Meta Ads: Aufschlüsselung Alter und Geschlecht

Eine Anzeigengruppe läuft seit 5 Wochen breit, 120 Euro am Tag. Du öffnest den Werbeanzeigenmanager, stellst die Aufschlüsselung auf Alter und Geschlecht, und ganz oben stehen Frauen zwischen 55 und 64. 31 Prozent des Budgets. In deinem Personas-Dokument ist niemand über 40.

Wer dazu auf Deutsch sucht, landet fast immer bei zwei Sorten Text: Klickanleitungen aus dem Meta-Hilfebereich und Beiträge über spezielle Anzeigenkategorien, also darüber, wen du überhaupt ansprechen darfst. Die Frage danach bleibt offen. Was sagt diese Tabelle eigentlich aus?

Weniger, als alle denken.

Kurz gesagt: Die Aufschlüsselung nach Alter und Geschlecht zeigt, wen Meta erreicht hat, und Meta erreicht die günstigste Reichweite. Nimm eine auffällige Zeile als Sprachhypothese: Schreib eine Anzeige in der Sprache dieser Gruppe, lass sie gegen deine Kontrolle laufen und sieh nach, ob sie eigene Käufe bringt.

Die Kernpunkte

• Jede Zeile dieser Tabelle ist eine Reichweiten-Zeile. Metas Marketing-API-Dokumentation gibt dem Altersfeld genau eine Zeile Definition: "The age range of the people you've reached." Das ist eine Aussage über Auslieferung, nicht über Kaufverhalten.
• Prüfe zuerst, ob die Kaufspalte pro Zeile gefüllt ist. Meta beschreibt Fälle, in denen Ergebnisse außerhalb von Meta ohne Aufschlüsselungswert zurückkommen. Dann sind alle Kosten pro Zeile zu hoch.
• Eine Zeile mit 6 Käufen ist kein Befund. Metas Dokumentation setzt die Lernphase bei rund 50 Conversions pro Anzeigengruppe an. Alles deutlich darunter schwankt mit einzelnen Bestellungen.

Was misst die Aufschlüsselung nach Alter und Geschlecht?

Die Auslieferung. Metas Marketing-API-Dokumentation definiert das Altersfeld als "The age range of the people you've reached." Beim Geschlecht steht "Gender of people you've reached", und wer das Feld nie ausgefüllt hat, landet in einem Eimer namens "not specified". Jede Zahl in dieser Tabelle hängt an Reichweite.

Reichweite kauft die Auktion für dich ein. Sie hat dein Budget dort ausgegeben, wo Impressionen zu deinem Gebot zu holen waren. Über Kaufabsicht sagt das nichts.

Sieh dir zuerst die Zeile "not specified" an. Das sind Profile ohne Geschlechtsangabe, und in manchen Konten frisst diese Zeile einen zweistelligen Anteil vom Budget. 45 zu 40 mit 15 Prozent ohne Zuordnung ist ein viel schwächeres Signal als 55 zu 45 bei voller Tabelle.

Warum sieht die billigste Altersgruppe wie die beste aus?

Weil Reichweite einen Preis hat und der Preis nicht überall gleich ist. Eine Gruppe, die du für 4 Euro TKP einkaufst, bekommt fürs selbe Geld dreimal so viele Impressionen wie eine Gruppe für 12 Euro. Also mehr Klicks und meist auch mehr Käufe, allein über die Menge.

Welche Spalte du sortierst, entscheidet das Ergebnis. Sortier nach Käufen, und die billige Gruppe gewinnt schon durch die Bauart. Sortier nach Kosten pro Kauf oder nach ROAS, und die Reihenfolge dreht sich oft.

"Unsere eigentliche Zielgruppe sind die 55 plus" ist deshalb häufig eine Erkenntnis über den TKP. Ehrlich formuliert: Diese Gruppe war billig genug, dass wir aus Versehen einen großen Test auf ihr gefahren haben.

Zeigt die Aufschlüsselung überhaupt Käufe an?

Weniger verlässlich, als das Layout vermuten lässt. Metas Marketing-API-Dokumentation warnt, dass bei bestimmten Aufschlüsselungen Web-Metriken außerhalb von Meta zwar zurückkommen, aber "will not contain the breakdown value", und dass mobile Metriken "will not be returned anymore when queried with these breakdowns" (beides Zitate aus Metas Entwicklerdokumentation).

Dafür gibt es einen 30-Sekunden-Test, den fast niemand macht. Addier die Käufe über alle Zeilen und vergleich die Summe mit derselben Kampagne ohne Aufschlüsselung. Liegt die Summe darunter, fehlen Ergebnisse in den Zeilen, und jede Kosten-pro-Kauf-Zahl daraus ist zu hoch.

Ich habe einmal zugesehen, wie ein Team einen Altersausschluss auf einer Tabelle geplant hat, der rund ein Fünftel der Conversions fehlte. Das Budget bleibt in den Zeilen stehen, auch wenn Ergebnisse verschwinden. Der Fehler zeigt darum immer in dieselbe Richtung: Segmente sehen schlechter aus, als sie sind.

Solltest du schwache Altersgruppen ausschließen?

Selten, und fast nie nach einem Monat breiter Auslieferung. Ein Ausschluss verengt den Pool, in dem das System optimieren darf. Er tut das leise, und er wirkt weiter, lange nachdem sein Grund weggefallen ist. Die sorgfältigeren Anleitungen greifen erst zu Gebotsanpassungen und dann zum harten Ausschluss. Diese Reihenfolge stimmt.

Drei Fälle rechtfertigen den harten Schnitt: Du darfst die Gruppe rechtlich nicht beliefern, dein Produkt hat ein gesetzliches Mindestalter, oder eine spezielle Anzeigenkategorie schränkt das Targeting ohnehin ein. Kosten stehen nicht auf dieser Liste.

Alles andere gehört eine Ebene höher, in Creative und Angebot. Dort bleibt der Pool breit. Wie viel du der Auslieferung überlassen solltest, habe ich in breite oder detaillierte Zielgruppen durchgerechnet.

Wie testest du eine überraschende Zeile?

Gib ihr ein Creative statt eines Filters. Nimm die Gruppe, die dir die Tabelle immer wieder hinlegt, schreib ein Konzept in ihrer Sprache (ihr Einwand, ihr Sprachregister, ihre Bezugspunkte) und lass es gegen deine Kontrolle laufen, bei gleichem Budget und gleichem Angebot. Die Zeile fragt, wer erreicht wird. Die Anzeige fragt, ob sich diese Leute überzeugen lassen.

Finanzier den Test anständig. Metas Dokumentation setzt die Lernphase bei rund 50 Conversions pro Anzeigengruppe an. Bei 25 Euro CPA sind das etwa 1.250 Euro, bevor die Kosten pro Kauf eine Entscheidung tragen. Eine Zeile mit 6 Käufen im Monat ist Rauschen mit einem Demografie-Etikett.

Beide Ausgänge zahlen sich aus. Gewinnt die zugeschnittene Anzeige, hast du eine Botschaft. Verliert sie bei gleichem Budget, war die Zeile von Anfang an eine Preisfrage im Einkauf.

Wo die Demografie aufhört und die Belege anfangen

Eine Demografie-Zeile benennt einen Raum. Was du darin sagen sollst, steht nicht drin. Menschen reagieren auf Worte und nicht auf eine Altersspanne. Deshalb schlägt eine Persona aus Zitaten jede Persona aus dem Auslieferungsbericht.

Auf dieser Disziplin läuft die Zielgruppenseite von Adscalr. Personas kommen in Sets von 4 bis 6, jede belegt mit mindestens 3 Zitaten aus benannten Quellen und 2 bis 4 wörtlichen Sprachmarkern pro Zitat. Jede Demografie daran ist als KI-Schätzung gekennzeichnet. Die Zitate liegen auf Eugene Schwartz' 5 Bewusstseinsstufen, damit eine Persona Sprache und Stufe trägt statt einer Altersspanne.

Die ganze Methode steht auf der Seite zur Zielgruppen-Intelligenz, und woran sich eine Persona messen lassen muss, steht in Buyer Personas für Paid Ads. Mach die Aufschlüsselung ruhig jeden Monat auf. Lies sie als Bericht darüber, wohin dein Geld gelaufen ist.