Vermischte Preise und Versandkosten: Die versteckten Saboteure Ihres Amazon PPC

Produkte mit unterschiedlichen Preispunkten oder Versandmethoden in einer einzigen Ad Group zu kombinieren ist ein verbreiteter Fehler, der die Profitabilität eines Amazon PPC-Accounts still und leise untergräbt. Varianten oder ähnliche Artikel gemeinsam zu gruppieren mag effizient wirken – doch dieser strukturelle Fehler schafft einen mathematischen Widerspruch, der verhindert, dass Bietalgorithmen und manuelle Manager präzise Bids berechnen können.

Mathematisches Versagen gemischter Ad Groups

Amazon PPC ist im Kern ein Mathematikspiel, bei dem der „richtige" Bid aus drei Kernvariablen abgeleitet wird: Target ACOS, Conversion Rate (CR) und Average Selling Price (ASP). Die Standardformel lautet:

Bid = Target ACOS × Conversion Rate × Produktpreis

Wenn eine Ad Group Artikel mit deutlichen Preisunterschieden enthält – beispielsweise ein 5-Meter-LED-Streifen für 12,99 €, eine 10-Meter-Version für 14,99 € und eine 30-Meter-Version für 21,99 € – wird die Variable „Produktpreis" zum beweglichen Ziel. Wenn das 12,99-€-Artikel gerade die Buy Box gewinnt, passt ein Bid von 0,50 € vielleicht perfekt zu einem 15-%-ACOS-Target. Wechselt die Buy Box zum 21,99-€-Artikel, wird derselbe Bid ineffizient. Ein für den 21,99-€-Artikel optimierter Bid wird hingegen zu einem überhöhten ACOS führen, wenn der Kunde am Ende das 12,99-€-Modell kauft.

Das Problem verschärft sich, wenn die Performance schwankt. Verliert ein ASIN in der Gruppe an Momentum oder fällt es auf „nicht auf Lager", verzerrt sich der gesamte Datensatz der Ad Group oder Kampagne. Man bietet dann nicht mehr auf die Realität des angezeigten Produkts, sondern auf einen Durchschnitt aus „Mixed Martial PPC" – die Ergebnisse werden von der SKU bestimmt, die gerade aktiv oder vom Algorithmus bevorzugt ist.

Der Versandmethoden-Konflikt: FBA vs. FBM

Gemischte Preise sind nicht der einzige Störfaktor – logistische Diversität innerhalb einer Ad Group ist gleichermaßen schädlich. In vielen Accounts kann ein einzelnes Produkt mehrere SKUs mit unterschiedlichen Konditionen (Neu, Gebraucht) oder Fulfillment-Kanälen haben:

FBA (Fulfillment by Amazon): Von Prime-Mitgliedern stark bevorzugt, typischerweise mit den höchsten Conversion Rates.
FBM (Fulfillment by Merchant): Standard-Versand, oft mit niedrigeren Conversion Rates aufgrund längerer Lieferzeiten.
SFP (Seller Fulfilled Prime): Bietet das Prime-Badge, kann aber höhere Versandkosten mit sich bringen.

Diese SKUs gemeinsam zu gruppieren ignoriert das Kaufverhalten. Die Kaufbereitschaft eines Kunden ändert sich drastisch je nach Lieferdatum. Wenn ein FBA-SKU ausläuft und die Ad Group auf einen FBM-SKU wechselt, kann die Conversion Rate über Nacht von 18 % auf 10 % fallen. Bleiben die Bids auf Basis der historischen FBA-Performance statisch, steigt der ACOS.

Dazu kommt: Versandkosten bestimmen oft unterschiedliche Einzelhandelspreise für diese SKUs. Wer den FBM-Preis senkt, weil ein günstigerer Versanddienstleister genutzt wird, oder den Preis für SFP-Overhead erhöht, führt das gemischte Preisproblem erneut ein. Ein einziger Bid soll dann mehrere Conversion-Realitäten abdecken – ein Rezept für Ineffizienz.

Versteckte Attribution: Das „A kauft B"-Problem

Ein häufiges Argument für das Mischen von Produkten in Ad Groups ist die Annahme, dass „der Kunde kauft ohnehin, was er will". Amazons Brand-Halo-Attributionslogik bestätigt das zwar prinzipiell – doch diese Logik versagt in der Bietphase.

Stellen Sie sich ein Szenario mit einem Bodendampfreiniger (50 €) und dessen Reinigungs-Tabs (10 €) vor. Wenn diese in derselben Ad Group sind oder die Dampfreiniger-Anzeige Kunden regelmäßig zum Kauf der Tabs führt, schwankt der „Umsatz pro Bestellung" (Average Order Value) erheblich.

Wenn die Bietlogik einen 50-€-Sale voraussetzt, der Kunde aber regelmäßig das 10-€-Zubehör kauft, bricht der ROAS ein. Moderne Datentools – besonders solche, die Amazon Marketing Stream nutzen – können diese Verschiebungen im Kaufverhalten auf Stunden- oder Segment-Ebene identifizieren. Wenn die Daten zeigen, dass ein bestimmtes Target primär zu „versehentlichen" Zubehörkäufen statt zum Hauptartikel führt, muss der Bid nach unten angepasst werden.

Strukturelle Risiken: Dubletten und Kannibalisierung

Das Mischen von Produkten führt häufig zu einer weiteren gefährlichen PPC-Gewohnheit: Keywords über mehrere Kampagnen zu duplizieren, um „zu sehen, was funktioniert". Wenn verschiedene ASINs für denselben Produkttyp über mehrere Ad Groups verteilt sind, besteht das Risiko interner Konkurrenz oder inkonsistenter Daten.

Wenn ASIN A organisch für „Wasserkocher" rankt und ASIN B per PPC für denselben Begriff gepusht wird, dürfen sie sich nicht gegenseitig kannibalisieren. In einer gemeinsamen Ad Group verliert man aber die Kontrolle darüber, welches Produkt erscheint. Diese „Datenfragmentierung" macht es unmöglich festzustellen, welches Produkt das Budget wirklich verdient.

Durch die Trennung von Produkten in saubere, preisausgerichtete Strukturen lässt sich manchmal erkennen, dass bestimmte Artikel gar nicht beworben werden sollten. Seller geben oft erhebliches Budget für Varianten mit 4 % Conversion Rate aus, nur weil diese mit einem 12-%-Konverter gebündelt sind. Isoliert man sie, wird der Waste sichtbar – und das Budget kann in die leistungsstarken Hero-SKUs umgeleitet werden.

Amazon Marketing Stream für granulare Insights nutzen

Die Amazon Advertising Console verbirgt oft die Volatilität gemischter Ad Groups. Professionelle Advertiser nutzen Amazon Marketing Stream, um zu beobachten, wie die Performance schwankt, wenn die Buy Box wechselt oder verschiedene Fulfillment-Methoden aktiv sind.

Durch die Analyse auf Segment-Ebene lässt sich die direkte Korrelation zwischen einer Preisverschiebung und einem Conversion-Rate-Einbruch erkennen. Wenn eine Preiserhöhung von 2 € zu einem CVR-Rückgang von 5 % führt, muss der Bid sofort neu berechnet werden. In einer gemischten Ad Group gehen diese Nuancen im „Durchschnitt" unter.

Praktische Schritte zum Auditieren und Bereinigen

Für einen Account mit gemischten Preis- und Fulfillment-Problemen folgende Audit-Kriterien anwenden:

Preis-Clustering: Alle Ad Groups auditieren und sicherstellen, dass die Preisabweichung zwischen Produkten 10–15 % nicht übersteigt. Ein 10-€- und ein 30-€-Artikel gehören in separate Kampagnen oder Ad Groups.
Fulfillment-Isolation: FBA- und FBM-SKUs in getrennten Ad Groups halten. So lassen sich spezifische Bids setzen, die die höhere Conversion Rate und den Prime-exklusiven Traffic von FBA widerspiegeln.
Buy-Box-Historie prüfen: „Buy-Box-Jumper" identifizieren. Wenn Preisgestaltung oder Lagerbestände häufige Wechsel zwischen verschiedenen SKUs verursachen, wird die PPC-Performance unberechenbar. Möglichst eine stabile SKU für die Werbung nutzen.
Units per Order analysieren: Im Seller Central unter „Business Reports" die Units per Order prüfen. Liegt das Verhältnis nahe 1,0, kaufen Kunden keine Mehrfachmengen – das entkräftet die „Sie kaufen vielleicht den teureren Artikel"-Theorie.
Reverse ASIN Lookup: Tools wie AMALYZE nutzen, um einen Reverse Lookup auf Varianten durchzuführen. Wenn ASIN A für „Blauer LED-Streifen" und ASIN B für „Outdoor LED-Streifen" rankt, führt das Mischen in einer Ad Group für beide Keywords zu schlechter Relevanz.

Die Rolle von Saisonalität und Kaufintent

Intent verändert sich mit der Saison – was gemischte Ad Groups weiter verkompliziert. Klassisches Beispiel: Gartenhandschuhe. Im Frühjahr kaufen Kunden vielleicht ein einzelnes Paar für den Eigenbedarf. Im Hochsommer greifen sie zu Mehrfachpacks für die ganze Familie.

Wenn die Ad Group sowohl Einzelpaare (12 €) als auch 4er-Packs (35 €) enthält, wechselt das „Gewinner"-Produkt je nach Saison. Ohne Anpassung der Struktur ist das PPC für den 12-€-Intent optimiert, während der Markt zum 35-€-Intent gewechselt hat. Durch Trennung lassen sich Budget und Bids einfach auf die saisonale Nachfrage des spezifischen Preispunkts ausrichten.

Fazit

Das Mischen verschiedener Preispunkte und Fulfillment-Methoden in einer Ad Group schafft einen mathematischen „blinden Fleck", der präzises Bieten unmöglich macht. Erfolgreiches Amazon Advertising erfordert strukturelle Disziplin: Jeder Bid entspricht einem spezifischen Preis, einer spezifischen Conversion Rate und einem spezifischen Versandversprechen. Durch die Isolierung dieser Variablen wird die Volatilität eliminiert, die zu ACOS-Spikes führt – und das PPC-Budget steht stets hinter den profitabelsten Angeboten.