{"id":12345,"date":"2025-10-29T09:00:50","date_gmt":"2025-10-29T09:00:50","guid":{"rendered":"https:\/\/www.hopmann.com\/blog\/\/"},"modified":"2025-11-22T08:45:06","modified_gmt":"2025-11-22T08:45:06","slug":"marketing-mix-modeling-daten-anforderungen","status":"publish","type":"blog","link":"https:\/\/www.hopmann.com\/en\/blog\/marketing-mix-modeling-data-requirements\/","title":{"rendered":"Marketing Mix Modeling Data: Requirements"},"content":{"rendered":"<hr>\n<ul>\n<li><a href=\"#\">social<\/a>\n<\/li>\n<\/ul>\n<hr>\n<div>\n<p>Cookies verlieren an Bedeutung. Der Verlust von Signalen aus der Online-Welt nimmt zu. Der Druck auf die Marketing-Budgets und deren Rechtfertigung steigt. <a href=\"https:\/\/www.hopmann.com\/de\/blog\/marketing-mix-modeling-mmm-definition-bedeutung\/\">Marketing Mix Modellierung<\/a> (MMM) ist ein leistungsstarker Ansatz, um die Gesamtwirkung von Kan\u00e4len auf datenschutzkonforme Weise zu messen und Budgets rational zuzuweisen. Aktuelle <a href=\"https:\/\/www.emarketer.com\/content\/marketers-double-down-on-mmm\" target=\"_blank\" rel=\"noopener\">Untersuchungen von eMarketer<\/a> zeigen, dass fast die H\u00e4lfte aller Marketing-Verantwortlichen plant, ihre MMM-Investitionen in den n\u00e4chsten 12 Monaten zu erh\u00f6hen.<\/p>\n<p>Jedes MMM-Modell ist so einzigartig wie Ihr Unternehmen, und es gibt keinen einheitlichen Ansatz, der f\u00fcr alle passt. Die Relevanz von Variablen, insbesondere von externen Faktoren, h\u00e4ngt vollst\u00e4ndig von Ihrer spezifischen Marktdynamik, Ihrer Datenumgebung und Ihrem Gesch\u00e4ftsmodell ab.<\/p>\n<p>Unsere <a href=\"https:\/\/www.hopmann.com\/de\/marketing-analytics\/marketing-science\/mmm\/mmm-datenanforderungen\/\">MMM Datenanforderungen Checkliste<\/a> hilft Ihnen dabei, die Faktoren zu identifizieren, die f\u00fcr Ihr Unternehmen wirklich wichtig sind, und sicherzustellen, dass Sie alle relevanten Einflussfaktoren erfassen, ohne wichtige Einfl\u00fcsse zu \u00fcbersehen.<\/p>\n<\/div>\n<p><p>\n        <a href=\"\/de\/marketing-analytics\/marketing-science\/mmm\/mmm-datenanforderungen\/\">Jetzt gratis herunterladen<\/a>\n    <\/p>\n<\/p>\n<p><img decoding=\"async\" src=\"\/wp-content\/uploads\/Marketing-Mix-Modeling-Daten-Anforderungen.png\" alt=\"Marketing Mix Modeling Daten Anforderungen\"><\/p>\n<h2>Marketing Mix Modeling Daten: \u00dcbersicht gegen Chaos<\/h2>\n<div>\n<p><a href=\"https:\/\/www.hopmann.com\/de\/blog\/5-marketing-mix-modeling-missverstaendnisse-mmm\/\">MMM<\/a> scheitert, wenn Teams mit der Modellierung beginnen, bevor sie definiert haben, welche Daten in welcher <strong>H\u00e4ufigkeit<\/strong>, in welchem <strong>Format<\/strong> und <strong>von wem<\/strong> bereitgestellt werden. Genau dieses Problem l\u00f6st unsere <strong>Marketing Mix Modeling Daten Anforderung Checkliste<\/strong>.<\/p>\n<p><span>Selbst wenn die Datenpipelines bereitstehen, k\u00f6nnen subtile Ermessensentscheidungen dar\u00fcber entscheiden, ob ein Modell erfolgreich ist oder nicht. Aktuelle Diskussionen in der MMM-Community, beispielsweise dar\u00fcber, ob ein Modell auf Kosten oder Impressionen basieren sollte oder wie viele Kontrollvariablen wirklich notwendig sind, zeigen, dass es keine allgemeing\u00fcltige Regel gibt. Jeder Fall h\u00e4ngt von der Datenqualit\u00e4t, der Granularit\u00e4t und den Gesch\u00e4ftszielen ab. Die Entscheidung f\u00fcr Impressionen anstelle von Ausgaben kann das tats\u00e4chliche Verh\u00e4ltnis zwischen Kosten und Einnahmen verschleiern, w\u00e4hrend die Einbeziehung zu vieler Kontrollvariablen Modelle instabil oder \u00fcberangepasst machen kann. Aus diesem Grund empfehlen wir eine fallweise Bewertung anstelle der Verwendung starrer Vorlagen.<\/span><\/p>\n<p><span aria-label=\"\u00a0\" class=\"c-mrkdwn__br\" data-stringify-type=\"paragraph-break\"><\/span><span>Bei Hopmann helfen wir Teams bei diesen Entscheidungen, damit die Modelle sowohl statistisch fundiert als auch f\u00fcr das Unternehmen relevant bleiben.<\/span><\/p>\n<p><span aria-label=\"\u00a0\" class=\"c-mrkdwn__br\" data-stringify-type=\"paragraph-break\"><\/span><span>Unsere Anforderungscheckliste ist eine umfassende Tabelle, die Folgendes festlegt:<\/span><\/p>\n<ul>\n<li><strong>Ziele:<\/strong> Umsatz oder Absatzvolumen (w\u00e4hlen Sie eines aus)<\/li>\n<li><strong>Medieneinsatz:<\/strong> Werbeausgaben auf Kanalebene oder GRPs mit Anmerkungen zu Adstock und S\u00e4ttigung<\/li>\n<li><strong>Preis &amp; Werbung:<\/strong> Nettopreis, Rabatte, Werbekalender<\/li>\n<li><strong>Vertrieb und Verf\u00fcgbarkeit:<\/strong> ACV (Annual Contract Value), OOS (Out-of-Stock), Markteinf\u00fchrung\/Delisting<\/li>\n<li><strong>Externe Faktoren:<\/strong> Feiertage, Wetter, Makroindikatoren, Aktivit\u00e4ten der Wettbewerber<\/li>\n<li><strong>Marken-Tracking und Nachfragesignale:<\/strong> Bekanntheit, Kaufabsicht, Suchvolumen f\u00fcr die Marke (optional)<\/li>\n<li><strong>Governance:<\/strong> Quelle, Kadenz, Feldverantwortlicher und \u201eerforderlich vs. optional\u201d<\/li>\n<\/ul>\n<ol><\/ol>\n<ul><\/ul>\n<\/div>\n<p><p>\n        <a href=\"\/de\/marketing-analytics\/marketing-science\/mmm\/mmm-datenanforderungen\/\">MMM Daten Arbeitsblatt herunterladen<\/a>\n    <\/p>\n<\/p>\n<h2>Wie verwenden Sie das MMM Arbeitsblatt?<\/h2>\n<h3>Vorschlag zum Start in Woche 1<\/h3>\n<div>\n<ul>\n<li><strong>Ordnen Sie Ihre Felder<\/strong> den Namen im Arbeitsblatt zu. Achten Sie auf eine einheitliche Benennung.<\/li>\n<li><strong>Legen Sie eine H\u00e4ufigkeit fest<\/strong> (vorzugsweise w\u00f6chentlich) und deflationieren Sie die monet\u00e4ren Reihen mit dem Verbraucherpreisindex.<\/li>\n<li><strong>Schlie\u00dfen Sie die L\u00fccken<\/strong>: Priorisieren Sie zuerst die erforderlichen Felder, dann die optionalen Erweiterungen.<\/li>\n<li><strong>F\u00fchren Sie einen Testlauf durch<\/strong>: Trend-, Saison- und \u00dcbertragungsdiagnosen, bevor Sie \u00fcber den ROI sprechen.<\/li>\n<li><strong>Entscheiden Sie sich f\u00fcr ein Basis-Tool<\/strong>: <a href=\"https:\/\/www.hopmann.com\/de\/blog\/marketing-mix-modeling-tools-im-vergleich\/\">Robyn, Meridian, Orbit<\/a> oder eine andere <a href=\"https:\/\/www.hopmann.com\/de\/marketing-analytics\/marketing-technology\/\">Technologie <\/a>aus Ihrem <a href=\"https:\/\/www.hopmann.com\/de\/marketing-analytics\/marketing-data-stack\/\">Marketing Data Stack<\/a>. Achten Sie auf Transparenz.<\/li>\n<\/ul>\n<ol><\/ol>\n<\/div>\n<h3>Was kann in vier bis sechs Wochen erwartet werden?<\/h3>\n<div>\n<ul>\n<li><strong>ROI-Bereiche<\/strong>, die nach <strong>Kan\u00e4len<\/strong> interpretiert werden k\u00f6nnen<\/li>\n<li>Umverteilungsentscheidungen auf der Grundlage von <strong>Budgetszenarien<\/strong><\/li>\n<li>Abstimmung von <strong>Medien, Werbung und Vertriebskan\u00e4len<\/strong><\/li>\n<li><strong>Schulungen und Dokumentationen<\/strong> f\u00fcr Teams zum Verst\u00e4ndnis des Modells<\/li>\n<\/ul>\n<ol><\/ol>\n<\/div>\n<h2>Wie Hopmann Ihnen hilft<\/h2>\n<div>\n<ul>\n<li><strong>Erkennung und Datenpr\u00fcfung:<\/strong> Wir \u00fcberpr\u00fcfen Ihre Systeme anhand des Datenblatts und erstellen einen priorisierten Plan zum Schlie\u00dfen von L\u00fccken.<\/li>\n<li><strong>Modellaufbau und -kalibrierung:<\/strong> Open-Source-MMM mit klarer Diagnostik, Lift-Checks und aussagekr\u00e4ftigen Diagrammen.<\/li>\n<li><strong>Kompetenztransfer und MMM-Trainings:<\/strong> Workshops und Vorlagen, damit das Modell verstanden, vertraut und wiederverwendet wird.<\/li>\n<\/ul>\n<p><strong>Empfohlene Ma\u00dfnahme: <\/strong>Laden Sie die MMM-Datenanforderungen und das W\u00f6rterbuch herunter und buchen Sie eine <a href=\"https:\/\/www.hopmann.com\/de\/kontakt\/\">30-min\u00fctige Scoping-Sitzung<\/a>. Lassen Sie uns MMM von der Theorie in Budgetierungsentscheidungen umsetzen, die Bestand haben.<\/p>\n<\/div>\n<h2>FAQ zu Marketing Mix Modeling Daten<\/h2>\n<ul>\n<li>\n<h3>Funktioniert MMM ohne Cookies? <\/h3>\n<div>\n<p>Ja. MMM arbeitet mit aggregierten Zeitreihen auf Wochen- oder Tagesebene und ben\u00f6tigt keine Nutzer-IDs oder Cookies. Dadurch ist MMM grunds\u00e4tzlich datenschutzfreundlich und geeignet f\u00fcr eine Welt nach Third-Party-Cookies. Wichtig ist die saubere Aggregation Ihrer KPI-, Media-, Preis- und Kontextdaten \u2013 nicht das Tracking einzelner Personen.<\/p>\n<\/div>\n<\/li>\n<li>\n<h3>Wie viel Historie ist ausreichend?<\/h3>\n<div>\n<p>Als Daumenregel empfehlen wir mindestens 104 Wochen, um Saisonalit\u00e4ten, Budgetschwankungen und externe Effekte stabil zu erfassen. Starten kann man in Einzelf\u00e4llen auch mit 78\u2013104 Wochen, wenn es ausreichend Variation im Spend und ein starkes Signal gibt. Mehr Historie erh\u00f6ht Modellstabilit\u00e4t und Prognoseg\u00fcte, vor allem in M\u00e4rkten mit starken saisonalen Mustern.<\/p>\n<\/div>\n<\/li>\n<li>\n<h3>Ben\u00f6tige ich Gross Rating Points (GRPs) oder Ausgaben?<\/h3>\n<div>\n<p>Pro Kanal reicht in der Regel eine Eingangsgr\u00f6\u00dfe: entweder Nettoausgaben oder ein Reichweiten-\/Druckma\u00df wie GRPs. F\u00fcr TV sollten Sie sich entscheiden und nicht beides parallel f\u00fcttern, um Doppelz\u00e4hlungen zu vermeiden. Technisch werden die Inputs (z. B. Spend oder GRPs) anschlie\u00dfend \u00fcber Adstock und S\u00e4ttigung transformiert, damit Carryover-Effekte und abnehmende Grenzertr\u00e4ge korrekt abgebildet werden.<\/p>\n<\/div>\n<\/li>\n<li>\n<h3>K\u00f6nnen wir Markenmetriken einbeziehen?<\/h3>\n<div>\n<p>Ja. Marken-KPIs wie Bekanntheit, Consideration oder Organic Brand Search lassen sich als langsam reagierende Kontrollvariablen einbauen. In der Praxis gl\u00e4tten und verz\u00f6gern wir diese Reihen (z. B. per gleitendem Mittel und Lag), damit kurzfristige Media-Impulse nicht \u201edoppelt\u201c erkl\u00e4rt werden und Overfitting vermieden wird. Sowohl moderne Open-Source-Frameworks als auch Meridian unterst\u00fctzen solche Spezifikationen.<\/p>\n<\/div>\n<\/li>\n<li>\n<h3>Wie validieren wir den ROI?<\/h3>\n<div>\n<p>Es gibt drei robuste Wege, die sich idealerweise erg\u00e4nzen:<\/p>\n<ol>\n<li><strong>Holdouts<\/strong> im Modell: Ein Teil der Zeit- oder Geo-Daten wird nicht zum Training genutzt und dient der Out-of-Sample-Validierung.<\/li>\n<li><strong>Kalibrierung<\/strong> mit Experimenten: Liegen belastbare Lift-Ergebnisse vor, k\u00f6nnen sie als Priors\/Anker genutzt werden, damit Modell-<a href=\"https:\/\/www.hopmann.com\/de\/blog\/roas-verstehen-optimieren\/\">ROAS<\/a> und Experiment-ROAS konsistent sind.<\/li>\n<li><strong>Inkrementalit\u00e4tstests<\/strong> (Geo-Experimente): Mit Tools wie GeoLift lassen sich kausale Effekte \u00fcber Test-\/Kontroll-Regionen sch\u00e4tzen und anschlie\u00dfend gegen MMM triangulieren.<\/li>\n<\/ol>\n<\/div>\n<\/li>\n<\/ul>\n<hr>\n<p><p>\n        Vorheriger Artikel    <\/p>\n<\/p>\n<p><p>\n        N\u00e4chster Artikel    <\/p>\n<\/p>\n<hr>\n<div>Neueste Artikel<\/div>\n<div>\n<\/div>\n<div>Kategorien<\/div>\n<div>\n<\/div>\n<p><!--more--><br \/>\n<!-- {\"type\":\"layout\",\"children\":[{\"type\":\"section\",\"props\":{\"animation\":\"slide-bottom-medium\",\"animation_delay\":\"50\",\"height\":\"page\",\"image_position\":\"center-center\",\"padding\":\"large\",\"padding_remove_top\":true,\"style\":\"default\",\"title_breakpoint\":\"xl\",\"title_position\":\"top-left\",\"title_rotation\":\"left\",\"vertical_align\":\"\",\"width\":\"large\"},\"children\":[{\"type\":\"row\",\"props\":{\"column_gap\":\"large\",\"layout\":\"2-3,1-3\",\"padding_remove_horizontal\":false,\"row_gap\":\"large\"},\"children\":[{\"type\":\"column\",\"props\":{\"image_position\":\"center-center\",\"position_sticky_breakpoint\":\"m\",\"width_large\":\"2-3\"},\"children\":[{\"type\":\"headline\",\"props\":{\"content_en_us\":\"23.10.2025: Your free checklist\",\"margin_remove_bottom\":true,\"title_element\":\"div\",\"title_style\":\"text-meta\"},\"source_extended\":{\"props\":{\"content\":{\"composed\":{\"value\":\"{{ sources.6b78 }}: {{ sources.46d0 }}\",\"sources\":{\"6b78\":{\"name\":\"field.datum\",\"query\":{\"name\":\"#parent\"},\"filters\":{\"search\":\"\",\"date\":\"d.m.Y\"}},\"46d0\":{\"name\":\"field.subline\",\"query\":{\"name\":\"#parent\"}}},\"conditions\":{}}}}}},{\"type\":\"headline\",\"props\":{\"content_en_us\":\"Marketing Mix Modeling Requirements for Your Data\",\"margin\":\"small\",\"margin_remove_top\":false,\"title_element\":\"h1\",\"title_style\":\"h1\"},\"source_extended\":{\"props\":{\"content\":{\"name\":\"title\",\"query\":{\"name\":\"#parent\"}}}}},{\"type\":\"divider\",\"props\":{\"divider_element\":\"hr\",\"margin\":\"medium\",\"margin_remove_bottom\":true}},{\"type\":\"fragment\",\"props\":{\"margin\":\"remove-vertical\"},\"children\":[{\"type\":\"row\",\"props\":{\"css\":\".el-row {\\n\\tmargin-top: 8px;\\n    margin-bottom: 8px;\\n}\",\"layout\":\"1-2,1-2\",\"margin\":\"large\",\"yooessentials_access_conditions\":[],\"yooessentials_access_mode\":\"AND\"},\"children\":[{\"type\":\"column\",\"props\":{\"image_position\":\"center-center\",\"position_sticky_breakpoint\":\"m\",\"vertical_align\":\"middle\",\"width_default\":\"1-2\"},\"children\":[{\"type\":\"panel\",\"props\":{\"content_column_breakpoint\":\"m\",\"icon_width\":80,\"image_align\":\"left\",\"image_border\":\"circle\",\"image_grid_breakpoint\":\"\",\"image_grid_column_gap\":\"small\",\"image_grid_row_gap\":\"medium\",\"image_grid_width\":\"auto\",\"image_height\":40,\"image_svg_color\":\"emphasis\",\"image_vertical_align\":true,\"image_width\":40,\"link_style\":\"default\",\"link_text\":\"Read more\",\"margin\":\"\",\"meta_align\":\"below-title\",\"meta_element\":\"div\",\"meta_style\":\"text-meta\",\"title_align\":\"top\",\"title_element\":\"h3\",\"title_font_family\":\"tertiary\",\"title_grid_breakpoint\":\"m\",\"title_grid_width\":\"1-2\",\"title_hover_style\":\"reset\",\"title_style\":\"text-small\"},\"source_extended\":{\"props\":{\"image\":{\"name\":\"field.foto.url\",\"query\":{\"name\":\"#parent\"}},\"title\":{\"composed\":{\"value\":\"\",\"sources\":[],\"conditions\":[]}},\"content\":{\"composed\":{\"value\":\"{{ sources.5d02 }}, {{ sources.67e8 }}\",\"sources\":{\"5d02\":{\"name\":\"field.autor\",\"query\":{\"name\":\"#parent\"},\"filters\":{\"search\":\"\"}},\"67e8\":{\"name\":\"field.datum\",\"query\":{\"name\":\"#parent\"},\"filters\":{\"search\":\"\",\"date\":\"d.m.Y\"}}},\"conditions\":[]}},\"content_en_us\":{\"composed\":{\"value\":\"{{ sources.cce3 }} on {{ sources.4656 }}\",\"sources\":{\"4656\":{\"name\":\"date\",\"query\":{\"name\":\"blogs.singleBlog\"},\"filters\":{\"date\":\"\"}},\"cce3\":{\"filters\":{\"search\":\"\"},\"name\":\"field.autor\",\"query\":{\"name\":\"blogs.singleBlog\"}}},\"conditions\":[]}}}},\"name\":\"Verfasser\"}]},{\"type\":\"column\",\"props\":{\"image_position\":\"center-center\",\"position_sticky_breakpoint\":\"m\",\"vertical_align\":\"middle\",\"width_default\":\"1-2\"},\"children\":[{\"type\":\"yooessentials_social_sharing\",\"props\":{\"class\":\"social-sharing-blog\",\"grid\":\"horizontal\",\"grid_column_gap\":\"small\",\"grid_row_gap\":\"small\",\"image_svg_inline\":true,\"link_style\":\"link\",\"margin\":\"default\",\"text_align\":\"right\"},\"children\":[{\"type\":\"yooessentials_social_sharing_item\",\"props\":{\"link_target\":\"_blank\",\"link_target_height\":\"\",\"link_target_width\":\"\",\"network\":\"linkedin\"}}],\"name\":\"Teilen\"}]}]}]},{\"type\":\"divider\",\"props\":{\"divider_element\":\"hr\",\"margin\":\"medium\",\"margin_remove_top\":true}},{\"type\":\"html\",\"props\":{\"content\":\"\"},\"name\":\"--- \\\/\\\/ Content Start \\\/\\\/ ---\"},{\"type\":\"text\",\"props\":{\"column_breakpoint\":\"m\",\"content\":\"\n\n<p>Cookies verlieren an Bedeutung. Der Verlust von Signalen aus der Online-Welt nimmt zu. Der Druck auf die Marketing-Budgets und deren Rechtfertigung steigt. <a href=\\\"https:\\\/\\\/www.hopmann.com\\\/de\\\/blog\\\/marketing-mix-modeling-mmm-definition-bedeutung\\\/\\\">Marketing Mix Modellierung<\\\/a> (MMM) ist ein leistungsstarker Ansatz, um die Gesamtwirkung von Kan\\u00e4len auf datenschutzkonforme Weise zu messen und Budgets rational zuzuweisen. Aktuelle <a href=\\\"https:\\\/\\\/www.emarketer.com\\\/content\\\/marketers-double-down-on-mmm\\\">Untersuchungen von eMarketer<\\\/a> zeigen, dass fast die H\\u00e4lfte aller Marketing-Verantwortlichen plant, ihre MMM-Investitionen in den n\\u00e4chsten 12 Monaten zu erh\\u00f6hen.<\\\/p>\\n\n\n<p>Jedes MMM-Modell ist so einzigartig wie Ihr Unternehmen, und es gibt keinen einheitlichen Ansatz, der f\\u00fcr alle passt. Die Relevanz von Variablen, insbesondere von externen Faktoren, h\\u00e4ngt vollst\\u00e4ndig von Ihrer spezifischen Marktdynamik, Ihrer Datenumgebung und Ihrem Gesch\\u00e4ftsmodell ab.<\\\/p>\\n\n\n<p>Unsere <a href=\\\"https:\\\/\\\/www.hopmann.com\\\/de\\\/marketing-analytics\\\/marketing-science\\\/mmm\\\/mmm-datenanforderungen\\\/\\\">MMM Datenanforderungen Checkliste<\\\/a> hilft Ihnen dabei, die Faktoren zu identifizieren, die f\\u00fcr Ihr Unternehmen wirklich wichtig sind, und sicherzustellen, dass Sie alle relevanten Einflussfaktoren erfassen, ohne wichtige Einfl\\u00fcsse zu \\u00fcbersehen.<\\\/p>\",\"content_en_us\":\"\n\n<p>Cookies are becoming less important. The loss of signals from the online world is increasing. Pressure on marketing budgets and their justification is growing. <a href=\\\"https:\\\/\\\/www.hopmann.com\\\/en\\\/blog\\\/marketing-mix-modeling-mmm-definition-relevance\\\/\\\">Marketing mix modeling<\\\/a> (MMM) is a powerful approach to measuring the overall impact of channels in a privacy-compliant manner and allocating budgets rationally. Recent <a href=\\\"https:\\\/\\\/www.emarketer.com\\\/content\\\/marketers-double-down-on-mmm\\\">research by eMarketer<\\\/a> shows that almost half of all marketing managers plan to increase their MMM investments over the next 12 months.<\\\/p>\\n\n\n<p>Every MMM model is as unique as your business and there\\u2019s no one-size-fits-all approach. The relevance of variables, especially external factors, depends entirely on your specific market dynamics, data environment, and business model.<\\\/p>\\n\n\n<p>Our <a href=\\\"https:\\\/\\\/www.hopmann.com\\\/en\\\/marketing-analytics\\\/marketing-science\\\/mmm\\\/mmm-data-requirements\\\/\\\">MMM data requirements checklist<\\\/a> helps you identifying the factors that truly matter for your business and ensuring you capture all relevant drivers without overlooking key influences.<!-- notionvc: c9487498-9fb5-4e1f-b9d7-44318fc46549 --><\\\/p>&#8220;,&#8221;margin&#8221;:&#8221;medium&#8221;,&#8221;margin_remove_top&#8221;:true,&#8221;text_style&#8221;:&#8221;large&#8221;},&#8221;name&#8221;:&#8221;Lead-Text&#8221;},{&#8220;type&#8221;:&#8221;button&#8221;,&#8221;props&#8221;:{&#8220;grid_column_gap&#8221;:&#8221;small&#8221;,&#8221;grid_row_gap&#8221;:&#8221;small&#8221;,&#8221;margin&#8221;:&#8221;large&#8221;},&#8221;children&#8221;:[{&#8220;type&#8221;:&#8221;button_item&#8221;,&#8221;props&#8221;:{&#8220;button_style&#8221;:&#8221;default&#8221;,&#8221;content&#8221;:&#8221;Jetzt gratis herunterladen&#8221;,&#8221;content_en_us&#8221;:&#8221;Download now for free&#8221;,&#8221;dialog_layout&#8221;:&#8221;modal&#8221;,&#8221;dialog_offcanvas_flip&#8221;:true,&#8221;icon_align&#8221;:&#8221;left&#8221;,&#8221;link&#8221;:&#8221;de\\\/marketing-analytics\\\/marketing-science\\\/mmm\\\/mmm-datenanforderungen\\\/&#8221;,&#8221;link_en_us&#8221;:&#8221;https:\\\/\\\/www.hopmann.com\\\/en\\\/marketing-analytics\\\/marketing-science\\\/mmm\\\/mmm-data-requirements\\\/&#8221;,&#8221;link_title&#8221;:&#8221;Jetzt gratis herunterladen&#8221;,&#8221;link_title_en_us&#8221;:&#8221;Download now for free&#8221;}}]},{&#8220;type&#8221;:&#8221;image&#8221;,&#8221;props&#8221;:{&#8220;image&#8221;:&#8221;wp-content\\\/uploads\\\/Marketing-Mix-Modeling-Daten-Anforderungen.png&#8221;,&#8221;image_alt&#8221;:&#8221;Marketing Mix Modeling Daten Anforderungen&#8221;,&#8221;image_en_us&#8221;:&#8221;wp-content\\\/uploads\\\/Marketing-Mix-Modeling-Data-Requirements.png&#8221;,&#8221;image_en_us_alt&#8221;:&#8221;Marketing Mix Modeling Data Requirements&#8221;,&#8221;image_svg_color&#8221;:&#8221;emphasis&#8221;,&#8221;image_width&#8221;:900,&#8221;margin&#8221;:&#8221;small&#8221;,&#8221;margin_remove_bottom&#8221;:false,&#8221;margin_remove_top&#8221;:false}},{&#8220;type&#8221;:&#8221;headline&#8221;,&#8221;props&#8221;:{&#8220;content&#8221;:&#8221;Marketing Mix Modeling Daten: \\u00dcbersicht gegen Chaos&#8221;,&#8221;content_en_us&#8221;:&#8221;Marketing Mix Modeling Data: Requirements against Chaos<br \\\/><!-- notionvc: c8569866-688c-4a0b-abe3-31a74430b4de -->&#8220;,&#8221;margin&#8221;:&#8221;default&#8221;,&#8221;margin_remove_bottom&#8221;:false,&#8221;title_element&#8221;:&#8221;h2&#8243;,&#8221;title_style&#8221;:&#8221;h2&#8243;},&#8221;name&#8221;:&#8221;H2&#8243;},{&#8220;type&#8221;:&#8221;text&#8221;,&#8221;props&#8221;:{&#8220;column_breakpoint&#8221;:&#8221;m&#8221;,&#8221;content&#8221;:&#8221;<\/p>\n<p><a href=\\\"https:\\\/\\\/www.hopmann.com\\\/de\\\/blog\\\/5-marketing-mix-modeling-missverstaendnisse-mmm\\\/\\\">MMM<\\\/a> scheitert, wenn Teams mit der Modellierung beginnen, bevor sie definiert haben, welche Daten in welcher <strong>H\\u00e4ufigkeit<\\\/strong>, in welchem <strong>Format<\\\/strong> und <strong>von wem<\\\/strong> bereitgestellt werden. Genau dieses Problem l\\u00f6st unsere <strong>Marketing Mix Modeling Daten Anforderung Checkliste<\\\/strong>.<\\\/p>\\n<\/p>\n<p><span>Selbst wenn die Datenpipelines bereitstehen, k\\u00f6nnen subtile Ermessensentscheidungen dar\\u00fcber entscheiden, ob ein Modell erfolgreich ist oder nicht. Aktuelle Diskussionen in der MMM-Community, beispielsweise dar\\u00fcber, ob ein Modell auf Kosten oder Impressionen basieren sollte oder wie viele Kontrollvariablen wirklich notwendig sind, zeigen, dass es keine allgemeing\\u00fcltige Regel gibt. Jeder Fall h\\u00e4ngt von der Datenqualit\\u00e4t, der Granularit\\u00e4t und den Gesch\\u00e4ftszielen ab. Die Entscheidung f\\u00fcr Impressionen anstelle von Ausgaben kann das tats\\u00e4chliche Verh\\u00e4ltnis zwischen Kosten und Einnahmen verschleiern, w\\u00e4hrend die Einbeziehung zu vieler Kontrollvariablen Modelle instabil oder \\u00fcberangepasst machen kann. Aus diesem Grund empfehlen wir eine fallweise Bewertung anstelle der Verwendung starrer Vorlagen.<\\\/span><\\\/p>\\n<\/p>\n<p><span aria-label=\\\"\\u00a0\\\" class=\\\"c-mrkdwn__br\\\" data-stringify-type=\\\"paragraph-break\\\"><\\\/span><span>Bei Hopmann helfen wir Teams bei diesen Entscheidungen, damit die Modelle sowohl statistisch fundiert als auch f\\u00fcr das Unternehmen relevant bleiben.<\\\/span><\\\/p>\\n<\/p>\n<p><span aria-label=\\\"\\u00a0\\\" class=\\\"c-mrkdwn__br\\\" data-stringify-type=\\\"paragraph-break\\\"><\\\/span><span>Unsere Anforderungscheckliste ist eine umfassende Tabelle, die Folgendes festlegt:<\\\/span><\\\/p>\\n<\/p>\n<ul>\\n<\/p>\n<li><strong>Ziele:<\\\/strong> Umsatz oder Absatzvolumen (w\\u00e4hlen Sie eines aus)<\\\/li>\\n\n<li><strong>Medieneinsatz:<\\\/strong> Werbeausgaben auf Kanalebene oder GRPs mit Anmerkungen zu Adstock und S\\u00e4ttigung<\\\/li>\\n\n<li><strong>Preis &amp; Werbung:<\\\/strong> Nettopreis, Rabatte, Werbekalender<\\\/li>\\n\n<li><strong>Vertrieb und Verf\\u00fcgbarkeit:<\\\/strong> ACV (Annual Contract Value), OOS (Out-of-Stock), Markteinf\\u00fchrung\\\/Delisting<\\\/li>\\n\n<li><strong>Externe Faktoren:<\\\/strong> Feiertage, Wetter, Makroindikatoren, Aktivit\\u00e4ten der Wettbewerber<\\\/li>\\n\n<li><strong>Marken-Tracking und Nachfragesignale:<\\\/strong> Bekanntheit, Kaufabsicht, Suchvolumen f\\u00fcr die Marke (optional)<\\\/li>\\n\n<li><strong>Governance:<\\\/strong> Quelle, Kadenz, Feldverantwortlicher und \\u201eerforderlich vs. optional\\u201d<\\\/li>\\n<\\\/ul>\\n\n<ol><\\\/ol>\\n<\/p>\n<ul><\\\/ul>&#8220;,&#8221;content_en_us&#8221;:&#8221;<\/p>\n<p><a href=\\\"https:\\\/\\\/www.hopmann.com\\\/en\\\/blog\\\/5-marketing-mix-modeling-myths-mmm\\\/\\\">MMM<\\\/a> fails when teams jump into modeling before defining what data, at which <strong>frequency<\\\/strong>, in which <strong>format<\\\/strong>, and owned <strong>by whom<\\\/strong>. That is exactly what our <strong>MMM Data Requirements Checklist<\\\/strong> solves.\\u00a0<\\\/p>\\n<\/p>\n<p><span>Even when data pipelines are ready, subtle judgement calls can still determine whether a model succeeds or fails. Recent discussions in the MMM community, such as whether a model on cost or impressions or how many control variables are truly necessary, show that there is no universal rule. Each case depends on data quality, granularity and business goals. Choosing impressions over spend may blur the real cost-to-revenue relationship, while including too many control variables can make models unstable or overfitted. That is why we recommend a case-by-case evaluation instead of using rigid templates.<\\\/span><\\\/p>\\n<\/p>\n<p><span>At Hopmann, we help teams navigate these decisions so that models remain both statistically sound and relevant for business.<\\\/span><\\\/p>\\n<\/p>\n<p><span>Our requirements checklist is a comprehensive spreadsheet that specifies:<\\\/span><\\\/p>\\n<\/p>\n<ul>\\n<\/p>\n<li><strong>Targets:<\\\/strong> Sales revenue or volume (pick one)<\\\/li>\\n\n<li><strong>Media inputs:<\\\/strong> Channel-level ad spend or GRPs with adstock and saturation notes<\\\/li>\\n\n<li><strong>Price &amp; promo:<\\\/strong> Net price, discounts, promotion calendar<\\\/li>\\n\n<li><strong>Distribution &amp; availability:<\\\/strong> ACV (Annual Contract Value), OOS (Out-of-Stock), launch\\\/delist<\\\/li>\\n\n<li><strong>External factors:<\\\/strong> Holidays, weather, macro indicators, competitor activity<\\\/li>\\n\n<li><strong>Brand tracking &amp; demand signals:<\\\/strong> Awareness, consideration, brand search volume (optional)<\\\/li>\\n\n<li><strong>Governance:<\\\/strong> Source, cadence, field owner, and \\u201cRequired vs Optional\\u201d<\\\/li>\\n<\\\/ul>&#8220;,&#8221;margin&#8221;:&#8221;default&#8221;,&#8221;margin_remove_bottom&#8221;:true,&#8221;margin_remove_top&#8221;:true,&#8221;text_style&#8221;:&#8221;large&#8221;}},{&#8220;type&#8221;:&#8221;button&#8221;,&#8221;props&#8221;:{&#8220;grid_column_gap&#8221;:&#8221;small&#8221;,&#8221;grid_row_gap&#8221;:&#8221;small&#8221;,&#8221;margin&#8221;:&#8221;large&#8221;},&#8221;children&#8221;:[{&#8220;type&#8221;:&#8221;button_item&#8221;,&#8221;props&#8221;:{&#8220;button_style&#8221;:&#8221;default&#8221;,&#8221;content&#8221;:&#8221;MMM Daten Arbeitsblatt herunterladen&#8221;,&#8221;content_en_us&#8221;:&#8221;Download MMM Data Worksheet&#8221;,&#8221;dialog_layout&#8221;:&#8221;modal&#8221;,&#8221;dialog_offcanvas_flip&#8221;:true,&#8221;icon_align&#8221;:&#8221;left&#8221;,&#8221;link&#8221;:&#8221;de\\\/marketing-analytics\\\/marketing-science\\\/mmm\\\/mmm-datenanforderungen\\\/&#8221;,&#8221;link_en_us&#8221;:&#8221;https:\\\/\\\/www.hopmann.com\\\/en\\\/marketing-analytics\\\/marketing-science\\\/mmm\\\/mmm-data-requirements\\\/&#8221;,&#8221;link_title&#8221;:&#8221;MMM Daten Arbeitsblatt herunterladen&#8221;,&#8221;link_title_en_us&#8221;:&#8221;Download MMM Data Worksheet&#8221;}}]},{&#8220;type&#8221;:&#8221;headline&#8221;,&#8221;props&#8221;:{&#8220;content&#8221;:&#8221;Wie verwenden Sie das MMM Arbeitsblatt?&#8221;,&#8221;content_en_us&#8221;:&#8221;How do you use the MMM worksheet?&#8221;,&#8221;margin&#8221;:&#8221;default&#8221;,&#8221;margin_remove_bottom&#8221;:false,&#8221;title_element&#8221;:&#8221;h2&#8243;,&#8221;title_style&#8221;:&#8221;h2&#8243;},&#8221;name&#8221;:&#8221;H2&#8243;},{&#8220;type&#8221;:&#8221;headline&#8221;,&#8221;props&#8221;:{&#8220;content&#8221;:&#8221;Vorschlag zum Start in Woche 1&#8243;,&#8221;content_en_us&#8221;:&#8221;Proposal for the start in week 1&#8243;,&#8221;margin&#8221;:&#8221;default&#8221;,&#8221;margin_remove_bottom&#8221;:false,&#8221;title_element&#8221;:&#8221;h3&#8243;,&#8221;title_style&#8221;:&#8221;h3&#8243;},&#8221;name&#8221;:&#8221;H3&#8243;},{&#8220;type&#8221;:&#8221;text&#8221;,&#8221;props&#8221;:{&#8220;column_breakpoint&#8221;:&#8221;m&#8221;,&#8221;content&#8221;:&#8221;\n<ul>\\n<\/p>\n<li><strong>Ordnen Sie Ihre Felder<\\\/strong> den Namen im Arbeitsblatt zu. Achten Sie auf eine einheitliche Benennung.<\\\/li>\\n\n<li><strong>Legen Sie eine H\\u00e4ufigkeit fest<\\\/strong> (vorzugsweise w\\u00f6chentlich) und deflationieren Sie die monet\\u00e4ren Reihen mit dem Verbraucherpreisindex.<\\\/li>\\n\n<li><strong>Schlie\\u00dfen Sie die L\\u00fccken<\\\/strong>: Priorisieren Sie zuerst die erforderlichen Felder, dann die optionalen Erweiterungen.<\\\/li>\\n\n<li><strong>F\\u00fchren Sie einen Testlauf durch<\\\/strong>: Trend-, Saison- und \\u00dcbertragungsdiagnosen, bevor Sie \\u00fcber den ROI sprechen.<\\\/li>\\n\n<li><strong>Entscheiden Sie sich f\\u00fcr ein Basis-Tool<\\\/strong>: <a href=\\\"https:\\\/\\\/www.hopmann.com\\\/de\\\/blog\\\/marketing-mix-modeling-tools-im-vergleich\\\/\\\">Robyn, Meridian, Orbit<\\\/a> oder eine andere <a href=\\\"https:\\\/\\\/www.hopmann.com\\\/de\\\/marketing-analytics\\\/marketing-technology\\\/\\\">Technologie <\\\/a>aus Ihrem <a href=\\\"https:\\\/\\\/www.hopmann.com\\\/de\\\/marketing-analytics\\\/marketing-data-stack\\\/\\\">Marketing Data Stack<\\\/a>. Achten Sie auf Transparenz.<\\\/li>\\n<\\\/ul>\\n\n<ol><\\\/ol>&#8220;,&#8221;content_en_us&#8221;:&#8221;<\/p>\n<ul>\\n<\/p>\n<li><strong>Map your fields<\\\/strong> to the sheet\\u2019s names. Keep naming consistent.<\\\/li>\\n\n<li><strong>Lock a frequency<\\\/strong> (weekly preferred) and deflate monetary series with the Consumer Price Index (CPI).<\\\/li>\\n\n<li><strong>Close the gaps<\\\/strong>: prioritize required fields first, then optional enhancers.<\\\/li>\\n\n<li><strong>Run a dry fit<\\\/strong>: trend, seasonality, and carryover diagnostics before any ROI talk.<\\\/li>\\n\n<li><strong>Decide on a baseline tool<\\\/strong>: <a href=\\\"https:\\\/\\\/www.hopmann.com\\\/en\\\/blog\\\/marketing-mix-modeling-tools-comparison\\\/\\\">Robyn, Meridian, Orbit<\\\/a> or another <a href=\\\"https:\\\/\\\/www.hopmann.com\\\/en\\\/marketing-analytics\\\/marketing-technology\\\/\\\">technology<\\\/a> from your <a href=\\\"https:\\\/\\\/www.hopmann.com\\\/en\\\/marketing-analytics\\\/marketing-data-stack\\\/\\\">Marketing Data Stack<\\\/a>. Keep it transparent.<\\\/li>\\n<\\\/ul>\\n\n<ol><\\\/ol>&#8220;,&#8221;margin&#8221;:&#8221;medium&#8221;,&#8221;margin_remove_top&#8221;:true,&#8221;text_style&#8221;:&#8221;large&#8221;}},{&#8220;type&#8221;:&#8221;headline&#8221;,&#8221;props&#8221;:{&#8220;content&#8221;:&#8221;Was kann in vier bis sechs Wochen erwartet werden?&#8221;,&#8221;content_en_us&#8221;:&#8221;What can be expected in four to six weeks?&#8221;,&#8221;margin&#8221;:&#8221;default&#8221;,&#8221;margin_remove_bottom&#8221;:false,&#8221;title_element&#8221;:&#8221;h3&#8243;,&#8221;title_style&#8221;:&#8221;h3&#8243;},&#8221;name&#8221;:&#8221;H3&#8243;},{&#8220;type&#8221;:&#8221;text&#8221;,&#8221;props&#8221;:{&#8220;column_breakpoint&#8221;:&#8221;m&#8221;,&#8221;content&#8221;:&#8221;<\/p>\n<ul>\\n<\/p>\n<li><strong>ROI-Bereiche<\\\/strong>, die nach <strong>Kan\\u00e4len<\\\/strong> interpretiert werden k\\u00f6nnen<\\\/li>\\n\n<li>Umverteilungsentscheidungen auf der Grundlage von <strong>Budgetszenarien<\\\/strong><\\\/li>\\n\n<li>Abstimmung von <strong>Medien, Werbung und Vertriebskan\\u00e4len<\\\/strong><\\\/li>\\n\n<li><strong>Schulungen und Dokumentationen<\\\/strong> f\\u00fcr Teams zum Verst\\u00e4ndnis des Modells<\\\/li>\\n<\\\/ul>\\n\n<ol><\\\/ol>&#8220;,&#8221;content_en_us&#8221;:&#8221;<\/p>\n<ul>\\n<\/p>\n<li><strong>ROI<\\\/strong> ranges that can be interpreted by <strong>channel<\\\/strong><\\\/li>\\n\n<li>Reallocation decisions based on <strong>budget scenarios<\\\/strong><\\\/li>\\n\n<li>Alignment on <strong>media, promotion, and distribution channels<\\\/strong><\\\/li>\\n\n<li><strong>Training and documentation<\\\/strong> for teams to understand the model<\\\/li>\\n<\\\/ul>&#8220;,&#8221;margin&#8221;:&#8221;medium&#8221;,&#8221;margin_remove_top&#8221;:true,&#8221;text_style&#8221;:&#8221;large&#8221;}},{&#8220;type&#8221;:&#8221;headline&#8221;,&#8221;props&#8221;:{&#8220;content&#8221;:&#8221;Wie Hopmann Ihnen hilft&#8221;,&#8221;content_en_us&#8221;:&#8221;How Hopmann helps&#8221;,&#8221;margin&#8221;:&#8221;default&#8221;,&#8221;margin_remove_bottom&#8221;:false,&#8221;title_element&#8221;:&#8221;h2&#8243;,&#8221;title_style&#8221;:&#8221;h2&#8243;},&#8221;name&#8221;:&#8221;H2&#8243;},{&#8220;type&#8221;:&#8221;text&#8221;,&#8221;props&#8221;:{&#8220;column_breakpoint&#8221;:&#8221;m&#8221;,&#8221;content&#8221;:&#8221;\n<ul>\\n<\/p>\n<li><strong>Erkennung und Datenpr\\u00fcfung:<\\\/strong> Wir \\u00fcberpr\\u00fcfen Ihre Systeme anhand des Datenblatts und erstellen einen priorisierten Plan zum Schlie\\u00dfen von L\\u00fccken.<\\\/li>\\n\n<li><strong>Modellaufbau und -kalibrierung:<\\\/strong> Open-Source-MMM mit klarer Diagnostik, Lift-Checks und aussagekr\\u00e4ftigen Diagrammen.<\\\/li>\\n\n<li><strong>Kompetenztransfer und MMM-Trainings:<\\\/strong> Workshops und Vorlagen, damit das Modell verstanden, vertraut und wiederverwendet wird.<\\\/li>\\n<\\\/ul>\\n\n<p><strong>Empfohlene Ma\\u00dfnahme: <\\\/strong>Laden Sie die MMM-Datenanforderungen und das W\\u00f6rterbuch herunter und buchen Sie eine <a href=\\\"https:\\\/\\\/www.hopmann.com\\\/de\\\/kontakt\\\/\\\">30-min\\u00fctige Scoping-Sitzung<\\\/a>. Lassen Sie uns MMM von der Theorie in Budgetierungsentscheidungen umsetzen, die Bestand haben.<\\\/p>&#8220;,&#8221;content_en_us&#8221;:&#8221;<\/p>\n<ul>\\n<\/p>\n<li><strong>Discovery &amp; data audit:<\\\/strong> We review your systems against the sheet and create a prioritized gap plan.<\\\/li>\\n\n<li><strong>Model build &amp; calibration:<\\\/strong> Open-source MMM with clear diagnostics, lift checks, and business-friendly plots.<\\\/li>\\n\n<li><strong>Capability transfer and MMM trainings:<\\\/strong> Workshops and templates so the model is understood, trusted, and reused.<\\\/li>\\n<\\\/ul>\\n\n<p><strong>Recommended Action:<\\\/strong> Download the MMM Data Requirements &amp; Dictionary and <a href=\\\"https:\\\/\\\/www.hopmann.com\\\/en\\\/contact\\\/\\\">book a 30-minute scoping session<\\\/a>. Let\\u2019s turn MMM from theory into budgeting decisions that stick.<\\\/p>&#8220;,&#8221;margin&#8221;:&#8221;medium&#8221;,&#8221;margin_remove_top&#8221;:true,&#8221;text_style&#8221;:&#8221;large&#8221;}},{&#8220;type&#8221;:&#8221;headline&#8221;,&#8221;props&#8221;:{&#8220;content&#8221;:&#8221;FAQ zu Marketing Mix Modeling Daten&#8221;,&#8221;content_en_us&#8221;:&#8221;FAQ on Marketing Mix Modeling Data&#8221;,&#8221;margin&#8221;:&#8221;default&#8221;,&#8221;margin_remove_bottom&#8221;:false,&#8221;title_element&#8221;:&#8221;h2&#8243;,&#8221;title_style&#8221;:&#8221;h2&#8243;},&#8221;name&#8221;:&#8221;H2&#8243;},{&#8220;type&#8221;:&#8221;accordion&#8221;,&#8221;props&#8221;:{&#8220;collapsible&#8221;:true,&#8221;content_column_breakpoint&#8221;:&#8221;m&#8221;,&#8221;image_align&#8221;:&#8221;top&#8221;,&#8221;image_grid_breakpoint&#8221;:&#8221;m&#8221;,&#8221;image_grid_width&#8221;:&#8221;1-2&#8243;,&#8221;image_svg_color&#8221;:&#8221;emphasis&#8221;,&#8221;link_style&#8221;:&#8221;default&#8221;,&#8221;link_text&#8221;:&#8221;Read more&#8221;,&#8221;show_image&#8221;:true,&#8221;show_link&#8221;:true},&#8221;children&#8221;:[{&#8220;type&#8221;:&#8221;accordion_item&#8221;,&#8221;props&#8221;:{&#8220;content&#8221;:&#8221;<\/p>\n<p>Ja. MMM arbeitet mit aggregierten Zeitreihen auf Wochen- oder Tagesebene und ben\\u00f6tigt keine Nutzer-IDs oder Cookies. Dadurch ist MMM grunds\\u00e4tzlich datenschutzfreundlich und geeignet f\\u00fcr eine Welt nach Third-Party-Cookies. Wichtig ist die saubere Aggregation Ihrer KPI-, Media-, Preis- und Kontextdaten \\u2013 nicht das Tracking einzelner Personen.<\\\/p>&#8220;,&#8221;content_en_us&#8221;:&#8221;<\/p>\n<p>Yes. MMM uses aggregated time-series data (weekly or daily) and does not rely on user-level tracking or cookies. That makes MMM inherently privacy-friendly and future-proof in a post-cookie environment. What matters is clean aggregation of KPIs, media, pricing, and context \\u2013 not identifying individuals.<\\\/p>&#8220;,&#8221;title&#8221;:&#8221;Funktioniert MMM ohne Cookies? &#8220;,&#8221;title_en_us&#8221;:&#8221;Does MMM work without cookies?&#8221;}},{&#8220;type&#8221;:&#8221;accordion_item&#8221;,&#8221;props&#8221;:{&#8220;content&#8221;:&#8221;<\/p>\n<p>Als Daumenregel empfehlen wir mindestens 104 Wochen, um Saisonalit\\u00e4ten, Budgetschwankungen und externe Effekte stabil zu erfassen. Starten kann man in Einzelf\\u00e4llen auch mit 78\\u2013104 Wochen, wenn es ausreichend Variation im Spend und ein starkes Signal gibt. Mehr Historie erh\\u00f6ht Modellstabilit\\u00e4t und Prognoseg\\u00fcte, vor allem in M\\u00e4rkten mit starken saisonalen Mustern.<\\\/p>&#8220;,&#8221;content_en_us&#8221;:&#8221;<\/p>\n<p>As a rule of thumb, target 104+ weeks to capture seasonality, budget variation, and external shocks. You can start with 78\\u2013104 weeks when the signal is strong and spend variation is sufficient, but more history typically improves stability and forecast accuracy.<\\\/p>&#8220;,&#8221;title&#8221;:&#8221;Wie viel Historie ist ausreichend?&#8221;,&#8221;title_en_us&#8221;:&#8221;How much historical data do we need?&#8221;}},{&#8220;type&#8221;:&#8221;accordion_item&#8221;,&#8221;props&#8221;:{&#8220;content&#8221;:&#8221;<\/p>\n<p>Pro Kanal reicht in der Regel eine Eingangsgr\\u00f6\\u00dfe: entweder Nettoausgaben oder ein Reichweiten-\\\/Druckma\\u00df wie GRPs. F\\u00fcr TV sollten Sie sich entscheiden und nicht beides parallel f\\u00fcttern, um Doppelz\\u00e4hlungen zu vermeiden. Technisch werden die Inputs (z. B. Spend oder GRPs) anschlie\\u00dfend \\u00fcber Adstock und S\\u00e4ttigung transformiert, damit Carryover-Effekte und abnehmende Grenzertr\\u00e4ge korrekt abgebildet werden.<\\\/p>&#8220;,&#8221;content_en_us&#8221;:&#8221;<\/p>\n<p>Use one input per channel. For TV, pick either spend or GRPs (not both) to avoid double counting. The chosen inputs are then transformed with adstock and saturation to reflect carryover and diminishing returns.<\\\/p>&#8220;,&#8221;title&#8221;:&#8221;Ben\\u00f6tige ich Gross Rating Points (GRPs) oder Ausgaben?&#8221;,&#8221;title_en_us&#8221;:&#8221;Do we need Gross Rating Points (GRPs) or spend?&#8221;}},{&#8220;type&#8221;:&#8221;accordion_item&#8221;,&#8221;props&#8221;:{&#8220;content&#8221;:&#8221;<\/p>\n<p>Ja. Marken-KPIs wie Bekanntheit, Consideration oder Organic Brand Search lassen sich als langsam reagierende Kontrollvariablen einbauen. In der Praxis gl\\u00e4tten und verz\\u00f6gern wir diese Reihen (z. B. per gleitendem Mittel und Lag), damit kurzfristige Media-Impulse nicht \\u201edoppelt\\u201c erkl\\u00e4rt werden und Overfitting vermieden wird. Sowohl moderne Open-Source-Frameworks als auch Meridian unterst\\u00fctzen solche Spezifikationen.<\\\/p>&#8220;,&#8221;content_en_us&#8221;:&#8221;<\/p>\n<p>Yes. Brand KPIs like awareness, consideration, or organic brand search can be included as slow-moving controls. In practice, smooth and lag these series so short-term media pulses aren\\u2019t \\u201cexplained twice,\\u201d which helps reduce overfitting. Modern MMM frameworks and Google Meridian support such specifications.<\\\/p>&#8220;,&#8221;title&#8221;:&#8221;K\\u00f6nnen wir Markenmetriken einbeziehen?&#8221;,&#8221;title_en_us&#8221;:&#8221;Can we include brand metrics?&#8221;}},{&#8220;type&#8221;:&#8221;accordion_item&#8221;,&#8221;props&#8221;:{&#8220;content&#8221;:&#8221;<\/p>\n<p>Es gibt drei robuste Wege, die sich idealerweise erg\\u00e4nzen:<\\\/p>\\n<\/p>\n<ol>\\n<\/p>\n<li><strong>Holdouts<\\\/strong> im Modell: Ein Teil der Zeit- oder Geo-Daten wird nicht zum Training genutzt und dient der Out-of-Sample-Validierung.<\\\/li>\\n\n<li><strong>Kalibrierung<\\\/strong> mit Experimenten: Liegen belastbare Lift-Ergebnisse vor, k\\u00f6nnen sie als Priors\\\/Anker genutzt werden, damit Modell-<a href=\\\"https:\\\/\\\/www.hopmann.com\\\/de\\\/blog\\\/roas-verstehen-optimieren\\\/\\\">ROAS<\\\/a> und Experiment-ROAS konsistent sind.<\\\/li>\\n\n<li><strong>Inkrementalit\\u00e4tstests<\\\/strong> (Geo-Experimente): Mit Tools wie GeoLift lassen sich kausale Effekte \\u00fcber Test-\\\/Kontroll-Regionen sch\\u00e4tzen und anschlie\\u00dfend gegen MMM triangulieren.<\\\/li>\\n<\\\/ol>&#8220;,&#8221;content_en_us&#8221;:&#8221;\n<p><strong>Combine three approaches:<\\\/strong><\\\/p>\\n<\/p>\n<ol>\\n<\/p>\n<li><strong>Holdouts inside the model:<\\\/strong> keep out a portion of time or geo data for out-of-sample checks.<\\\/li>\\n\n<li><strong>Calibration with experiments:<\\\/strong> when high-quality lift tests exist, use them as priors\\\/anchors so modeled <a href=\\\"https:\\\/\\\/www.hopmann.com\\\/en\\\/blog\\\/roas-understanding-optimizing\\\/\\\">ROAS <\\\/a>aligns with experimental ROAS.<\\\/li>\\n\n<li><strong>Incrementality tests<\\\/strong> (geo experiments): tools like GeoLift estimate causal lift via treated vs. control regions and triangulate with MMM.<\\\/li>\\n<\\\/ol>&#8220;,&#8221;title&#8221;:&#8221;Wie validieren wir den ROI?&#8221;,&#8221;title_en_us&#8221;:&#8221;How do we validate ROI?&#8221;}}]},{&#8220;type&#8221;:&#8221;text&#8221;,&#8221;props&#8221;:{&#8220;column_breakpoint&#8221;:&#8221;m&#8221;,&#8221;content&#8221;:&#8221;\n<ol>\\n<\/p>\n<li><strong>Funktioniert MMM ohne Cookies?<\\\/strong> Ja. MMM verwendet aggregierte Zeitreihen und kann vollst\\u00e4ndig datenschutzkonform ausgef\\u00fchrt werden.<\\\/li>\\n\n<li><strong>Wie viel Historie ist ausreichend?<\\\/strong> Idealerweise 104+ Wochen. Sie k\\u00f6nnen mit 78\\u2013104 Wochen beginnen, wenn das Signal stark ist.<\\\/li>\\n\n<li><strong>Ben\\u00f6tige ich GRPs oder Ausgaben?<\\\/strong> Verwenden Sie eines pro Kanal. Verwenden Sie f\\u00fcr TV entweder Ausgaben oder GRPs, nicht beides.<\\\/li>\\n\n<li><strong>K\\u00f6nnen wir Markenmetriken einbeziehen?<\\\/strong> Ja, als langsam reagierende Kontrollen. Gl\\u00e4tten und verz\\u00f6gern Sie sie, um \\u00dcberanpassungen zu vermeiden.<\\\/li>\\n\n<li><strong>Wie validieren wir den ROI?<\\\/strong> Verwenden Sie Holdouts oder Kalibrierungen mit bekannten Steigerungen; triangulieren Sie nach M\\u00f6glichkeit mit Experimenten.<\\\/li>\\n<\\\/ol>\\n\n<p><!-- notionvc: eff77a8d-1022-4135-a077-5e6be35e7431 --><\\\/p>\\n<\/p>\n<ol><\\\/ol>&#8220;,&#8221;content_en_us&#8221;:&#8221;<\/p>\n<ol>\\n<\/p>\n<li><strong>Does MMM work without cookies?<\\\/strong> Yes. MMM uses aggregated time series and can run fully privacy-safe.<\\\/li>\\n\n<li><strong>How much history is enough?<\\\/strong> Ideally 104+ weeks. You can start with 78\\u2013104 weeks if the signal is strong.<\\\/li>\\n\n<li><strong>Do I need GRPs or spend?<\\\/strong> Use one per channel. For TV use spend or GRPs, not both.<\\\/li>\\n\n<li><strong>Can we include brand metrics?<\\\/strong> Yes, as slow-moving controls. Smooth and lag them to avoid overfitting.<\\\/li>\\n\n<li><strong>How do we validate ROI?<\\\/strong> Use holdouts or calibration with known lifts; triangulate with experiments where possible.<\\\/li>\\n<\\\/ol>&#8220;,&#8221;margin&#8221;:&#8221;medium&#8221;,&#8221;margin_remove_top&#8221;:true,&#8221;status&#8221;:&#8221;disabled&#8221;,&#8221;text_style&#8221;:&#8221;large&#8221;}},{&#8220;type&#8221;:&#8221;html&#8221;,&#8221;props&#8221;:{&#8220;content&#8221;:&#8221;&#8221;},&#8221;name&#8221;:&#8221;&#8212; \\\/\\\/ Content Ende \\\/\\\/ &#8212;&#8220;},{&#8220;type&#8221;:&#8221;fragment&#8221;,&#8221;props&#8221;:{&#8220;margin&#8221;:&#8221;default&#8221;},&#8221;children&#8221;:[{&#8220;type&#8221;:&#8221;row&#8221;,&#8221;props&#8221;:{&#8220;css&#8221;:&#8221;.el-row {\\n\\tmargin-top: 70px;\\n}&#8221;,&#8221;margin_remove_bottom&#8221;:true},&#8221;children&#8221;:[{&#8220;type&#8221;:&#8221;column&#8221;,&#8221;props&#8221;:{&#8220;image_position&#8221;:&#8221;center-center&#8221;,&#8221;position_sticky_breakpoint&#8221;:&#8221;m&#8221;},&#8221;children&#8221;:[{&#8220;type&#8221;:&#8221;divider&#8221;,&#8221;props&#8221;:{&#8220;divider_element&#8221;:&#8221;hr&#8221;}}]}]},{&#8220;type&#8221;:&#8221;row&#8221;,&#8221;props&#8221;:{&#8220;class&#8221;:&#8221;blog-pager&#8221;,&#8221;layout&#8221;:&#8221;1-2,1-2&#8243;,&#8221;margin&#8221;:&#8221;small&#8221;},&#8221;children&#8221;:[{&#8220;type&#8221;:&#8221;column&#8221;,&#8221;props&#8221;:{&#8220;image_position&#8221;:&#8221;center-center&#8221;,&#8221;position_sticky_breakpoint&#8221;:&#8221;m&#8221;,&#8221;width_default&#8221;:&#8221;1-2&#8243;,&#8221;width_medium&#8221;:&#8221;1-2&#8243;},&#8221;children&#8221;:[{&#8220;type&#8221;:&#8221;button&#8221;,&#8221;props&#8221;:{&#8220;class&#8221;:&#8221;blog-pager&#8221;,&#8221;grid_column_gap&#8221;:&#8221;small&#8221;,&#8221;grid_row_gap&#8221;:&#8221;small&#8221;,&#8221;margin&#8221;:&#8221;remove-vertical&#8221;},&#8221;children&#8221;:[{&#8220;type&#8221;:&#8221;button_item&#8221;,&#8221;props&#8221;:{&#8220;button_style&#8221;:&#8221;&#8221;,&#8221;content&#8221;:&#8221;Vorheriger Artikel&#8221;,&#8221;content_en_us&#8221;:&#8221;Previous article&#8221;,&#8221;dialog_layout&#8221;:&#8221;modal&#8221;,&#8221;dialog_offcanvas_flip&#8221;:true,&#8221;icon&#8221;:&#8221;chevron-left&#8221;,&#8221;icon_align&#8221;:&#8221;left&#8221;},&#8221;source&#8221;:{&#8220;query&#8221;:{&#8220;name&#8221;:&#8221;blogs.singlePreviousBlog&#8221;},&#8221;props&#8221;:{&#8220;link&#8221;:{&#8220;filters&#8221;:{&#8220;search&#8221;:&#8221;&#8221;},&#8221;name&#8221;:&#8221;link&#8221;}}}}]}]},{&#8220;type&#8221;:&#8221;column&#8221;,&#8221;props&#8221;:{&#8220;image_position&#8221;:&#8221;center-center&#8221;,&#8221;position_sticky_breakpoint&#8221;:&#8221;m&#8221;,&#8221;width_default&#8221;:&#8221;1-2&#8243;,&#8221;width_medium&#8221;:&#8221;1-2&#8243;},&#8221;children&#8221;:[{&#8220;type&#8221;:&#8221;button&#8221;,&#8221;props&#8221;:{&#8220;grid_column_gap&#8221;:&#8221;small&#8221;,&#8221;grid_row_gap&#8221;:&#8221;small&#8221;,&#8221;margin&#8221;:&#8221;remove-vertical&#8221;,&#8221;text_align&#8221;:&#8221;right&#8221;},&#8221;children&#8221;:[{&#8220;type&#8221;:&#8221;button_item&#8221;,&#8221;props&#8221;:{&#8220;button_style&#8221;:&#8221;&#8221;,&#8221;content&#8221;:&#8221;N\\u00e4chster Artikel&#8221;,&#8221;content_en_us&#8221;:&#8221;Next article&#8221;,&#8221;dialog_layout&#8221;:&#8221;modal&#8221;,&#8221;dialog_offcanvas_flip&#8221;:true,&#8221;icon&#8221;:&#8221;chevron-right&#8221;,&#8221;icon_align&#8221;:&#8221;right&#8221;},&#8221;source&#8221;:{&#8220;query&#8221;:{&#8220;name&#8221;:&#8221;blogs.singleNextBlog&#8221;},&#8221;props&#8221;:{&#8220;link&#8221;:{&#8220;filters&#8221;:{&#8220;search&#8221;:&#8221;&#8221;},&#8221;name&#8221;:&#8221;link&#8221;}}}}]}]}]},{&#8220;type&#8221;:&#8221;row&#8221;,&#8221;props&#8221;:{&#8220;margin_remove_top&#8221;:true},&#8221;children&#8221;:[{&#8220;type&#8221;:&#8221;column&#8221;,&#8221;props&#8221;:{&#8220;image_position&#8221;:&#8221;center-center&#8221;,&#8221;position_sticky_breakpoint&#8221;:&#8221;m&#8221;},&#8221;children&#8221;:[{&#8220;type&#8221;:&#8221;divider&#8221;,&#8221;props&#8221;:{&#8220;divider_element&#8221;:&#8221;hr&#8221;,&#8221;margin&#8221;:&#8221;medium&#8221;,&#8221;margin_remove_top&#8221;:true}}]}]}]}]},{&#8220;type&#8221;:&#8221;column&#8221;,&#8221;props&#8221;:{&#8220;image_position&#8221;:&#8221;center-center&#8221;,&#8221;position_sticky&#8221;:&#8221;column&#8221;,&#8221;position_sticky_breakpoint&#8221;:&#8221;m&#8221;,&#8221;position_sticky_offset&#8221;:&#8221;120&#8243;,&#8221;width_large&#8221;:&#8221;1-3&#8243;},&#8221;children&#8221;:[{&#8220;type&#8221;:&#8221;headline&#8221;,&#8221;props&#8221;:{&#8220;block_align&#8221;:&#8221;right&#8221;,&#8221;block_align_breakpoint&#8221;:&#8221;l&#8221;,&#8221;content&#8221;:&#8221;Neueste Artikel&#8221;,&#8221;content_en_us&#8221;:&#8221;Latest articles&#8221;,&#8221;margin_remove_bottom&#8221;:false,&#8221;maxwidth&#8221;:&#8221;medium&#8221;,&#8221;maxwidth_breakpoint&#8221;:&#8221;l&#8221;,&#8221;title_element&#8221;:&#8221;div&#8221;,&#8221;title_style&#8221;:&#8221;h6&#8243;}},{&#8220;type&#8221;:&#8221;grid&#8221;,&#8221;props&#8221;:{&#8220;block_align&#8221;:&#8221;right&#8221;,&#8221;block_align_breakpoint&#8221;:&#8221;l&#8221;,&#8221;class&#8221;:&#8221;articles-sm&#8221;,&#8221;content&#8221;:&#8221;Neueste Artikel&#8221;,&#8221;content_column_breakpoint&#8221;:&#8221;m&#8221;,&#8221;filter_align&#8221;:&#8221;left&#8221;,&#8221;filter_all&#8221;:true,&#8221;filter_grid_breakpoint&#8221;:&#8221;m&#8221;,&#8221;filter_grid_width&#8221;:&#8221;auto&#8221;,&#8221;filter_position&#8221;:&#8221;top&#8221;,&#8221;filter_style&#8221;:&#8221;tab&#8221;,&#8221;grid_default&#8221;:&#8221;1&#8243;,&#8221;grid_divider&#8221;:true,&#8221;grid_medium&#8221;:&#8221;&#8221;,&#8221;grid_row_gap&#8221;:&#8221;small&#8221;,&#8221;icon_width&#8221;:80,&#8221;image_align&#8221;:&#8221;top&#8221;,&#8221;image_grid_breakpoint&#8221;:&#8221;&#8221;,&#8221;image_grid_width&#8221;:&#8221;auto&#8221;,&#8221;image_svg_color&#8221;:&#8221;emphasis&#8221;,&#8221;image_vertical_align&#8221;:true,&#8221;item_animation&#8221;:true,&#8221;lightbox_bg_close&#8221;:true,&#8221;link_style&#8221;:&#8221;default&#8221;,&#8221;link_text&#8221;:&#8221;&#8221;,&#8221;margin&#8221;:&#8221;default&#8221;,&#8221;maxwidth&#8221;:&#8221;medium&#8221;,&#8221;maxwidth_breakpoint&#8221;:&#8221;l&#8221;,&#8221;meta_align&#8221;:&#8221;above-title&#8221;,&#8221;meta_element&#8221;:&#8221;div&#8221;,&#8221;meta_style&#8221;:&#8221;text-small&#8221;,&#8221;panel_expand&#8221;:false,&#8221;panel_image_no_padding&#8221;:true,&#8221;panel_link&#8221;:true,&#8221;show_content&#8221;:true,&#8221;show_hover_image&#8221;:true,&#8221;show_hover_video&#8221;:true,&#8221;show_image&#8221;:true,&#8221;show_link&#8221;:true,&#8221;show_meta&#8221;:true,&#8221;show_title&#8221;:true,&#8221;show_video&#8221;:true,&#8221;title_align&#8221;:&#8221;top&#8221;,&#8221;title_element&#8221;:&#8221;div&#8221;,&#8221;title_font_family&#8221;:&#8221;tertiary&#8221;,&#8221;title_grid_breakpoint&#8221;:&#8221;m&#8221;,&#8221;title_grid_width&#8221;:&#8221;1-2&#8243;,&#8221;title_hover_style&#8221;:&#8221;reset&#8221;,&#8221;title_margin&#8221;:&#8221;remove&#8221;},&#8221;children&#8221;:[{&#8220;type&#8221;:&#8221;grid_item&#8221;,&#8221;props&#8221;:{&#8220;yooessentials_access_conditions&#8221;:[],&#8221;yooessentials_access_mode&#8221;:&#8221;AND&#8221;},&#8221;source&#8221;:{&#8220;query&#8221;:{&#8220;name&#8221;:&#8221;blogs.customBlogs&#8221;,&#8221;arguments&#8221;:{&#8220;users&#8221;:[],&#8221;users_operator&#8221;:&#8221;IN&#8221;,&#8221;offset&#8221;:0,&#8221;limit&#8221;:5,&#8221;order&#8221;:&#8221;date&#8221;,&#8221;order_direction&#8221;:&#8221;DESC&#8221;,&#8221;terms&#8221;:[],&#8221;blog_kategorie_operator&#8221;:&#8221;IN&#8221;}},&#8221;props&#8221;:{&#8220;title&#8221;:{&#8220;filters&#8221;:{&#8220;search&#8221;:&#8221;&#8221;},&#8221;name&#8221;:&#8221;title&#8221;},&#8221;meta&#8221;:{&#8220;filters&#8221;:{&#8220;search&#8221;:&#8221;&#8221;},&#8221;name&#8221;:&#8221;field.subline&#8221;},&#8221;link&#8221;:{&#8220;filters&#8221;:{&#8220;search&#8221;:&#8221;&#8221;},&#8221;name&#8221;:&#8221;link&#8221;}}}}]},{&#8220;type&#8221;:&#8221;headline&#8221;,&#8221;props&#8221;:{&#8220;block_align&#8221;:&#8221;right&#8221;,&#8221;block_align_breakpoint&#8221;:&#8221;l&#8221;,&#8221;content&#8221;:&#8221;Kategorien&#8221;,&#8221;content_en_us&#8221;:&#8221;Categories&#8221;,&#8221;margin&#8221;:&#8221;large&#8221;,&#8221;margin_remove_bottom&#8221;:true,&#8221;maxwidth&#8221;:&#8221;medium&#8221;,&#8221;maxwidth_breakpoint&#8221;:&#8221;l&#8221;,&#8221;title_element&#8221;:&#8221;div&#8221;,&#8221;title_style&#8221;:&#8221;h6&#8243;,&#8221;yooessentials_access_conditions&#8221;:[{&#8220;type&#8221;:&#8221;yooessentials_access_dynamic&#8221;,&#8221;id&#8221;:&#8221;ci_AD8A0F&#8221;,&#8221;props&#8221;:{&#8220;condition&#8221;:&#8221;!&#8221;,&#8221;reversed&#8221;:true},&#8221;source_extended&#8221;:{&#8220;props&#8221;:{&#8220;value&#8221;:{&#8220;name&#8221;:&#8221;blog_kategorieString&#8221;,&#8221;query&#8221;:{&#8220;name&#8221;:&#8221;#parent&#8221;}}}}}],&#8221;yooessentials_access_mode&#8221;:&#8221;AND&#8221;}},{&#8220;type&#8221;:&#8221;list&#8221;,&#8221;props&#8221;:{&#8220;block_align&#8221;:&#8221;right&#8221;,&#8221;block_align_breakpoint&#8221;:&#8221;l&#8221;,&#8221;class&#8221;:&#8221;tag-list&#8221;,&#8221;column_breakpoint&#8221;:&#8221;m&#8221;,&#8221;content&#8221;:&#8221;Kategorien&#8221;,&#8221;image_align&#8221;:&#8221;left&#8221;,&#8221;image_svg_color&#8221;:&#8221;emphasis&#8221;,&#8221;image_vertical_align&#8221;:true,&#8221;list_element&#8221;:&#8221;ul&#8221;,&#8221;list_horizontal_separator&#8221;:&#8221;&#8221;,&#8221;list_type&#8221;:&#8221;horizontal&#8221;,&#8221;margin&#8221;:&#8221;small&#8221;,&#8221;maxwidth&#8221;:&#8221;medium&#8221;,&#8221;maxwidth_breakpoint&#8221;:&#8221;l&#8221;,&#8221;show_image&#8221;:true,&#8221;show_link&#8221;:true},&#8221;children&#8221;:[{&#8220;type&#8221;:&#8221;list_item&#8221;,&#8221;source&#8221;:{&#8220;query&#8221;:{&#8220;name&#8221;:&#8221;blogs.singleBlog&#8221;,&#8221;field&#8221;:{&#8220;name&#8221;:&#8221;blog_kategories&#8221;,&#8221;directives&#8221;:[{&#8220;name&#8221;:&#8221;slice&#8221;,&#8221;arguments&#8221;:{&#8220;offset&#8221;:0}}]}},&#8221;props&#8221;:{&#8220;content&#8221;:{&#8220;filters&#8221;:{&#8220;search&#8221;:&#8221;&#8221;},&#8221;name&#8221;:&#8221;name&#8221;},&#8221;link&#8221;:{&#8220;filters&#8221;:{&#8220;search&#8221;:&#8221;&#8221;},&#8221;name&#8221;:&#8221;link&#8221;}}}}]}]}]}],&#8221;name&#8221;:&#8221;Blog V8 &#8211; 10\\\/25&#8243;,&#8221;source&#8221;:{&#8220;query&#8221;:{&#8220;name&#8221;:&#8221;blogs.singleBlog&#8221;}}}],&#8221;version&#8221;:&#8221;4.5.31&#8243;,&#8221;yooessentialsVersion&#8221;:&#8221;2.4.9&#8243;} &#8211;><br \/>\n","protected":false},"featured_media":12391,"template":"","blog-kategorie":[95,41],"class_list":["post-12345","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-kategorie-marketing-science","blog-kategorie-best-practice"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.hopmann.com\/en\/wp-json\/wp\/v2\/blog\/12345","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.hopmann.com\/en\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.hopmann.com\/en\/wp-json\/wp\/v2\/types\/blog"}],"version-history":[{"count":1,"href":"https:\/\/www.hopmann.com\/en\/wp-json\/wp\/v2\/blog\/12345\/revisions"}],"predecessor-version":[{"id":12390,"href":"https:\/\/www.hopmann.com\/en\/wp-json\/wp\/v2\/blog\/12345\/revisions\/12390"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.hopmann.com\/en\/wp-json\/wp\/v2\/media\/12391"}],"wp:attachment":[{"href":"https:\/\/www.hopmann.com\/en\/wp-json\/wp\/v2\/media?parent=12345"}],"wp:term":[{"taxonomy":"blog-kategorie","embeddable":true,"href":"https:\/\/www.hopmann.com\/en\/wp-json\/wp\/v2\/blog-kategorie?post=12345"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}