Was deckt ein Growth Audit für Mobile Apps ab?

Was deckt ein Growth Audit ab?

Ein Growth Audit für Mobile Apps deckt den Paid-Funnel, das Signal, das Creative und den Produkt-Funnel ab und endet mit einem schriftlichen Befund. Er läuft nur mit Lesezugriff. Ich lese die Werbekonten, das MMP und Ihre Unit Economics, und ändere nichts. Der Befund sagt, was kaputt ist, was zuerst zu fixen ist und warum, und wie viel Geld der Account bei Ihrem aktuellen Spend liegen lässt. Er sagt auch, wenn ein Vergleich eine Frage nicht klären kann, etwa ob Paid inkrementell war, und zuerst ein Test nötig ist. Er dauert Tage ab Zugriff und steht für sich.

Der Paid-Funnel: wo Budget über Kampagnen und Ad-Sets tatsächlich landet, und ob der Split die Gewinner aushungert. Das Signal: was die Plattformen erhalten, worauf sie optimieren, und wo Plattform, Subscription-Backend und MMP sich widersprechen. Das Creative: was getestet wurde, was ungetestet live ging, und ob Spend oder Vanity-Metriken über die Gewinner entscheiden. Und der Produkt-Funnel: ob die erste Minute der App überhaupt bereit für Paid-Traffic ist.

Lesezugriff auf die Werbekonten und das MMP, und Ihre Unit Economics, sind alles, was er braucht. RevenueCat, Adapty oder Ihr eigenes Subscription-Backend, App Store Connect, Google Play Console und Produkt-Analytics schärfen den Befund, wenn Sie sie haben, aber der Audit braucht keines davon. Attribuierter ROAS ist nicht inkrementeller ROAS, und nur ein Holdout klärt das: eine Lift Study, wo die Plattform eine gewährt, oder ein Geo-Test. Welcher Zahl Sie für welche Entscheidung trauen sollten ist genau dieser Unterschied, aufgeschrieben.

Sollte ich vor dem Skalieren des Spends auditieren?

Ja. Ein Growth Audit für Mobile Apps prüft vor dem Skalieren des Spends die drei Dinge, die schlecht skalieren: das Signal, die Struktur und die Kohortenlesung. Wenn das Purchase-Event doppelt feuert, keinen Value trägt oder eine Plattform erreicht und die andere nicht, bringt mehr Budget dem Algorithmus schneller die falsche Lektion bei. Wenn Kampagnen die Lernschwelle nie erreichen, kauft mehr Budget, auf dieselbe Weise verteilt, nur mehr Kampagnen, die nie lernen. Wenn die Kohorten hinter der Entscheidung unterschiedlich alt sind, sieht die jüngere schlechter aus, und ihre Zahl ist noch nicht fertig eingelaufen. Auf kaputten Daten zu skalieren, skaliert nur das Problem.

Auch profitabel kann noch Geld verlieren. Bei 100.000 € Monatsbudget ist der Unterschied zwischen 107% und 132% ROAS 25.000 € pro Monat. Wenn ein Account unter seinen eigenen Möglichkeiten bleibt, ist das Umsatz, den dasselbe Budget hätte bringen sollen, und niemand stellt eine Rechnung für Opportunitätskosten aus. Diese Lücke zu beziffern ist das Erste, was der Audit tut.

Auf iOS ist die Kohortenlesung absichtlich langsam, denn Apples AdAttributionKit kann Postbacks über drei Conversion-Fenster senden, die bis Tag 35 laufen, jedes nach einer Verzögerung. RevenueCats Realized-LTV-Chart markiert eine Kohorte als unvollständig, bis sie die gewählte Lifetime zum Reifen hatte, und ich wende dieselbe Regel an: Kohorten verglichen bei gleichem Alter, in einer Währung, netto nach Provision. Wie viele Käufe ein ROAS braucht setzt die Untergrenze.

Auditieren Sie Meta- und TikTok-Konten?

Ja. Ich auditiere Meta- und TikTok-Konten nur mit Lesezugriff, und pausiere und ändere nichts, während ich lese. Auf Meta besteht der Befund aus Optimierungsevents pro Kampagne pro Woche, der Länderaufteilung, den Anzeigen, die der Algorithmus weiter unter dem Ziel skaliert, dem Wochentag, auf den das Budget fällt, und der Attributionseinstellung jeder Kampagne gegen das MMP. Auf TikTok prüfe ich, ob dessen Kosten das MMP erreichen, denn ein Kanal, dessen Spend fehlt, hat einen geschätzten ROAS, und ob jede Ad-Group das von TikTok empfohlene Lernvolumen bekommt.

Metas Richtwert liegt bei rund 50 Ergebnissen pro Ad-Set in der Woche nach der letzten wesentlichen Änderung. TikTok empfiehlt mindestens 7 Tage Lernphase und nennt 50 Conversions den wichtigsten Indikator dafür, dass Value-based Optimization diese Schwelle passiert hat, also lautet die erste Frage, ob jedes Ad-Set oder jede Ad-Group das erreicht. Der Kanalvergleich mit echtem D28-ROAS stellt vier Kanäle nebeneinander, und der 383.000-$-Audit ist die Länderlesung auf Meta.

Wie reparieren Sie die Signalqualität?

Signalqualität ist, ob Meta, Google und TikTok die richtigen Events von einer Mobile App erhalten: jedes Event einmal, mit einem Value und einer Währung, abgleichbar gegen echten Umsatz. Die Signalqualität zu reparieren braucht zwei Schritte, und nur der erste ist Teil des Growth Audits. Der erste ist der Befund und die Liste: was jede Plattform erhält, worauf sie optimiert, ein Vier-Wege-Vergleich aus Plattform, MMP, Subscription-Backend und Store-Auszahlungen mit den erwarteten Abweichungen schriftlich festgehalten, und die Fixes in der Reihenfolge, mit dem Engineering-Aufwand pro Punkt. Der zweite ist der Bau, durch Ihr Team anhand der Liste oder durch mich im Retainer.

Googles Target ROAS bietet auf die Conversion Values, die Ihre Events tragen, also ändert ein fehlender Value, was der Bidder kauft, und eine falsche Währung ändert, was der Befund sagt, dass gekauft wurde. Jedes MMP setzt eigene Fenster. AppsFlyers Standard-Lookback für Klicks liegt bei 7 Tagen, und sein Fenster für Views läuft 1 bis 24 Stunden, und Adjusts sind seine eigenen. Deshalb werden sich Meta, RevenueCat und Adjust nie einig sein, und Adjusts Empfehlung ist, die Fenster vor einem Vergleich anzugleichen. RevenueCat trennt Revenue von Proceeds nach Provision und Steuer; die CPA-Obergrenze startet bei der zweiten Zahl, abzüglich Erstattungen und variabler Kosten. Auf welches Event optimiert werden sollte ist die Empfehlung, die der Befund liefert; Signal Engineering ist der Bau.

Können Sie erst auditieren und dann umsetzen?

Ja. Der Growth Audit und die Umsetzung sind zwei getrennte Buchungen, und der Audit kommt zuerst. Er läuft nur mit Lesezugriff, kostet einen im Intro-Call vereinbarten Festpreis, und endet mit einem schriftlichen Befund und einer Fix-Liste in der Reihenfolge. Was danach passiert, entscheiden Sie: Ihr Team setzt es anhand der Liste um, Ihre Agentur tut es, oder ich mache im Retainer weiter. Signal-Fixes kommen vor Media-Änderungen, weil sie innerhalb von Wochen anfangen, die Algorithmen zu füttern.

Google Ads' Zugriffsstufe Nur Lesen kann keine Kampagnen bearbeiten, und TikToks Analyst-Berechtigung kann keine Anzeigen erstellen oder bearbeiten, also decken beide den Audit ab, und bei der Umsetzung ändert sich die Berechtigung. Was ein fractional Head of UA macht ist der Retainer, der für manche Teams folgt, und was seinen Preis bestimmt steht auf einer eigenen Seite.

Warum stagniert mein ROAS?

Der ROAS einer Mobile App stagniert an einer von vier Stellen: Intent, Fit, Funnel oder Kosten. Ein Growth Audit findet heraus, an welcher. Bei einem Account lag in einer Kampagne, die auf Ziel lief, ein Land drei Monate lang bei 28% All ROAS, gegen ein Ziel von 70%, und kein Dashboard hat es markiert. Bei einem anderen erreichte die Hälfte der Kampagnen nie 50 Optimierungsevents pro Woche und brachte an Tag 28 54% ROAS, gegen 80% beim Rest. Bei einem Game halbierte sich der D0-ROAS, während sich der CPI kaum bewegte, weil der Value pro Buyer fiel. Jedes ist ein anderer Fix, und die Blended-Zahl verdeckt, welcher.

Manchmal ist Paid UA gar nicht Ihr Flaschenhals. Wenn der Cashflow eine Payback-Periode nicht trägt, die auf den Auszahlungsplan der App Stores wartet, wenn die Retention in den ersten Tagen einbricht, oder wenn Attribution noch keinen Umsatz messen kann, skaliert mehr Spend nur das Problem. Der Audit sagt das, wenn er das findet, und die vier Stellen, an denen ROAS bricht, ist der Rahmen, den er dafür nutzt.

Der Befund zerlegt die Zahl: Conversion, Value pro Buyer und CPI, Land für Land für den Mix, Events pro Kampagne pro Woche für das Signal, und welche Anzeigen der Algorithmus weiter unter dem Ziel skaliert für das Creative. Eine Anzeige, die wenig Spend bekam, hat damit nicht verloren. Fiez und Kollegen zeigen in ihrem Paper von 2024 zu adaptivem Experimentieren, warum geringe Auslieferung unter einem Optimierer ein schwacher Beleg ist, und die Elimination-Runde ist der Gleichstand, mit dem ich starte.

Häufige Fragen