Amazon PPC neu denken — segmentbasiertes, stündliches Bidding mit Christoph Söhnlein

Ein breiter Geschenke-Katalog, der sich über mehrere Kategorien, Preispunkte und Margen erstreckt, klingt nach einem Albtraum für Amazon Ads – es sei denn, man verwandelt das gesamte Konto in eine Reihe sauberer, messbarer Segmente. In dieser Episode interviewt AMALYZE-Gründer Christian Kelm den Praktiker Christoph Söhnlein darüber, wie sein Team PPC um die Mathematik pro Target, transparente Protokolle und saisonabhängige Zeitfenster herum neu strukturiert hat, ohne dabei die Kampagnenstruktur neu aufbauen zu müssen.

Warum Christoph das Portfolio-gemittelte PPC zugunsten von Segmenten aufgab

Söhnleins Unternehmen verkauft personalisierte Geschenke über verschiedene Kategorien und Anlässe hinweg: Weihnachten, Valentinstag, Taufen, Hochzeiten und mehr. Das bedeutet heterogene Margen und wild unterschiedliche Nachfragekurven. In der Vergangenheit testete er „eine Menge Tools“. Sie waren nicht alle schlecht – aber für seinen Anwendungsfall waren sie zu langsam oder zu unpräzise, und die meisten optimierten auf der falschen Ebene: durch Aggregation des ACoS auf der Portfolio- oder Kampagnenebene.

Sein Wendepunkt war das Segmentmodell von AMALYZE. Ein Segment ist ein zielgesteuerter Ausschnitt des Kontos – denken Sie an „personalisierte Geschenke für Männer“ mit eigenem Ziel-ACoS und eigenen Zeitfenstern. Innerhalb eines Segments wird jedes Target (Keyword, ASIN, Kategorie, Auto-Übereinstimmungstypen) individuell auf das Segmentziel hin optimiert. Keine Mittelwertbildung über 100 Keywords hinweg, um einen Gesamt-ACoS zu erreichen, während einige Targets unterversorgt sind und andere Geld verbrennen.

Christian verdeutlicht dies mit einer Küchenmetapher: Ein Segment ist der Kuchen, aber jeder Krümel (jedes Target) muss wie das Ziel schmecken. Kein salziges Stück darf ein zuckriges Stück zu einem passablen Durchschnitt ausgleichen.

Aufbau auf Daten ab Tag Null: Erst Ads API, dann Tooling

Bevor Christoph das AMALYZE Advertising ernsthaft nutzte, verband er auf Christians Drängen hin frühzeitig die Amazon Ads API. Dieser Schritt zahlte sich aus: Er schaltete tiefe historische Daten frei, die das Tool sofort für die Modellierung nutzen konnte. Wenn Sie einen Wechsel in Erwägung ziehen, ist dies der erste Schritt.

Sie betonen auch, dass das Tool keine Black Box ist. Es gibt keine „KI“ – nur Mathematik. Jede Änderung ist erklärbar und wird protokolliert. Tatsächlich ist AMALYZE einer der weltweit größten Nutzer des Amazon Marketing Streams und reagiert auf das Kundenverhalten nahezu in Echtzeit anstatt auf festen „Prime Day“-Kalendern.

Onboarding, das ein neues mentales Modell lehrt

Der schwierige Teil ist nicht das Klicken auf „Segment erstellen“. Christoph: Das dauert nur Minuten. Der schwierige Teil ist das Denken in Segmenten. Das Onboarding von AMALYZE ist praxisnah (regelmäßige Reviews mit Christian/Michael), und die Discord-Kanäle (eins-zu-eins plus ein Gruppen-Kanal für Beta/Advertising) fungieren als lebendiges Playbook. Christoph erzählt, dass selbst beiläufige Fragen 10 bis 15 fundierte Antworten von anderen Praktikern erhalten.

Er hebt auch die ständigen Impulse des AMALYZE-Teams hervor – Benachrichtigungen über Anomalien, Überprüfungen von Protokollen und proaktives Feedback. Das ist wichtig, wenn man gewohnheitsmäßige Arbeitsabläufe wie globale Gebotserhöhungen vor einem Feiertag verlernt.

Protokolle und Beweise: Jede Änderung und warum sie geschah

Söhnleins Lieblingsfunktion ist das Protokoll. Es zeigt jede Anpassung mit der entsprechenden Begründung. Er passte zwei Flüge (Flights) an, prüfte eine Stunde später und sah 7.500 Änderungen an Geboten auf Target-Ebene. Momente später aktualisierte Christian die Ansicht: Das Protokoll zeigte bereits 7.931 Änderungen. Allein im März verzeichnete Christophs Konto 1.188.482 Prüfungen der Gebotsbewertung.

Andere Tools kürzten Protokolle (einige stoppten nach 100 Zeilen), was die Rückverfolgbarkeit zunichtemachte. Hier werden die Änderungen auf ihre Anwendung hin doppelt geprüft – kein „Wir haben versucht, 1,60 € festzulegen“, während die Konsole immer noch mit 1,20 € läuft. Man kann die Kette von den Segmenteinstellungen über die Mathematik pro Target bis hin zum final angewendeten Gebot verfolgen.

„Ich kann endlich jede Änderung sehen und wissen, warum sie geschah. Von einer Stunde zur nächsten haben sich 7.500 Gebote bewegt – und ich weiß genau, warum.“ — Christoph Söhnlein

Mathematik statt Mythos: Gebote folgen der Formel ACoS ≈ CPC / (CVR × Preis)

Christian und Christoph kehren immer wieder zu den Grundprinzipien zurück. Der erwartete ACoS entspricht in etwa dem CPC geteilt durch die Conversion Rate mal dem Preis. Wenn Ihre CVR sinkt oder sich Ihr durchschnittlicher Warenkorbwert halbiert (z. B. wenn Kunden am Ende der Saison von einem 2er-Pack auf ein 1er-Pack wechseln), wird Ihr ACoS bei gleichem CPC in die Höhe schießen. Das Tool berechnet stündlich auf der Target-Ebene neu, um diese Realität abzubilden.

Diese Strenge kann ernüchternd sein. Zu Beginn beschwerte sich Christoph, dass ein beliebtes Keyword so weit heruntergeboten wurde, dass es „nicht wirklich teilnahm“. Die Mathematik hielt stand: Angesichts der aktuellen CVR und des Preises würde ein höheres Gebot den ACoS sprengen. Man kann dem entgegenwirken, indem man die Zeitfenster erweitert (um verzögerte Conversions einzubeziehen) oder die Ziele anpasst, aber man sollte die Mathematik nicht mit Wunschdenken bekämpfen.

Zeitfenster als Hebel: Attribution und Rückblick

Zwei oft falsch genutzte Steuerelemente werden strategisch, wenn man richtig segmentiert:

• Attributionsfenster (z. B. 30 Tage): Bei Geschenken und Artikeln mit längerer Entscheidungsdauer werden viele Verkäufe erst nach 14 Tagen zugerechnet. Christoph sieht Konten, bei denen 20–30 % des Umsatzes zwischen Tag 15 und 30 landen. Eine Erweiterung auf 30 Tage ermöglicht es Ihnen, selbstbewusst zu bieten, ohne „blind Daten zu kaufen“ – weil der späte Umsatz berücksichtigt wird.
• Rückblick-Zeitraum (Lookback window, z. B. 90/180/365 Tage): Bei langsamen oder episodischen Produkten verhindern längere Rückblicke, dass das Modell aufgrund spärlicher, verrauschter aktueller Daten schwankt. Christian merkt an, dass die Konsole von Amazon jetzt die Leistung pro Target über 90 Tage anzeigt; AMALYZE kann darüber hinausgehen, bis zu einem Jahr, falls erforderlich.

Die Kombination dieser Fenster mit stündlichen Neuberechnungen bedeutet, dass die Gebote bei Nachfrage steigen und danach automatisch wieder sinken, wobei Daten verwendet werden, die tatsächlich widerspiegeln, wie Kunden Ihre Produkte kaufen.

Saisonalität managen, ohne manuelles Schleudertrauma

In der alten Welt erhöhte Christoph die Gebote vor einem Ereignis massenhaft (z. B. +1,00 € für „Valentinstags“-Kampagnen) und senkte sie danach massenhaft (-1,00 €). Kollateralschäden waren unvermeidlich: Immergrüne Anfragen wie „Geschenk für Papa“ wurden zu stark gekürzt und genau dann ausgehungert, wenn sie eigentlich aktiv hätten bleiben sollen.

Mit der Mathematik pro Target und den Zeitfenstern steigen die CPCs in die Spitzenzeiten hinein und gleiten danach automatisch wieder heraus. Christoph beobachtete, wie die CPCs für den Valentinstag bis zum 14. Februar auf etwa 1,40 € stiegen und in der darauf folgenden Woche auf ca. 1,30 € / 1,20 € / 1,00 € sanken. Im Dezember, als die Lieferfristen für „Versand durch Verkäufer“ (Merchant) das Versprechen auf der PDP auf „Ankunft nach Weihnachten“ umstellten, zeigte das Protokoll mehr als 6.000 Target-Anpassungen innerhalb einer einzigen Stunde (10–11 Uhr morgens), um sofort abzusenken.

Christian fügt eine Anekdote hinzu: Das System reagierte eine Woche vor Black Friday/Cyber Monday, als die Käuferzahlen stiegen – nicht weil ein Kalender „Prime Day“ sagte, sondern weil der Amazon Marketing Stream das Kundenverhalten zeigte. Amazon rief nach dem Prime Day sogar an, um nach den Strategien hinter dem Wachstum zu fragen; die Antwort war schlicht:

• Preis × CVR-gesteuerte Mathematik,
• Stream-gesteuerte Reaktionsfähigkeit,
• und kein Funnel-Theater.

Struktur-agnostische Migration (behalten Sie Ihre Kampagnen)

Ein Hindernis für viele Teams ist die „Strukturschuld“ – die Angst, jahrelang aufgebaute Kampagnen umbauen zu müssen, damit sie in ein neues Tool passen. Christoph hatte Sorgen, bestehende Auto-/Harvesting-Pipelines zu zerstören. AMALYZE legt sich über jede Struktur; es gibt keine erzwungenen Benennungskonventionen. Man kann mit einem einzigen Segment beginnen, Simulationen laufen lassen und die Granularität später erweitern.

„Flüge“ (Flights) ermöglichen die Planung und Taktung innerhalb von Segmenten. Die Simulation schützt vor bösen Überraschungen, indem sie die ersten bis zu 1.000 Target-Änderungen für die gewählten Attributions- und Rückblicksfenster modelliert, bevor man live geht.

Der Community-Effekt – und der operative Rhythmus

Christoph leitet ein Ein-Personen-Advertising-Team. Wenn die Segmente einmal eingestellt sind, prüft er das Tool zwei- oder dreimal pro Woche. Wenn große Änderungen anstehen (neue Events oder große Sortimentsbewegungen), investiert er ein paar Stunden, oft nachdem ein Review von AMALYZE ihn dazu angestoßen hat, Annahmen zu hinterfragen.

Auf Discord erhält er regelmäßig ein Dutzend oder mehr durchdachte Antworten von anderen Nutzern. Dieser Peer-Review hilft dabei, lokale Maxima zu vermeiden und das mentale Modell scharf zu halten.

Ursachenforschung schlägt „mehr Gebote“

Da die Protokolle Ursache und Wirkung aufzeigen, stellen sich viele „PPC-Probleme“ als Merchandising- oder Marktprobleme heraus:

• Ein saisonales Top-Produkt stürzte aufgrund einer Welle von 1-Sterne-Bewertungen ab – die Kunden hatten nicht bemerkt, dass sie eine Schutzfolie abziehen mussten. Die Lösung war eine bessere Kennzeichnung am Produkt, keine Gebotsanpassung.
• Konten drifteten ab, wenn Gebote und Targets nicht mehr zum heutigen Preis oder Wettbewerb passten. In einer Überprüfung lagen die Annahmen für die Conversion Rate bei ca. 10 %, während die Realität bei ca. 3,5 % lag, und der Markt war durch Marken, die offizielles Zubehör auf den Markt brachten, neu geformt worden. Der richtige Schritt: PDPs auffrischen, Keyword-Recherche neu machen und Segmente zurücksetzen – nicht die Ausgaben hochschrauben.
• „Datenkauf“ mit Startgeboten von 5 € bis 6 € ist nicht notwendig. Wenn man tatsächlich hoch startet, zieht die stündliche Mathematik die Gebote schnell nach unten – AMALYZE hat sogar 99,99-€-Gebote getestet und beobachtet, wie sie sich innerhalb eines Tages normalisierten. Besser ist es jedoch, vernünftige Anfangsgebote zu setzen, die durch Ihre ACoS-Mathematik und Zeitfenster gestützt werden.

Zahlen, die die Geschichte erzählen

• 7.500 Gebotsänderungen auf Target-Ebene in einer Stunde (über zwei Flights) nach einem Einstellungs-Update; Minuten später stand das Protokoll bei 7.931.
• 1.188.482 Prüfungen der Gebotsbewertung im März für Christophs Konto.

• 6.000 Target-Anpassungen zwischen 10 und 11 Uhr morgens an einem Dezembertag, als die Lieferfristen die PDP-Botschaften änderten.

• Die CPCs für den Valentinstag erreichten einen Spitzenwert von fast 1,40 € und sanken innerhalb einer Woche wieder ab – ohne manuelle Massenbearbeitungen.
• Feiertagsbudgets skalieren um das 4- bis 6-fache, während der ACoS das Ziel hält.
• Christoph verbringt nun 2 bis 3 kurze Sitzungen pro Woche im Tool; der Rest wird durch Segmente und stündliche Mathematik erledigt.

Praktische Workflow-Tipps aus dem Gespräch

• Verbinden Sie die Ads API frühzeitig – sogar noch bevor Sie das Tool wechseln. Historie ist Hebelwirkung.
• Starten Sie mit einem Segment und einem klaren Ziel. Lassen Sie die Simulation laufen, bevor Sie live gehen.
• Wählen Sie Attributions- und Rückblicksfenster nach dem Produktverhalten (z. B. 30 Tage Attribution für Geschenke; 180–365 Tage Rückblick für Langsamdreher).
• Achten Sie auf das Protokoll, nicht nur auf den ACoS. Beheben Sie PDP-Probleme und Sortimentsfragen, bevor Sie stärker an den Reglern drehen.
• Halten Sie die Segmentierung schlank. Die meisten Nutzer beginnen zu granular und konsolidieren dann zu weniger, saubereren Segmenten.
• Fürchten Sie keine Strukturschulden. Behalten Sie Ihre Kampagnen; lassen Sie Segmente Ziele und Gebote steuern.
• Erwarten Sie, dass CPCs in Spitzenzeiten steigen und automatisch wieder fallen. Widerstehen Sie globalen Gebotshämmern.

Fazit

Das Gespräch zwischen Christian Kelm und Christoph Söhnlein ist ein offener Feldbericht darüber, wie ernsthaftes Amazon Ads-Management aussieht, wenn man Portfolio-Durchschnittswerte aufgibt und auf Target-Ebene innerhalb von Segmenten optimiert. Der Stack ist einfach, aber anspruchsvoll: frühzeitige API-Daten, stündliche Mathematik, transparente Protokolle und durchdachte Zeitfenster. Der Ertrag ist groß – stabiler ACoS durch saisonale Spitzen, eine Automatisierung, die auf echtes Käuferverhalten reagiert, und ein Arbeitsablauf, der schlank genug für ein Ein-Personen-PPC-Team ist.

Christophs Fazit: AMALYZE tut genau das, was er braucht – keine Black Box, keine Magie, einfach die Kontrolle und Sichtbarkeit, um einen weitläufigen Geschenke-Katalog mit Zuversicht zu steuern.