Der ROI von Growth Agents 2026

Gartners Vorhersage ist zu einer Beschreibung geworden. Den Teams, die sich zurückgezogen haben, fehlte keine platform: Die meisten hatten zwei gekauft. Was ihnen fehlte, war eine Möglichkeit zu zeigen, dass das Programm Umsatz generierte, den das Unternehmen sonst nicht erzielt hätte, und ohne diesen Nachweis verliert die Budgetposition jedes Argument, in das sie eintritt.

Das Gegengewicht ist, dass der Wert real ist, wo er erfasst wird. Kunden erwarten Relevanz und bestrafen deren Fehlen, und die Unternehmen, die dies operationalisieren, wachsen schneller als ihre Mitbewerber. Beides ist gleichzeitig wahr: Der Wertepool existiert, und die meisten Versuche, ihn zu erreichen, scheitern eher an der Messung als an der Modellierung.

Die ehrliche Lesart ist, dass Personalisierung als Technologiekauf verkauft wurde, obwohl es sich um eine Änderung des Betriebsmodells handelt. Die Technologie kam pünktlich an. Die Messdisziplin, die Unterdrückungsregeln und die Bereitschaft, ein verlorenes Programm einzustellen, nicht.

Die Messarbeit von BCG zeigt, dass Organisationen mit ausgereifter incrementality-Praxis ein wesentlich höheres Umsatzwachstum als ihre Mitbewerber aufweisen. Die kausale Geschichte ist nicht mysteriös. Ein Team, das einen echten Effekt von einem Zufall unterscheiden kann, finanziert die Zufälle nicht mehr, und das freigegebene Budget potenziert sich in den Programmen, die funktionieren.

Dieselbe Forschung warnt vor den Fehlermodi, die schwache Messungen stark erscheinen lassen: Neuheitseffekte, die die ersten Wochen jedes neuen Programms aufblähen, Halo- und Pull-Forward-Effekte, die Umsatz aus dem nächsten Quartal vorwegnehmen, und Kontamination zwischen überlappenden Experimenten. Jede dieser Verzerrungen geht in dieselbe Richtung, weshalb unkontrollierte Programme fast nie nach unten korrigiert werden.

Das ist das Argument, das du in ein Budget-Meeting mitnehmen solltest. Nicht, dass die Obergrenze höher ist, als die Finanzabteilung glaubt, sondern dass der Grundwert bekannt ist, und dass dieses Wissen einen Pilotversuch in ein operatives Modell verwandelt.

Das growth bei Premium-Streaming-Abonnenten hat sich in einem einzigen Jahr halbiert, und die Kommentare des Sektors haben sich von Akquise auf Retention-Architektur und unit economics verlagert. Telekommunikation zeigt denselben Druck aus der anderen Richtung: Rund ein Drittel der Kunden weltweit erwägt aktiv einen Wechsel, eine Rate, die kein Akquisitionsbudget übertreffen kann.

Wenn die Akquisition aufhört, der Hebel zu sein, wird die Ökonomie der Basis zum ganzen Spiel, und sie wird von vier Fragen bestimmt, die millionenfach pro Monat gestellt werden. Wer ist es wert, kontaktiert zu werden, worüber, wann und zu welchen Kosten. Das ist ein decisioning Problem, kein Kampagnenproblem, und seine Lösung ist der Ursprung des inkrementellen ARPU.

Der Zinseszins ist wichtiger als jeder einzelne Hebel. Ein aktivierter Kunde fördert cross-sell; ein gebundener Kunde mit hohem ARPU versorgt beide jahrelang; ein unterdrückter unnötiger Rabatt bringt Marge zurück, ohne eine einzige zusätzliche Nachricht zu senden. Business Cases, die auf einem einzigen Hebel basieren, sind gerade deshalb anfällig, weil diese Effekte multiplikativ sind.

Bewerte die Einschränkung richtig. Ein erfahrener data scientist kostet voll ausgelastet weit über sechsstellig, und der Marktpreis für die kausalen Inferenzfähigkeiten, die diese Arbeit erfordert, liegt über dem veröffentlichten Median. Das Ergebnis dieser Person sind keine Dashboards: Es ist eine begrenzte Anzahl gut durchdachter A/B tests pro Jahr, von denen die meisten fehlschlagen werden, weil die meisten Ideen überall scheitern, wo sie richtig gemessen werden.

Die Literatur zur Experimentation zeigt deutlich, dass eine hohe Misserfolgsrate der normale Zustand eines gesunden Programms ist, nicht ein Symptom eines schwachen. Die Implikation ist arithmetisch. Wenn die meisten Hypothesen fehlschlagen, wird der Wert der Funktion davon bestimmt, wie viele sie durchlaufen lassen kann und wie kostengünstig sie die Verlierer eliminieren kann. Ein Team, das zwölf A/B tests pro Jahr durchführt, tätigt zwölf Wetten. Ein System, das dasselbe Design kontinuierlich über Tausende von Segmenten ausführt, tätigt eine völlig andere Art von Investition.

Dies ist der Teil der Argumentation, der üblicherweise als Personaleinsparung geschrieben wird, und diese Formulierung ist sowohl falsch als auch schwach. Nichts wird entfernt. Was sich ändert, ist, wohin die knappen Stunden fließen: weg vom monatlichen Neuerstellen desselben Lift-Berichts und hin zur Entscheidung, was als Nächstes zu testen ist.