Das Setup
Der Gründer einer bootstrapped Fitness-App bat mich um Hilfe beim Skalieren mit bezahlten Anzeigen.
Auf dem Papier sah alles vielversprechend aus:
- Budget: 1.500 $ am Tag, etwa 45.000 $ im Monat
- Creatives: 40+ Varianten, bereit zum Testen
- Ziel: 15 $ Kosten pro Trial
- Fundament: organische Traktion, positive Unit Economics, treue Nutzerbasis
Das Ziel war klar und die Ressourcen waren da, also legten wir los.
Was wir taten
Wir verbesserten das Tracking unter Apples ATT-Regeln, damit die richtigen Conversion-Events feuerten. Dazu richteten wir ein Blended Measurement über vier Plattformen ein (Meta, App Store Connect, RevenueCat, Mixpanel). Keine einzelne Quelle erzählt die ganze Wahrheit.
Mir fiel schnell auf, dass Meta im Vergleich zu den internen Tools nur einen Teil der tatsächlichen Conversions erfasste. Na klar, Attributionslücken gibt es nun mal.
Ich testete Audiences, darunter Altersgruppen und geografische Märkte (US, UK), und arbeitete die 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 stockte es.
Die Wand
30 $ CPT. Dort blieb ich hängen.
Ich testete 40+ Creatives, und der Algorithmus konzentrierte 90% des Spends auf zwei “Gewinner”, von denen keiner unser Ziel von 15 $ erreichte.
Mir wurde klar, dass bei 30 $ CPT jeder neue Test teuer ist.
- Ein Creative-Konzept richtig testen? 300 $ und mehr, bevor Sie ein Signal bekommen.
- Wegen der Trial-Fenster dauert jeder Test 7 Tage. Ob ein Trial zu Paid konvertiert, hängt von vielem ab.
- Metas oft zitierte Faustregel liegt bei etwa 50 Events pro Anzeigengruppe und Woche, um die Lernphase zu verlassen.
Ich hatte aber Ideen: Influencer-Content, neue Märkte, tiefere Analysen einzelner Altersgruppen und die Optimierung auf Direktkäufe.
Bei diesem CPT konnten wir es uns nicht leisten, sie ordentlich zu testen.
Das andere Problem
Beim genaueren Hinsehen fand ich etwas Grundlegenderes als Kampagnenoptimierung. Die App hatte zwei Audiences und ein Produkt.
| Was ich mir angesehen habe | Audience A: Enthusiasten | Audience B: Anfänger |
|---|---|---|
| Wer sie sind | Schon geübt. Sie wollen zu Hause trainieren und brauchen die richtige Ausrüstung. | Neugierig. Sie wollen von Grund auf lernen. |
| Was die Anzeigen bewirkten | Unsere besten Creatives zogen sie an, und sie konvertieren gut. | Sie klickten, sprangen dann aber ab, weil die App zu viel Können voraussetzte. |
| Das Problem | Zu klein und zu nischig. Meta findet sie nicht in großem Maßstab. | Die Produkterfahrung war noch nicht auf sie ausgelegt, auch wenn der Markt groß ist. |
Zwei Audiences für eine Fitness-App, so hatte ich es bis Tag 25 eingeschätzt.
Das ist ein Product-Market-Marketing-Fit-Problem, das sich in der Ad Performance zeigt.
Das schwierige Gespräch
Tag 25. Wir setzten uns zusammen und stellten die eigentliche Frage: “Sollen wir weiter Geld ausgeben?”
Der CPT war für uns hoch, absolut gesehen und im Vergleich zu Branchen-Benchmarks. Kleine Creative-Anpassungen würden die Kosten nicht halbieren, also brauchten wir strukturelle Änderungen.
Es ergab keinen Sinn, Budget zu verbrennen und auf Signale zu hoffen, die nur ein “vielleicht” hergaben.
Manchmal muss man einem Gründer “noch nicht” sagen.
Was wäre nötig?
Wir arbeiteten heraus, was passieren müsste, damit Meta funktioniert.
Beim Testing:
- Influencer-Partnerschaften für authentisches Creative
- Neue Märkte mit niedrigeren CPMs
- Optimierung nach Altersgruppe
- Direktkauf-Flow, der Trials ganz überspringt
Beim Produkt:
- Individuelle App-Store-Seiten für jede Audience
- Getrennte Onboarding-Flows nach Skill-Level
- Zugeschnittene Inhalte
Ein Produkt kann zwei Audiences bedienen, aber nicht mit einem Funnel.
Das Ergebnis
Wir pausierten.
Meta war nicht das Problem. Es fehlten noch die Voraussetzungen, damit es funktionieren konnte.
Der Plan:
- Den Meta-Spend pausieren, um die Blutung zu stoppen.
- Die Produktarbeit erledigen und getrennte Funnels für jede Audience bauen.
- Reserven aufbauen und Budget für richtiges Testing später zurücklegen.
- In 6 Monaten zurückkommen, mit Klarheit und den Ressourcen, um richtig zu testen.
5 Lektionen daraus
- Ein hoher CPT macht jeden Test teuer. Bei 30 $ pro Trial können Sie nicht schnell iterieren. Die Testgeschwindigkeit zählt.
- Zu wissen, was man testen sollte, ist etwas anderes, als es sich leisten zu können. Ich hatte die Ideen, aber uns fehlte die wirtschaftliche Grundlage, um sie zu validieren.
- Nischenprodukte tun sich mit Metas Algorithmus schwer. Er braucht Volumen, und kleine Audiences sind schwerer profitabel zu finden.
- Produktlücken zeigen sich als Probleme in der Ad Performance. Konvertiert Ihr Produkt die Leute nicht, die Ihre Anzeigen anziehen, hilft keine noch so gute Optimierung weiter.
- Pausieren ist eine legitime Strategie. 30 Tage Klarheit schlagen 6 Monate teures Raten.
Das sind die Zahlen eines einzelnen Kunden und keine Benchmarks. Übernehmen Sie also die Überlegung, aber nicht die Schwellenwerte. Wann ich das Budget kürze und wann nicht, steht in der Diagnose zu CPI und ROAS.
Bezahlte Anzeigen sind ein Diagnosewerkzeug. Sie zeigen Ihnen ziemlich schnell, ob Ihr Product-Market-Fit stark genug für algorithmisches Targeting ist.
Stellen Sie die Frage “Was muss WAHR sein, damit Meta funktioniert?” Die Frage “Kann Meta für mich funktionieren?” können Sie sich sparen.
| Was wahr sein muss | Was dieser Account zeigte |
|---|---|
| Das Produkt konvertiert die Leute, die Ihre Anzeigen anziehen | Audience B klickte, sprang dann aber ab |
| Die Creatives filtern die richtige Audience heraus | Unsere besten Creatives zogen die kleinere Audience A an |
| Das Budget reicht für Tests bei Ihrem tatsächlichen CPT | 30 $ CPT bedeutete 300 $ und mehr sowie 7 Tage pro Test |
Prüfen Sie diese drei Punkte in Ihrem eigenen Account. An ihnen kommen Sie mit Optimierung nicht vorbei.
Die Zusammenarbeit endete mit einer Pause. Zur Pause gehörten aber eine klare Diagnose und eine Roadmap für das, was zu reparieren ist. Das war wichtiger.
Manchmal besteht das beste Ergebnis darin, genau zu wissen, warum man noch nicht so weit ist und was dagegen zu tun ist.