Google Ads Test richtig aufsetzen: Experimente statt Bauchgefühl

Ein sauberer Google Ads Test läuft über Experimente: Das Tool teilt den Traffic einer Kampagne und lässt Original und geänderte Version gleichzeitig und unter denselben Bedingungen gegeneinander antreten. Das ist der ehrliche Weg, um zu belegen, dass eine Änderung wirklich gewirkt hat. Wer letzten Monat mit diesem Monat vergleicht, misst nicht die Wirkung der Änderung, sondern die Summe aus Saisonalität, Wettbewerbsbewegung und Änderung. In der Praxis kommt ein gutes Experiment auf drei Entscheidungen hinaus: eine Variable, ein 50/50-Split und Geduld bis 95% Konfidenz.

Was sind Google Ads Experimente?

Ein Google Ads Experiment ist ein Testrahmen: Es erstellt eine Kopie einer bestehenden Kampagne, leitet einen Teil von Traffic und Budget auf diese Kopie um und berichtet beide Versionen nebeneinander. Zu finden ist es im Bereich Experimente. Die Originalkampagne ist die Kontrollgruppe, die Kopie die Testgruppe. Weil beide an denselben Tagen, in denselben Auktionen und in derselben Saison laufen, geht der Unterschied im Wesentlichen auf Ihre Änderung zurück.

• Benutzerdefiniertes Experiment: verfügbar für Such-, Display- und Videokampagnen, um Gebotsstrategie, Anzeigentext, Landingpage oder Ausrichtung zu prüfen.
• Performance Max Experimente: testen Performance Max gegen einen anderen Kampagnentyp oder messen den Zuwachs, den die Kampagne zusätzlich zum bestehenden Setup bringt.
• Asset-Tests: 2026 wurde die Experimentfunktion so erweitert, dass Creative-Assets innerhalb einer einzigen Performance-Max-Kampagne verglichen werden können; da der Traffic innerhalb der Kampagne geteilt wird, verkürzt sich die Lernphase.
• Video- und Demand-Gen-Holdouts: halten eine Kontrollgruppe zurück, die die Anzeige nie sieht, um Markenwirkung zu messen.

Pro Kampagne lassen sich fünf Experimente planen, aber nur eines läuft gleichzeitig. Der Traffic-Split ist nach dem Anlegen fixiert; für ein anderes Verhältnis müssen Sie ein neues Experiment aufsetzen.

Warum täuscht der Vorher-Nachher-Vergleich?

Weil ihm die Kontrollgruppe fehlt. Wer zwei Zeiträume vergleicht, vergleicht auch alles andere, was sich dazwischen verändert hat. Selbst wenn die Differenz positiv aussieht, wissen Sie nicht, welcher Anteil Ihnen gehört. Ein Experiment hält im selben Zeitfenster eine Kontrollgruppe, sodass das Rauschen beide Arme gleich trifft und nur Ihr Eingriff übrig bleibt.

• Saisonalität: Wochentag, Monatsende, Feiertage und Kategoriesaison machen zwei Zeiträume nie gleich.
• Wettbewerbsbewegung: Ein Mitbewerber, der sein Budget erhöht oder die Auktion verlässt, verändert Ihre Kosten, ohne dass Sie etwas tun; am deutlichsten sichtbar bei den Klickkosten.
• Lernphase: Nach einem Wechsel der Gebotsstrategie kalibriert sich der Algorithmus neu; die ersten Tage stehen nicht für die dauerhafte Leistung.
• Messabweichung: Conversion-Fenster, Tracking-Änderungen und Datenverzögerung messen beide Zeiträume unterschiedlich.
• Regression zur Mitte: Nach einer schlechten Woche sieht jede Maßnahme gut aus, weil sich die nächste Woche ohnehin normalisiert hätte.

Wie setzen Sie ein Kampagnen-Experiment auf?

Das Aufsetzen ist leichter als das Auswerten, aber genau das Setup entscheidet, ob die Auswertung belastbar ist. Halten Sie vor dem Start Hypothese, primäre Kennzahl und Enddatum schriftlich fest. Ohne diese Fixierung haben Sie am Ende genug Kennzahlen, um sich die gewünschte Antwort selbst zu bauen.

1. Schreiben Sie eine Hypothese: 'Wenn ich das Formular auf der Landingpage kürze, steigt die Conversion-Rate.' Ohne Hypothese haben Sie Neugier, keinen Test.
2. Wählen Sie die Kampagne und legen Sie einen Entwurf an. Ändern Sie im Entwurf ausschließlich die eine Sache aus Ihrer Hypothese.
3. Setzen Sie den Split auf 50/50. Das liefert den saubersten Vergleich und ist nach dem Start nicht mehr änderbar.
4. Wählen Sie die Split-Methode. Die Cookie-basierte Zuweisung hält jeden Nutzer auf einer Seite und ist die empfohlene Option.
5. Tragen Sie Start- und Enddatum vorab ein. Ein fixes Ende nimmt Ihnen den Reflex, nach einem Blick auf die Zahlen die Frist zu verschieben.
6. Legen Sie die primäre Kennzahl offen: Conversions, Conversion-Wert, CPA oder ROAS. Am Ende die günstigste Kennzahl auszuwählen ist keine ehrliche Auswertung.

Wie lange muss ein Experiment laufen und wie viele Conversions braucht es?

Die Plattformdokumentation empfiehlt mindestens 4-6 Wochen, bei langer Conversion-Verzögerung mehr. Zeit allein ist aber nicht das Kriterium. Die eigentliche Grenze ist die Zahl der Conversions je Arm, und die Mathematik ist unbarmherzig: Je kleiner der gesuchte Unterschied, desto stärker wächst die Stichprobe, nämlich quadratisch. Halbieren Sie den gesuchten Effekt, brauchen Sie die vierfache Datenmenge.

• Mindestens zwei Conversion-Zyklen: Wenn zwischen Klick und Kauf 10 Tage liegen, erzählt ein zweiwöchiges Experiment die halbe Geschichte.
• Volle Wochen nutzen: Werktag und Wochenende verhalten sich unterschiedlich, eine halbe Woche verzerrt das Ergebnis.
• Die ersten 7 Tage fallen raus: Sie gelten als Anlaufphase, die erste Woche liefert Ihnen also keine Entscheidungsdaten.
• Keine Experimente auf Kampagnen mit wenig Traffic: Bei 20 Conversions im Monat dauert der Weg zur Signifikanz länger, als die Antwort gültig bleibt.

Wie lesen Sie das Ergebnis: was heißt Signifikanz?

Statistische Signifikanz bedeutet, dass die Wahrscheinlichkeit, den beobachteten Unterschied dem Zufall zu verdanken, unter einer festgelegten Schwelle liegt. Bei Google Ads Experimenten ist das die 95%-Konfidenz, und der Test ist zweiseitig, prüft also Verbesserung und Verschlechterung gleich streng. Enthält das Konfidenzintervall noch die Null, haben Sie kein Ergebnis. 'Sieht etwas besser aus' ist kein Befund.

• 95% Konfidenz: Die Wahrscheinlichkeit, dass der Unterschied reiner Zufall ist, liegt unter 5%.
• Zweiseitiger Test: Gewinn und Verlust werden am selben Maßstab gemessen; nur in eine Richtung zu schauen verdeckt Risiko.
• Resampling: Die Plattform bildet je Arm zwanzig Buckets und schätzt die Stichprobenvarianz per Jackknife-Verfahren, was bei dünner Datenlage vorsichtiger bleibt.
• Kein Ergebnis ist auch ein Ergebnis: Zeigt sich kein Unterschied, ist der Effekt vermutlich klein. Das ist kein Argument, die Änderung trotzdem auszurollen.

Warum immer nur eine Variable?

Weil Sie bei zwei gleichzeitigen Änderungen nie erfahren, welche das Ergebnis erzeugt hat. Ein Experiment liefert genau eine Zahl: die Differenz zwischen den Armen. Es gibt kein Verfahren, diese Zahl auf drei Änderungen aufzuteilen. Schlimmer noch, Änderungen können sich gegenseitig aufheben: Gewinnt der neue Text, während die neue Gebotsstrategie verliert, landet die Summe bei null und Sie werfen zwei gute Ideen gleichzeitig weg.

• Richtig: nur die Gebotsstrategie wechseln. Die Optionen vergleichen wir in Ziel-CPA gegen Ziel-ROAS.
• Richtig: nur die Landingpage tauschen und den Anzeigentext unangetastet lassen.
• Falsch: im selben Experiment das Budget erhöhen und die Keyword-Optionen erweitern.
• Falsch: während der Laufzeit auszuschließende Keywords in der Originalkampagne ergänzen. Wer die Kontrollgruppe mitten im Test verändert, entwertet den Vergleich.
• Creatives brauchen einen eigenen Rahmen: Für Bild- und Videovarianten in Serie siehe unser Creative-Testing-Framework; gleiche Logik, andere Größenordnung.

Was sind die sechs häufigsten Fehler?

Die meisten Experimente scheitern nicht am Aufbau, sondern an der Auswertung. Diese sechs Fehler machen in der Praxis den Großteil der Ergebnisse unbrauchbar.

1. Zu früh entscheiden: am fünften Tag den führenden Arm ausrufen. Ständiges Nachsehen und Stoppen im ersten guten Moment erzeugt Falschtreffer; ein fixes Enddatum verhindert das.
2. In einer Saisonphase testen: Black Friday, Feiertage oder eine große Rabattwoche verändern das Nutzerverhalten. Das Ergebnis gehört dieser Woche und lässt sich nicht auf das Jahr übertragen.
3. Überlappende Experimente: Mehrere gleichzeitige Tests im selben Konto beeinflussen sich gegenseitig und machen die Ergebnisse weniger verlässlich. Fahren Sie sie nacheinander.
4. Die Kennzahl nachträglich wählen: Wenn bei den Conversions nichts herauskommt, auf die Klickrate ausweichen. Wer genug Kennzahlen prüft, findet immer eine signifikante.
5. Das Experiment manuell beenden: Bei Experimenten, die am geplanten Datum enden, kann ein günstiges Ergebnis automatisch übernommen werden; manuell beendete sind davon ausgenommen.
6. Das Ergebnis verallgemeinern: Was in einer Kampagne gewinnt, muss kontoweit nicht gewinnen. Eine Gebotsstrategie, die bei Markenbegriffen funktioniert, verhält sich bei generischen anders; dazu passt auch unser Leitfaden zum Qualitätsfaktor.

Wo steht Ads Sensor in diesem Kreislauf?

Ads Sensor legt das Experiment nicht für Sie an; das bleibt in der Google Ads Oberfläche. Der Beitrag liegt davor und danach. Davor liest Ads Sensor Ihre Daten aus Google, Meta, TikTok, Criteo und GA4 an einem Ort und arbeitet heraus, welche Kampagne einen Test verdient und worauf Ihre Hypothese fußt. Danach läuft eine automatische Vorher-Nachher-Erfolgskontrolle für die Empfehlungen, die Sie im Panel freigeben und anwenden. Ehrlich gesagt: Diese Kontrolle ist ein Protokoll der Änderung, kein Kausalitätsbeweis. Für Kausalität brauchen Sie weiterhin ein Experiment. Sie können sich zur Beta anmelden und Ihre Konten verbinden.