Attributions- und Marketing-Mix-Modelle allein können kein vollständiges Bild der Marketingeffektivität vermitteln. Experimente und Inkrementalitätstests bieten eine wichtige Perspektive, um den tatsächlichen kausalen Einfluss zu verstehen – nicht nur Korrelationen. In diesem Vortrag untersuchen wir, wie sich experimentelles Design in die umfassendere Strategie der Marketing Measurement Triangulation einfügt, diskutieren die Vor- und Nachteile verschiedener Testansätze und beleuchten häufige Herausforderungen und Lösungen. Gerade in Zeiten, in denen KI als Lösung für jedes Problem angesehen wird, fragen sich viele, warum man noch Incrementality-Tests durchführen und so viel Aufwand betreiben sollte, um die inkrementelle Wirkung bestimmter Marketingaktivitäten zu ermitteln. Wir werden Causal Inference – die zugrunde liegende Methodik von Inkrementalitätstests – mit maschinellem Lernen und KI gegenüberstellen. Wir zeigen auf, wann und wo KI wirklich den Job übernehmen kann und wann man auf klassisches Testing zurückgreifen sollte, um kausale Zusammenhänge zu identifizieren. Schließlich verdeutlichen wir, warum Incrementality-Tests nicht nur eine Methode, sondern ein Mindset sind – und warum sie im Mittelpunkt moderner Marketing-Messstrategien stehen sollten.