen.
Ein Rechenbeispiel: Ein Shop gibt in einem Monat 10.000 $ für Meta-Anzeigen aus. Das eigene Anzeigen-Dashboard von Meta weist 50.000 $ an zugeordneten Käufen aus, was einem von der Plattform gemeldeten ROAS von 5,0x entspricht. Wenn der Shop diese 50.000 $ mit den tatsächlichen Bestelldaten abgleicht, stellt er fest, dass 4.000 $ dieser „Conversions" auch von Google Ads für dieselben Bestellungen beansprucht und gezählt wurden und dass 3.000 $ der zugeordneten Bestellungen später zurückerstattet wurden. Der zurechenbare Netto-Umsatz für Meta beträgt 43.000 $, was einem True ROAS von 4,3x entspricht – eine deutlich andere Zahl, als das Dashboard der Plattform suggerierte, und eine, die eine Budgetentscheidung ändern könnte.
Ready to Monitor Your AI Visibility?
Track how AI chatbots mention your brand across ChatGPT, Perplexity, and other platforms.
Warum True ROAS für E-Commerce-Marken wichtig ist
True ROAS ist wichtig, weil Budgetentscheidungen, die auf aufgeblähten Zahlen getroffen werden, sich im Laufe der Zeit summieren. Ein Händler, der seine Ausgaben auf Basis des selbst gemeldeten ROAS jeder Plattform verteilt, ohne Überschneidungen und Rückerstattungen abzugleichen, wird systematisch in die Plattform überinvestieren, deren Attributionsmodell am aggressivsten Credits für sich beansprucht – nicht unbedingt in die Plattform, die tatsächlich den meisten zusätzlichen Umsatz generiert. Über ein ganzes Jahr hinweg kann dies bedeuten, dass Tausende von Dollar in einen Kanal verschoben werden, der auf dem Papier effizienter aussieht, als er in Wirklichkeit ist – auf Kosten eines Kanals, dessen wahre Leistung unterschätzt wird, weil er die Attribution konservativer handhabt.
Dies ist umso bedeutsamer für Shops mit überdurchschnittlichen Rücklaufquoten, da ein zum Zeitpunkt des Kaufs zugeordneter und gefeierter Verkauf Tage oder Wochen später still und leise rückgängig gemacht werden kann, ohne dass die ROAS-Zahl der Werbeplattform jemals nach unten korrigiert wird.
Plattformgemeldeter ROAS vs. True ROAS
| Aspekt | Plattformgemeldeter ROAS | True ROAS |
|---|---|---|
| Umsatzquelle | Eigenes Attributionssystem der Werbeplattform | Tatsächliche abgeglichene Bestelldaten des Shops |
| Kanalübergreifende Überschneidungen | Jede Plattform zählt unabhängig, oft doppelt | Aufgelöst zu einer einzigen zugeordneten Quelle pro Bestellung |
| Rückerstattungen/Rückbuchungen | Selten nach dem ursprünglichen Verkauf abgezogen | Abgezogen, um den tatsächlich behaltenen Netto-Umsatz abzubilden |
| Attributionsfenster | Großzügig von der Plattform selbst festgelegt | Vom Händler basierend auf realistischem Kundenverhalten festgelegt |
| Verzerrung | Aufgebläht zugunsten der berichtenden Plattform | Neutral, an tatsächlichen Geschäftsergebnissen orientiert |
Stay Updated on AI Visibility Trends
Get the latest insights on AI mentions, brand monitoring, and optimization strategies.
True ROAS und KI-gesteuerter Handel
Der Aufstieg der KI-Einkaufsoberflächen – ChatGPT Shopping, Perplexity Shopping, Google AI Overviews – fügt eine weitere Attributionskomplexität hinzu: Käufe, die durch die Produktempfehlung eines KI-Assistenten beeinflusst wurden, enthalten möglicherweise keinen sauberen Referrer-Tag zur ursprünglichen Anzeige oder zum ursprünglichen Inhalt, der die Aufmerksamkeit geweckt hat. Dies macht es für traditionelle Werbeplattformen noch einfacher, sich einen Verkauf gutzuschreiben zu lassen, der tatsächlich woanders in der Recherche-Reise des Kunden beeinflusst wurde. Da immer mehr Kaufpfade über KI-Vermittler statt über direkte Anzeigenklicks verlaufen, riskieren Händler, die sich ausschließlich auf den von der Plattform gemeldeten ROAS verlassen, eine noch größere Kluft zwischen dem, was die Plattformen behaupten, und dem, was tatsächlich passiert ist.
Genau um diese Berechnung geht es beim Tool eshop_get_cac_roas von AmICited: Es berechnet CAC und ROAS aus Werbeausgaben, die mit tatsächlich zugeordneten Umsätzen abgeglichen werden, anstatt den selbst gemeldeten Zahlen jeder Plattform zu vertrauen. So erhalten Händler eine konsistente, vergleichbare True-ROAS-Zahl über alle Kanäle hinweg, einschließlich neuer KI-gesteuerter Entdeckungswege.
Best Practices zur Berechnung des True ROAS
- Berechnen Sie den True ROAS stets auf Basis des Netto-Umsatzes (nach Rückerstattungen und Rückbuchungen), nicht des Brutto-Bestellwerts zum Zeitpunkt des Verkaufs.
- Verwenden Sie ein einheitliches, konsistentes Attributionsmodell für alle Kanäle bei der Auflösung kanalübergreifender Überschneidungen, anstatt die Dashboards jeder Plattform für sich allein stehen zu lassen.
- Gleichen Sie Werbeausgaben und Umsätze im gleichen Rhythmus ab, in dem Sie Budgetentscheidungen treffen – ein wöchentlicher Abgleich ist wenig hilfreich, wenn das Budget täglich auf Basis von Plattform-Dashboards umverteilt wird.
- Vergleichen Sie den True ROAS mit der Bruttomarge, nicht nur mit dem Umsatz, da ein Kanal mit einem hohen True ROAS bei Produkten mit niedriger Marge möglicherweise immer noch weniger profitabel ist als ein Kanal mit niedrigerem ROAS, der Produkte mit höherer Marge verkauft.
- Überprüfen Sie Attributionsfenster regelmäßig; ein zu großzügig gewähltes Fenster wird den True ROAS auch nach der Korrektur von Plattform-Überbeanspruchungen weiter aufblähen.
Häufige Fehler beim True ROAS
Ein häufiger Fehler besteht darin, den True ROAS einmal zu berechnen und als festen Multiplikator für die Zukunft zu behandeln, obwohl sich Attributionsüberschneidungen, Rückerstattungsquoten und der Kanalmix im Laufe der Zeit verändern und eine fortlaufende Neuberechnung erfordern, anstatt einer einmaligen Korrektur. Ein weiteres häufiges Problem ist die Korrektur von kanalübergreifenden Überschneidungen bei gleichzeitigem Vergessen des Abzugs von Rückerstattungen, was für jeden Shop mit einer nennenswerten Rücklaufquote immer noch eine wesentlich aufgeblähte Zahl ergibt. Manche Händler wenden True-ROAS-Korrekturen auch inkonsistent über Kanäle hinweg an – sie gleichen Meta sorgfältig ab, während sie die selbst gemeldete Zahl von Google unberührt lassen –, was einen Vergleich ergibt, der auf den ersten Blick Äpfel mit Äpfeln vergleicht, es aber nicht tut. Schließlich ist ein subtilerer Fehler die Überkorrektur: die Verwendung eines so konservativen Attributionsfensters, dass tatsächliche, später konvertierende Kunden vollständig aus der Gutschrift eines Kanals herausfallen. Dies führt zu einer Unterschätzung des True ROAS in die entgegengesetzte Richtung und zu Unterinvestitionen in einen Kanal, der über einen längeren Entscheidungszyklus hinweg tatsächlich gut abschneidet.