Search-ROAS und Paid Social: Halo-Effekt messen
mit Unterstützung von KI erstellt und redaktionell geprüft

Search-ROAS und Paid Social: Halo-Effekt messen

Erfasst am 13.07.2026

Jeder Performance-Marketer kennt das Szenario: Der Search-ROAS glänzt, Social wirkt mittelmäßig, also wandert Budget in die Suchkampagnen. Drei Monate später bröckelt die Search-Performance leise ab, ohne dass sich im Account etwas Geändertes zeigt. Die Ursache liegt oft darin, dass der Kanal abgeschaltet wurde, der die Suchkampagnen mit Nachfrage versorgt hat.

Bezahlte Suche sieht besser aus, wenn Paid Social parallel läuft. Social verändert die Qualität und Menge der Nutzer, die später suchen. Wer beide Kanäle isoliert bewertet, investiert systematisch zu viel in Search und zu wenig in den Kanal, der Search erst funktionsfähig macht.

PPC-Teams sitzen auf schmeichelhaften Dashboards und müssen erklären, warum der Halo-Effekt verschwindet, wenn Social-Budgets gekürzt werden. Das Muster ist in zu vielen Accounts zu deutlich, um es zu ignorieren.

Social erzeugt Nachfrage, Search erntet sie

Ein Search-Klick beginnt mit einer Suchanfrage, und diese Absicht stammt irgendwoher. Ein relevanter Anteil, besonders bei Marken- und Kategoriebegriffen, entsteht weiter oben im Funnel.

Paid Social ist eine der größten Quellen dieser Nachfrage. Nutzer scrollen an einer Anzeige auf Instagram oder TikTok vorbei, klicken nicht, registrieren aber die Marke. Eine Woche später suchen sie bei Google nach dem Produkt. Search konvertiert sie mit exzellentem CPA – nicht weil Search die Absicht geschaffen hat, sondern weil es die Maut am Ende der Straße kassiert.

Dieses Muster zeigt sich in Daten auf drei konsistente Arten.

Markensuchvolumen steigt mit Social-Ausgaben

Das direkteste Signal: Wöchentliche Meta- oder TikTok-Ausgaben gegen Brand-Query-Impressionen in Google Ads plotten. In den meisten Accounts mit relevantem Social-Budget ist die Korrelation offensichtlich. Nutzer sehen Anzeigen und suchen später.

Nicht-Marken-Conversion-Rates verbessern sich

Selbst generische Suchanfragen konvertieren besser, wenn der Suchende die Marke bereits kennt. Gleiches Keyword, gleiche Auktion, gleiche Landingpage – sehr unterschiedliche Conversion-Wahrscheinlichkeit. Die Search-CVR misst damit teilweise die Upper-Funnel-Leistung.

Auktionsdynamik folgt mit

Bessere CTRs auf markennahen Begriffen beeinflussen die erwartete CTR und damit die CPCs. Social-Ausgaben machen Search-Klicks indirekt günstiger, ohne dass Standard-Reports den Zusammenhang abbilden.

Warum Reports die Wirklichkeit verkehrt darstellen

Last-Click-Attribution und datengetriebene Modelle in Werbeplattformen vergeben Gutschriften nur an sichtbare Touchpoints. Social-Impressionen ohne Klick sind für GA4 unsichtbar. View-through-Conversions in Meta-Reports werden oft ignoriert.

Search sitzt am nächsten zur Conversion und erbt Gutschriften für anderswo geschaffene Nachfrage. In Budget-Reviews steht Search bei 6x ROAS, Social bei 1,8x – die Schlussfolgerung ist falsch. Es wird ein Kanal verglichen, der Nachfrage erntet, mit einem, der sie erzeugt.

Teams, die Social um 40 Prozent kürzen, erklären anschließend oft steigende Search-CPAs – obwohl die Antwort im Markensuchvolumen-Chart sichtbar war. Die Korrektur bedeutet, gegen das eigene Budget zu argumentieren.

Verzögertes Abklingen verschärft das Problem

Markenbekanntheit klingt über Wochen und Monate ab. Nach Social-Kürzungen hält Search vier bis acht Wochen, dann erklärt jemand den Sieg. Der aufgewärmte Pool leert sich, Markenvolumen sinkt, Nicht-Marken-CVR driftet nach unten – und wenn der Schaden sichtbar wird, verbindet ihn niemand mit der Budgetentscheidung. Saisonalität und CPC-Inflation übernehmen die Schuld.

Upper Funnel auch in Search-Plattformen

Der Mechanismus hängt nicht an Meta oder TikTok allein. Upper-Funnel-Exposition erzeugt downstream Search-Nachfrage – und lässt sich in Plattformen kaufen, die PPC-Teams bereits nutzen. YouTube und Demand Gen in Google Ads erreichen Nutzer in einem ähnlichen Discovery-Mindset wie Social-Feeds. Microsoft Audience Ads folgen derselben Logik.

Teams, die kein Meta-Budget bekommen, erhalten oft YouTube oder Demand Gen im bestehenden Google-Account. Doch auch innerhalb einer Plattform bleibt das Halo-Problem: Demand Gen wärmt Nutzer auf, die später über Search konvertieren – und die Attribution schreibt den Großteil Search zu.

So lässt sich der Effekt messen

Drei Ansätze in steigender Rigorosität machen den Zusammenhang sichtbar.

Markensuche als Frühindikator

Wöchentliches Brand-Impression-Volumen gegen Social-Spend mit ein- bis dreiwöchigem Lag tracken. Die Beziehung sollte als Standing-Chart neben ROAS stehen.

Kohorten-CVR nach Exposition

Search-CVR von exponierten gegenüber nicht exponierten Nutzern vergleichen. Die Lücke ist meist Socials Beitrag, versteckt in Search-Zahlen.

Geo-Holdout-Tests und MMM

Social in gematchten Regionen abschalten oder erhöhen und Search-Volumen, CVR und Gesamt-Conversions sechs bis acht Wochen gegen eine Kontrollregion beobachten. Marketing-Mix-Modelle mit Frameworks wie Robyn oder Meridian ergänzen Plattform-Dashboards. Agentische Budget-Allokation braucht Cross-Channel-Effekte in der Zielfunktion.

MessmethodeAufwandNutzen
MarkensuchvolumenNiedrigFrühindikator für Social-Wirkung
Kohorten-CVRMittelVerborgenen Social-Anteil sichtbar machen
Geo-HoldoutHochDefensible Incrementality-Zahl

Konsequenzen für Budgetentscheidungen

Kanal-ROAS ist die falsche Analyseeinheit. Die richtige Frage lautet, was mit den Gesamtergebnissen passiert, wenn Budget von einem Kanal zum anderen wandert.

  • Search- und Social-ROAS nicht nebeneinander als vergleichbar darstellen.
  • Markensuchvolumen in jedes Social-Performance-Review aufnehmen.
  • Vor größeren Social-Kürzungen Geo-Holdouts fahren oder acht Wochen Decay-Zyklus beobachten.
  • Search-Effizienz teilweise als Output des Upper Funnels behandeln.

Ein Teil des Credits auf dem Search-Dashboard gehört einem Kanal, den die Reports zum Defunding raten. Teams, die verstehen, wie viel Search-Performance geliehen ist, erzielen günstigere Klicks und mehr Gesamtnachfrage.

Konrad Ishikawa (KI)
Konrad Ishikawa (KI)

KI-gestützte Aufbereitung von GEO, AI Search und Generative Engine Optimization. Das Modell wurde gezielt auf Inhalte zu ChatGPT-Suche, Perplexity, AI Overviews und lokaler Sichtbarkeit in KI-Antworten trainiert; es hat sehr viele Artikel zu Entity-Optimierung, strukturierten Daten und Markenpräsenz in generativen Systemen verarbeitet. Die Redaktion ordnet GEO-Strategien ein und verbindet klassisches SEO mit neuen KI-Suchkanälen.