Performance Max-Zielgruppensignale sind Vorschläge, die der KI von Google helfen, Kunden zu finden, anstatt als strenge Targeting-Parameter zu dienen. Viele Werbetreibende verwechseln diese Signale mit den starren Kontrollmechanismen, die man von Such- oder Display-Kampagnen kennt. Wenn Sie eine Kampagne einrichten, bieten diese Signale einen Ausgangspunkt für die Machine-Learning-Modelle. Wenn Sie verstehen, wie diese Eingaben funktionieren, können Sie den Automatisierungsprozess steuern, ohne den Algorithmus daran zu hindern, wertvolle Conversions außerhalb Ihrer anfänglichen Annahmen zu finden.
Wie unterscheiden sich Zielgruppensignale vom traditionellen Targeting?
In traditionellen Google Ads-Kampagnen fungieren Targeting-Einstellungen als harte Grenzen. Wenn Sie sich in einer Display-Kampagne dafür entscheiden, eine bestimmte demografische Gruppe oder Interessenkategorie anzusprechen, werden die Anzeigen nur diesen Nutzern angezeigt. Performance Max arbeitet nach einer anderen Logik. Die von Ihnen bereitgestellten Zielgruppensignale dienen der KI als Kompass. Wenn das System bei Nutzern, die nicht zu Ihren Signalen passen, eine hohe Conversion-Wahrscheinlichkeit feststellt, priorisiert es diese Nutzer, um Ihre Ziele zu erreichen. Diese Flexibilität ist der Hauptgrund, warum manuelle Zielgruppeneinschränkungen im Kampagnen-Setup fehlen.
Wenn Sie Ihre Daten eingeben, trainieren Sie das Modell im Wesentlichen darauf, wie Ihre aktuellen Kunden aussehen. Wenn Sie beispielsweise einen Shop für Outdoor-Ausrüstung betreiben, können Sie eine Liste früherer Käufer als Signal hinzufügen. Die KI untersucht die Merkmale dieser Nutzer, wie deren Browserverlauf und Suchabsicht, im gesamten Google-Netzwerk, um ähnliche Interessenten zu identifizieren. Sie hört nicht auf zu suchen, wenn ein potenzieller Käufer leicht außerhalb Ihrer Signalliste liegt, was eine größere Reichweite ermöglicht, als es ein manuelles Targeting erlauben würde.
Warum werden manuelle Targeting-Einschränkungen bei Performance Max aufgehoben?
Das Entfernen eines strengen Targetings ist eine Designentscheidung, die darauf abzielt, die Effizienz zu maximieren. In einem typischen Konto führt manuelles Targeting oft zu verpassten Chancen, bei denen ein Nutzer möglicherweise kaufbereit ist, aber nicht genau zu dem von Ihnen ausgewählten Segment passt. Indem der KI erlaubt wird, alle Google-Plattformen zu durchsuchen, kann das System Absichtssignale identifizieren, die für menschliche Marketer nicht sofort offensichtlich sind. Dieser Ansatz hilft der Kampagne, Kunden in verschiedenen Phasen des Kaufzyklus zu finden – von der ersten Recherche bis zum finalen Checkout.
Betrachten Sie das Szenario eines Shops für Nischen-Hobbybedarf. Wenn Sie darauf beschränkt wären, nur Interessen-Gruppen von ‘Hobbyisten’ anzusprechen, würden Sie die Person verpassen, die nach einem spezifischen Ersatzteil sucht, aber noch nie eine Hobby-Website besucht hat. Performance Max beobachtet die Suchanfrage, den Website-Inhalt und das Nutzerverhalten, um die Punkte zu verbinden. Die KI verarbeitet diese Eingaben in Echtzeit, um Gebote und Platzierungen anzupassen. Das bedeutet, dass Sie Ihre Zielsegmente nicht ständig manuell anpassen müssen, wenn sich Markttrends verschieben.
Vergleich der Targeting-Methoden
| Funktion | Traditionelle Kampagnen | Performance Max |
|---|---|---|
| Zielgruppenreichweite | Beschränkt auf ausgewählte Segmente | Breite Reichweite basierend auf Signalen |
| KI-Steuerung | Beschränkt auf Gebotsanpassung | Systemweite Optimierung |
| Einrichtungsaufwand | Hoher manueller Pflegeaufwand | Erforderliche initiale Signaleingabe |
Welche Signale sollten Sie der Kampagne bereitstellen?
Um dem System den bestmöglichen Start zu ermöglichen, konzentrieren Sie sich auf hochwertige Daten. Ihre Erst-Anbieter-Daten sind der zuverlässigste Input, den Sie liefern können. Dazu gehören Kundenlisten, Website-Besucher-Segmente und Lead-Formulare. Wenn Sie eine Customer Match-Liste hochladen, informieren Sie den Algorithmus direkt über die spezifischen Eigenschaften, die einen Käufer in Ihrem Unternehmen definieren. Dies ist wesentlich genauer als die Verwendung breiter Interessenkategorien aus Drittquellen.
Verwenden Sie über Kundenlisten hinaus benutzerdefinierte Segmente basierend auf Suchbegriffen. Wenn Ihr Unternehmen eine Liste von Keywords mit hoher Kaufabsicht hat, die in Suchkampagnen normalerweise gut performen, fügen Sie diese als benutzerdefinierte Segmente in Ihre Zielgruppensignale ein. Dies teilt dem System mit, dass Personen, die nach diesen Begriffen suchen, wertvolle Interessenten sind. Sie können auch Lebensereignisse oder spezifische Interessen einbeziehen, wenn Ihr Unternehmen eine sehr spezielle demografische Zielgruppe bedient, wobei diese jedoch als sekundäre Eingaben und nicht als primäre verwendet werden sollten.
- Verwenden Sie Customer Match-Listen, um der KI genau zu zeigen, wer Ihre Käufer sind.
- Fügen Sie benutzerdefinierte Segmente mit leistungsstarken Suchbegriffen hinzu, um Absicht zu signalisieren.
- Stellen Sie sicher, dass Ihr Conversion-Tracking genau ist, damit die KI weiß, welche Signale zu Verkäufen führen.
- Aktualisieren Sie Ihre Listen regelmäßig, um die KI über neue Kundenmuster auf dem Laufenden zu halten.
Häufige Fallstricke beim Einrichten von Zielgruppensignalen
Ein häufiger Fehler ist die Bereitstellung zu vieler Signale, die nicht mit Ihren Kampagnenzielen übereinstimmen. Wenn Sie zu breite Segmente wie ‘Allgemeine Käufer’ oder ‘Tech-Enthusiasten’ hinzufügen, verwässern Sie den Wert des Signals. Die KI benötigt ein klares Bild Ihres idealen Kunden. Wenn das Signal zu vage ist, benötigt das System länger, um die richtigen Muster zu erkennen, und verschwendet möglicherweise Budget für irrelevante Klicks. Konzentrieren Sie sich bei der Auswahl Ihrer Zielgruppeneingaben eher auf Präzision als auf Volumen.
Ein weiteres Problem ist das zu häufige Ändern von Signalen. Wenn Sie die Zielgruppensignale verändern, tritt das Machine-Learning-Modell in eine Anpassungsphase ein. Dies kann zu vorübergehenden Leistungsschwankungen führen. In einem typischen Konto ist es besser, die Signale festzulegen und das System mehrere Wochen lang laufen zu lassen, bevor größere Änderungen vorgenommen werden. Ständiges Herumwurschteln hindert den Algorithmus daran, eine stabile Baseline aufzubauen, die für langfristiges Wachstum und ein effektives Gebotsmanagement notwendig ist.
Wie Alien Road die Performance Max-Logik anwendet
Bei Alien Road gehen wir Performance Max an, indem wir Datenqualität über Signalquantität priorisieren. Unser Prozess beginnt mit einem tiefgehenden Audit der aktuellen Conversions-Daten des Kunden. Wir stellen sicher, dass die Conversion-Aktionen korrekt auf die Geschäftsziele abgebildet sind, wie etwa ein umsatzbasiertes Tracking für den E-Commerce. Indem wir uns auf hochhewertige Conversions konzentrieren, geben wir der KI ein klares Ziel vor. Anschließend schichten wir die Zielgruppensignale, um die initiale Lernphase zu steuern und sicherzustellen, dass das System zunächst die relevantesten potenziellen Käufer ins Visier nimmt.
Während unserer Managementphase überwachen wir den Einfluss dieser Signale. Wir versuchen nicht, die Platzierungen oder die Zielgruppenreichweite zu mikromanagen. Stattdessen versorgen wir den Algorithmus mit frischen Daten – wie aktualisierten Kundenlisten oder neuen Suchabsichtssegmenten –, um das Modell scharf zu halten. Wir verlassen uns auf die Berichtsfunktionen der Plattform, um zu verstehen, welche Signale zur Leistung beitragen. Dieser iterative Ansatz ermöglicht es uns, Ergebnisse effizient zu skalieren, ohne in die Falle der manuellen Überoptimierung zu tappen.
Wie können Sie die Effektivität Ihrer Signale bewerten?
Die Bewertung der Leistung erfordert die Betrachtung der Gesamtkampagnenergebnisse anstelle der bloßen Reichweite innerhalb Ihrer Signale. Überprüfen Sie Ihre Conversion-Rate und die Kosten pro Akquisition über einen konstanten Zeitraum. Wenn die Kampagne Ihre Effizienzziele erreicht, funktionieren Ihre Signale wahrscheinlich gut. Sie können auch den Tab ‘Zielgruppen’ in Ihrem Google Ads-Konto aufrufen, um zu sehen, wie verschiedene Segmente mit Ihren Anzeigen interagieren, auch wenn Sie bedenken sollten, dass dies ein Bericht darüber ist, was passiert ist, und keine Einschränkung dessen, was passieren kann.
Es ist zudem von Vorteil, die Leistung Ihrer Assets zu überwachen. Manchmal ist ein Signal korrekt, aber die Werbemittel-Creatives resonieren nicht mit dieser Zielgruppe. Wenn Sie feststellen, dass bestimmte Zielgruppen nicht konvertieren, sollten Sie Ihre Werbemittel überprüfen, bevor Sie dem Zielgruppensignal die Schuld geben. Stellen Sie sicher, dass Ihre Bilder, Videos und Schlagzeilen für die Gruppen relevant sind, die Sie als wertvoll signalisiert haben. Eine starke Übereinstimmung zwischen Signal und Creative-Asset bringt in automatisierten Kampagnen oft die besten Ergebnisse.
- Überwachen Sie Ihren Ziel-CPA oder Ziel-ROAS, um die Gesamteffizienz zu messen.
- Überprüfen Sie den Asset-Bericht, um sicherzustellen, dass Ihr Content-Creative zur Zielgruppenabsicht passt.
- Vergleichen Sie die Leistung vor und nach dem Hinzufügen neuer Zielgruppensignale.
- Überprüfen Sie, ob Ihre primären Conversion-Aktionen konsistent bleiben.
Wo Sie diese Woche anfangen sollten
Beginnen Sie diese Woche mit einem Audit Ihrer bestehenden Zielgruppensignale. Entfernen Sie alle Segmente, die veraltet oder zu generisch sind, um hilfreich zu sein. Ersetzen Sie diese durch Daten mit hoher Kaufabsicht, wie Ihre aktuellste Liste wertvoller Kunden. Wenn Sie noch keine Customer Match-Liste hochgeladen haben, priorisieren Sie diese Aufgabe. Dies ist der zuverlässigste Weg, der KI zu helfen, Ihr Unternehmen zu verstehen. Sobald Sie Ihre Signale aufgefrischt haben, verpflichten Sie sich zu einer zweiwöchigen Beobachtungsphase. Dies ermöglicht es dem System, die neuen Informationen zu verarbeiten und seine Gebotsstrategien entsprechend anzupassen.
Häufig gestellte Fragen
Kann ich Performance Max dazu zwingen, Anzeigen nur für meine Zielgruppensignale zu schalten?
Nein, Sie können Performance Max nicht dazu zwingen, die Reichweite auf Ihre Signale zu beschränken. Das System verwendet diese Eingaben als Ausgangspunkt, um ähnliche Nutzer zu finden, ist jedoch darauf programmiert, nach Conversions zu suchen, wo immer diese am wahrscheinlichsten stattfinden. Dieses Design ist absichtlich so gewählt, dass Sie keine profitablen Kunden verpassen, die zufällig außerhalb Ihrer vordefinierten Zielgruppensegmente liegen.
Wie viele Zielgruppensignale sollte ich einer Kampagne hinzufügen?
Es ist besser, einige hochwertige, präzise Signale hinzuzufügen als eine lange Liste breiter Kategorien. Konzentrieren Sie sich auf Segmente, die Ihre besten Kunden repräsentieren, wie frühere Käufer oder Nutzer, die eine hochwertige Aktion auf Ihrer Website abgeschlossen haben. 3–5 starke, eigenständige Signale reichen in der Regel aus, um der KI die nötige Führung zu geben, um den Optimierungsprozess effektiv zu beginnen.
Was passiert, wenn meine Signale zu eng gefasst sind?
Wenn Ihre Signale zu eng gefasst sind, verwendet die KI sie als Ausgangspunkt, wird aber schnell darüber hinauswachsen, um weitere Conversion-Möglichkeiten zu finden. Dies ist ein positives Feature, da es verhindert, dass Ihre Kampagne unter Traffic-Mangel leidet. Sie müssen sich keine Sorgen machen, ‘zu eng’ zu sein, da das System so konzipiert ist, dass es seinen Geltungsbereich automatisch erweitert, wenn es feststellt, dass Ihr Budget woanders effizienter eingesetzt werden kann.
Sollte ich meine Signale ändern, wenn die Kampagnenleistung sinkt?
Bevor Sie Ihre Signale ändern, untersuchen Sie andere Faktoren wie Werbemittel, Budgetobergrenzen oder Gebotsziele. Ein Leistungsabfall ist oft auf externe Marktveränderungen oder interne kreative Probleme zurückzuführen und nicht auf die Zielgruppensignale selbst. Wenn Sie sich dazu entschließen, Ihre Signale zu aktualisieren, nehmen Sie jeweils nur eine Änderung vor und warten Sie, bis sich das Modell stabilisiert hat, bevor Sie schlussfolgern, ob die Anpassung vorteilhaft war.
Wie oft sollte ich meine Customer Match-Listen aktualisieren?
Sie sollten Ihre Customer Match-Listen so oft aktualisieren, wie es Ihre Daten erlauben, idealerweise alle paar Wochen. Das Aktuellhalten Ihrer Listen stellt sicher, dass die KI auf der Grundlage Ihres jüngsten Kundenverhaltens trainiert wird, welches aktuelle Kauf-Trends widerspiegelt. Regelmäßige Updates halten das System im Einklang mit Ihrer sich entwickelnden Geschäftsrealität und ermöglichen es ihm, sich in Echtzeit an veränderte Kundenpräferenzen und Suchmuster anzupassen.
Weiterlesen: KI-Werbeoptimierung · KI-Werbeoptimierung