Geo-Targeting in Anzeigen: reale Fälle und Fehler

Warum Geo-Targeting nicht nur das Festlegen eines Kilometerradius ist

Wenn jemand zum ersten Mal eine Kampagne mit geografischer Segmentierung einrichtet, neigt er zu der Annahme, es reiche aus, einen Kreis um seinen Laden zu ziehen. In der Praxis ist Geo-Targeting in Anzeigen eine Entscheidungsebene, die Standortsignale (IP, GPS, Wi-Fi, im Profil angegebene Daten) mit der Kontostruktur, der Art des Geschäfts und dem Funnel kombiniert. Und genau dort beginnen die Nuancen, die erst auftauchen, wenn man echte Kampagnen hinter sich hat.

Laut der offiziellen Dokumentation der Plattformen (Google Ads, Meta Ads, Microsoft Advertising) wird der Standort des Nutzers abgeleitet und nicht immer präzise verifiziert. Dieser Unterschied zwischen physischem, interessiertem und angegebenem Standort ist die Wurzel der meisten Fehler, die wir in den folgenden Fällen sehen werden.

Fall 1: die Zahnklinik, die für Klicks aus einer anderen Provinz zahlte

Ein Kunde aus dem Gesundheitssektor hatte eine Search-Kampagne mit Keywords wie „Zahnimplantat Preis”. Der Bericht zeigte ein hohes Klickvolumen, aber die Anrufe kamen nicht an. Bei der Überprüfung der Einstellungen stellte sich heraus, dass die Kampagne auf „Personen in oder mit Interesse an Ihrem Standort” ausgerichtet war. Das Ergebnis: Nutzer aus anderen Provinzen, die Vergleichsinformationen suchten, klickten auf die Anzeige und verbrauchten Budget, ohne die Absicht zu haben, sich fortzubewegen.

Die Korrektur bestand nicht nur darin, auf „Personen an Ihrem Standort” umzustellen. Wir fügten eine Postleitzahlen-Radiusebene in den Anzeigengruppen mit dem höchsten Wert hinzu (unsichtbare Zahnspangen, Implantate) und ließen den breiten Radius nur für die Markenkampagne. Die CTR sank leicht, aber die Konversionsrate zu Anrufen stieg, weil der Traffic tatsächlich lokal war. Praktische Lehre: Bei Nahversorgungsgeschäften lohnt sich die Option „Interesse” fast nie; im Tourismus oder bei E-Commerce mit nationalem Versand kann sie durchaus sinnvoll sein.

Fall 2: E-Commerce mit nationalem Versand und der Mythos, Hauptstädte auszuschließen

Ein Shop für sperrige Produkte (Möbel) ging davon aus, dass große Städte aufgrund der Logistik mehr Rücksendungen verursachen, und schloss Madrid und Barcelona aus seinen Shopping-Kampagnen aus. Die Argumentation schien logisch, aber die Attributionsdaten zeigten, dass diese Provinzen den höchsten durchschnittlichen Warenkorbwert konzentrierten und dass viele Rücksendungen aus ländlichen Gebieten mit Lieferproblemen stammten, nicht aus den Hauptstädten.

Das Geo-Targeting sollte nicht ganze Provinzen ausschließen, sondern das Gebot für Regionen anpassen, in denen die Versandkosten unverhältnismäßig hoch waren. Wir wandten negative Gebotsanpassungen in Gebieten mit Logistikzuschlag an, anstatt vollständige Ausschlüsse vorzunehmen. Das ist ein wichtiger Unterschied: Einen Standort auszuschließen eliminiert die Möglichkeit, Nachfrage zu erfassen; eine Gebotsanpassung justiert nur die Rentabilität. Für E-Commerce ist der vollständige Ausschluss selten die erste Option.

Fall 3: B2B-Dienstleistung mit Segmentierung nach Metropolregion

Ein Unternehmen für industrielle Wartung wollte Kunden in bestimmten Gewerbegebieten gewinnen. Die Radiussegmentierung vom Firmensitz aus funktionierte nicht, weil die Gewerbegebiete in der Peripherie liegen. Die Lösung bestand darin, eine Segmentierung nach Postleitzahl und nach „benutzerdefiniertem Standort” mit auf der Karte eingezeichneten Polygonen zu verwenden. Hier zeigt sich eine reale Einschränkung: Nicht alle Plattformen erlauben das Zeichnen von Polygonen mit derselben Präzision, und bei Meta sorgen der Mindestradius und die Art der Standortableitung dafür, dass die Präzision geringer ist als bei Google Ads.

In der Praxis war für industrielles B2B die Segmentierung nach Postleitzahl in Search zuverlässiger als die nach Radius. Und es empfiehlt sich, die Berichte zum geografischen Standort regelmäßig zu überprüfen, denn Postleitzahlgrenzen und Metropolregionen stimmen nicht immer mit dem überein, was man erwartet.

Fall 4: Leadgenerierungskampagne in mehreren Städten mit begrenztem Budget

Ein Kunde mit Franchise-Standorten in fünf Städten wollte eine einzige Kampagne. Die Versuchung ist, die fünf Städte in einer einzigen Kampagne zu segmentieren und den Algorithmus verteilen zu lassen. Das Problem: Bei begrenztem Budget konzentriert das System die Ausgaben dort, wo das Suchvolumen am größten ist, und lässt kleinere Städte ohne Ausstrahlung. Die Lösung bestand darin, Kampagnen nach Stadt (oder zumindest nach Clustern ähnlicher Größe) zu trennen, um das Budget pro Markt zu kontrollieren.

Das ist keine universelle Regel. Wenn das Budget großzügig und die Städte homogen sind, kann eine einzige Kampagne mit geografischer Segmentierung funktionieren. Aber bei ungleichem Volumen verhindert die getrennte Struktur, dass einige Städte das Budget anderer auffressen.

Fall 5: der Fehler des Interessen-Standorts in Markenkampagnen

In einer Markenkampagne für eine Fitnessstudio-Kette aktivierte das Team „Interesse”, um Personen zu erreichen, die vor einer Reise nach der Marke gesucht hatten. Das Ergebnis waren Klicks von Nutzern, die aus einer anderen Stadt suchten und dann nicht ins Studio kommen konnten. Bei lokalen Markenkampagnen funktioniert die Segmentierung nach physischem Standort, und gegebenenfalls sollte der Interessen-Standort nur in Bekanntheitskampagnen verwendet werden, nicht in Konversionskampagnen.

Hier sollte man transparent sein: Es gibt keine Konfiguration, die Ergebnisse garantiert. Der per IP abgeleitete Standort kann in Mobilfunknetzen und bei VPNs fehlschlagen, und die Plattformen weisen in der Benutzeroberfläche nicht immer klar darauf hin. Deshalb ist die Überprüfung des Berichts zum geografischen Standort (Land, Region, Stadt) eine wiederkehrende Aufgabe und keine einmalige Anpassung.

Wie man die Granularität entscheidet: Radius, Postleitzahl oder Region

Die Wahl hängt mehr vom Geschäftsmodell als von der Plattform ab:

• Radius: nützlich für Nahversorgungsdienste mit einem klaren Einzugsgebiet (Gastronomie, Werkstätten, Kliniken). Vorsicht bei zu großen Radien, die Gebiete ohne echte Kaufabsicht einschließen.
• Postleitzahl: präziser für B2B und für Dienstleistungen mit Logistikzuschlägen. Es erfordert die Überprüfung, ob die Plattform das Hochladen von Listen unterstützt und ob die Postleitzahlen aktuell sind.
• Region oder Land: geeignet für E-Commerce mit nationalem Versand oder Bekanntheitskampagnen. Hier dient Geo-Targeting eher dazu, nicht bediente Gebiete auszuschließen, als das Gebot zu verfeinern.

Ein oft übersehenes Detail: Bei Search-Kampagnen verhindert die Standortsegmentierung nicht, dass Impressionen von Nutzern erscheinen, die aus einer anderen Gegend suchen, aber den Namen der Stadt eingeben. Wenn die Anzeige die Stadt im Text enthält, müssen geografischer Filter und Copy aufeinander abgestimmt sein; andernfalls entsteht eine verwirrende Erfahrung und ein Klick mit geringer Konversionswahrscheinlichkeit.

Einschränkungen, die man vor dem Skalieren anerkennen sollte

Geo-Targeting löst keine Probleme mit dem Angebot oder dem Preis. Wenn das Produkt nicht in die Region passt, behebt eine bessere Segmentierung das nicht. Es korrigiert auch keine Landingpage, die den Standort nicht erwähnt oder keine lokalen Öffnungszeiten zeigt. Ich habe gut segmentierte Kampagnen scheitern sehen, weil die Zielseite generisch war und der Nutzer den nächstgelegenen Laden nicht finden konnte.

Eine weitere Einschränkung: die Messung. Die Zuordnung von Conversions nach Standort hat Verzögerungen und spiegelt nicht immer den tatsächlichen Standort des Nutzers zum Zeitpunkt des Kaufs wider. Bei Geschäften mit langem Entscheidungszyklus kann der geografische Bericht Standorte des ersten und letzten Klicks vermischen. Deshalb hilft es, die Daten der Plattform mit dem CRM oder dem Anrufprotokoll abzugleichen, um zu validieren, ob die Segmentierung den richtigen Traffic erfasst.

Was man in der Praxis vor dem Start prüfen sollte

1. Festlegen, ob das Geschäft lokal, national oder gemischt ist und ob die Conversion von der Anfahrt abhängt.
2. Die Standortoption (physisch vs. Interesse) je nach Funnel wählen, nicht standardmäßig.
3. Prüfen, ob die Plattform Polygone, Postleitzahlen oder nur Radien unterstützt, und die Granularität an diese Fähigkeit anpassen.
4. Kampagnen trennen, wenn das Volumen zwischen den Märkten sehr ungleich ist.
5. Den Bericht zum geografischen Standort regelmäßig überprüfen und mit eigenen Conversion-Daten abgleichen.
6. Vollständige Ausschlüsse vermeiden, wenn Gebotsanpassungen ausreichen.

Geo-Targeting in Anzeigen ist eine Kontrollebene, keine Garantie für Leistung. Die obigen Fälle zeigen, dass der Wert darin liegt, mit Urteilsvermögen zu entscheiden, welcher Standort in jeder Phase des Funnels verwendet wird, und anzuerkennen, dass die Präzision technische Grenzen hat. Wer das so versteht, passt das Budget meist besser an und vermeidet die beiden Extreme: zu stark zu segmentieren und ohne Volumen dazustehen oder so wenig zu segmentieren, dass die Anzeige jemandem angezeigt wird, der niemals kaufen kann.