2024–2025 · mehrere DACH-Läufe Abgeschlossen ✓

Response vs. DLV-Optimierung:
Zwei Strategien. Zwei Wahrheiten.

Ausgangshypothese
Wer auf Response optimiert bekommt mehr Antworten. Wer auf DLV optimiert bekommt mehr Ertrag. Können beide gleichzeitig stimmen — oder schließen sie sich aus?
Die Zahlen
Strategie A — Response-Fokus
+15,5%
Response-Uplift
-10,8% Ø-Spende  ·  +3,6% Ertrag/Mail
Strategie B — DLV-Fokus
+9,8%
Ertrag/Mail
-7,7% Response  ·  +17,9% Ø-Spende
Das Test-Setup

Selbes Mailing. Selber Zeitraum. Selbe Organisation. Drei Gruppen:

A
Response-Selektion — Kontakte mit höchster prognostizierter Response-Wahrscheinlichkeit. Ziel: maximale Antwortrate.
B
DLV-Selektion — Kontakte mit höchstem prognostizierten Donor Lifetime Value. Ziel: maximaler Ertrag pro Brief.
A∩B
Schnittmenge — Kontakte die in beiden Gruppen auftauchen. Liefert oft den besten kombinierten Wert.
Das entscheidende Ergebnis

Strategie B liefert weniger Antworten — aber mehr pro Brief. Strategie A liefert mehr Antworten — aber weniger Ertrag.

Wenn dein Ziel der Gesamterlös ist: DLV gewinnt. Wenn du Engagement-Signale für die Donor Journey brauchst: Response hat ebenfalls Wert.

Keine Strategie ist universell besser. Die richtige Wahl hängt davon ab was du messen willst — und für welchen Zeitraum du optimierst.

Einschränkung
DLV-Modelle brauchen ausreichend Spendenhistorie
In Organisationen mit weniger als 3 abgeschlossenen Mailing-Wellen ist die Datenbasis zu dünn für verlässliche DLV-Prognosen. In diesen Fällen ist Response-Optimierung die sicherere Wahl — bis genug Daten vorhanden sind.
Was wir gelernt haben
01

Die Frage "welche Strategie ist besser?" ist falsch gestellt

Besser für was? Response oder Ertrag? Kurzfristig oder langfristig? Die richtige Frage ist: was ist das Ziel dieser Kampagne?

02

DLV-Optimierung ist nicht intuitiv — das erzeugt Widerstand

Weniger Antworten bei gleicher Auflage sieht wie Misserfolg aus. Intern braucht es Überzeugungsarbeit um zu erklären warum +9,8% Ertrag trotz -7,7% Response ein besseres Ergebnis ist.

03

Die Schnittmenge (A∩B) ist oft die stabilste Lösung

Kontakte die beide Kriterien erfüllen zeigen in Tests konsistent gute Ergebnisse auf beiden Dimensionen. Guter Kompromiss wenn man sich nicht entscheiden will.

04

Mindestens 3 Mailing-Wellen Datenhistorie vor DLV-Einsatz

Mit weniger Daten ist das DLV-Modell zu unsicher. Response-Optimierung ist dann die bessere Wahl — mit dem Plan, DLV nach dem dritten Lauf einzuführen.

Dieses Experiment hat uns weitergebracht. Welches Problem willst du als nächstes lösen?

Gespräch buchen → Alle Experimente