Das Setup
Der Gründer einer bootstrapped Fitness-App kam mit einer klaren Bitte zu mir, nämlich Hilfe beim Skalieren mit bezahlten Anzeigen.
Auf dem Papier sah alles vielversprechend aus:
- Budget: 1.500 $/Tag, ein monatliches Budget von etwa 45.000 $
- Creatives: 40+ Varianten testbereit
- Ziel: 15 $ Kosten pro Trial
- Fundament: Organische Traktion, positive Unit Economics, treue Nutzerbasis
Das Ziel war klar. Die Ressourcen waren da. Wir legten los.
Was wir taten
Wir verbesserten das Tracking. Konform mit Apples ATT-Regeln. Korrekt feuernde Conversion-Events. Wir richteten geblendetes Measurement über vier Plattformen ein (Meta, App Store Connect, RevenueCat, Mixpanel). Keine einzelne Quelle erzählt die ganze Wahrheit.
Wir stellten schnell fest, dass Meta im Vergleich zu internen Tools nur einen Teil der tatsächlichen Conversions erfasste. Klar. Attributionslücken sind real.
Wir testeten Audiences. Altersgruppen. Geografische Märkte (US, UK). Wir arbeiteten Creative-Konzepte methodisch durch.
Der Fortschritt
Es funktionierte. Irgendwie.
Der CPT fiel von 60 bis 90 $ beim Launch auf 30 bis 40 $ innerhalb weniger Wochen. Ich hatte mehr erwartet.
Dann stoppte es.
Die Wand
30 $ CPT. Dort blieben wir stecken.
40+ Creatives getestet. Der Algorithmus konzentrierte 90% des Spends auf zwei “Gewinner”. Keiner traf unser Ziel von 15 $.
Uns wurde klar, dass bei 30 $ CPT jeder neue Test teuer ist.
- Ein Creative-Konzept richtig testen? 300 $+ bevor Sie Signal bekommen.
- Jeder Test dauert 7 Tage wegen der Trial-Fenster. Die Conversion zu Paid wird von vielen Elementen beeinflusst.
- Metas oft zitierte Faustregel liegt bei etwa 50 Events pro Anzeigengruppe pro Woche, um die Lernphase zu verlassen.
Wir hatten aber Ideen.
Influencer-Content. Neue Märkte. Tiefe Analysen nach Altersgruppe. Direktkaufoptimierung.
Wir konnten es uns nur nicht leisten, das bei diesem CPT ordentlich zu testen.
Das andere Problem
Als wir tiefer gruben, fanden wir etwas Grundlegenderes als Kampagnenoptimierung.
Zwei Audiences. Ein Produkt.
Audience A: Enthusiasten. Bereits geübt. Wollen zu Hause trainieren und brauchen die richtige Ausrüstung. Konvertieren gut. Die Gruppe ist aber zu klein, und Meta findet sie nicht in Skala.
Audience B: Anfänger. Neugierig. Wollen von Grund auf lernen. Großer Markt. Die Produkterfahrung war aber noch nicht für sie gebaut.
Unsere besten Creatives zogen Audience A an. Aber A ist zu nischig, als dass Metas Algorithmus sie effizient targeten könnte. Audience B klickte, churnte dann aber, weil die App zu viel Können voraussetzte.
Das ist ein Product-Market-Marketing-Fit-Problem, das in der Ad-Performance sichtbar wird.
Das schwierige Gespräch
Tag 25. Wir setzten uns hin und stellten die eigentliche Frage:
“Sollten wir weiter ausgeben?”
Der CPT war hoch für uns. Er war auch hoch verglichen mit Branchen-Benchmarks. Kleine Creative-Anpassungen würden die Kosten nicht halbieren. Wir brauchten strukturelle Änderungen.
Budget zu verbrennen in der Hoffnung auf “vielleicht”-Signale ergab keinen Sinn.
Manchmal muss man einem Gründer “noch nicht” sagen.
Was würde es brauchen?
Wir kartierten, was passieren müsste, damit Meta funktioniert.
Auf der Testing-Seite:
- Influencer-Partnerschaften für authentisches Creative
- Neue Märkte mit niedrigeren CPMs
- Optimierung nach Altersgruppe
- Direkter Kauf-Flow (Trials ganz überspringen)
Auf der Produktseite:
- Individuelle App-Store-Seiten für jede Audience
- Getrennte Onboarding-Flows nach Skill-Level
- Maßgeschneiderte Content-Experience
Ein Produkt kann zwei Audiences bedienen. Aber nicht mit einem Funnel.
Das Ergebnis
Wir pausierten.
Nicht weil Meta “nicht funktioniert”. Die Bedingungen, damit es funktioniert, waren noch nicht gegeben.
Der Plan:
- Meta-Spend pausieren. Die Blutung stoppen.
- Produktarbeit. Getrennte Funnels für jede Audience bauen.
- Reserven aufbauen. Budget für richtiges Testing später sparen.
- In 6 Monaten zurückkommen. Mit Klarheit und Ressourcen, um richtig zu testen.
5 Lektionen daraus
- Hoher CPT macht jeden Test teuer. Bei 30 $ pro Trial können Sie nicht schnell iterieren. Testing-Geschwindigkeit zählt.
- Zu wissen, was man testen sollte, ist etwas anderes, als es sich leisten zu können. Wir hatten die Ideen. Wir hatten nicht die Ökonomie, sie zu validieren.
- Nischenprodukte haben algorithmischen Gegenwind. Metas Algorithmus braucht Volumen. Kleine Audiences sind schwerer profitabel zu finden.
- Produktlücken zeigen sich als Ad-Performance-Probleme. Wenn Ihr Produkt die Leute, die Ihre Anzeigen anziehen, nicht konvertiert, behebt keine Menge an Optimierung das.
- Pausieren ist eine valide Strategie. 30 Tage Klarheit schlagen 6 Monate teures Raten.
Bezahlte Anzeigen sind ein Diagnosewerkzeug. Sie sagen Ihnen ziemlich schnell, ob Ihr Product-Market-Fit stark genug für algorithmisches Targeting ist.
Fragen Sie nicht “Kann Meta für mich funktionieren?”, sondern “Was muss WAHR sein, damit Meta funktioniert?”
- Das Produkt konvertiert die Leute, die Ihre Anzeigen anziehen
- Creatives filtern nach der richtigen Audience
- Das Budget trägt Testing bei Ihrem tatsächlichen CPT
Man kann sich an diesen Dingen nicht vorbeioptimieren.
Dieses Engagement endete mit einer Pause. Aber diese Pause brachte etwas Wertvolleres, eine klare Diagnose und eine Roadmap, was zu reparieren ist.
Manchmal ist das beste Ergebnis, genau zu wissen, warum man noch nicht bereit dafür ist, und was dagegen zu tun ist.