Breakdown-Effekt bei Meta: Wann du ihm traust
Warum Meta mehr Budget auf die Zeile mit dem höheren CPA legt, was das Abschalten kostet und welcher Test zeigt, wann ein Schnitt richtig ist.
Warum Meta mehr Budget auf die Zeile mit dem höheren CPA legt, was das Abschalten kostet und welcher Test zeigt, wann ein Schnitt richtig ist.
Warum gibt Meta mehr Geld für die teurere Platzierung aus? Die Frage kommt meist beim Blick in die Aufschlüsselung. Reels steht bei 10 Euro CPA und bekommt 20 Prozent vom Budget. Feed steht bei 20 Euro und bekommt den Rest. (Beide Zeilen sind mein eigenes Rechenbeispiel.) Also Feed aus und alles auf Reels?
Genau das geht oft schief, und der Gesamt-CPA steigt. Meta nennt dieses Missverständnis den Breakdown-Effekt. Die meisten Artikel dazu enden bei "vertrau dem Algorithmus". Das greift zu kurz, denn auch dafür liefert die Tabelle keinen Beleg.
Kurz gesagt: Der Breakdown-Effekt ist der falsche Eindruck, Meta habe Budget an das falsche Segment gegeben, weil dessen durchschnittlicher CPA höher ist. Die Auslieferung sucht die günstigste nächste Conversion. Schaltest du die teure Zeile ab, steigt der Gesamt-CPA deshalb oft. Klär die Frage mit einem Split-Test und bewerte das Gesamtergebnis.
Die Kernpunkte
Der Begriff beschreibt einen Lesefehler. Du siehst Budget auf dem Segment mit den höheren Durchschnittskosten und schließt daraus, dass das System falsch verteilt hat. Das betrifft Platzierungen, Anzeigengruppen und einzelne Anzeigen. Jon Loomers Zusammenfassung von Metas Hilfeartikel zeigt Metas Beispiel: Von 500 Dollar landen 450 auf Instagram Stories und 50 auf Facebook Stories. Die Zeile mit dem meisten Geld wirkt am Ende wie das schlechtere Geschäft.
Dahinter steckt wenig Magie. Je mehr du in ein Segment steckst, desto teurer wird es, weil die günstigsten Conversions zuerst weg sind. Die Auslieferung fragt immer nur, wo die nächste Conversion am wenigsten kostet. Deshalb kann Geld weiter in einen großen Pool fließen, obwohl dessen Schnitt längst über dem des kleinen liegt. Die Zeile zeigt dir nur den Schnitt aller bisherigen Käufe. Dieselbe Lücke habe ich nach Budgethöhe in weniger Budget, bessere Ergebnisse aufgedröselt.
Rechnen wir es mit 1.000 Euro Budget durch. Die Zahlen sind ausgedacht und sollen nur das Muster zeigen:
Beide Varianten starten mit derselben Tabelle. Der einzige Unterschied ist der Preis der nächsten Reels-Conversion, und dafür hat der Werbeanzeigenmanager keine Spalte. Am Zeilen-CPA erkennst du also nicht, ob du ein Drittel deiner Conversions verlierst oder ein Fünftel dazugewinnst.
Nein. Genau hier hört der übliche Rat auf. Der Breakdown-Effekt erklärt, warum eine teure Zeile in Ordnung sein kann. Über deine Zeile beweist er nichts.
Zwei Grenzen sind wichtig. Die Kosten der nächsten Conversion sind erstens eine Prognose von Meta. Meta veröffentlicht das Konzept, aber keine Grenzkosten pro Segment, und aus dem Bericht kannst du die Entscheidung nicht prüfen. Zweitens optimiert die Auslieferung auf das Ereignis, das du ausgewählt hast, so wie Meta es zählt. Retouren, Marge und die Frage, ob jemand ohnehin gekauft hätte, stecken nicht in dieser Zählung, solange du sie nicht zurückspielst.
Eine Zeile kann also sehr effizient Ereignisse einkaufen, die dir nichts bringen. "Meta weiß es besser" ist dann genauso ungeprüft wie "die teure Zeile muss weg".
Wenn du Belege von außerhalb des Zeilenschnitts hast. Drei Gründe halte ich für tragfähig:
Was fehlt auf der Liste? Ein höherer Durchschnitts-CPA für sich allein, und oft ist er das einzige Signal auf dem Tisch.
Nimm Metas A/B-Test. Er teilt die Zielgruppe, und die beiden Versionen bieten nicht gegeneinander. Die Kontrolle ist die Kampagne, wie sie heute läuft. Die Variante ist dieselbe Kampagne ohne die Zeile, mit gleichem Budget, gleichem Creative und gleichem Optimierungsereignis. Schreib die Entscheidungsregel vor dem Start auf.
Bewerte den Gesamt-CPA oder den Gesamtgewinn pro Testarm. Wie sich die verbliebenen Zeilen bewegen, ist egal. Sie werden sich bewegen: Im Beispiel oben steigt der CPA von Reels von 10 auf 25 Euro, und das gehört dazu.
Plan genug Volumen ein. Conversion-Zahlen rauschen stark, bei 100 pro Testarm schwankt jede Zahl um etwa 10. Metas Dokumentation setzt die Lernphase bei rund 50 Optimierungsereignissen pro Anzeigengruppe an. Das ist für mich die Untergrenze für stabile Auslieferung und noch lange kein Urteil. Schafft dein Konto dieses Volumen nicht, lass die Zeile in Ruhe und steck die Arbeit ins Creative.
Aufschlüsselungen sind nur eine weitere Sammlung von Durchschnitten, die sich wie Anweisungen lesen. Für dieselbe Falle auf Anzeigenebene habe ich die Ad Intelligence von Adscalr gebaut: ein Gesamtscore aus sechs Metriken, und frische Ergebnisse werden zum Normalwert des Formats gezogen, damit ein wilder Frühwert nicht von allein gewinnt. Das System bewertet Anzeigen. Grenzkosten pro Platzierung oder Altersgruppe schätzt es nicht, der Split-Test bleibt also deine Aufgabe.
Genau dieses Denken steckt in Adscalr.
Produkt ansehen →