Ad Grader: Anzeigen vor dem Launch bewerten

Sechs Konzepte stehen für Montag bereit. Du wirfst sie in einen Ad Grader und bekommst Zahlen zurück: 82, 79, 74, 71, 66, 64. Das Budget ist knapp. Also gehen die besten drei live, der Rest wartet. Zwei Wochen später testet ein Kollege die 64 aus Neugier in einer anderen Anzeigengruppe. Sie schlägt alles, was du live gebracht hast.

Dumm war daran nichts. Der Score sollte nur eine Frage beantworten, die er nie beantworten kann.

In meinem eigenen Creative-Workflow steckt ein Check vor dem Launch. Eine Regel stand früh fest: Er darf nie eine einzelne Zahl ausgeben, die so tut, als sortiere sie Anzeigen nach künftiger Performance. Hier steht, warum.

Kurz gesagt: Ein Ad Grader prüft vor dem Launch das Handwerk einer Anzeige. Hat die Copy einen klaren Hook, eine konkrete Aussage, ein glaubwürdiges Angebot und einen Call to Action? Wohin fällt bei einem Static vermutlich der erste Blick? CTR oder ROAS sagt er dir nicht voraus. Auktion, Zielgruppe und Angebot stecken nicht in der Datei.

Das Wichtigste

• Ein Score vor dem Launch ist ein Filter gegen grobe Fehler. Pass/Fail-Checks mit zitierter Fehlerzeile schlagen jede Note von 0 bis 100. Eine zitierte Zeile kannst du umschreiben, eine „64“ nicht.
• Performance entsteht außerhalb der Datei. CPM, Zielgruppe, Landingpage und Preis bewegen CTR und ROAS. Nichts davon existiert, wenn der Score berechnet wird.
• Bring jede Variante live, die den Filter besteht. Ein paar Tage Spend sortieren sie. Frühe Werte ziehst du zum Normalwert des Formats, bevor du einen Gewinner kürst.

Was kann ein Ad Grader vor dem Launch prüfen?

Ein Ad Grader prüft alles, was im Asset selbst sichtbar ist. Das sind Copy und Layout, und die Liste ist länger, als es klingt.

Bei der Copy: Gibt die erste Zeile einen Grund weiterzulesen? Ist die Aussage konkret genug, dass man sie glaubt? Steht das Angebot da oder ist es versteckt? Gibt es genau eine klare Handlung? Diese Fragen stecken in fast jeder Direct-Response-Checkliste. Meine sechs habe ich als Pass/Fail-Checks für Statics und UGC-Skripte aufgeschrieben.

Beim Bild, zumindest bei Statics, sagt ein Saliency-Modell voraus, wohin der Blick zuerst geht und in welcher Reihenfolge. Gewinnt das Gesicht im Foto den ersten Blick und der Preis sitzt in einer kalten Ecke? Das weißt du dann, bevor du einen Euro ausgibst.

Anbieter teilen diese Tools in drei Aufgaben auf: Regel-Checks, Ähnlichkeit zu früheren Anzeigen und Performance-Vorhersage. Bei der dritten fängt der Ärger an.

Warum kann kein Score CTR oder ROAS vorhersagen?

Ein Score vor dem Launch kann CTR und ROAS nicht vorhersagen, weil das meiste, was diese Zahlen bestimmt, nicht in der Creative-Datei steckt. Dasselbe Static liefert ganz andere Ergebnisse, je nachdem, wer es sieht. Dazu kommen der Auktionspreis in dieser Woche, die Platzierung und das, was nach dem Klick auf der Landingpage passiert.

Denk an die 64 vom Anfang. Sie hat beim Score verloren, weil die Headline lang war und der Hook spät kam. Im Konto hat sie gewonnen, weil sie einen Preiseinwand der Zielgruppe angesprochen hat. Die anderen fünf haben ihn ignoriert. Kein Modell, das nur die Datei bewertet, weiß, dass dieser Zielgruppe der Preis wichtiger war als Tempo.

Vorhersage-Tools, die auf Bibliotheken alter Anzeigen trainiert sind, haben ein zweites Problem. Sie lernen, was bei anderen Werbetreibenden lief. In anderen Auktionen, mit anderen Angeboten. Nennt ein Anbieter eine Trefferquote, frag nach: Was wurde vorhergesagt, gegen welche Testdaten, für welche Art von Konto? Ohne Antworten ist die Quote Dekoration.

Was sollte ein brauchbarer Score dir zeigen?

Ein brauchbarer Score zeigt dir, was durchgefallen ist und wo, in Worten, mit denen du arbeiten kannst. Eine einzelne Zahl zwischen 0 und 100 verschweigt genau das.

Wenn mein Copywriting-Kritiker ein Konzept markiert, fällt es bei einem benannten Prinzip durch. Dazu zitiert er die Zeile, die es kippt: Angebot, durchgefallen, „Entdecke, was unsere App für dein Team tun kann.“ Die Designerin liest das, sieht, dass in dem Satz kein Angebot steckt, und behebt es in fünf Minuten. Vergleich das mit „Klarheit: 6/10“. Über eine 6 kann man lange über Geschmack streiten. Eine zitierte Zeile ohne Angebot beendet den Streit.

Bei der Aufmerksamkeit gilt dasselbe. „Erster vorhergesagter Blick aufs Gesicht, CTA erst an vierter Stelle“ sagt dir, was du verschieben musst. Ein „Visual Score“ von 71 sagt dir das nicht.

Das Format, dem ich traue: Jeder Check ist binär. Jeder Fehler zeigt auf eine Zeile oder Fläche. Und das Ergebnis ist eine Empfehlung. Ein Mensch entscheidet, ob der Fehler bei dieser Anzeige zählt. „Preis immer in die Headline“ ist bei einer Awareness-Anzeige falsch. Ein Grader, den niemand überstimmen darf, drückt dich Richtung Mittelmaß.

Wie nutzt du einen Score, ohne dass er den Gewinner wählt?

Nutz den Score als Eintrittskarte und lass die Auktion alles sortieren, was reinkommt. In der Praxis ist das eine Schleife in drei Schritten.

Erstens: Jedes Konzept geht durch die Checks, und du behebst, was durchfällt. Meist sind das Kleinigkeiten. Preis nach oben, Einleitungssatz streichen, CTA in eine eigene Zeile.

Zweitens: Jede Variante, die besteht, geht live. Auch die, die dir weniger gefallen. Die Variante, die du geparkt hättest, trägt am ehesten einen Kaufgrund, an den du nicht gedacht hast. Reicht das Budget nicht für sechs Varianten, streich nach inhaltlicher Überschneidung (zwei Anzeigen mit demselben Argument). Der Score spielt bei dieser Wahl keine Rolle.

Drittens: Beurteile Ergebnisse mit Blick aufs Rauschen. Die ersten zwei Tage einer neuen Anzeige sind vor allem Glück. Ich ziehe frühe Werte deshalb zu dem, was das Format normalerweise schafft. Liegt eine Anzeige danach noch vorne, bekommt sie mehr Budget.

Wo hört die Bewertung bei Adscalr auf?

Die Bewertung bei Adscalr hört beim Handwerk auf, mit Absicht. Der Copywriting-Kritiker prüft jedes Konzept gegen sechs Direct-Response-Prinzipien, bestanden oder durchgefallen, mit zitierter Fehlerzeile. Bei Statics sagt DeepGazeIIE Heatmap und Blickreihenfolge voraus. Das ist ein Saliency-Modell, trainiert auf Eye-Tracking-Daten echter Menschen. Wie weit du dem trauen kannst, steht in Attention Heatmaps für Ad Creatives.

Beides sind Empfehlungen. Nichts wird automatisch abgelehnt, und nichts geht live, ohne dass ein Mensch es freigibt. Keiner der beiden Checks behauptet, deine künftige CTR zu kennen.

Wie diese Checks in die ganze Creative-Schleife passen, von Wettbewerber-Angles über Zielgruppen-Zitate bis zu deinen eigenen Performance-Daten, zeigt die Seite zur Ad Creation. Der Score soll den Fehler abfangen, für den du dich schämen würdest, wenn du dafür zahlst. Den Gewinner sucht weiterhin der Spend aus.