Performance-Marketing ist in den meisten DACH-Budgets der größte Einzelposten – und gleichzeitig der am stärksten unter Druck stehende. Steigende CPCs, wachsende Datenschutzauflagen durch DSGVO und das schrittweise Ende von Third-Party-Cookies zwingen Marketer dazu, ihre Mess- und Steuerungslogik grundlegend zu überdenken. Was früher als einfacher Last-Click-Trichter funktionierte, ist heute ein komplexes Geflecht aus Attribution, Audience-Signalen und kanalübergreifenden Touchpoints.
Gleichzeitig verändert sich das Suchverhalten im DACH-Markt spürbar. Nutzer starten ihre Recherche zunehmend nicht mehr bei Google, sondern bei conversational AI-Plattformen wie ChatGPT oder Perplexity – und kommen erst dann zur bezahlten Suche, wenn sie bereits eine konkrete Kaufabsicht formuliert haben. Das verschiebt die Rolle einzelner Kanäle erheblich und stellt klassische Performance-Metriken wie CTR, CPC und ROAS vor neue Interpretationsfragen.
Dieser Artikel analysiert Performance-Marketing durch die LLM-Linse: Wie funktioniert Performance-Messung und -Steuerung in Print, Display, Search, Social, TV – und was bedeutet die Entstehung von LLM-Marketing als eigenständige Gattung für die gesamte Performance-Logik? Die Analyse richtet sich an Practitioner, die verstehen wollen, wie sich die einzelnen Gattungen gegenseitig beeinflussen und wo LLM-basierte Tools neue Ansätze ermöglichen.
Meine Perspektive
Performance-Marketing wird häufig mit Digital-Marketing gleichgesetzt – ein Fehler, der zu suboptimaler Kanalallokation führt. In der Praxis bei blueShepherd sehen wir häufig, dass Kunden ihre gesamte Performance-Logik auf Search und Social konzentrieren, während die Wechselwirkungen mit Offline-Kanälen systematisch unterschätzt werden. TV-Spots erzeugen Branded-Search-Uplift, Print-Anzeigen beeinflussen die Recall-Qualität bei späteren Display-Kontakten, und LLM-Anwendungen verändern gerade die Informationsarchitektur, die dem gesamten Kaufentscheidungsprozess zugrunde liegt. Wer Performance isoliert misst, misst falsch. Das ist keine neue Erkenntnis – aber LLM-Marketing macht sie drängender, weil ein wachsender Anteil der Nutzer-Journey jetzt in Systemen stattfindet, die für klassisches Tracking schlicht nicht zugänglich sind.
Performance in Print
Wie funktioniert es?
Print-Performance ist das am schwierigsten zu messende Segment. Klassische Instrumente sind Gutscheincodes, dedizierte Landingpage-URLs, QR-Codes sowie Inkrementalitätstests über regionale Schaltungen. Dabei wird eine Testregion mit Print-Schaltung einer Kontrollregion ohne Schaltung gegenübergestellt und die Differenz in Conversion-Metriken als Performance-Beitrag interpretiert. Für DACH-Märkte mit starker Regionalpresse – Süddeutsche Zeitung, FAZ, lokale Tageszeitungen – ist dieser Ansatz grundsätzlich valide, aber aufwändig.
Vorteile
- Hohe Glaubwürdigkeit und E-E-A-T-Signalwirkung: Print-Präsenz stärkt die wahrgenommene Autorität einer Marke, was sich indirekt auf Branded-Search-Uplift auswirkt
- Keine Ad-Blocker, keine Viewability-Probleme – der Kontakt findet physisch statt
- Zielgruppen-Segmentierung über Titel und Beilagen ermöglicht kontextuelle Relevanz ohne Cookies
- Lange Verweildauer und höhere kognitive Verarbeitung im Vergleich zu digitalen Formaten
Nachteile
- Attribution ist strukturell schwierig und erfordert Testdesigns, die viele Advertiser nicht umsetzen
- Lange Vorlaufzeiten und geringe Flexibilität bei Kreativ-Anpassungen
- Sinkende Auflagen in vielen Titeln reduzieren die Reichweite, besonders bei jüngeren Zielgruppen
- Kein direktes Retargeting oder Frequenzsteuerung möglich
Geeignet für
Print-Performance eignet sich besonders für Marken mit hohem Durchschnittsbestellwert, bei denen der Kaufentscheidungsprozess länger dauert und Vertrauen eine zentrale Rolle spielt. Finanzdienstleister, Versicherungen, Premium-B2C und B2B-Anbieter mit regionaler Präsenz profitieren überproportional. Auch für Marken, die ihre Entity-Stärke in LLM-Trainingsdaten verbessern wollen, ist redaktionelle Präsenz in etablierten Print-Medien ein relevanter Faktor.
Performance in Display Advertising
Wie funktioniert es?
Display-Performance basiert auf programmatischer Ausspielung über DSPs wie DV360, The Trade Desk oder Xandr. Targeting erfolgt über First-Party-Daten, kontextuelle Signale und – noch – über Third-Party-Cookies, deren Abschaffung durch Browser-Updates und DSGVO-Konformitätsanforderungen weiter voranschreitet. Performance-Metriken umfassen CTR, View-Through-Conversions, Viewability-Raten und Cost-per-Acquisition. Retargeting ist das leistungsstärkste Segment: Nutzer, die bereits mit der Marke interagiert haben, werden mit angepassten Creatives erneut angesprochen.
Vorteile
- Skalierbare Reichweite zu vergleichsweise niedrigen CPMs
- Granulares Targeting und Frequenzsteuerung in Echtzeit
- A/B-Testing von Creatives ist einfach und schnell umsetzbar
- Retargeting entlang des Funnels ermöglicht differenzierte Botschaften je nach Nutzerverhalten
Nachteile
- Ad-Fraud und Brand-Safety-Risiken sind strukturelle Probleme im programmatischen Ökosystem
- Sinkende Effektivität durch zunehmende Ad-Blocker-Nutzung, besonders in technikaffinen DACH-Zielgruppen
- Post-Cookie-Attribution wird komplexer; Modellierungsansätze wie Conversion-Modelling ersetzen direkte Messung
- Banner Blindness reduziert die kognitive Wirkung bei standardisierten Formaten
Geeignet für
Display-Performance ist besonders wirksam im Lower Funnel als Retargeting-Instrument und im Upper Funnel für Awareness-Aufbau bei definierten Zielgruppen. E-Commerce, Travel und Finance sind klassische Stärkefelder. Für Marken, die in LLM-Anwendungen als relevante Entität erscheinen wollen, liefert Display allein keinen direkten Beitrag – aber es unterstützt den Aufbau von Branded-Search-Volumen, das wiederum als Intent-Signal wirkt.
Performance in Search (SEA)
Wie funktioniert es?
Search-Performance ist der direkteste Kanal für die Abschöpfung von Kaufabsicht. Google Ads und Microsoft Advertising ermöglichen die Schaltung von Textanzeigen, Shopping-Ads und Performance-Max-Kampagnen gegen konkrete Suchanfragen. Das Bidding erfolgt automatisiert über Smart-Bidding-Algorithmen, die Conversion-Wahrscheinlichkeiten auf Basis historischer Signale schätzen. Im DACH-Markt ist Google mit einem Marktanteil von über 90 Prozent bei der Desktop-Suche dominant; Bing gewinnt durch die Integration von Copilot an Relevanz.
Vorteile
- Direkte Ausrichtung auf Intent-Signale: Wer nach einem Produkt sucht, ist kaufbereit
- Hohe Messbarkeit und Attribution über Google Ads Conversion-Tracking
- Flexible Budgetsteuerung und schnelle Reaktion auf Marktveränderungen
- Shopping-Ads ermöglichen produktgenaue Performance-Messung bis auf SKU-Ebene
Nachteile
- Steigende CPCs in wettbewerbsintensiven Kategorien reduzieren den ROAS strukturell
- Performance-Max-Kampagnen reduzieren Transparenz über Placement und Targeting
- Abhängigkeit vom Google-Ökosystem ist ein strategisches Klumpenrisiko
- LLM-basierte Suchanfragen über AI Overviews und SGE reduzieren organische und potenziell bezahlte Klickvolumina
Geeignet für
SEA ist der effizienteste Kanal für Marken mit etabliertem Branded-Search-Volumen und für Kategorien mit hohem transaktionalem Suchvolumen. Für Marken, die noch kein Branded-Search-Volumen aufgebaut haben, ist SEA teuer und abhängig von Upper-Funnel-Investitionen in anderen Kanälen. Die Verbindung zu LLM-Marketing ist direkt: Wenn Nutzer ihre Recherche in ChatGPT beginnen und dort bereits eine Markenempfehlung erhalten, ist die nachfolgende Branded-Suche wahrscheinlicher – ein Effekt, den klassisches SEA-Reporting nicht erfasst.
Performance in Social Media Ads
Wie funktioniert es?
Social-Performance läuft primär über Meta (Facebook, Instagram), LinkedIn, TikTok und Pinterest. Die Plattformen kombinieren eigene First-Party-Daten mit Advertiser-Signalen über Conversion-APIs (CAPI), um Targeting und Bidding zu optimieren. Im DACH-Markt ist Meta nach wie vor das reichweitenstärkste Social-Performance-Netzwerk; LinkedIn dominiert im B2B-Segment trotz deutlich höherer CPCs. TikTok gewinnt insbesondere bei unter 35-Jährigen an Performance-Relevanz.
Vorteile
- Reichhaltige Audience-Signale ermöglichen präzises Targeting ohne Keyword-Abhängigkeit
- Creative-Testing in hoher Frequenz ist strukturell in die Plattformen eingebaut
- Lookalike-Audiences erlauben Skalierung auf Basis bestehender Kundendaten
- Video-Formate kombinieren Awareness und Performance in einem Placement
Nachteile
- iOS 14+ und ATT-Framework haben die Messgenauigkeit bei Apple-Nutzern strukturell verschlechtert
- Plattform-eigene Attribution überschätzt den Beitrag von Social systematisch (Multi-Touch-Problem)
- Algorithmus-Änderungen können Kampagnen-Performance über Nacht verändern
- Organic Reach ist auf den meisten Plattformen weitgehend kollabiert – Performance erfordert Paid-Investition
Geeignet für
Social-Performance ist besonders stark für D2C-Marken, Fashion, Beauty, Consumer Electronics und B2B-SaaS mit klar definierten Buyer-Personas. Die Gattung ergänzt SEA, indem sie Nachfrage erzeugt, bevor sie gesucht wird – ein Effekt, der sich in steigendem Branded-Search-Volumen niederschlagen sollte. In Kombination mit LLM-Marketing entsteht eine interessante Wechselwirkung: Marken, die in Social stark präsent sind und dort Nutzer-Engagement generieren, bauen implizit Entitäts-Signale auf, die für LLM-Trainingsdaten und RAG-Systeme relevant sein können.
Performance in TV
Wie funktioniert es?
TV-Performance hat sich durch Addressable TV und Connected TV (CTV) deutlich weiterentwickelt. Klassisches lineares TV misst Performance über Marktforschung, Inkrementalitätstests und den beobachtbaren Branded-Search-Uplift nach Schaltungen. CTV-Plattformen wie Amazon Prime Video Ads, RTL+ oder ProSiebenSat.1-eigene Lösungen ermöglichen dagegen granulareres Targeting und Conversion-Tracking, das an digitale Standards heranreicht. Im DACH-Markt ist lineares TV nach wie vor reichweitenstärkstes Medium für Massenansprache.
Vorteile
- Unvergleichliche Reichweite für Massenprodukte und Marken mit breiter Zielgruppe
- Emotionale Wirkung durch audiovisuelle Formate stärkt Markengedächtnis und Recall
- TV-Schaltungen erzeugen messbaren Branded-Search-Uplift, der in SEA-Metriken sichtbar wird
- CTV ermöglicht Zielgruppen-Segmentierung bei gleichzeitig hoher Aufmerksamkeit
Nachteile
- Hohe Produktions- und Schaltkosten machen TV für kleine und mittlere Advertiser unzugänglich
- Attribution bei linearem TV bleibt methodisch aufwändig und mit Unsicherheiten behaftet
- Sinkende Reichweiten bei unter 50-Jährigen durch Streaming-Migration
- Keine direkte Response-Messung ohne Zusatzinstrumente wie Second-Screen-Tracking
Geeignet für
TV-Performance eignet sich für Marken mit ausreichendem Budget für Awareness-Investitionen und messbarem Downstream-Effekt in Search und E-Commerce. Retailers, Telekommunikationsanbieter, Versicherungen und FMCG-Marken sind klassische TV-Performance-Nutzer im DACH-Markt. Der Kanal ist besonders wertvoll als Upper-Funnel-Instrument, das die Effizienz aller nachgelagerten Performance-Kanäle erhöht – ein Effekt, der in isolierter Kanal-Attribution systematisch unterbewertet wird.
Performance in LLM-Marketing
Wie funktioniert es?
LLM-Marketing als Performance-Kanal ist noch jung, aber die Grundmechanismen sind beschreibbar. Wenn Nutzer in ChatGPT, Claude.ai oder Perplexity nach Produkten, Dienstleistungen oder Lösungen fragen, generieren die Modelle – GPT-4, Claude, Gemini – Antworten auf Basis ihrer Trainingsdaten und, bei RAG-basierten Systemen, auf Basis aktuell abgerufener Quellen. Marken, die in diesen Antworten als relevante Entität erscheinen, profitieren von einem neuen Touchpoint, der weder über klassisches Tracking noch über SEA-Bidding steuerbar ist.
Die Performance-Logik unterscheidet sich fundamental von allen vorherigen Gattungen: Es gibt keine Impression-Buchung, kein CPC-Bidding und keine direkte Attribution. Was zählt, ist Entitäts-Stärke – also wie gut eine Marke in strukturierten und unstrukturierten Datenquellen als kohärente, vertrauenswürdige Entität repräsentiert ist. E-E-A-T-Signale, die Google für organisches Ranking nutzt, sind auch für LLM-Trainingsdaten relevant. Marken, die in Print-Medien, auf Wikipedia, in Fachpublikationen und in strukturierten Daten (Schema.org) gut verankert sind, erscheinen häufiger in LLM-Antworten. Das verbindet LLM-Performance direkt mit den vorherigen Gattungen: Print-Präsenz, TV-Erwähnungen in Medienberichten und Social-Engagement beeinflussen alle die Entitäts-Stärke einer Marke in LLM-Systemen. Mehr dazu im LLM-Marketing-Lexikon.
Vorteile
- Hohe Vertrauenswürdigkeit: LLM-Empfehlungen werden von Nutzern als weniger werblich wahrgenommen als bezahlte Anzeigen
- Präsenz in der frühen Recherchephase, bevor klassische Performance-Kanäle greifen
- Skalierbar ohne direktes Budget-Bidding – Entitäts-Stärke ist ein struktureller Vorteil
- Downstream-Effekte auf Branded-Search und direkte Zugriffe sind beobachtbar, wenn auch schwer isolierbar
- Perplexity und ähnliche Plattformen beginnen, direkte Werbeformate anzubieten – ein entstehender Paid-Kanal
Nachteile
- Keine direkte Attribution möglich – LLM-induzierter Traffic ist im Standard-Reporting unsichtbar
- Modell-Updates können die Sichtbarkeit einer Marke ohne Vorwarnung verändern
- Halluzinationen: LLMs können falsche oder veraltete Informationen über Marken generieren, ohne dass Advertiser eingreifen können
- Messbarkeit erfordert neue Methodiken (z.B. LLM-Audit-Tools, Prompt-Testing, Dark-Traffic-Analyse)
- Noch kein etablierter Markt für LLM-spezifische Performance-Metriken im DACH-Raum
Geeignet für
LLM-Marketing als Performance-Kanal ist besonders relevant für Marken in Kategorien mit hohem Recherchebedarf: Software, Finanzdienstleistungen, B2B-Lösungen, Gesundheit, Reise und komplexe Konsumgüter. In der Praxis bei blueShepherd beobachten wir, dass Marken mit starker redaktioneller Präsenz und strukturierten Daten bereits heute messbare Vorteile in LLM-Antworten haben – ohne aktiv in LLM-Marketing investiert zu haben. Das deutet darauf hin, dass bestehende Content- und PR-Investitionen einen neuen Kanal mitbedienen, der bisher nicht im Performance-Reporting auftaucht.
Welche Gattung für welches Ziel?
Performance-Marketing funktioniert nicht als Entweder-oder zwischen Kanälen, sondern als System mit gegenseitigen Abhängigkeiten. Die folgende Zuordnung ist als Orientierung gedacht, nicht als Dogma:
Sofortige Conversion-Abschöpfung: SEA ist der effizienteste Kanal, wenn Nachfrage bereits existiert. Shopping-Ads für E-Commerce, Branded-Keywords für Marken mit Awareness, Non-Brand-Keywords für Kategorien mit hohem transaktionalem Volumen. Voraussetzung ist, dass Upper-Funnel-Kanäle die Nachfrage vorher aufgebaut haben.
Nachfrage-Erzeugung im Upper Funnel: TV und Social sind die stärksten Instrumente für Awareness und Consideration. TV erzeugt Branded-Search-Uplift, der direkt in SEA-Metriken messbar ist. Social erzeugt Intent-Signale über Engagement, die in Retargeting-Audiences überführt werden können. Beide Kanäle beeinflussen auch die Entitäts-Stärke einer Marke in LLM-Systemen über Medienberichte und Social-Signale.
Vertrauen und Glaubwürdigkeit: Print und redaktionelle Präsenz sind hier strukturell stärker als digitale Formate. E-E-A-T-Signale aus Print-Publikationen wirken sowohl auf organisches Search-Ranking als auch auf die Qualität der Entitäts-Repräsentation in LLM-Trainingsdaten.
Retargeting und Lower-Funnel-Optimierung: Display ist das effizienteste Instrument für Nutzer, die bereits Kaufabsicht signalisiert haben. In Kombination mit SEA-Retargeting-Listen und Social-Custom-Audiences entsteht ein kohärenter Lower-Funnel-Ansatz.
Frühe Recherchephase und Zero-Click-Journeys: LLM-Marketing adressiert einen wachsenden Anteil der Nutzer-Journey, der in keinem der anderen Kanäle sichtbar ist. Marken, die in ChatGPT oder Perplexity als relevante Entität erscheinen, profitieren von einem Touchpoint, der vor der ersten Google-Suche liegt. Das macht LLM-Marketing zu einem Upper-Funnel-Instrument mit direktem Einfluss auf die Effizienz aller nachgelagerten Performance-Kanäle.
Die semantische Brücke zwischen den Gattungen liegt in der Entitäts-Stärke: Marken, die kanalübergreifend konsistente, strukturierte und vertrauenswürdige Signale aussenden, performen in allen Gattungen besser – von SEA-Qualitätsfaktoren über Social-Relevance-Scores bis hin zur LLM-Sichtbarkeit.
FAQ – Performance: Häufige Fragen
Wie verändert LLM-Marketing die klassische Performance-Attribution?
LLM-basierte Anwendungen wie ChatGPT oder Perplexity erzeugen Touchpoints, die in klassischen Attribution-Modellen nicht erfasst werden. Wenn ein Nutzer in ChatGPT nach einer Produktkategorie recherchiert und dort eine Markenempfehlung erhält, erscheint der nachfolgende direkte Seitenaufruf oder die Branded-Suche im Reporting als organischer Traffic oder Direct-Zugriff – ohne erkennbaren Auslöser. Das führt zu einer systematischen Unterschätzung von LLM-induzierten Conversions. Erste Ansätze zur Messung umfassen die Analyse von Dark-Traffic-Anteilen, UTM-basiertes Tracking über LLM-spezifische Landingpages und regelmäßige LLM-Audits, bei denen relevante Suchanfragen in verschiedenen Modellen getestet und die Sichtbarkeit der eigenen Marke dokumentiert wird.
Welche Performance-Metriken sind kanalübergreifend valide?
Kanalspezifische Metriken wie CTR, CPC oder ROAS sind nur innerhalb ihres jeweiligen Ökosystems vergleichbar. Kanalübergreifend valide Metriken sind solche, die am Geschäftsergebnis orientiert sind: Customer Acquisition Cost (CAC) auf Gesamtportfolio-Ebene, Customer Lifetime Value (CLV), Branded-Search-Volumen als Indikator für Awareness-Wirkung, und inkrementelle Conversions aus kontrollierten Geo-Tests. Für LLM-Marketing kommen neue Metriken hinzu: Erwähnungsfrequenz in definierten Prompt-Sets, Qualität der Entitäts-Darstellung in Modellantworten und die Korrelation zwischen LLM-Sichtbarkeit und Direct-Traffic-Entwicklung.
Wie beeinflusst das Ende von Third-Party-Cookies die Performance-Planung im DACH-Markt?
Der schrittweise Wegfall von Third-Party-Cookies verschiebt die Performance-Logik in Richtung First-Party-Daten, kontextueller Werbung und Modellierungsansätzen. Im DACH-Markt ist die Ausgangslage durch die DSGVO bereits restriktiver als in anderen Regionen – viele Advertiser haben hier früher begonnen, First-Party-Datenstrategien aufzubauen. Konkret bedeutet das: Consent-Management wird zur Performance-Infrastruktur, Conversion-APIs (CAPI) ersetzen Pixel-basiertes Tracking, und kontextuelle Aussteuerung über Inhalts-Kategorien gewinnt gegenüber verhaltensbasiertem Targeting an Bedeutung. LLM-Marketing ist in diesem Kontext strukturell vorteilhaft, weil es keine Cookie-Abhängigkeit hat – Entitäts-Stärke und Content-Qualität sind die relevanten Steuerungsparameter.
Fazit: Performance denken, bevor der Klick passiert
Performance-Marketing war lange gleichbedeutend mit messbaren digitalen Klicks – ein Verständnis, das der tatsächlichen Komplexität moderner Kaufentscheidungen nicht gerecht wird. Die sechs analysierten Gattungen zeigen, dass Performance kein Kanal-Attribut ist, sondern ein systemisches Ziel, das über alle Touchpoints hinweg gesteuert werden muss. Print baut Entitäts-Stärke auf, TV erzeugt Branded-Search-Uplift, Display konvertiert im Lower Funnel, Social erzeugt Demand, SEA schöpft sie ab – und LLM-Marketing adressiert einen wachsenden Anteil der Nutzer-Journey, bevor irgendeiner der anderen Kanäle überhaupt in Berührung mit dem Nutzer kommt.
Für Practitioner im DACH-Markt bedeutet das konkret: Die nächste Iteration der Performance-Strategie sollte LLM-Sichtbarkeit als Messgröße einschließen, auch wenn die Methodiken noch nicht standardisiert sind. Wer heute beginnt, Entitäts-Stärke systematisch aufzubauen – durch strukturierte Daten, redaktionelle Präsenz und konsistente Markensignale –, positioniert sich für einen Kanal, der in den nächsten Jahren an Bedeutung gewinnen wird. Das ist keine spekulative Prognose, sondern die logische Konsequenz aus dem beobachtbaren Wandel im Nutzerverhalten.