Die Variable, die die Werbeausgaben-Forschung nicht messen kann, ist diejenige, die Ihren CPL verändert

Was misst eine Studie über den Werbeetat von Autohändlern eigentlich?

Ein Harvard-Student und ein ehemaliger Art Director für Werbung bei GM leiten ein Forschungsprojekt über Werbeausgaben im Autohandel, wie Auto Remarketing am 2. September 2026 berichtete. Die Studie ist die Art von akademischer Untersuchung, die die Branche dringend benötigt: strukturiert, händlerübergreifend und darauf ausgerichtet, aufzuzeigen, was mit dem Geld tatsächlich geschieht – im Gegensatz zu dem, was behauptet wird. Die Ergebnisse werden, sofern sie veröffentlicht werden, auf Konferenzen zitiert werden. Einige Händlergruppen werden sie nutzen, um ihre Agenturbeziehungen neu auszurichten.

Die Forschungsarbeit fördert bereits unbequeme Zahlen zutage.

“62 % des Werbebudgets ‘hatten keine nachweisbare Verbindung zu einem Verkauf oder einem einzigen Dollar Gewinn’” - Auto Remarketing

Doch Attributionsstudien haben einen methodisch bedingten blinden Fleck – und es ist keiner, den die Forscher durch verbesserte Datenerhebung beheben können. Der blinde Fleck ist organischer Content. Konkret: die thematische Autorität, die ein Händler aufgebaut hat – oder eben nicht aufgebaut hat –, bevor auch nur eine einzige der bezahlten Impressions in der Studie ausgespielt wurde.

Warum blenden Kanal-Attributionsstudien die Content-Ebene vollständig aus?

Paid-Search-Studien messen, was innerhalb der Werbeauktion passiert. Sie erfassen Ausgaben, Impressionen, Klicks und plattformseitig zugeschriebene Conversions. Kanal-Attributionsforschung erfasst konstruktionsbedingt ausschließlich die Ad-Plattform-Ebene: Ausgaben als Input und Conversions als Output, so wie die Plattformen selbst sie ausweisen. Die Frage, die diese Studien nicht beantworten können, ist: Warum erzielen zwei Händler, die mit identischen Budgets auf identische Keywords im selben DMA bieten, spürbar unterschiedliche Cost-per-Lead-Werte?

Die Variable, die einen Großteil dieser Lücke erklärt, ist inhaltliche Autorität. Ein Händler, der 40 Artikel veröffentlicht hat, die für die modellbezogenen Suchanfragen in seinem Markt ranken, der von Perplexity zitiert wird, wenn ein Käufer fragt, welcher lokale Nissan-Händler die beste Auswahl an zertifizierten Gebrauchtfahrzeugen hat, der strukturierte Inhalte bereitstellt, die genau die Fragen beantworten, die Käufer in KI-Antwortsysteme eintippen: Dieser Händler tritt der Paid-Auktion nicht kalt bei. Seine Marke ist im Kopf des Käufers bereits aufgewärmt, bevor die Anzeige ausgeliefert wird. Der bezahlte Klick ist Bestätigung, nicht Einführung.

Der Händler auf der anderen Straßenseite, der dasselbe Google-Budget gegen eine leere Content-Basis einsetzt, kauft die gesamte Kundenbeziehung durch die Auktion. Jede Impression trägt die vollen Kosten für Awareness, Consideration und Intent. Die CPL-Werte sehen aus, als gehörten sie zur selben Studie. Die zugrunde liegende Wirtschaftlichkeit ist eine völlig andere.

Wie verändert thematische Autorität die tatsächlichen Kosten von Paid Search?

Suchauktionen bepreisen Kaufabsicht, keine Markenbekanntheit. Die Auktion weiß nicht und interessiert sich nicht dafür, ob der Käufer dem Händler, der den Klick gewinnt, bereits vertraut. Der Quality Score erfasst einen Teil des Landing-Page-Signals, kann aber nicht messen, ob ein Käufer in diesem Monat sechs Artikel von diesem Händler gelesen und das Autohaus bereits in die engere Wahl gezogen hat, bevor er Google öffnet.

Das Ergebnis ist, dass die Content-Ebene vollständig außerhalb der Auktion operiert, aber bestimmt, wer konversionsbereit in sie eintritt. Ein Käufer, der den Händler über einen Blog-Beitrag gefunden hat, der für „bester gebrauchter zertifizierter Accord in [Stadt]" rankt, klickt vielleicht drei Tage später auf eine Paid-Search-Anzeige. Die Studie wird eine Paid-Search-Conversion verbuchen. Der organische Artikel, der die Beziehung vorher aufgebaut hat, taucht in keinem Attribution-Bericht auf. Das ist strukturell bedingt: Es gibt kein Werbekonto, das abgefragt werden könnte.

Dies ist keine Messlücke, die Forscher durch das Hinzufügen weiterer Datenquellen schließen können. Es ist ein strukturelles Merkmal der Funktionsweise von Channel-Attribution. Die organische Content-Ebene liegt dem Paid-Bereich vorgelagert, und kein aktuelles Attributionsmodell bildet die vollständige Customer Journey vom ersten organischen Kontakt bis zur Paid-Conversion sauber ab. Das Beste, was eine Studie leisten kann, ist zu messen, was innerhalb der Werbekonten geschehen ist. Was geschah, bevor die Werbekonten ausgelöst wurden, liegt per definitionem außerhalb der Studie.

AUTONOMi synchronisiert organische Suchanfragen, Klicks und Impressionen nächtlich aus der Google Search Console und schafft damit die organische Hälfte des Bildes aus organischem und bezahltem Traffic, erfasst jedoch nur die Google-Hälfte der Vorklick-Journey eines Käufers. Die Ebene der verdienten Autorität, die Zitate in KI-Antwortsystemen, die Markenerinnerung durch einen gut platzierten Artikel – all das bleibt für jedes Attribution-Tool unsichtbar, das erst ab der Anzeigenimpression zu zählen beginnt.

Warum ist das Content-Angebot des Händlers für Forscher, die Werbeausgaben untersuchen, unsichtbar?

Attributionsstudien greifen auf Ad-Plattform-APIs zurück. Sie sehen Google Ads-Daten, Meta-Daten und welches kanalübergreifende Modell die Forscher auch immer darüber legen. Sie ziehen keine Daten aus der Google Search Console. Sie ziehen keine Daten aus dem Zitationsindex von Perplexity. Sie ziehen keine Daten daraus, welche KI-Antwort-Engine diese Woche die Inventarseite des Händlers zitiert hat, als ein Käufer nach Empfehlungen fragte.

Es gibt keine branchenweite Standarddatenquelle, die organische Content-Autorität auf Händlerebene erfasst und mit nachgelagerter Paid-Performance verknüpft. Kein standardisierter Händler-Marketing-Datenfeed verknüpft organische Suchautorität mit der Performance in bezahlten Auktionen auf Rooftop-Ebene. Das bedeutet: Ein Händler kann 60 veröffentlichte Artikel haben, die eine bedeutsame Suchpräsenz erzeugen, und diese Content-Investition wird in einer Studie, die die Effizienz von Werbeausgaben misst, an keiner Stelle auftauchen. Der Nenner der Studie sind die Werbeausgaben. Der Zähler sind die zugeordneten Verkäufe oder Leads. Der Content ist keins von beidem: Er lebt stromaufwärts von beidem.

Das erzeugt eine systematische Verzerrung in dem, was die Forschung schlussfolgern kann. Ein Händler mit starker organischer Präsenz und einem eng geführten Paid-Budget wird wie ein hocheffizienter Werbetreibender aussehen. Ein Händler mit einem schwachen Content-Angebot und aufgeblähten Paid-Ausgaben wird wie ein ineffizienter wirken. Die Studie wird den Output-Unterschied korrekt identifizieren. Sie wird nicht über die Inputs verfügen, um die Ursache zu erklären.

Wie der Auto Remarketing-Beitrag feststellt, argumentieren Forscher, dass jeder Dollar, der aus nicht nachverfolgten Ausgaben zurückgewonnen wird, Working Capital darstellt: wieder einsetzbar für Inventar, Lagerfinanzierungszinsen oder die Kanäle, die nachweislich konvertieren. Diese Einrahmung ist soweit korrekt. Aber die Kanäle, die nachweislich konvertieren, konvertieren nachweislich zum Teil aufgrund der Content-Autorität, die die Studie nicht sehen kann. Ausgaben zurückzugewinnen, ohne die organische Schicht darunter aufzubauen, bedeutet, dieselbe strukturelle Abhängigkeit von bezahlter Akquisition zu recyceln, die den Waste überhaupt erst erzeugt hat.

Was passiert mit dem Paid-Search-CPL eines Händlers, wenn KI-Antwortsuchmaschinen in den Funnel eintreten?

Der Zeitpunkt dieser Untersuchung ist entscheidend. Die Studie wird genau dann durchgeführt, wenn KI-Antwortsuchmaschinen sich zwischen die Kaufabsicht des Interessenten und die Suchergebnisseite schieben. KI-Antwortsuchmaschinen wie Perplexity, Google AI Overviews und ChatGPT Search synthetisieren Antworten aus indizierten Web-Inhalten und zitieren Quellen, auf die der Käufer direkt klicken kann. Für Händler mit strukturierten, gut belegten Inhalten entsteht dadurch ein neuer Berührungspunkt vor dem Klick, mit dem der Paid-Search-Kanal bislang nie konkurrieren musste. Für Händler ohne entsprechende Inhalte entsteht dadurch eine neue Form der Unsichtbarkeit.

KI-Antwortsuchmaschinen crawlen bereits Händler-Websites und Blog-Inhalte. Die Frage ist nicht mehr, ob sie die Händlerauswahl beeinflussen werden, sondern ob der Inhalt eines bestimmten Händlers so strukturiert ist, dass er zitiert wird – oder ob der Händler bereits auf der Ebene der Antwortsuchmaschine herausgefiltert wird, bevor ein Interessent überhaupt eine Suchergebnisseite erreicht. Ein Händler, der die Zitierung durch die KI-Antwortsuchmaschine verliert, erscheint in einer Werbeausgaben-Attributionsstudie nicht als jemand, dem diese Chance entgangen ist. Der Impression wurde nie ausgeliefert. Die Studie hat keinen Datensatz über diese Abwesenheit.

Dies ist die nächste Generation desselben strukturellen blinden Flecks. Attributionsstudien werden weiterhin messen, was die Werbekonten berichten. Die Ebene der inhaltlichen Autorität wird weiterhin bestimmen, wer bereit zum Konvertieren in diese Konten eintritt – und wer bereits weg ist. Die Lücke zwischen beiden wächst, anstatt sich zu schließen, da immer mehr des Rechercheprozesses des Käufers auf KI-vermittelte Oberflächen verlagert wird, bevor Google überhaupt eine Ergebnisseite rendert.

Händler, die von ihren Agenturen Rechenschaftspflicht beim bezahlten Budget einfordern, stellen die richtige Frage. Dieselbe Frage stellen sie selten in Bezug auf die organische Inhaltsebene, die entweder alles unterstützt oder unterminiert, was das bezahlte Budget zu erreichen versucht.

Wie AUTONOMis ECHO Engine die Content-Ebene aufbaut, die Forschungsmethoden nicht messen können

ECHO, AUTONOMis organische Content-Engine, produziert händlerspezifische Blog-Inhalte im Maschinentakt: 20 Artikel pro Monat, jeder aufgebaut auf Keyword-Recherche mithilfe von Google Trends- und Google Autocomplete-Signalen, geplant auf den eigenen Markt und die Franchise des Händlers zugeschnitten und optimiert für die konkreten Suchanfragen, die Käufer in diesem DMA stellen. Das Ergebnis ist kein generischer Automotive-Content. Es ist thematische Autorität, gezielt auf genau die Suchanfragen ausgerichtet, die der bezahlten Auktion vorausgehen, die der Händler schaltet.

Jeder ECHO-Artikel wird mit einem maschinenlesbaren Claim-Graphen ausgeliefert: Jede Tatsachenbehauptung ist als Claim-Zeile mit Subjekt, Prädikat, Objekt, wörtlichem Beleg aus einer externen Quelle und einem lastVerified-Zeitstempel strukturiert. Genau diese Struktur bevorzugen KI-Antwortsysteme beim Zitieren. Ein Händler, dessen Inhalte verifizierte Claim-Graphen mit belegten Zeitstempeln tragen, wird mit höherer Wahrscheinlichkeit in einem AI Overview oder einer Perplexity-Antwort auftauchen als ein Händler, dessen Blog eine Wand unstrukturierter Marketing-Prosa ist. ECHO verfolgt Zitierungen durch KI-Antwortsysteme als KPI, wobei nächtliche Probes jeden Fall erfassen, in dem ein Händlerartikel von einem KI-Antwortsystem zitiert wird, aufgeschlüsselt nach System.

AUTONOMis Google Search Console-Integration synchronisiert organische Suchanfragen, Klicks und Impressionen nächtlich und baut damit die organische Hälfte des Gesamtbildes neben den bezahlten Kampagnendaten auf, die AEGIS verwaltet. Das schließt die Attributionslücke, vor der die Harvard-Forschung stehen wird, nicht. Nichts kann das, denn diese Lücke ist struktureller Natur. Was es tut, ist dem Händler Einblick in die organische Ebene zu geben, die eine Studie wie diese niemals erfassen wird, und die Möglichkeit, diese Ebene gezielt statt zufällig aufzubauen.

Das ECHO-Modul ist als wählbares Add-on in jedem Plan verfügbar, einschließlich des Einstiegstarifs. ECHO wird separat zu 1.799 $ pro Monat und Standort abgerechnet und ist in keinem Plan-Tier enthalten. Es umfasst 20 Artikel pro Monat mit Claim-Graph-Verifizierung, Cover- und Inline-Bildmaterial sowie Social-Crossposting auf die eigenen Kanäle des Händlers. Es kauft keine Mediafläche. Es baut die Ebene auf, die Paid Media allein nicht aufbauen kann und die Werbeausgaben-Forschung strukturbedingt nicht messen kann.

Womit sich die nächste Generation der Händler-Werbeforschung auseinandersetzen muss

Die Harvard-und-GM-Studie wird Ergebnisse liefern, die es wert sind, gelesen zu werden. Jeder ernsthafte Versuch, die Werbeausgaben von Händlern auf tatsächliche Geschäftsergebnisse zurückzuführen, ist nützlich – und die Branche ist längst überfällig für diese Art von Rechenschaftspflicht. Die Debatte über KI im Händler-Marketing wurde lange genug von Tool-Anbietern und Konferenzpodien dominiert; empirische Forschung von außerhalb des Anbieter-Ökosystems ist von echtem Wert.

Doch die Ergebnisse werden eine Obergrenze haben. Sie werden die Variation in der Effizienz bezahlter Kanäle erklären, ohne erklären zu können, warum diese Variation überhaupt existiert. Die Händler, die am effizientesten wirken, werden in vielen Fällen jene sein, die thematische Autorität im organischen Bereich aufgebaut haben, bevor das Beobachtungsfenster der Studie sich geöffnet hat. Die Händler, die am wenigsten effizient wirken, werden in vielen Fällen jene sein, die ihre gesamte Markenbeziehung über die bezahlte Auktion führen – weil es keine Content-Ebene gibt, die die Vorverkaufsarbeit übernimmt.

Die nächste Generation der Händler-Werbeforschung, die die CPL-Variation tatsächlich erklären will, muss die organische Suchautorität als Kovariate einbeziehen: Anzahl veröffentlichter Artikel, Keyword-Ranking-Abdeckung im DMA des Händlers, Zitierrate in KI-Antwort-Engines, Klickdaten aus der Search Console. Solange diese Variablen nicht im Modell enthalten sind, wird die Forschung zwar korrekt identifizieren, was das Geld tut – aber konsequent verfehlen, warum ein Teil davon funktioniert. Die Händler, die diese Lücke jetzt verstehen und entsprechend aufbauen, werden die Ausreißer-Ergebnisse produzieren, die die nächste Studie am schwierigsten zu erklären findet.

Wer sehen möchte, wie der Aufbau dieser Content-Ebene in der Praxis aussieht, findet den richtigen Einstieg nicht in einem neuen Agenturvertrag. Es ist eine Content-Engine, die in dem Rhythmus läuft, den die organische Ebene tatsächlich erfordert. Jetzt anmelden, um zu sehen, wie ECHO eine Content-Strategie auf Ihren Markt und Ihr Franchise abbildet – und was diese Ebene mit den Ökonomien des parallel laufenden bezahlten Budgets macht.

Quelle: Auto Remarketing