Amazon PPC verlernen — Target-Level- und Stunden-Gebote mit Patrick Butscher

Der unabhängige PPC-Berater (und aktive Verkäufer) Patrick Butscher diskutiert mit AMALYZE-Gründer Christian Kelm über das Verlernen von Gewohnheiten bei Amazon Ads. Sie tauchen direkt in das Thema Gebote auf Target-Ebene und Stunde für Stunde auf Basis von Amazon Marketing Stream (AMS)-Daten ein, erörtern, warum Platzierungs-Modifikatoren in die Irre führen, wie Attribution über 7 Tage hinaus die Kalkulation verändert und welche Denkweise erforderlich ist, um Software das tun zu lassen, was Menschen nicht können.

Zuerst einmal: Anzeigen reparieren kein fehlerhaftes Angebot

Christian eröffnet mit einem Realitätscheck: Wenn sich dein Produkt nicht verkauft – niedrige CTR, schwache Rezensionen, nicht wettbewerbsfähiger Preis –, können Anzeigen es nicht retten. Eine CVR von 0,5 % wird nicht auf 50 % springen, nur weil du PPC eingeschaltet hast. Patrick stimmt zu: PPC skaliert nur das, was bereits funktioniert.

„Wenn dein Produkt auf Amazon schlecht ist, wird Werbung das nicht in nennenswerter Weise ändern.“ — Christian Kelm

Sie greifen das Thema erneut auf, wenn Varianten oder Repricer deinen durchschnittlichen Warenkorb verzerren: Wenn du auf eine 90-€-Variante bietest, die meisten Käufer aber auf das 60-€-Geschwisterkind wechseln, bricht deine ACoS-Erwartung in sich zusammen. Die Warenkorb-Ansicht von AMALYZE macht dies offensichtlich; die Standard-Konsole nicht.

Warum Patrick sich für AMALYZE entschieden hat: Flatfiles, Fakten und AMS

Patrick beschreibt sich selbst als „Zahlen-zuerst“-Operator. Er liebt Flatfiles, hasst Vermutungen und hatte kein anderes Tool gesehen, das die rohen Amazon-Daten so widerspiegelt, wie AMALYZE es tut – und dann legte das Advertising Add-on die AMS-Steuerung obenauf. Ganz wichtig dabei:

• Das System nutzt nur Amazons eigene Datenströme (stündliche Signale des Marketing Stream, Suchbegriffsberichte usw.).
• Es optimiert auf der letzten Meile – auf Target-Ebene – unter voller Berücksichtigung von Rückblick- und Attributionsfenstern.
• Es ist beim Import strukturunabhängig und hilft dir dann dabei, das zu segmentieren, was tatsächlich eigene Ziele verdient.

Zeitersparnis: Vom Unmöglichen zum Automatismus

Der Hauptvorteil für Patrick ist nicht das Klischee „Zeit sparen“. Es geht darum, das Unmögliche zur Routine zu machen. Christian teilt die Zahlen eines Kontos: In 30 Tagen führte das System ca. 6,7 Millionen Target-Prüfungen durch – etwa 223.000 pro Tag oder 9.300 pro Stunde –, noch bevor es überhaupt entschied, Gebote anzupassen. Kein Mensch und kein Team kann stündliche Entscheidungen über Tausende von Targets hinweg rund um die Uhr replizieren.

Praktische Auswirkungen:

• Teams gehen endlich über reines „Auto-Targeting“ hinaus, weil sie die Kapazitäten haben, Sponsored Brands/Display zu starten und zu verwalten.
• Die Abdeckung des Long-Tails wird sicher ausgeweitet: Ein Kunde hatte ewig „10 Keywords pro Anzeigengruppe“ laufen; mit stündlicher Verwaltung konnten sie dutzende/hunderte Long-Tails hinzufügen, ohne den Überblick zu verlieren.
• Reaktionsfähigkeit ersetzt wöchentliche Massenbearbeitungen. Wenn du nur freitags optimierst, lässt du sechs Tage mit suboptimalen Geboten liegen.

ACoS auf Target-Ebene bedeutet, das Gehirn neu zu kalibrieren

Patricks größte Umstellung war psychologischer Natur. Anstatt „20 % ACoS auf Kampagnenebene“ erhält jedes Target ein Ziel, und das System bewegt es stündlich auf dieses Ziel zu. Das erzwingt eine realistische Kalkulation:

• Erlaubnis zum Mitspielen: Wenn du mit 30–35 % ACoS einverstanden warst, aber 10 % benötigst, um profitabel zu sein, musst du mit dem Verlust von Auktionen und Volumen rechnen. Es gibt keinen Dreiklang aus „mehr Umsatz, niedrigerer ACoS, geringere Ausgaben“.
• Der Markt ist nicht an dein Budget gebunden: Einige Marken verlangten während eines Blitzes „1000 % ACoS“; selbst nachdem die Gebote von 8 € auf 15 € gestiegen waren, lag der CPC bei ca. 1,20 €, weil niemand sonst so hoch bot – das Angebot an Impressions war gedeckelt.
• Plateaus pro Target sind real: Man kann ein Keyword mit inhärenten 150 % ACoS nicht über Nacht auf 7 % drücken. Einige Targets haben einfach nicht diesen Boden oder diese Decke.

Christians Lieblingsformulierung: Wenn die Maschine für jede investierte 1.000.000 € einen Ertrag von 1.000.001 € erzielen kann, wie viel würdest du ihr geben? Die Antwort wird durch den Lagerbestand begrenzt, nicht durch Angst – mehrere Kunden mussten die Ausgaben drosseln, weil der Betrieb mit der Nachfrage nicht Schritt halten konnte.

Attribution über 7 Tage hinaus verändert die Gebote, die du dir leisten kannst

Berichte in der Konsole stoppen normalerweise bei der 7-Tage-Attribution. AMS berücksichtigt 14- und 30-Tage-Attributionen. Bei einem Onboarding zeigte Christian, dass die Einbeziehung von 14/30-Tage-Klicks-zu-Verkäufen etwa 8 % Umsatz hinzufügte, der in der Konsole nicht sichtbar war. Praktische Folge: Du kannst rational einen 30–40 % höheren CPC bei gleichem echtem ACoS bieten und Wettbewerber überbieten, die ihre Preise nur auf Basis von 7 Tagen kalkulieren.

Patricks Fazit: Nichts davon ist Magie. Die Daten existieren bereits; die meisten Teams nutzen sie nur nicht in ihrer Gebotskalkulation.

Modifikatoren: Warum Patrick mit festen Geboten arbeitet (und Christian zustimmt)

Sie widmen einen großen Teil der Gefahr von dynamischen Geboten und Platzierungs-Modifikatoren:

• Dynamische Gebotsabgabe (Erhöhen und Senken) kann deine effektiven Gebote unsichtbar verdoppeln; Platzierungs-Modifikatoren gehen bis zu +900 % für „Oben in den Suchergebnissen“, „Rest der Suche“ und „Produktdetailseiten“ – auf Kampagnenebene.
• Da Modifikatoren über den Geboten auf Target-Ebene liegen, verteilen sie die Erhöhung über alles, und Amazon liefert kein sauberes Feedback pro Target über die tatsächlich genutzte Erhöhung.
• Die Mathematik bricht zusammen: Wenn dein Ziel-ACoS 25 % beträgt, du aber +60 % Platzierung nutzen, wird dein effektives ACoS-Ziel zu 25 / 1,60 ≈ 15,6 %, nur um dies zu kompensieren – und das noch vor der Schere zwischen Gebot und CPC, bei der du 1 € bietest, aber tatsächlich 0,60 € zahlst (oder umgekehrt, sobald Modifikatoren greifen).
• Das Gebotsmanagement wird widersprüchlich: Senkt man das Basisgebot, um den ACoS zu treffen, kann der Modifikator den bezahlten CPC immer noch in die Höhe treiben; das System kann am Ende die Basisgebote „senken“, während der effektive CPC steigt.

Patricks Praxis: Nur feste Gebote. Wenn man wirklich eine platzierungsspezifische Kontrolle will, bräuchte man drei Kampagnen-Setups pro Target (Oben/Rest/PDP), was im großen Stil operativ wahnsinnig ist und immer noch kein sauberes Feedback liefert. Die Realitäten der Kategorien spielen ebenfalls eine Rolle: Bei Schmuck ist der Anteil von „Oben in den Suchergebnissen“ von Natur aus gering, da die Käufer nach Stil stöbern; Modifikatoren werden das nicht ändern.

Struktur für Kontrolle, nicht für Bequemlichkeit

AMALYZE kann jedes Chaos verarbeiten, aber Christian und Patrick betonen beide die Segmentierung für die wenigen Anfragen, die sie tatsächlich verdienen:

• Ziehe geschäftskritische Themen (z. B. Herren/Männer vs. Damen oder anlassbezogene Begriffe wie Vater/Papa oder Männertag) in dedizierte Kampagnen mit eigenem ACoS heraus.
• Vermische diese nicht mit deinen „Arbeitstieren“ mit niedrigem ACoS in einer Anzeigengruppe – du verlierst die Fähigkeit, unterschiedliche Ziele festzulegen.
• Erwarte seltsame Long-Tail-Gewinne. Die Empfehlungen von AMALYZE ziehen Daten aus jeder Quelle (einschließlich „Exakt“, die immer noch Tippfehler/Stoppwörter/Pluralisierungen auswirft), prüfen auf Dubletten im gesamten Konto und schlagen vernünftige, vorkalkulierte Startgebote vor, die an dein Ziel und deine historische Leistung gebunden sind.

Patrick gibt zu, dass sich viele Empfehlungen zuerst „falsch“ anfühlten – Anfragen wie „männliches Armband“ oder unerwartete Querverweise bei Möbeln –, aber die Daten gewinnen. Er verarbeitete ca. 500 Empfehlungen in etwa 15 Minuten; je nach Ergebnissen kann dies Tausende von neuen Targets und Negatives über Auto/Phrase/Exakt ohne Chaos erzeugen.

Migration von Auto → Exakt ohne Tabellenkalkulationen

Ihr bevorzugter Endzustand ist einfach: Jede umsatztreibende Anfrage wird zu einem Exact-Target, das du rund um die Uhr kontrollierst. Der Workflow von AMALYZE durchforstet kontinuierlich die Suchbegriffsberichte über dein Rückblick-Zeitfenster hinweg und schlägt Folgendes vor:

• Hinzufügen von Positiven in die richtigen Kampagnen.
• Platzieren frischer Gebote, die für deinen ACoS und durchschnittlichen Warenkorb berechnet wurden, nicht geschätzt.
• Punktgenaues Setzen von Negatives dort, wo sie benötigt werden (Auto/Phrase/Broad), um doppelten Spend auszutrocknen und den Traffic nach Exakt zu verlagern.

Es ist nicht linear: Exakt kann frische Phrase/Broad-Tests anstoßen und umgekehrt, immer innerhalb des Kontos dedupliziert und unter Berücksichtigung der SKU-Beziehungen.

Repricer, Preise und Varianten-CPO-Fallen

Zwei hart erarbeitete Lektionen:

• Repricer können deine PPC-Mathematik ruinieren. Wenn du den Preis über ein paar Tage um ±20–40 % schwanken lässt, ist jede historische ACoS/CPO-Annahme ungültig. Stündliche Gebote können auf Targets und Rückblicke reagieren – sie können deine Wirtschaftlichkeit nicht stündlich mitten im Flug neu aufbauen, ohne dass du die Ziele zurücksetzt, was wiederum Attributionschaos verursacht.
• Warenkorb-Fehlallokation bei Varianten ist real. Wenn du Gebote auf eine 90-€-SKU modellierst, die Käufer aber das 60-€-Geschwisterkind kaufen, ist dein „echter“ durchschnittlicher Warenkorb 60 € – Deine Gebotsobergrenze muss niedriger sein. Patrick hat Kunden erlebt, denen dies erst klar wurde, als AMALYZE die Anzeigen-Warenkorbwerte aufzeigte; die Standard-Konsole verbirgt diesen Kontext.

Christian und Patrick kommen immer wieder auf die CPO-Kalkulation zurück. Beispiel: Um einen einstelligen ACoS bei einem 7,50-€-Artikel zu halten, darf dein CPO höchstens 0,75 € betragen. Bei 20 % CVR liegt dein maximaler CPC bei 0,15 €. Erhöhe den CPC auf 0,17 € und du bist bereits bei ca. 11,3 % ACoS – winzige CPC-Bewegungen können riesige ACoS-Schwankungen verursachen.

Transparente Entscheidungen: Protokoll und Simulation

Zwei Workflow-Elemente, die Patrick als „Game-Changer“ bezeichnet, weil sie Vertrauen aufbauen und das Lernen beschleunigen:

• Protokoll: Ein vollständiges Log, das jede stündliche Entscheidung in einfacher Sprache erklärt – z. B. Gewinnrate sinkt von 88 % auf 58 %, Impressions sinken um X %, CPC sinkt um 0,15 €, ACoS bewegt sich in Richtung des 15 %-Ziels. Du siehst, warum das System gehandelt hat.
• Simulation: Vor dem Aktivieren von Einstellungen wirst du aufgefordert, eine Vorschau der ersten Optimierungsstunde und der erwarteten Entwicklung über dein Rückblick-Zeitfenster (7/14/30 Tage) anzuzeigen. Sie prognostiziert ACoS/CPO/Impressions/Klicks/Umsatz/Kosten und hebt hervor, welche Targets die Änderung antreiben. Wenn du die Gewinnrate bei einem wichtigen Begriff massiv senken würdest, kannst du die Ziele anpassen oder zuerst segmentieren.

Geringe Datenmengen bringen den Motor nicht zum Stocken. Entscheidungen warten nicht auf Schwellenwerte von 20 Klicks/Verkauf; das System bezieht Zeit- und Attributionslogik ein, um Gebote auch bei spärlichen Signalen verantwortungsvoll anzupassen.

Onboarding-Rhythmus, Support und wer es nicht nutzen sollte

Patricks Rat an Freelancer und In-house-Teams: Ja, du kannst das selbst betreiben – aber mache das Onboarding und „arbeite mit dem Tool“, besonders am Anfang. Christians Team forciert enge Feedbackschleifen (frühe, häufige Check-ins, und sie werfen mindestens alle ca. 14 Tage einen Blick in die Konten). Sie melden sich bei dir, wenn du Rückblick-Zeiträume veralten lässt, vergisst, Segmente zu aktivieren, oder weit von deinem Ziel abweichst.

Wer sollte es nicht nutzen? Wenn du nur 600–700 € pro Monat ausgibst und deine Zeitkosten vernachlässigbar sind, wird sich die Rechnung nicht lohnen – das Tool kostet ca. 300 € pro Monat und spielt seine Stärken ab ca. 10.000 € Werbeausgaben pro Monat aus, es sei denn, die Zeitersparnis ist an sich schon die Gebühr wert.

Die Angst vor dem Budget ist übertrieben. Patrick versuchte, Ausgaben zu „erzwingen“; die meisten Kampagnen erreichen ein Marktkapital, lange bevor die Budgets es tun. Christians Erinnerung: Amazons Suchangebot ist endlich; man kann die Nachfrage nicht allein durch das Budget vervielfachen.

Praktische Diagnosen, die du heute durchführen kannst

• Ziehe deinen Suchbegriffsbericht und stelle die Hockeyschläger-Kurve tatsächlich grafisch dar: Sortiere nach Ausgaben/Umsatz und sieh, wie viel Budget rechts von den Null-Verkäufen liegt. Unter Windows ist „F11 auf Spalte 11“ Christians schneller Chart-Gag.
• Berechne deine echte CPO-Obergrenze: Durchschnittlicher Warenkorb × Ziel-ACoS = Maximaler CPO; Maximaler CPC = Maximaler CPO × CVR. Vergleiche dies nun mit deinen realen CPCs.
• Finde Varianten-/Warenkorb-Fehlallokationen: Bewirbst du hochpreisige SKUs, während der Warenkorb zu günstigeren Geschwistern neigt?
• Schalte Platzierungs-Modifikatoren in einer Testkohorte aus und lass feste Gebote mit Zielen auf Target-Ebene laufen; vergleiche Stabilität und Geschwindigkeit zum Ziel mit deinem modifikatorlastigen Setup.

Die wichtigsten Erkenntnisse

• Repariere zuerst den Store: Anzeigen skalieren funktionierende Angebote; sie reparieren keine niedrige CVR oder schlechten Handel.
• Lass Daten die CPC-Obergrenzen festlegen: Nutze die 14/30-Tage-Attribution und die CPO-Kalkulation pro Target, um zu entscheiden, was du wirklich bieten kannst.
• Verzichte auf Platzierungs-/dynamische Modifikatoren, wenn du Kontrolle willst. Feste Gebote + stündliche Optimierung auf Target-Ebene schlagen Kampagnen-Multiplikatoren in puncto Klarheit und Vorhersehbarkeit.
• Segmentiere nach geschäftlicher Realität, nicht nach Bequemlichkeit. Ziehe geschäftskritische Anfragen in eigene Kampagnen mit unterschiedlichen Zielen; lass Empfehlungen den Long-Tail sicher ausbauen.
• Preis und Varianten können den ACoS ruinieren. Repricer und Variantenwechsel verändern deinen durchschnittlichen Warenkorb; überprüfe deine Kalkulation, wenn sich die Wirtschaftlichkeit verschiebt.
• Vertrauen, aber verifizieren. Nutze Protokoll und Simulation, um zu verstehen und vorherzusehen, was der Motor tun wird – und steh ihm dann nicht im Weg.

Fazit

Patrick Butschers Kernbotschaft ist täuschend einfach: Verlerne die Gewohnheiten, die manuelles PPC kaum noch beherrschbar machten. Stündliche Gebote auf Target-Ebene auf Basis von AMS-Daten machen die „unmögliche“ Optimierung praktisch – aber nur, wenn du aufhörst, dich selbst mit Platzierungs-Modifikatoren, wöchentlichen Massenbearbeitungen und schwammigem ACoS-Denken zu sabotieren.

Wenn du Ziele pro Target formulieren kannst, akzeptierst, dass der Markt (und dein Lagerbestand) deine Ausgaben stärker begrenzen als Budgets, und deine Preis-/Variantenhygiene im Griff behältst, kannst du gleichzeitig wachsen und den ACoS senken – nicht durch Magie, sondern durch Mathematik und Workflow. Die Rolle von AMALYZE in seinem Stack ist es, diese Mathematik in eine 24/7-Ausführung mit transparenten Logs, Prognosen und einer unnachgiebigen Migration von Anfragen in die Exact-Kontrolle zu verwandeln. Für ernsthafte Verkäufer und Agenturen ist das der Unterschied dazwischen, PPC hinterherzulaufen und es endlich selbst in der Hand zu haben.