Creatives ohne Lernphase-Reset hinzufügen

Du hast eine Anzeige, die das Konto drei Wochen lang getragen hat. Dann rutscht die CTR ab, die Frequenz klettert über 2,5, und dir ist klar: Es braucht frische Creatives. Also schiebst du ein neues Video in dieselbe Anzeigengruppe, klickst auf Veröffentlichen, und am nächsten Morgen ist die ganze Gruppe zurück in der Lernphase. Der Gewinner, der eben noch Geld gedruckt hat, liefert wieder wie an Tag eins.

Genau das habe ich gemacht und einer guten Anzeigengruppe beim Abwürgen zugesehen. Der Instinkt war richtig (die Creative war müde, ein Wechsel überfällig), die Methode war falsch.

Kurz gesagt: Eine Anzeige zu einer laufenden Anzeigengruppe hinzuzufügen gilt als wesentliche Änderung. Laut Metas Doku schickt eine wesentliche Änderung die ganze Anzeigengruppe zurück in die Lernphase, nicht nur die neue Creative. Willst du ohne Reset auffrischen, teste die neue Anzeige in einem Duplikat oder einer separaten Anzeigengruppe. Der Gewinner läuft dann unangetastet weiter.

Die Kernpunkte

• Eine Anzeige hinzuzufügen zählt als wesentliche Änderung. Metas Hilfebereich führt das Hinzufügen oder Entfernen von Anzeigen unter den Änderungen auf, die die Lernphase neu starten: rund 50 Optimierungsereignisse zum Wiederaufbau.
• Isoliere den Test in einer eigenen Anzeigengruppe. Ein Duplikat oder ein A/B-Experiment lässt die neue Creative auf ihrer eigenen Lernphase laufen, während der bewährte Gewinner seine Auslieferungshistorie behält.
• Friere jede Auslieferungseinstellung ein. Ein Budgetsprung über ~20 Prozent, ein neues Optimierungsereignis oder eine geänderte Zielgruppe setzen die Lernphase je für sich zurück. Im Creative-Test bewegt sich also nur die Creative.

Setzt eine neue Anzeige die Lernphase der Gruppe zurück?

Meistens ja, auf Ebene der Anzeigengruppe. Metas Hilfebereich wertet das Hinzufügen oder Entfernen von Anzeigen als wesentliche Änderung, und eine wesentliche Änderung schickt die komplette Gruppe zurück in die Lernphase. Die rund 50 Optimierungsereignisse, die sie zum Stabilisieren braucht, fangen von vorn an. Dein bewährter Gewinner verliert seinen Auslieferungsstand mit.

Ein Detail lohnt sich zu wissen. Manche Buyer berichten, dass eine einzelne Anzeige in einer stark laufenden Gruppe inzwischen ohne sichtbaren Reset durchrutscht, während fünf Anzeigen in einer dünnen Gruppe die Lernphase weiter auslösen. Meta hat die Doku dazu nicht aktualisiert. Behandle den Reset also als Normalfall und einen sauberen Durchlauf als Glück, auf das du nicht bauen kannst. Die Euro-Kosten eines Lernphasen-Resets sind real genug, dass Raten bei einem Gewinner die falsche Wette ist.

Wie testest du neue Creatives, ohne den Gewinner anzufassen?

Duplizieren, dann tauschen. Kopiere die Anzeigengruppe, leg die neue Creative in die Kopie, und lass sie mit kleinem Budget neben dem Original laufen. Der Gewinner liefert auf seiner bestehenden Lernphase weiter, die neue Anzeige bekommt ihre eigene Lernphase, um sich zu beweisen. Schlägt sie den Amtsinhaber über genug Conversions, nimmst du den alten raus, und der neue ist längst durch die Lernphase.

Metas A/B-Test (Experimente) macht dieselbe Isolierung sauberer. Er teilt den Traffic zwischen Original und Variante auf, ohne an einem der beiden zu editieren, mit festem Budget und Enddatum. Am Ende steht ein Sieger, dem du trauen kannst, weil nichts mitten im Lauf verändert wurde. Beide Wege funktionieren aus demselben Grund: Der bewährte Gewinner geht nie wieder in die Lernphase, weil du seine Anzeigengruppe nie veränderst. Du baust dem Herausforderer eine eigene Bühne.

Welche Einstellungen müssen im Test eingefroren bleiben?

Alles, was Meta als wesentliche Änderung zählt, außer der Creative selbst. Also das Budget (eine Änderung über rund 20 bis 25 Prozent löst es aus), das Optimierungsereignis, die Zielgruppe, die Platzierungen und die Gebotsstrategie. Bewegst du davon etwas mitten im Test, kannst du nicht mehr sagen, ob die Performance sich durch die neue Creative geändert hat oder durch den Reset, den du mit der Einstellung ausgelöst hast.

Das ist der wahre Grund, warum ein Duplikat besser ist als eine Änderung am Original. Die Kopie gibt dir eine saubere Bühne: dieselbe Zielgruppe und dieselben Einstellungen wie beim Gewinner, mit einer geänderten Variable. Drehst du im selben Test noch am Budget oder wechselst das Conversion-Ereignis, hast du die Auswertung verwässert und einen Lernphasen-Reset bezahlt, für ein Ergebnis, das du nicht deuten kannst. Eine Änderung pro Test macht ihn überhaupt erst lesbar.

Kann Automatisierung helfen, während die neue Anzeige lernt?

Ihre Aufgabe hier ist Verteidigung. Eine gut gebaute Regelebene lässt eine frische Anzeige in Ruhe, solange sie sich einfindet, und greift erst ein, wenn die Anzeige nach der Lernphase schlecht wird. Als ich die Automatisierung in Adscalr gebaut habe, darf keine Regel eine Anzeige anfassen, die jünger als 5 Tage oder unter 200 Euro Spend ist. Eine duplizierte Testgruppe bekommt so Raum, die Lernphase zu verlassen, bevor etwas sie pausieren kann.

Die Regeln können nur pausieren oder abschalten; die Testgruppe hochzuziehen ist ein manueller Schritt von dir. Dieser Schnitt zählt beim Auffrischen. Die Maschine beobachtet Frequenz und ROAS über Nacht, sowohl beim Gewinner als auch beim Herausforderer, und du entscheidest, die neue Creative zu befördern, sobald sie es verdient hat. "Fass einen Gewinner nie an" heißt eigentlich "fass ihn nie blind an", und den Test zu isolieren ist der Weg, ihn sicher anzufassen. Diese schützende Grundhaltung ist die ganze Form der Automatisierung in Adscalr: Leitplanken, die das System ohne Pause hält, und die Start- und Skalierungsentscheidungen, die eine Person behält.