Neue Chancen finden
Automatische Kampagnen, Broad, Phrase oder breiteres Product Targeting können neue Suchbegriffe und Produktumfelder entdecken.
Du hast automatische Kampagnen, Broad, Phrase, Exact, Product Targeting (Ausrichtung auf bestimmte Produkte oder Kategorien) und negative Keywords kennengelernt. Wenn du jetzt alles in eine einzige Kampagne packst, wird schnell unklar, wo dein Budget ausgegeben wird, welche Werbeziele – sogenannte Targets – wirklich funktionieren und welches Gebot du ändern solltest.
Auf dieser Seite lernst du eine einfache Kampagnenstruktur für Anfänger: erst neue Suchbegriffe und Produkte entdecken, dann bestätigte Gewinner gezielter steuern. Außerdem zeige ich dir, wie Kampagne, Anzeigengruppe, Budget und Targets zusammenhängen.
Von Luisa Luer – SEA-Expertin seit 2014
Eine gute Kampagnenstruktur bedeutet nicht, möglichst viele Kampagnen anzulegen. Sie bedeutet, dass du später noch erkennst, welche Kampagne etwas Neues testen soll, welche Gewinner gezielt verkauft, welches Produkt Budget verbraucht und wo du ein Gebot ändern musst.
Automatische Kampagnen, Broad, Phrase oder breiteres Product Targeting können neue Suchbegriffe und Produktumfelder entdecken.
Bestätigte Suchbegriffe oder ASINs (die eindeutigen Amazon-Produktnummern) kannst du später enger führen, eigene Gebote vergeben und getrennt beobachten.
Das Tagesbudget wird bei Sponsored Products auf Kampagnenebene festgelegt. Eine klare Trennung hilft dir deshalb zu erkennen, welcher Zweck wie viel Budget erhält.
Amazon rät dazu, Kampagnen und Anzeigengruppen so zu strukturieren, dass Ziel, Targeting und Kennzahlen zusammenpassen. Für Anfänger ist das besonders wichtig: Je klarer die Aufgabe einer Kampagne, desto leichter lässt sie sich später auswerten.
Bevor du eine Struktur baust, musst du wissen, welche Ebene welche Aufgabe hat. Diese vier Begriffe begegnen dir im Kampagnenmanager immer wieder.
Eine übergeordnete Sortierung für mehrere Kampagnen – zum Beispiel nach Marke, Produktgruppe oder Saison. Für den allerersten Start ist ein Portfolio nicht zwingend nötig.
Hier legst du unter anderem dein Tagesbudget fest. Genau deshalb ist die Kampagnentrennung wichtig, wenn unterschiedliche Bereiche getrennt Geld ausgeben sollen.
Sie gruppiert beworbene Produkte und deren Targeting. Keywords, Produkt-Targets und Gebote gelten für die Produkte innerhalb der jeweiligen Anzeigengruppe.
Target bedeutet auf Deutsch „Ziel“ beziehungsweise „Werbeziel“. Bei Amazon Ads ist damit gemeint, worauf du deine Anzeige ausrichtest. Ein Target kann zum Beispiel ein Keyword wie „yogamatte rutschfest“, eine bestimmte ASIN oder eine Produktkategorie sein. Amazon nutzt dieses Target, um zu entscheiden, bei welchen Suchanfragen oder in welchen Produktumfeldern deine Anzeige grundsätzlich erscheinen kann. Später kannst du für einzelne Targets eigene Gebote festlegen oder unerwünschte Targets ausschließen.
Targeting bedeutet die Ausrichtung deiner Werbung. Ein Target ist das konkrete Werbeziel – zum Beispiel ein Keyword, eine ASIN oder eine Produktkategorie.
Die ASIN ist die eindeutige Produktnummer eines Artikels bei Amazon. Beim Product Targeting kannst du eine solche Produktnummer gezielt als Werbeziel auswählen.
CPC bedeutet „Cost per Click“ – also Kosten pro Klick. Conversion beschreibt vereinfacht, ob aus einem Klick anschließend ein Kauf wird.
ACoS zeigt die Werbekosten im Verhältnis zum Werbeumsatz. ROAS betrachtet es umgekehrt: Wie viel Werbeumsatz entsteht pro eingesetztem Werbe-Euro?
Das Kampagnenbudget begrenzt, wie viel Geld die Kampagne insgesamt zur Verfügung hat. Das Gebot bestimmt dagegen, wie viel du für einen einzelnen Klick auf ein bestimmtes Target maximal bieten möchtest. Schritt 12 behandelt Gebote ausführlich.
Wenn du gerade anfängst, brauchst du keine riesige Kampagnenlandschaft. Baue zuerst eine Struktur, in der du neue Daten sammeln und erkennbare Gewinner später separat steuern kannst.
Amazon sucht passende Suchanfragen und Produktumfelder. Du nutzt die Ergebnisse später, um interessante Begriffe und ASINs zu finden.
Hier testest du relevante Keyword-Ideen, bei denen du noch nicht sicher weißt, welche tatsächlichen Suchanfragen wirtschaftlich funktionieren.
Suchbegriffe, die nach ausreichender Datenlage relevant und wirtschaftlich interessant sind, kannst du als Exact-Keywords separat steuern.
Product Targeting hat eine andere Logik als Keyword-Targeting. Eine eigene Kampagne macht Auswertung und Gebotssteuerung für Produktziele leichter.
Vier Kampagnen sind kein Pflichtprogramm. Wenn dein Tagesbudget sehr begrenzt ist, starte lieber mit einer überschaubaren Auto- und Manual-Struktur, statt so viele Kampagnen anzulegen, dass jede einzelne kaum Daten sammeln kann. Die Struktur soll dir Kontrolle geben – nicht dein Budget zerstückeln.
„Research“ bedeutet hier Entdecken und Testen. „Performance“ bedeutet hier bereits bestätigte Gewinner gezielter steuern. Beide Begriffe beschreiben eine praktische Struktur für die Kampagnensteuerung – keine verpflichtenden Amazon-Kampagnentypen. Die Idee dahinter ist einfach: Kampagnen mit unterschiedlichen Aufgaben sollen nicht um dasselbe Budget und dieselbe Aufmerksamkeit kämpfen.
Research-Kampagnen sollen dir neue Informationen liefern. Dazu können automatische Kampagnen, Broad, Phrase und breiteres Product Targeting gehören.
Performance-Kampagnen enthalten Targets, die bereits gezeigt haben, dass sie für dein Produkt relevant sind und zu deinen wirtschaftlichen Zielen passen können.
Im Amazon Ads Praxisleitfaden ist die Research-/Performance-Struktur Teil des gesamten Arbeitsablaufs – inklusive Auto, Broad, Phrase, Exact, Product Targeting, Suchbegriffauswertung, negativen Keywords, manuellen Geboten und Tracking.
Amazon Ads Praxisleitfaden ansehenAmazon empfiehlt aussagekräftige Namen für Kampagnen und Anzeigengruppen. Eine feste Namenslogik spart später viel Zeit, besonders wenn du mehrere Produkte oder Marktplätze bewirbst.
SP | Yogamatte | AUTO | Research
Sponsored Products, konkretes Produkt, automatisches Targeting, Aufgabe: neue Suchbegriffe und Produktziele finden.
SP | Yogamatte | KW Broad | Research
Manuelle Keyword-Kampagne mit Broad für neue Suchvarianten.
SP | Yogamatte | KW Exact | Performance
Bestätigte Exact-Keywords mit stärkerer Einzelsteuerung.
SP | Yogamatte | ASIN | Research
Product Targeting für neue Produktseiten beziehungsweise ASINs.
SP | Yogamatte | ASIN | Performance
Bereits bestätigte Product Targets separat weiterführen.
Wichtig ist das Prinzip: Anzeigenformat + Produkt + Targeting + Aufgabe. Vermeide Namen wie „Kampagne 1“, „Test neu“ oder „Final final 2“, weil sie später nichts mehr erklären.
Amazon empfiehlt, Suchbegriffe aus automatischen Kampagnen für manuelle Kampagnen zu nutzen. In einer Research-/Performance-Struktur gehst du noch einen Schritt weiter und gibst bestätigten Gewinnern einen Bereich, in dem du sie gezielter steuern kannst.
Auto, Broad, Phrase oder Product Targeting sammeln Daten.
Relevanz und Verkäufe prüfen – außerdem CPC (Kosten pro Klick), Conversion (ob aus Klicks Käufe werden) und ACoS (Werbekosten im Verhältnis zum Werbeumsatz) gemeinsam bewerten.
Nicht wegen eines einzelnen Zufallskaufs sofort umbauen – Datenlage mitprüfen.
Zum Beispiel als Exact-Keyword oder eigene starke ASIN in Performance.
Gebot und Budgetwirkung beobachten und unabhängig von Research optimieren.
Auto, Broad oder Phrase können weiterhin neue Suchvarianten finden. Ob du einen übertragenen Suchbegriff in der Research-Kampagne zusätzlich negativ setzt, hängt von deiner Struktur und deinem Ziel ab. Schritt 10 erklärt die Risiken zu aggressiver Ausschlüsse.
Amazon empfiehlt, eng verwandte Produkte zusammenzufassen. Der Grund: Keywords, Produkt-Targeting und Gebote gelten für alle Produkte innerhalb einer Anzeigengruppe. Wenn völlig unterschiedliche Produkte zusammenliegen, wird die Auswertung schnell unklar.
Produkte derselben Kategorie mit ähnlichem Preis, ähnlicher Conversion und vergleichbarer Suchintention können eher zusammenpassen.
Wenn Produkte wirtschaftlich sehr unterschiedlich funktionieren, kann eine Trennung sinnvoll sein, damit Gebote und ROAS (Werbeumsatz im Verhältnis zu den Werbekosten) nicht vermischt werden.
Amazon nennt bei wenigen ASINs sogar eine ASIN pro Kampagne als mögliche Empfehlung, damit du Budget und Performance pro Produkt klarer steuern kannst.
Wenn ein Produkt ein völlig anderes Keyword-Set, einen anderen Preis oder eine andere Conversion hat, verdient es häufig eine getrennte Struktur. Sonst weißt du später nicht, welches Produkt die guten oder schlechten Ergebnisse verursacht.
Bei Sponsored Products legst du das Tagesbudget pro Kampagne fest. Wenn Research und bestätigte Gewinner in derselben Kampagne liegen, konkurrieren sie um dasselbe Kampagnenbudget. Durch eine Trennung kannst du bewusst entscheiden, wie viel Geld du fürs Lernen und wie viel für bereits bestätigte Targets bereitstellst.
| Situation | Was passiert in einer gemischten Struktur? | Was bringt eine Trennung? | Worauf achten? |
|---|---|---|---|
| Broad verbraucht viel Budget | Exact-Gewinner können weniger Raum bekommen | Research erhält ein eigenes Budget | nicht zu wenig Budget für sinnvolle Datensammlung |
| Ein Produkt dominiert | andere Produkte sammeln kaum Daten | Produkte können getrennt priorisiert werden | nur trennen, wenn die zusätzliche Komplexität nötig ist |
| Product Targeting läuft teuer | Keyword-Performance wird im Gesamtbild schwerer lesbar | ASIN-Targets lassen sich separat bewerten | Targeting-Arten nicht unnötig vermischen |
| Kleines Gesamtbudget | zu viele Kampagnen bekommen kaum Daten | wenige klare Kampagnen können effizienter sein | Struktur nicht überkomplizieren |
Wenn du 30 € Tagesbudget auf zehn neue Kampagnen verteilst, kann die Datensammlung sehr langsam werden. Baue die Struktur deshalb schrittweise aus, sobald du einen konkreten Grund für die Trennung hast.
Die beste Struktur ist die, bei der du auf einen Blick verstehst, warum eine Kampagne existiert und welche Entscheidung du aus ihren Daten treffen kannst.
Unterschiedliche Aufgaben landen im selben Topf und werden später schwerer getrennt gesteuert.
Zu viel Granularität kann bei kleinem Budget Daten und Aufmerksamkeit unnötig verteilen.
Später weißt du nicht mehr, welches Produkt, welcher Match Type oder welches Ziel hinter der Kampagne steckt.
Produkte mit anderem Preis, anderer Conversion oder anderem Suchverhalten können die Auswertung verzerren.
Dann bleiben bestätigte Targets mit experimentellen Suchbegriffen vermischt und lassen sich schlechter priorisieren.
Wenn du laufend Kampagnen verschiebst, pausierst und neu anlegst, wird es schwieriger zu erkennen, welche Änderung tatsächlich etwas bewirkt hat.
Seller-Communities zeigen unterschiedliche Strukturen. Ein wiederkehrendes Muster ist jedoch die Trennung zwischen Kampagnen, die neue Targets finden, und Kampagnen, in denen bekannte Gewinner gezielter gesteuert werden.
Verkäufer berichten häufig, dass sie profitable Exact-Keywords separat führen, während Auto oder Broad mit kontrolliertem Budget weiterlaufen, um neue Suchbegriffe zu entdecken.
Gerade Anfänger bauen teilweise sehr viele Broad-, Phrase-, Exact- und Auto-Kampagnen gleichzeitig. Community-Beispiele zeigen, dass das ohne ausreichendes Budget schnell unübersichtlich wird und trotzdem kaum verwertbare Daten erzeugt.
In aktuellen Diskussionen beschreiben Seller häufig eine Struktur, in der starke Suchbegriffe als Exact getrennt laufen, während Research-Kampagnen weiter neue Varianten suchen. Das ist eine Praxisstrategie, keine Pflicht von Amazon.
Anzahl der Produkte, Werbebudget, Suchvolumen, Marge, Datenmenge und Kampagnenziel beeinflussen, wie fein du trennen solltest. Nutze die Struktur deshalb als System für Entscheidungen – nicht als starres Schema, das du unabhängig von deinen Daten kopierst.
Auch bei KDP hilft eine klare Trennung nach Buch, Targeting-Art und Aufgabe. Unterschiedliche Bücher können völlig andere Genres, Keywords, Verkaufspreise und Tantiemen haben – und damit andere wirtschaftliche Grenzen.
Eine automatische Kampagne kann neue Suchbegriffe und Produktumfelder entdecken, die du vorher nicht berücksichtigt hast.
Gute Suchbegriffe kannst du gezielter als Exact weiterführen und mit eigenem Gebot beobachten.
Ähnliche Titel und relevante Konkurrenzbücher gehören ins Product Targeting und sollten nicht mit Keyword-Daten vermischt werden, wenn du sauber auswerten möchtest.
Im Amazon Ads Praxisleitfaden bekommst du die vollständige Struktur für Research- und Performance-Kampagnen: Auto, Broad, Phrase, Exact, Product Targeting, negative Keywords, manuelle Gebote, Placements, ACoS, Break-even, Suchbegriffberichte, Tracking und Skalierung – auf über 100 Seiten, für Seller und KDP.
In Schritt 12 geht es um Gebote: Wann solltest du erhöhen, wann senken und warum ist ein höheres Gebot nicht automatisch besser? Danach schauen wir uns Placements und Kennzahlen an.
Der Lernweg führt dich von Keyword-Recherche, Amazon SEO, Listing-Optimierung und Helium 10 bis zu Amazon Ads, Targeting, Geboten, Kennzahlen, Optimierung und Skalierung. Die aktuelle Seite ist gelb markiert.
Hier legst du die Grundlage für Relevanz, organische Sichtbarkeit und eine starke Produktdetailseite.
Hier beginnt der bezahlte Teil des Lernwegs: zuerst Amazon Ads verstehen, danach Sponsored Products, automatische und manuelle Kampagnen sowie Keyword- und Product-Targeting.
Sobald Kampagnen laufen, brauchst du eine klare Struktur und musst wissen, wie Gebote, Placements und Leistungsdaten zusammenhängen.
ACoS, Break-even, Suchbegriffe und TACoS helfen dir, aus Daten konkrete Optimierungsentscheidungen abzuleiten.
Stabile Gewinner kannst du anschließend kontrolliert ausbauen, ohne Wirtschaftlichkeit und Überblick zu verlieren.
Starte mit wenigen Kampagnen, die jeweils eine klare Aufgabe haben. Eine einfache Struktur kann aus einer automatischen Research-Kampagne, einer manuellen Keyword-Kampagne und später einer separaten Exact- beziehungsweise Performance-Kampagne für bestätigte Gewinner bestehen. Product Targeting kannst du getrennt ergänzen.
Research-Kampagnen sollen neue Suchbegriffe, Keywords oder Produktziele entdecken. Performance-Kampagnen enthalten bestätigte Targets, die du gezielter über eigene Gebote und Budgets steuern möchtest. Diese Bezeichnungen sind eine praktische Struktur und keine verpflichtenden Amazon-Kampagnentypen.
Eine Trennung kann die Auswertung und Budgetsteuerung deutlich erleichtern. Amazon empfiehlt selbst, Produktgruppen mit einer Kombination aus automatischen und manuellen Kampagnen zu bearbeiten und unterschiedliche Targeting-Strategien nicht unnötig zu vermischen.
Technisch können Match Types innerhalb einer manuellen Keyword-Struktur verwendet werden. Eine stärkere Trennung kann aber sinnvoll sein, wenn du Gebote, Budgets oder Ergebnisse der Match Types unabhängig voneinander steuern und auswerten möchtest.
Amazon empfiehlt, eng verwandte Produkte derselben Kategorie zusammenzufassen. Da Targeting und Gebote für die Produkte innerhalb einer Anzeigengruppe gelten, sollten Produkte mit stark unterschiedlichen Preisen, Conversions oder Werbezielen eher getrennt betrachtet werden.
Dadurch kannst du bekannte Suchbegriffe gezielter bieten und beobachten, ohne sie mit breiteren Research-Targets zu vermischen. Exact bedeutet aber nicht automatisch bessere Performance – der Suchbegriff muss weiterhin wirtschaftlich funktionieren.
Die offiziellen Amazon-Quellen liefern Regeln und Empfehlungen zu Kampagnen, Anzeigengruppen, Produktgruppen, Budgets und Targeting. Seller-Beiträge zeigen zusätzliche Strukturansätze aus der Praxis und werden nicht als allgemeingültige Amazon-Regel dargestellt.
Amazon kann Kampagnenfunktionen, Targeting-Optionen, Budgets, Berichte und Empfehlungen verändern. Die gezeigte Research-/Performance-Struktur ist ein praktisches Organisationsmodell und keine verpflichtende Amazon-Systematik. Beispiele dienen der Erklärung und sind keine Garantie für Klicks, Verkäufe oder Profitabilität. Seller-Erfahrungen sind Einzelfälle und sollten immer mit den eigenen Kampagnendaten geprüft werden.