Slava Wagner – SEA, CRO, Data & Forecasting

PMax Zielgruppensignale – Advanced Google Ads Audit
✦ ADVANCED GOOGLE ADS AUDIT · STRATEGIE 08

PMax Zielgruppensignale: 5-Stufen-Targeting & Führung

Strategie-Call anfragen > GitHub CLI Agent ↗ Prüft Vorhandensein (keine Ausführung)

Wer noch nie Zielgruppensignal-Abstufungstests gefahren hat, überlässt dem Algorithmus eine Annahme, die nie validiert wurde. Erst die schrittweise Abstufung hochwertiger Kundenlisten und Suchthemen macht sichtbar, welches Signal dem Algorithmus die günstigsten Conversions zuführt.

API PULL Bestandsdaten-Import Performance Max Kampagnendaten & Signale auslesen AUDIENCE SIGNALS Kundenlisten & Suchthemen einspeisen Hochwertige Erstkäufer-Daten zur Algorithmus-Führung AUDIT REPORT Google Ads Audit Report Prüfbericht zu Signal-Relevanz & Asset-Gruppen-Führung
✦

Die Antigravity Basis-Infrastruktur (Voraussetzung für alle 3 Agents)

1 Antigravity CLI global installieren
bash · npm install
$ npm install -g @google/antigravity-cli
2 Antigravity Umgebung im Terminal starten
bash · agy start
$ agy
✦ Alle Multi-Agenten-Prozesse, automatisierten API-Abfragen und Asset-Generierungen laufen direkt über das Google Ads Python/Node SDK innerhalb der Antigravity CLI.
✦

CLI-Bedienung: Google Ads Audit Strategy starten (Prüfung auf Vorhandensein)

GitHub CLI Agent ↗ Prüft Vorhandensein (keine Ausführung)
1 Audit CLI-Paket global installieren
bash · npm install
$ npm install -g advanced-google-ads-audit
2 Strategie-Audit ausführen (Prüfung auf Vorhandensein)
bash · audit start
$ advanced-google-ads-audit pmax-zielgruppensignale
✦ Wichtiger Audit-Hinweis: Der CLI Agent führt ein Read-Only-Audit durch und prüft dein Google Ads Konto rein auf das Vorhandensein dieser Strategie. Der CLI Agent führt die Strategie nicht eigenständig aus, sondern deckt Lücken und ungenutzte Hebel im Setup auf.

PMax Zielgruppensignale: 5er-Abstufungstests

5-STUFIGE SIGNAL-ABSTUFUNG ZUR VALIDIERUNG DES ALGORITHMUS
GitHub CLI Agent ↗ Prüft Vorhandensein (keine Ausführung)
Schnell-Check (Self Assessment): Es wurden noch nie Zielgruppensignal-Abstufungstests in 5 Schritten gemacht. (Falsches Signal = teurer Lead, den du nie hinterfragt hast.)

Wer noch nie Zielgruppensignal-Abstufungstests in fünf Schritten gefahren hat, überlässt dem Algorithmus eine Annahme, die nie validiert wurde.

Ein falsches Signal bedeutet nicht nur einen teureren Lead – es bedeutet einen teuren Lead, der nie hinterfragt wird, weil niemand ihn mit der Alternative verglichen hat. Erst die schrittweise Abstufung der Signale macht sichtbar, welches Zielgruppenverständnis dem Algorithmus tatsächlich die günstigsten Conversions zuführt.

PMax Zielgruppensignale: 5er-Abstufungstests

Zweck & Strategische Begründung

SOP ZIELSETZUNG & ANWENDUNGSBEREICH
GitHub CLI Agent ↗ Prüft Vorhandensein (keine Ausführung) SOP Blueprint Audit-Standard

Zweck & Zielsetzung

Standardisiertes Setup von Zielgruppensignalen in PMax-Asset-Gruppen. Durch fünf klar definierte Targeting-Stufen systematisch herausfinden, welche Signal-Kombination pro Offer die besten Lead-Kosten und höchsten Conversion-Werte liefert.

Anwendungsbereich

  • Primär: Performance-Max-Kampagnen mit mehreren parallelen Asset-Gruppen
  • Anwendungsfall: Systematisches Testen unterschiedlicher Targeting-Tiefen
  • Voraussetzung: GA4 sauber eingerichtet inkl. Page-Location-Daten und Audience-Sync zu Google Ads
  • Erfahrungswert: Narrow und 30-Sekunden-Besucher liefern am häufigsten die günstigsten Lead-Kosten

Strategische Begründung

Warum gestaffelte Targeting-Stufen?

PMax-Asset-Gruppen reagieren je nach Offer und Branche unterschiedlich auf die Datenbreite der Signale. Eine zu enge Definition schneidet relevante Zielgruppen ab, eine zu breite verwässert die Lernsignale. Alle fünf Stufen werden parallel aufgesetzt und gegeneinander getestet.

First-Party-Daten als Rückgrat

Zwei der fünf Stufen (Narrow und 30-Sekunden-Besucher) basieren ausschließlich auf First-Party-Daten aus GA4. Selbst erhobene Schnittmengen liefern dem Algorithmus die qualitativ hochwertigsten Hinweise.

System-Architektur & Spezifikation

METRIKEN & STRUKTUR-SETUP
GitHub CLI Agent ↗ Prüft Vorhandensein (keine Ausführung) System-Matrix Reporting-Ebenen

Übersicht der fünf Targeting-Stufen

Nr. Stufe Kern Datenquelle
01 Narrow Sehr enge angebotsspezifische Zielgruppe – nur Besucher der Angebots-Unterseite First-Party (GA4)
02 Standard Ausgewogene Mischung aus eigenen Daten und Plattform-Zielgruppen First-Party + Plattform
03 Broad Maximale Datenbreite – gesamtes Signalfeld First-Party + Plattform breit
04 30-Sekunden-Besucher Reine First-Party-Schnittmenge auf Sitzungsdauer > 30 Sek. First-Party (GA4)
05 Competitors Mitbewerber-Affinität – ähnlich zu Mitbewerber-Besuchern Plattform (Google Ads)

Detail-Setup pro Targeting-Stufe

01 – Narrow

  • Quelle: GA4-Audience auf Basis Page-Location
  • Filterlogik: Page Location enthält den eindeutigen Angebots-Slug
  • Wichtig: Nicht alle Website-Besucher pauschal – nur die Angebots-Besucher
  • Typische Performance: Häufig günstigste Lead-Kosten + höchste Lead-Anzahl

02 – Standard

  • Alle Nutzer mit höherer Sitzungsdauer (10–360 Sekunden, je nach Auswahl)
  • Alle Nutzer aus GA4 mit Page-Location-Term
  • Passende Keywords
  • Zielgruppen aus Affinity Audiences und In-Market Audiences (z. B. Kaufinteressenten, Wohneigentümer)

03 – Broad

  • Alle Website-Besucher aus GA4
  • Alle Google-Ads-Besucher
  • Alle relevanten Keywords
  • Alle relevanten Competitors
  • Alle relevanten Affinity- und In-Market Audiences

04 – 30-Sekunden-Besucher

  • Quelle: GA4-Audience
  • Filterlogik: Sitzungsdauer > 30 Sekunden
  • Typische Performance: Häufig zweitbester Performer nach Narrow

05 – Competitors

  • Quelle: Google Ads (Custom Audiences mit Mitbewerber-URLs)
  • Anwendungsfall: In manchen PMax-Kampagnen branchenabhängig die beste Wahl
  • Achtung: Performance stark schwankend

Prozessablauf & SOP-Schritte

SCHRITT-FÜR-SCHRITT IMPLEMENTIERUNG
GitHub CLI Agent ↗ Prüft Vorhandensein (keine Ausführung) Execution Flow Step-by-Step

Voraussetzungen

  • GA4 sauber implementiert (Page-Location-Tracking, Sitzungsdauer)
  • Pro Offer: Page-Location-Audience, 30-Sekunden-Audience, Allgemein-Besucher-Audience
  • Audience-Sync GA4 → Google Ads aktiv
  • Custom Audiences mit Mitbewerber-URLs
  • Keyword-Listen (Brand/Generic/Competitor) pro Offer
  • Affinity/In-Market-Auswahl pro Branche kuratiert
  • Conversion-Tracking für saubere Vergleichbarkeit

Prozessablauf

Schritt 1 – Audience-Inventar prüfen

  • Vorhandene GA4-Audiences sichten
  • Fehlende anlegen und an Google Ads syncen
  • Custom Audiences für Competitors anlegen

Schritt 2 – Signal-Pakete vorbereiten

  • Pro Offer ein dediziertes Paket pro Stufe (Narrow/Standard/Broad/30s/Competitors)
  • Pro Stufe dokumentieren: welche Audiences, Keywords, Custom-Segmente
  • Sitzungsdauer-Schwelle für Standard festlegen (10–360 Sek.)

Schritt 3 – Asset-Gruppen-Struktur in PMax aufsetzen

  • Pro Offer fünf Asset-Gruppen anlegen – eine pro Stufe
  • Naming-Convention: [Offer]_[Stufe] (z. B. Immo_Bewertung_Narrow)
  • Signal-Pakete als Zielgruppensignale einbuchen
  • Assets (Headlines, Descriptions, Bilder, Videos) pro Asset-Gruppe IDENTISCH halten – damit nur das Signal getestet wird

Schritt 4 – Launch & Lernphase

  • Alle fünf Asset-Gruppen gleichzeitig live setzen
  • Mindestens 14 Tage Lernphase ohne Eingriffe
  • Bei sehr kleinen Budgets ggf. 4 Wochen

Schritt 5 – Auswertung & Ranking

  • Pro Asset-Gruppe Lead-Kosten, Lead-Volumen, Conversion-Wert ermitteln
  • Stufen-Ranking pro Offer (Top 1 bis Top 5)
  • Erkenntnisse pro Branche festhalten

Schritt 6 – Budget-Shift & Konsolidierung

  • Budget auf Top-1- und Top-2-Stufen verlagern
  • Schwächere pausieren oder reduzieren
  • Top-Performer-Stufen ggf. in eigenständige Kampagnen ausgliedern

Schritt 7 – Re-Test im Turnus

  • Targeting-Stufen-Test pro Offer alle 1–3 Monate wiederholen
  • Marktdynamik, neue Wettbewerber, saisonale Verschiebungen

Qualitäts-Guardrails & Troubleshooting

AUDIT-PRÜFPROTOKOLL & FEHLERBILDER
GitHub CLI Agent ↗ Prüft Vorhandensein (keine Ausführung) Monitoring Sofortmaßnahmen

Qualitätskriterien

  • Alle fünf Stufen parallel – erst Vergleich zeigt echte Top-Stufe
  • Saubere Naming-Convention
  • Assets identisch halten – nur das Signal wird getestet
  • 14 Tage Lernphase – keine vorzeitigen Eingriffe
  • First-Party priorisieren bei mehrdeutigen Ergebnissen
  • Branchen-Patterns dokumentieren

Troubleshooting

Problem Lösung
Narrow liefert kaum Reichweite Page-Location-Filter zu eng – Slug breiter fassen oder Cluster zusammenfassen
Broad performt besser als Narrow First-Party-Audiences zu klein – Reichweite in GA4 prüfen
Competitors-Stufe nur teure Klicks Mitbewerber-Auswahl prüfen – nur direkte Wettbewerber einbuchen
Alle Stufen liefern ähnliche Lead-Kosten Lernphase verlängern, Budgets möglicherweise zu klein
GA4-Audiences kommen nicht in Google Ads an Property-Link, Mitgliedschaftsdauer, Mindestschwellen prüfen
Asset-Gruppen kannibalisieren sich Top-Performer in eigene Kampagnen ausgliedern
× Vollbild Vorschau

Slava Wagner

Google Ads & Meta Ads Lead-Generierung für Hochpreis-Branchen. AI-Automatisierungen für Werbesystem APIs.

info@slavawagner.de
+49 176 588 744 04

Google Ads Strategies

Strategie-Implementierung anfragen

Jetzt anfragen und wir gehen in einem Call die Strategie-Implementierung durch.