Was ist Creative-Klickstärke, und lässt sie sich vor dem Budgeteinsatz vorhersagen?

Unter Creative Clickability versteht man die prognostizierte Wahrscheinlichkeit, dass eine Anzeige mehr oder weniger Klicks erhält als vergleichbare Anzeigen. Sie wird anhand des Creatives selbst geschätzt, bevor Mediengelder ausgegeben werden. Sie können es als Wahrscheinlichkeit und nicht als Versprechen vorhersagen: Ein Modell, das auf Anzeigen mit bekannten Ergebnissen trainiert wurde, sortiert neue Creatives in „Hoch“, „Normal“ oder „Niedrig“. Verwenden Sie das Band, um zu entscheiden, was zuerst repariert, geschnitten und getestet werden soll, und nicht, um den Test zu überspringen.

Wichtigste Erkenntnisse

• Die Klickbarkeit ist relativ und probabilistisch. Eine Bewertung gibt an, wie wahrscheinlich es ist, dass ein Motiv ähnliche Anzeigen bei der Klickrate übertrifft, mit ihnen übereinstimmt oder ihnen nachfolgt, und nicht, wie hoch seine Klickrate sein wird.
• Modelle lernen aus beschrifteten Anzeigen und verknüpfen den Inhalt des Bildes, der Kopie und der Einrichtung mit der Leistung ähnlicher Anzeigen.
• Als SOMIN 631 Anzeigen von Werbeoptimierungsanbietern bewertete (Oktober 2025 bis Oktober 2026), kamen 15 % auf „Hoch“, 68 % auf „Normal“ und 18 % auf „Niedrig“. Auf Meta wurden 40 % der Videoanzeigen mit „Hoch“ und keine mit „Niedrig“ bewertet.
• Die Werte sind dort am schwächsten, wo das Modell sie am wenigsten sieht: Nur-Text-Suchanzeigen, unbekannte Formate und Ergebnisse, die über den Klick hinausgehen.
• Korrigieren oder reduzieren Sie in einem Testplan „Niedrig“, „Testen Sie „Hoch“ mit Ihrem aktuellen Bestwert und behalten Sie einen Platzhalter, um das Modell zu überprüfen.

Was bedeutet kreative Klickbarkeit?

Dabei handelt es sich um eine Prognose der relativen Klickrate, die vor der Veröffentlichung erstellt wird. Die Click-Through-Rate (CTR) besteht aus Klicks dividiert durch Impressionen und kann erst gemessen werden, nachdem eine Anzeige geschaltet und bezahlt wurde. Die Klickbarkeit gibt an, auf welcher Seite des Benchmarks ein Creative wahrscheinlich landen wird, bevor dies geschieht.

Die Prognose ist aus praktischen Gründen relativ. Eine CTR von 1 % kann für eine Platzierung und ein bestimmtes Ziel stark und für eine andere schwach sein, sodass eine reine Zahl schlecht ankommt. Die nützliche Frage ist enger gefasst: Ist dieses Motiv im Vergleich zu Anzeigen wie dieser, die an ähnlichen Orten geschaltet werden, wahrscheinlich besser, ungefähr gleich oder schlechter?

In den Daten von SOMIN weist jedes bewertete Motiv drei Wahrscheinlichkeiten für einen unterdurchschnittlichen, einen durchschnittlichen und einen überdurchschnittlichen Klick auf, die zusammen eins ergeben. Im Großen und Ganzen ist die Band die wahrscheinlichste der drei. Zwei Madgicx-Videoanzeigen aus dem Arbeitsbereich zur Anzeigenoptimierung zeigen, wie das lautet:

• Ein Video mit der Überschrift „Vernichten Sie Ihre verschwendeten Werbeausgaben“, das am 5. Oktober 2026 startete, erhielt die Bewertung 0.76 für überdurchschnittlich, 0.23 für durchschnittlich und 0.01 für unterdurchschnittlich. Es ist hoch, mit deutlichem Spielraum.
• Ein Video über sorgenfreie Feiertage für E-Commerce-Besitzer erhielt die Bewertung 0.56 für durchschnittlich und 0.39 für überdurchschnittlich. Es ist „Normal“, aber nahe an „Hoch“ und verdient mehr Aufmerksamkeit als ein „Normal“ mit einer Chance von 0.10, den Benchmark zu übertreffen.

Lesen Sie also die Wahrscheinlichkeiten, nicht nur die Bezeichnung. Zwei Kreative mit derselben Band können sehr unterschiedliche Chancen haben.

Wie funktioniert ein Klickbarkeitsmodell im Klartext?

Es lernt aus Anzeigen, deren Ergebnisse bereits bekannt sind, und wendet diese Erfahrung dann auf Creatives an, die es noch nie gesehen hat. Die Schritte sind einfach zu beschreiben, auch wenn die Technik dies nicht ist.

1. Sammeln Sie gekennzeichnete Beispiele. Sammeln Sie viele Anzeigen mit echten Impressionen und Klicks und kennzeichnen Sie jede danach, ob ihre CTR über, nahe oder unter einem Benchmark für vergleichbare Anzeigen lag.
2. Beschreiben Sie jede Anzeige. Verwandeln Sie das Motiv in Merkmale, die das Modell vergleichen kann: was das Bild zeigt und wie es zusammengesetzt ist, wie viel Text darauf steht, was der Text bietet und wie er klingt, das Format, die Platzierung und die beabsichtigte Zielgruppe.
3. Train. Das Modell lernt, welche Merkmalskombinationen tendenziell zu über- oder unterdurchschnittlichen Ergebnissen führen und wie sicher es sein kann.
4. Neues Creative bewerten. Eine neue Anzeige erhält die drei Wahrscheinlichkeiten und ihr Band.
5. Erklären. Ein nützliches Modell gibt an, welche Funktionen den Wert nach oben oder unten verschoben haben, sodass ein Designer weiß, was er ändern muss.
6. Neu kalibrieren. Live-Ergebnisse fließen zurück in das Modell, sodass seine Vorstellung von „Durchschnitt“ mit dem Markt Schritt hält.

Da das Modell nur das Motiv und dessen Einrichtung liest, benötigt es keinen Zugriff auf das Konto des Werbetreibenden. Auf diese Weise kann SOMIN die Anzeigen von Wettbewerbern aus öffentlichen Werbebibliotheken bewerten, wie im Beispiel unten, und die Entwürfe einer Marke bewerten, bevor sie als Anzeigen erscheinen.

Unsere veröffentlichte Arbeit deckt mehrere dieser Schritte ab. SoCraft, eine Demonstration bei WSDM 2023, bewertet die Meta-Creatives eines Werbetreibenden vor dem Start anhand von Text, Bild, Targeting und Einstellungen. „Against Opacity“ (ACM Multimedia 2023) prognostiziert die CTR für neue Creatives und erklärt die Treiber im Klartext. Ein 2025 Artikel in ACM Transactions on Information Systems kombiniert Vorhersagemodelle mit großen Sprachmodellen, um Ergebnisse in Empfehlungen umzuwandeln. Alle sind auf der SOMIN-Forschungsseite aufgeführt. Eine größere Auswahl zwischen Panels, A/B-Tests und Modellen finden Sie in unserem Leitfaden zum Vorabtesten von Creatives, bevor Sie ausgeben.

Wie sieht eine Aufteilung zwischen Hoch, Normal und Niedrig in realen Daten aus?

Größtenteils normal, mit hoher Seltenheit. Wir haben den Klickbarkeitsfilter im Anzeigenoptimierungs-Workspace von SOMIN verwendet, um die Bewertungen für jede Anzeige zu zählen, die Smartly, Madgicx, Strike Social und Adzooma zu einem beliebigen Zeitpunkt zwischen 18 Oktober 2025 und 17 Oktober 2026 geschaltet haben. Von den 633 Anzeigen 631 trug eine Partitur.

Die Meta-Anzeigen werden noch einmal nach Format aufgeteilt. Bei den Zählungen handelt es sich um die Medientypbezeichnungen von SOMIN, und eine Anzeige mit mehreren Typen erscheint in mehr als einer Zeile.

Es folgen drei Lesungen, jeweils mit einer Warnung.

• Normal ist die Standardeinstellung. Zwei von drei Anzeigen landen dort, daher ist ein Normalwert kein Grund für eine Absenkung. Es bedeutet „so oder so kein starkes Signal“.
• Video-Verzerrung hoch und Multi-Creative-Anzeigen niedrig. Aber das Format hängt vom Werbetreibenden ab: Madgicx hat 44 der 63 Videos erstellt und Smartly hat die meisten dynamisch-kreativen Anzeigen erstellt. Vergleichen Sie Formate innerhalb einer Marke, bevor Sie eine Regel aufstellen.
• Google-Anzeigen schnitten schlechter ab, wahrscheinlich aufgrund des Formats und nicht der Qualität. 305 der 331 Google-Anzeigen waren Textanzeigen, die einem Modell weit weniger visuelle Signale vermitteln als ein Bild oder ein Video. Gehen Sie daher mit diesen Bewertungen vorsichtig um.

Auch Versionen sind wichtig. Bei 128 Meta-Anzeigen mit mehreren Versionen unterschied sich die Wahrscheinlichkeit eines überdurchschnittlichen Klicks in der Regel kaum zwischen den Versionen, im Median 0.05. In einer Anzeige betrug der Abstand zwischen der besten und der schlechtesten Version 0.68. Bewerten Sie jede Version, nicht nur die Anzeige.

Was die Anbieter in diesen Anzeigen versprechen, ist eine separate Geschichte, die wir in behandeln, was Plattformen zur Anzeigenoptimierung in ihren eigenen Anzeigen versprechen.

Was kann Ihnen ein Klickbarkeitswert nicht sagen?

Es kann Ihnen nichts über alles sagen, was das Modell nicht sieht. Dies sind die Grenzwerte, die wir zunächst prüfen.

• Klicks sind keine Verkäufe. Die Conversion hängt von der Zielseite, dem Preis, dem Angebot und dem Lagerbestand ab. Ein Motiv kann den Klick gewinnen und den Verkauf verlieren.
• Klicks können das falsche Ziel sein. Neugier und Provokation gewinnen Klicks von Leuten, die niemals kaufen werden. Kombinieren Sie die Klickbarkeit mit einer nachgelagerten Messung für jede Conversion-Kampagne.
• „Durchschnitt“ hängt von den Trainingsdaten ab. Eine Punktzahl ist relativ zu den Anzeigen, aus denen das Modell gelernt hat. Ein Format, ein Markt oder eine Sprache, von der/dem man wenig gesehen hat, erhält eine schwächere Bewertung.
• Der Kontext befindet sich außerhalb des Creatives. Zielgruppe, Auktionsdruck, Timing, Saisonalität und Häufigkeit verschieben alle Ergebnisse, und keines davon ist im Bild.
• Eine Wahrscheinlichkeit ist kein Urteil. Eine normale Anzeige mit einer 0.39 Chance, den Benchmark zu schlagen, wird ihn oft schlagen. Erwarten Sie Überraschungen in beide Richtungen.
• Markenwirkungen liegen außerhalb des Anwendungsbereichs. Die Klickbarkeit sagt nichts über Erinnerung, Einzigartigkeit oder den langfristigen Markenaufbau aus.

Wie verwendet man hohe, normale und niedrige Werte in einem Testplan?

Verwenden Sie das Band, um die Arbeit zu bestellen, und lassen Sie dann einen ordnungsgemäßen Test entscheiden. Die Tabelle legt die Standardaktion für jedes Band fest.

1. Definieren Sie „vergleichbar“. Vergleichen Sie Anzeigen mit dem gleichen Ziel, der gleichen Platzierung und der gleichen Zielgruppe, oder die Gruppen bedeuten wenig.
2. Bewerten Sie jede Version. Beziehen Sie jedes Asset ein, das Sie in eine dynamisch-kreative oder flexible Anzeige einspeisen würden, da die Versionen einer Anzeige sehr unterschiedlich sein können.
3. Bearbeiten Sie, bevor Sie Geld ausgeben. Lesen Sie, warum ein Entwurf mit „Niedrig“ oder „Normal“ bewertet wurde, ändern Sie das Bild oder kopieren Sie ihn und bewerten Sie ihn erneut.
4. Erstellen Sie den Test. Setzen Sie hohe Kandidaten gegen Ihre Kontrolle und behalten Sie in jeder Runde einen normalen oder niedrigen Platzhalter, damit das Modell mit etwas verglichen wird, an dem es zweifelt.
5. Verwenden Sie zum Lesen einen echten Split-Test. Metas Hilfecenter weist darauf hin, dass dynamische Creative-Berichte die Leistung aller Variationen aggregieren und empfiehlt dies nicht als Ersatz für Split-Tests.
6. Log prognostiziert im Vergleich zum Istwert. Überprüfen Sie nach einigen Runden, ob hohe Anzeigen in Ihrem Konto häufiger als normale Anzeigen schlagen. Das ist Ihre lokale Genauigkeit.
7. Erneut bewerten, wenn die Anzeigen altern. Ein High-Creative nutzt sich immer noch ab; Aktualisieren Sie es, wenn die Frequenz steigt und die Ergebnisse sinken.

In der Praxis ändert sich dadurch, wohin das Budget fließt. In SOMINs Fujifilm UK-Fallstudie wurden 72 Konzepte vor jeder Ausgabe hinsichtlich der prognostizierten Klickbarkeit bewertet, und 15 überschritt die 80 %-Grenze für das „Top-Performer-Potenzial“, sodass das Testbudget mit diesen beginnen konnte.

Wie genau ist die Vorhersage der Klickbarkeit?

Genau genug, um ein kreatives Ranking zu erzielen, aber nicht genau genug, um einen Test zu ersetzen. Das Scoring-Modell von SOMIN hinter dem Paid Media-Agenten wird anhand von Zehntausenden gekennzeichneten Anzeigen trainiert und erreicht bei Kunden-Benchmarks eine Click-Through-Vorhersagegenauigkeit von 78 %, was etwa dem Dreifachen der menschlichen Basislinie entspricht.

Eine veröffentlichte Zahl ist ein Ausgangspunkt. Was zählt, ist die Leistung des Modells in Ihrer Kategorie und Ihren Formaten. Deshalb ist Schritt sechs oben wichtiger als die Schlagzeilennummer eines Anbieters. Wenn ein Modell Ihnen seine Vorhersagen nicht neben Ihren tatsächlichen Ergebnissen anzeigen kann, behandeln Sie seine Ergebnisse als Meinungen.

Um sowohl die Kreativität der Mitbewerber als auch Ihre eigene zu bewerten, beginnen Sie mit deren öffentlichen Anzeigen. Unser Leitfaden zur Recherche von Mitbewerberanzeigen in der Meta Ad Library deckt die Sammlung ab.

FAQ

Quellen

• SoCraft: Vorhersagebewertung auf Werbetreibendenebene für kreative Leistung auf Meta, WSDM 2023
• Gegen Opazität: Erklärbare KI und große Sprachmodelle für effektive digitale Werbung, ACM Multimedia 2023
• Verschmelzung prädiktiver und großer Sprachmodelle für umsetzbare Empfehlungen im kreativen Marketing, ACM-Transaktionen in Informationssystemen, 2025
• Informationen zu dynamischen Creatives im Meta Ads Manager, Meta Business Help Center