Jedes deutsche Creative-Testing-Framework endet an derselben Stelle: Dokumentiere deine Learnings. Daneben steht dann ein Tracking-Sheet mit Hypothese, Laufzeit, Budget, KPI und Entscheidung.

So ein Sheet habe ich zwei Jahre lang gepflegt. Nach 40 Zeilen konnte ich immer noch nicht beantworten, welche Art von Hook in dem Account funktioniert.

Das Sheet hatte Tests dokumentiert. Es hatte nie dokumentiert, woraus die Creatives bestanden.

Kurz gesagt: Creative-Tests dokumentierst du vor dem Launch. Lege die Felder fest, die jedes Creative beschreiben (Winkel, Format, Hook-Typ, Beleg, Angebotsrahmen, wer vor der Kamera steht). Speichere sie als Spalten und nicht im Dateinamen. Ein Test beantwortet einen Vergleich. 40 getaggte Creatives beantworten, welches Merkmal immer wieder gewinnt.

Die Kernpunkte

Merkmale nach dem Ergebnis zu vergeben, ist Nacherzählung. Wenn die Rückkauf-Anzeige gewonnen hat, schreibt sich "mutiges Angebot" von allein. Leg die Felder fest, solange du keine Ahnung hast, welche Zeile gewinnt.
40 Creatives mal 8 Merkmale sind Dutzende Vergleiche gleichzeitig. Bei einer 5-Prozent-Schwelle besteht rund 1 von 20 Vergleichen den Test rein zufällig. Dein Archiv liefert dir jedes Quartal eine überzeugende Hausregel, auch wenn es keine gibt.
Ein Test-Protokoll addiert sich nie. Nach 40 Tests hast du 40 Absätze Prosa. Erst Merkmale in Spalten machen aus 12 Monaten Einzelvergleichen eine Frage, die sich lohnt.

Warum bringt dich dein Tracking-Sheet nicht weiter?

Weil es den Test beschreibt und nicht das Material. Hypothese, Laufzeit, Budget, Entscheidung: das ist ein Protokoll. Es hält fest, was an einem Dienstag im März passiert ist. Es hält nicht fest, woraus die vier Creatives gebaut waren, die an dem Dienstag gegeneinander liefen.

Protokolle addieren sich nicht. Am Jahresende hast du eine Chronik und kein einziges Feld, nach dem du filtern könntest.

Die eigentliche Erkenntnis lebt derweil in einem Kopf. Sie kommt am Freitag in einem Slack-Thread vor und ist zwei Wochen später weg, spätestens mit der Person, die den Test gefahren hat. Ich habe im September einen Hook-Stil neu getestet, den ich im April schon abgeschaltet hatte. Aufgefallen ist es mir nur, weil zufällig ein alter Export offen war.

Am einzelnen Testaufbau liegt das nicht. Die Lücke sitzt zwischen den Tests.

Was gehört in die Dokumentation?

Die Merkmale des Creatives und der Vergleich, in dem es lief. Winkel, Format, Hook-Typ, Beleg, Angebotsrahmen, wer vor der Kamera steht, ob ein Preis im Bild ist. Pro Merkmal eine Spalte. Dazu das Ergebnis: Spend, die Kennzahl, nach der du entschieden hast, und der Test, zu dem das Creative gehörte.

Die meisten Teams stecken das in den Dateinamen. Das scheitert aus einem banalen Grund: Ein Dateiname ist eine Zeichenkette, und über Zeichenketten kannst du nicht pivotieren. ugc_gruender_preishook_4x5_v2 enthält die Information und gibt dir keine Möglichkeit, sie zu befragen. Als Spalten beantwortet dasselbe Sheet "alle Creatives mit Preis im Bild" mit einem Filter.

Halte das Schema klein. 6 bis 8 Felder, die du jedes Mal ausfüllst, bringen mehr als 20, die du in Woche drei aufgibst. Leg die erlaubten Werte als feste Liste an, damit "Gründer", "Founder" und "Chef vor der Kamera" nicht zu drei Merkmalen werden.

Warum musst du die Merkmale vor dem Launch festlegen?

Weil du nach dem Ergebnis den Gewinner beschreibst und nicht mehr vorhersagst. Sobald die Rückkauf-Anzeige gewonnen hat, baut sich die Geschichte von allein: mutiges Angebot, direkte Hook, keine Musik. Jedes dieser Labels stimmt. Keins davon war vorher ausgewählt. Deshalb ist keins davon ein Beleg.

Wähle die Felder, solange jede Zeile gleich wahrscheinlich gewinnt. Das ist die billigste Portion Sauberkeit, die du in einem Creative-Prozess bekommst, und sie kostet ein Meeting.

Genau hier arbeitet die aktuelle Welle an KI-Tagging-Tools gegen dich. Sie sehen sich jedes Video an und vergeben hinterher Tags auf Dutzenden Dimensionen. Das klingt nach Hebel und kauft dir vor allem zusätzliche Wege, im Rauschen ein Muster zu finden. Mehr Dimensionen, mehr Vergleiche, mehr Zufall im Kostüm der Erkenntnis. Erst die Felder festlegen, dann ein Tool füllen lassen.

Ab wann lügt dein Creative-Archiv?

Sobald du anfängst, darin zu graben. Nimm 40 Creatives und 8 Merkmale mit je 3 Ausprägungen: Das sind 24 Gruppen, die du gegen den Rest halten kannst. Bei einer 5-Prozent-Schwelle besteht rund 1 von 20 Vergleichen den Test rein zufällig. Ein Archiv dieser Größe produziert jedes Quartal eine überzeugend aussehende Hausregel.

Die falsche Regel klingt immer gut. "Statics mit Preis im Bild schlagen alles." Dann wandert sie ins Briefing, und die nächsten 6 Creatives stehen auf einem Münzwurf.

Zwei Dinge helfen. Korrigiere für die Anzahl der Vergleiche, die du gefahren hast. Und behandle den Überlebenden als Hypothese: Die Regel wird erst zur Regel, wenn ein frischer Test sie bestätigt. Wann ein Unterschied belastbar ist, habe ich in Statistische Signifikanz bei Facebook Ads auseinandergenommen.

Adscalr übernimmt den ersten Teil im Pattern Mining: Benjamini-Hochberg mit q=0,10, angewendet beim Ranking vieler Creatives. Merkmalssuche produziert Kandidaten schneller, als ein Account Belege liefert.

Kann ein Log das Merkmal vom Angebot trennen?

Nein. Und das gehört gesagt, bevor jemand ein Quartal darauf aufbaut. Angenommen, deine UGC-Creatives gewinnen dauernd. Möglich, dass UGC funktioniert. Genauso möglich, dass du UGC dein stärkstes Angebot gegeben hast, weil man das mit dem Format macht, an das man glaubt. Dein Log speichert beide Fakten in zwei Spalten und weiß nicht, welche die Zahl bewegt hat.

Kein Tagging löst das auf. Ein Test schon: gleiches Angebot, beide Formate, alles andere still.

Eine zweite Grenze lohnt die Erwähnung. Der frühe Score eines neuen Creatives schwankt stark. Wenn du diese Rohwerte ins Archiv kippst, lernt es, dass ungewöhnliche Formate grandios sind. Adscalr zieht ein neues Creative über Bayes-Shrinkage mit formatspezifischen Priors dahin, wo sein Format normalerweise landet. Eine glückliche Woche wird so kein Dauereintrag.

Vom Protokoll zum nächsten Test

Eine Dokumentation lohnt sich, wenn sie ändert, was du als Nächstes startest. Ein gepflegtes Sheet macht aus "was testen wir jetzt" eine Auswahlliste: Zuerst das Merkmal mit der größten Spannweite und der dünnsten Beleglage.

Zwei ehrliche Hinweise dazu, wo das Produkt steht. Adscalr bewertet Creatives über sechs Kennzahlen, deren Gewichte du pro Projekt und Funnel-Stufe setzt, und empfiehlt per Thompson Sampling den nächsten sinnvollen Test, reproduzierbar pro Kalenderwoche. Deine eigenen Uploads taggt es nicht: Das Vision-Modell, das Anzeigen in rund 20 strukturierte Felder zerlegt, läuft auf Konkurrenzanzeigen aus den drei Werbebibliotheken. Wie sich die Bewertung bei kleinen Stichproben verhält, steht auf der Seite zu Ad Intelligence.

Dein Schema bleibt so oder so deins. 6 Spalten in einem Sheet, vor dem Launch ausgefüllt, schlagen jede nachträgliche Etikettierung.

Creative-Tests richtig dokumentieren