Die besten Optionen für Audience Targeting in Google Ads für SaaS

Die meisten SaaS-Accounts scheitern nicht daran, dass Google Ads die richtige Zielgruppe nicht finden kann. Sie scheitern daran, dass das Team immer wieder Menschen anspricht, die auf dem Papier relevant wirken, aber diese Woche keinen Grund haben zu kaufen. Genau darin liegt das eigentliche Problem hinter den meisten Diskussionen über Google Ads Audience Targeting für SaaS. Teams fügen immer mehr Segmente, mehr Persona-Ebenen und noch mehr „Präzision“ hinzu, während der Account weiterhin Klicks mit geringer Kaufabsicht auf generische Seiten schickt und sich dann wundert, wenn die Pipeline-Qualität einbricht.

Google selbst beschreibt Zielgruppen als Möglichkeit, Menschen basierend darauf zu erreichen, wer sie sind, welche Interessen und Gewohnheiten sie haben, wonach sie aktiv recherchieren oder wie sie mit Ihrem Unternehmen interagiert haben – nicht als magische Lösung für schwache Kaufabsicht oder schwache Angebote. Genau diese Unterscheidung ist entscheidend. Audience Targeting kann filtern, priorisieren und Gebotsentscheidungen unterstützen, aber es kann aus losem Interesse nicht auf Knopfdruck echte Nachfrage machen.

Für SaaS ist das beste Setup meist enger, als Marketer es gern hätten, und breiter, als Gründer oft befürchten. Sie brauchen nicht jede Zielgruppenoption, die Google anbietet. Sie brauchen die kleinste Menge an Zielgruppen, die zuverlässig Kaufabsicht signalisiert, Ihnen hilft, Ausgaben zu steuern, und die richtige Landingpage zur richtigen Nachfragephase ausspielt. Genau das ist die Kernthese dieses Artikels. Und sie verändert, wie Sie Search-, Display-, YouTube- und Remarketing-Kampagnen von Tag eins an aufbauen.

Warum Targeting nicht der Engpass ist

Viele SaaS-Teams behandeln Zielgruppen so, als stünden sie über allem anderen im Account. In der Praxis liegen Zielgruppen meist hinter einem viel einfacheren Problem: Suchbegriff, Angebot und Landingpage passen nicht zusammen. Googles eigene Dokumentation zu Zielgruppen-Targeting und Search-Kampagnen mit Zielgruppensegmenten macht das deutlich, wenn man genau hinschaut. Zielgruppen helfen dabei, zu verfeinern, wer Anzeigen sieht und wie Sie Performance beobachten. Sie ersetzen aber weder Search Intent, noch Landingpage-Relevanz, noch Offer Fit.

Was macht Audience Targeting in Google Ads tatsächlich?

Praktisch betrachtet erfüllt Audience Targeting drei Aufgaben.

• Es hilft Ihnen, Nutzergruppen zu targeten oder zu beobachten.
• Es gibt Ihnen eine zusätzliche Ebene für Gebotsentscheidungen und Ausschlüsse.
• Es erlaubt Google, Signale über das reine Keyword hinaus zu nutzen, vor allem in Display-, Video- und automatisierten Kampagnentypen.

Das klingt offensichtlich, trotzdem erwarten viele SaaS-Teams noch immer, dass Zielgruppen-Layer Kampagnen retten, die auf vagen Kategorie-Keywords aufgebaut sind. Nehmen wir ein B2B-SaaS-Unternehmen, das auf „Workflow-Software“ bietet. Wenn die Landingpage allgemein über Produktivität spricht und sofort zu einer Demo auffordert, behebt ein In-Market- oder Custom-Segment dieses Missverhältnis nicht. Der Nutzer recherchiert vielleicht erst die Kategorie. Die Seite verlangt aber schon eine Kaufentscheidung. Das Problem ist nicht das Targeting. Das Problem ist ein Mismatch in der Funnel-Phase.

Eine einfache Diagnose, die wir oft nutzen, lautet: Wenn Suchbegriffe, Ad Promise und Landingpage-CTA auf unterschiedliche Intent-Stufen zeigen, wird keine Zielgruppeneinstellung den Account retten. Wenn das Keyword eher auf Vergleich hindeutet, die Anzeige Geschwindigkeit verspricht und die Seite direkt zu einem Sales-Call drängt, verlangen Sie zu viel zu früh.

Warum scheitert besseres Targeting trotzdem an schwachen Landingpages?

Googles Anzeigensysteme betonen immer wieder die Landingpage Experience als Teil der Kampagnenleistung. Das ist keine Randnotiz. Wenn ein Nutzer nach einer hochrelevanten Botschaft klickt, aber auf einer generischen Seite landet, ist die ganze Zielgruppenarbeit verschwendet. Genau deshalb zahlen Teams, die sich in Zielgruppendefinitionen verlieren, aber den Message-Match der Seite ignorieren, langfristig meist mehr pro qualifiziertem Lead.

Ein einfaches Beispiel:

Ein SaaS-Unternehmen schaltet eine Search-Kampagne für „beste Angebotssoftware“ und ergänzt zur Unterstützung ein High-Intent-Custom-Segment in Display und YouTube. Die Anzeige führt auf die Homepage. Die Monatszahlen sehen so aus:

• 1.200 Klicks
• 9.600 $ Ausgaben bei 8 $ CPC
• 48 Formularabschlüsse bei 4 % Conversion Rate
• 11 vom Vertrieb akzeptierte Leads
• 2 abgeschlossene Deals im Wert von jeweils 7.000 $ ARR

Jetzt ändern Sie nur Landingpage und Angebot: Diese Zielgruppe wird auf eine Vergleichsseite mit Produktnachweisen, Preisorientierung und einem weicheren CTA wie „Tarife ansehen“ oder „Individuelle Demo buchen“ geleitet. Wenn die Conversion Rate von 4 % auf 6 % steigt und die Vertriebsakzeptanz von 23 % auf 33 %, wird aus demselben Traffic:

• 72 Formularabschlüsse
• 24 vom Vertrieb akzeptierte Leads
• 4 abgeschlossene Deals
• 28.000 $ ARR bei denselben 9.600 $ Ausgaben

Die Zielgruppe ist nicht plötzlich intelligenter geworden. Das System ist einfach besser ausgerichtet. Wenn Sie tiefer in das Thema Page-Message-Fit einsteigen möchten, sind unsere Leitfäden zu Best Practices für Landingpages und der Durchführung eines Conversion-Audits die richtigen nächsten Schritte.

Die unbequeme Wahrheit über Präzision

Der gängige Rat lautet: Je enger das Targeting, desto besser die Qualität. Das stimmt nicht. Zu stark eingeschränkte Kampagnen können Volumen abwürgen, Gebotsstrategien destabilisieren und durch winzige Stichproben ein falsches Gefühl von Sicherheit erzeugen. Ein Segment mit 12 % Conversion Rate bei 50 Klicks ist nicht automatisch besser als eines mit 7 % Conversion Rate bei 500 Klicks, wenn der nachgelagerte Umsatz im größeren Pool stärker ist.

Deshalb behandeln wir Zielgruppen als Filtersystem, nicht als Growth Hack. Zuerst muss die Kette von Suchanfrage bis Landingpage stimmen. Danach nutzen Sie Zielgruppen, um Entscheidungen zu schärfen. Dieser Perspektivwechsel führt zum eigentlichen Ausgangspunkt: Intent statt Demografie.

Mit Intent starten, nicht mit Demografie

Googles Dokumentation zu Zielgruppen unterscheidet verschiedene Signaltypen, darunter detaillierte demografische Merkmale, Interessen, In-Market-Verhalten und First-Party-Daten. Für SaaS sind aber nicht alle Signale gleich wertvoll. Die Google-Ads-Hilfen zu Zielgruppensegmenten, Customer Match und Custom Segments zeigen in der Praxis vor allem eines: Die nützlichsten Segmente sind diejenigen, die am nächsten an beobachtbarer kommerzieller Kaufabsicht liegen.

Demografische Filter können beschreiben, wer häufig kauft. Sie sagen aber selten, wer jetzt gerade kaufbereit ist. Und genau dieser Unterschied ist teuer.

Welche Zielgruppensignale zeigen echte Kaufabsicht?

Für SaaS priorisieren wir Intent-Signale in dieser Reihenfolge:

1. Remarketing auf Basis von High-Intent-Seitenbesuchen oder Trial-Aktionen
2. Customer-Match-Listen nach Lifecycle-Phase
3. Custom Segments, aufgebaut aus High-Intent-Keywords sowie Wettbewerber- oder Review-URLS
4. In-Market Audiences für relevante Software-Kategorien
5. Breitere Audience Expansion nur dann, wenn die Conversion-Qualität stabil bleibt

Das ist das erste benannte Framework in diesem Artikel: die Intent-Leiter. Sie ordnet Zielgruppen danach, wie nah sie an einer echten Kaufhandlung sind – nicht danach, wie modern oder ausgefeilt die jeweilige Targeting-Option klingt. Das Ziel ist einfach: Budget zuerst dort einsetzen, wo Kaufabsicht belegt ist, und erst dann nach außen skalieren, wenn die Lead-Qualität stabil bleibt.

Ein Zahlenbeispiel: Stellen Sie sich ein SaaS-Unternehmen mit einem Monatsbudget von 20.000 $ vor.

Das heißt nicht, dass breite Expansion immer schlecht ist. Es heißt nur, dass Sie sie nicht finanzieren sollten, bevor die darüberliegenden Layer stabil funktionieren. Intent schlägt theoretische Passung.

Was ist der Unterschied zwischen Interesse und Intent?

Interesse bedeutet, dass ein Nutzer in eine Kategorie passt. Intent bedeutet, dass sich ein Nutzer wie ein Käufer verhält.

Das klingt simpel, aber Teams verwechseln beides ständig. Jemand, der allgemeine Inhalte über Produktivitätstools liest, passt vielleicht in ein Interessenprofil. Jemand, der nach „bestes CRM für B2B-SaaS Preise“ sucht oder Vergleichsseiten von Wettbewerbern besucht, zeigt Intent. In Google Ads können Custom Segments, Remarketing Audiences und Customer Match deutlich mehr von diesem Intent erfassen als breite Affinity-Logik.

Eine hilfreiche Faustregel: Wenn das Signal aus dem stammt, was der Nutzer kürzlich getan hat, statt aus dem, was die Plattform glaubt, dass er generell mögen könnte, ist es für SaaS-Akquise meist wertvoller.

Eine typische Demografie-Falle

Stellen Sie sich ein Unternehmen vor, das Finanzsoftware an Mid-Market-Unternehmen verkauft. Das Team richtet seine Botschaften an vermutete Senioritätsstufen aus und nutzt, wo verfügbar, detaillierte demografische Layer in Upper-Funnel-Kampagnen. Das sieht auf einer Präsentationsfolie ordentlich aus, performt im Account aber schwach, weil das Segment weiterhin Studierende, Berater, Researcher und Jobsuchende ohne aktuelles Kaufzeitfenster enthält.

Vergleichen Sie das mit einem Custom Segment, das auf diesen Begriffen basiert:

• „expense management software pricing“
• „best AP automation software“
• „bill spend management alternatives“
• Wettbewerber-URLs
• G2-Kategorieseiten

Der zweite Ansatz wirkt auf dem Papier weniger elegant, funktioniert in der Praxis aber deutlich besser, weil er Menschen erfasst, die sich wie Käufer verhalten.

Damit ist die Grundlage für die nächste Frage gelegt: Wenn Intent der Ausgangspunkt ist, welcher Audience-Stack verdient dann zuerst Budget?

Der Audience-Stack, der wirklich funktioniert

SaaS-Teams brauchen keine riesige Tabelle mit jeder einzelnen Google-Ads-Targeting-Funktion. Sie brauchen eine klare Reihenfolge. Googles Hinweise zu Remarketing, Customer Match, Custom Segments und Optimized Targeting liefern die Zutaten. Die eigentliche Herausforderung ist zu entscheiden, was zuerst Budget bekommt.

Unsere Reihenfolge ist einfach: Remarketing, dann Customer Match, dann Custom Segments, dann In-Market, dann Optimized Targeting – aber erst, wenn die Qualität belegt ist. Nicht, weil diese Optionen gerade im Trend sind. Sondern weil diese Reihenfolge die beste Kombination aus Kontrolle, Signalqualität und Skalierbarkeit bietet.

Mit welcher Google-Ads-Zielgruppe sollte SaaS starten?

Starten Sie mit Remarketing, wenn Sie genug qualifizierten Traffic haben. Starten Sie mit Customer Match, wenn Ihre CRM-Daten sauber gepflegt sind. Starten Sie mit Custom Segments, wenn Sie skalierbare kalte Nachfrage aufbauen müssen. In der Praxis sollten die meisten SaaS-Unternehmen alle drei nutzen, aber die Budgetgewichtung sollte der Intent-Leiter folgen – nicht den Plattform-Standardeinstellungen.

Eine einfache Budgetverteilung für einen Account mit 15.000 $ pro Monat könnte so aussehen:

• 20 % Remarketing für Trial-Abbrecher, Pricing-Besucher und Leser von High-Intent-Content
• 15 % Customer Match für Re-Engagement, Ausschlüsse und lifecycle-spezifische Kampagnen
• 45 % Custom Segments für skalierbare Kaltakquise
• 15 % In-Market Audiences zum Testen angrenzender Nachfragepools
• 5 % Optimized Targeting nur als kontrolliertes Experiment

Wenn Sie diese Verteilung umdrehen und Optimized Targeting oder breite In-Market-Zielgruppen die Hälfte des Budgets verschlingen lassen, lernen Sie in der Regel langsamer und verbrennen mehr Geld für minderwertige Formularabschlüsse.

Wann sollten Sie Custom Segments auf Basis von Wettbewerber-URLs einsetzen?

Nutzen Sie Custom Segments auf Basis von Wettbewerber-URLs, wenn Ihre Kategorie bereits etablierte Nachfrage hat und Käufer aktiv Anbieter vergleichen. Google erlaubt Werbetreibenden, Custom Segments auf Basis von Interessen und Kaufabsichten zu erstellen, die aus Suchbegriffen, Surfverhalten und besuchten Websites abgeleitet werden.

Das funktioniert besonders gut in SaaS-Kategorien, in denen Käufer vor dem Gespräch mit dem Vertrieb über Review-Seiten, Listicles, Pricing-Seiten und Vergleichsartikel gehen. Wenn Nutzer, die Domains von Wettbewerbern besuchen, gleichzeitig starke Conversion-Qualität zeigen, ist das eines der saubersten Upper-Funnel-Signale, die Sie bekommen können.

Ein praxisnahes Setup:

• Wettbewerber-Brand-Keywords als Input für das Custom Segment hinzufügen
• Wettbewerber-Pricing-URLs hinzufügen, wo sinnvoll
• Review-Plattformen wie G2-Kategorieseiten und Capterra-Kategorieseiten ergänzen
• Diese Zielgruppen mit Anzeigen kombinieren, die das Vergleichsverhalten aufgreifen
• Traffic auf Vergleichs- oder Alternative-Seiten schicken, nicht auf generische Homepages

Die Research-Seite dieses Prozesses behandeln wir ausführlicher in unseren Artikeln über das Tracking von Wettbewerber-Anzeigen und das Finden von Keyword-Lücken in Google Ads.

Der Sonderfall, in dem dieser Stack nicht greift

Dieser Stack funktioniert für die meisten B2B- und Product-Led-SaaS-Modelle gut. Weniger sauber wird es in zwei Fällen.

Erstens: Enterprise-SaaS-Accounts mit sehr wenig Traffic haben oft nicht genug Remarketing-Volumen, damit es wirklich ins Gewicht fällt. Zweitens: In sehr neuen Kategorien sind In-Market- und Wettbewerbersignale oft schwach, weil Käufer noch nicht mit stabiler Sprache suchen. In solchen Fällen verlassen Sie sich stärker auf Keyword-Intent und Content-Sequenzierung als auf Zielgruppen-Layer.

Trotzdem bleibt das Prinzip gleich: Starten Sie mit den Zielgruppen, die das stärkste Kaufverhalten und die beste nachgelagerte Conversion-Qualität zeigen. Wenn dieser Stack steht, lautet die nächste Frage: Wie viel Gewicht verdient Remarketing wirklich?

Remarketing ist nützlich, aber überschätzt

Remarketing hat sich im SaaS-PPC den Ruf als sichere Antwort erarbeitet. Es konvertiert meist besser als kalter Traffic, und Google unterstützt viele Remarketing-Anwendungsfälle über verschiedene Kampagnentypen hinweg. Das macht Remarketing wichtig. Aber nicht zum Hauptmotor für Wachstum.

In vielen SaaS-Accounts sieht Remarketing stark aus, weil es Nachfrage erntet, die anderswo erzeugt wurde. Es fängt Nutzer ab, die Ihre Marke schon kennen, bereits einmal geklickt haben oder schon eine Seite mit hoher Kaufabsicht besucht haben. Das macht es notwendig. Aber nicht ausreichend.

Welche Remarketing-Zielgruppen sollte SaaS zuerst aufbauen?

Wenn Sie nur wenige aufbauen, dann zuerst diese:

• Besucher der Pricing-Seite in den letzten 30 Tagen
• Nutzer, die einen Trial gestartet, aber nicht aktiviert haben
• Nutzer, die eine Demo begonnen, aber nicht abgeschickt haben
• Leser von Vergleichsseiten in den letzten 30 Tagen
• Leser von High-Intent-Blogartikeln, die zwei oder mehr kommerzielle Seiten besucht haben
• Frühere Leads in Opportunity-Phasen, die nicht abgeschlossen wurden

Schließen Sie kürzlich konvertierte Nutzer, bestehende Kunden aus Akquise-Kampagnen und minderwertige Traffic-Segmente wie versehentliche Bounces oder extrem kurze Sitzungen aus.

Eine praktische Bewertungsregel hilft dabei. Wir empfehlen oft einen einfachen Remarketing-Prioritätsscore:

• Besuch der Pricing-Seite = 10 Punkte
• Demo gestartet = 12 Punkte
• Trial gestartet = 15 Punkte
• 3+ Produktseiten besucht = 8 Punkte
• Verweildauer über 4 Minuten = 5 Punkte
• Rückkehr innerhalb von 7 Tagen = 6 Punkte

Wer 15+ Punkte erreicht, kommt in eine heiße Zielgruppe. Wer 8–14 Punkte erreicht, kommt in eine warme Zielgruppe. Alles darunter bleibt aus bezahltem Remarketing draußen – außer das Volumen ist sehr klein.

Mit Zahlen durchgespielt:

• Nutzer A besucht die Pricing-Seite (10) und kehrt zwei Tage später zurück (6) = 16, heiß
• Nutzer B liest einen Blogartikel und eine Produktseite (0 + 0) = 0, ausschließen
• Nutzer C startet einen Trial (15), aktiviert ihn aber nie = 15, heiß

Das ist deutlich nützlicher als eine einzige große „alle Besucher“-Audience, in der Käufer und reine Besucher vermischt werden.

Warum sieht Remarketing oft besser aus, als es wirklich ist?

Weil Attribution es schmeichelhaft darstellt. Ein Nutzer entdeckt Ihre Marke vielleicht zuerst über Search, eine Review-Seite oder einen Wettbewerber-Vergleichsartikel und konvertiert später über einen Remarketing-Klick. Die Retargeting-Kampagne bekommt den sichtbaren Erfolg. Die ursprüngliche Nachfragequelle hat aber die schwierigere Arbeit geleistet.

Betrachten wir einen SaaS-Account mit diesem monatlichen Pfad:

• 4.000 Cold-Clicks beim Erstkontakt erzeugen 250 engagierte Besucher
• 250 engagierte Besucher füllen die Remarketing-Pools
• 70 Remarketing-Klicks erzeugen 14 Conversions

Die Remarketing-Kampagne zeigt eine beeindruckende 20 % Conversion Rate. Die Cold-Kampagne nur 3,5 %. Wenn Sie die Cold-Kampagne kürzen, weil sie schwächer aussieht, schrumpft Ihr Remarketing-Pool – und einen Monat später fällt die gesamte Pipeline. Genau deshalb sollte Remarketing als Recovery-Layer betrachtet werden, nicht als Wachstumsstrategie.

Wann ist Remarketing die falsche Priorität?

Wenn Ihre Website weniger als ein paar Tausend relevante Besucher pro Monat hat, kann Remarketing zur Ablenkung werden. Die Zielgruppen bleiben klein, die Frequenz steigt und die Performance wirkt instabil. In solchen Fällen sollten Sie mehr Zeit in Custom Cold Audiences, Kontrolle über Search Terms und bessere Angebote investieren, bevor Sie komplexe Retargeting-Strukturen aufbauen.

Remarketing ist wichtig. Es sollte nur nicht die Geschichte sein, die Sie sich selbst darüber erzählen, wie Wachstum entsteht. Damit kommen wir zu einer deutlich stärkeren Signalquelle: Ihren eigenen Kundendaten.

Customer Match schlägt Rätselraten

Die meisten SaaS-Unternehmen haben bessere Zielgruppendaten im CRM als im Werbekonto. Sie nutzen sie nur nicht richtig. Googles Customer-Match-Dokumentation macht klar, dass First-Party-Daten genutzt werden können, um bekannte Nutzer über Google-Flächen hinweg zu erreichen oder auszuschließen. Für SaaS bedeutet das: Sie können endlich aufhören, das CRM als Reporting-Friedhof zu behandeln, und anfangen, es als Targeting-System zu nutzen.

Customer Match ist so wertvoll, weil es etwas enthält, das breite Zielgruppen nie liefern können: echte kommerzielle Ergebnisse. Sie wissen, wer Closed-Won wurde, wer von Trial zu Paid konvertiert ist, wer abgesprungen ist, wer in der Evaluierung stecken geblieben ist und bei wem Upsell-Potenzial besteht.

Wie sollte SaaS Customer-Match-Listen segmentieren?

Laden Sie nicht einfach eine riesige Datei mit „allen Leads“ hoch. Segmentieren Sie nach Lifecycle-Phase.

Mindestens sollten Sie Listen für Folgendes anlegen:

• Closed-Won-Kunden
• Trial-to-Paid-Kunden
• Offene Opportunities
• Abgewanderte Kunden
• Accounts mit Expansionspotenzial
• Evaluierer mit langem Buying Cycle
• Disqualifizierte Leads

Jede Liste erfüllt eine andere Aufgabe. Closed-Won und bestehende Kunden helfen bei Ausschlüssen in der Akquise. Abgewanderte Nutzer können für Win-Back-Kampagnen genutzt werden. Accounts mit Expansionspotenzial gehören in Upsell-Flows. Evaluierer mit langem Buying Cycle brauchen oft eher edukative Angebote als eine direkte Demo-Aufforderung.

Ein konkretes Betriebsmodell:

Können Kundenlisten die Akquise-Qualität verbessern?

Ja, aber nicht in dem bequemen Sinn, den viele Teams meinen. Kundenlisten verbessern die Akquise-Qualität vor allem auf drei Arten.

Erstens verbessern sie Ausschlüsse und schützen damit Budget. Zweitens helfen sie Ihnen zu beobachten, wie sich Ihre besten Nutzer über Kanäle und Segmente hinweg verhalten. Drittens können sie in geeigneten Kampagnentypen und Einstellungen breitere Expansion unterstützen, die auf echten Kundenprofilen basiert.

Ein Beispiel:

Ein SaaS-Unternehmen gibt 30.000 $ pro Monat für Akquise aus. 12 % der bezahlten Conversions entpuppen sich als doppelte Leads, bestehende Kunden, Partner oder schlecht passende Kontakte, die im CRM bereits markiert sind. Durch das Synchronisieren von Suppression-Listen via Customer Match halbiert das Team diese Verschwendung.

• Gesamte monatliche Conversions vor Suppression: 300
• Minderwertige oder doppelte Conversions: 36
• Nach verbesserter Suppression entfernt: 18
• Durchschnittlicher CPL: 100 $
• Sofortige Reduktion der Verschwendung: 1.800 $ pro Monat

Und das noch bevor zusätzliche Qualitätsgewinne durch effizientere Vertriebsprozesse berücksichtigt werden.

Der Sonderfall, über den kaum jemand spricht

Customer Match ist nur so gut wie Ihre Datenhygiene. Wenn Lifecycle-Phasen unordentlich gepflegt sind, E-Mail-Adressen fehlen oder Uploads Wochen hinterherhinken, wird die Zielgruppe unzuverlässig. In schnell laufenden PLG-Funnels kann eine veraltete Liste dazu führen, dass bezahlte Akquise-Anzeigen an jemanden ausgespielt werden, der gestern Kunde geworden ist. Das ist kein Targeting-Problem. Das ist ein Operations-Problem.

Ja, Customer Match schlägt Rätselraten. Aber nur dann, wenn Ihr CRM die Realität schnell genug abbildet, um Entscheidungen zu steuern. Sobald diese First-Party-Ebene stabil ist, wird die skalierbarste Cold-Targeting-Option deutlich wertvoller: Custom Segments.

Custom Segments sind das unterschätzte Arbeitspferd

Für viele SaaS-Advertiser werden Custom Segments genau dort wirklich nützlich, wo Audience Targeting in größerem Maßstab relevant wird. Google erlaubt es Werbetreibenden, Zielgruppen anhand von Keywords zu Produkten und Dienstleistungen, URLs besuchter Websites und App-Nutzungsmustern zu definieren. Das schafft eine Brücke zwischen breiten Plattform-Kategorien und der konkreten Sprache, die Käufer in der Evaluierungsphase verwenden.

Der Fehler besteht darin, diese Segmente aus generischen Interessen aufzubauen. Die Chance liegt darin, sie aus Kaufsprache zu bauen.

Welche Keywords gehören in ein SaaS-Custom-Segment?

Starten Sie mit Keywords, die auf Vergleich, Software-Evaluierung, Preisrecherche oder Wechselabsicht hindeuten.

Gute Muster sind zum Beispiel:

• best [category] software
• [category] software pricing
• [category] alternatives
• [competitor] vs [your brand]
• [competitor] pricing
• [category] for [industry/use case]

Zusätzlich können Sie URLs einbeziehen von:

• Produktseiten von Wettbewerbern
• Pricing-Seiten von Wettbewerbern
• Review-Verzeichnissen
• Vergleichsartikeln
• Kategoriedefinitionsseiten mit kommerziellem Intent

Ein realistisches Custom Segment für ein Sales-Enablement-SaaS-Produkt könnte enthalten:

• Keywords: sales enablement platform, best sales enablement software, seismic alternatives, highspot pricing, sales content management software
• URLs: Homepages von Wettbewerbern, Pricing-Seiten, G2-Kategorieseiten, Capterra-Kategorieseiten

Genau hier wird Wettbewerbsrecherche operativ statt theoretisch. Wenn Sie die Vorarbeit dazu brauchen, ist unser Artikel über Wettbewerber-Keyword-Targeting in Google Ads eine sinnvolle Ergänzung.

Sollten Sie Wettbewerber-Zielgruppen in Google Ads targeten?

Meistens ja – aber nur mit der richtigen Erwartung. Wettbewerber-Zielgruppen liefern selten den günstigsten Lead. Sie liefern aber oft einige der kommerziell wertvollsten Klicks, weil sich der Käufer bereits in einer aktiven Vergleichsphase befindet.

Ein Rechenbeispiel macht den Trade-off klarer.

Kampagne A targetet eine breite In-Market-Software-Zielgruppe:

• 6.000 $ Ausgaben
• 1.500 Klicks bei 4 $ CPC
• 45 Leads bei 3 % CVR
• 7 SQLs bei 15,5 % SQL-Rate
• 857 $ Kosten pro SQL

Kampagne B targetet ein Custom Segment, das aus Wettbewerber-Begriffen und URLs aufgebaut ist:

• 6.000 $ Ausgaben
• 900 Klicks bei 6,67 $ CPC
• 36 Leads bei 4 % CVR
• 11 SQLs bei 30,5 % SQL-Rate
• 545 $ Kosten pro SQL

Kampagne B sieht „schlechter“ aus, wenn Sie nur auf CPC und Klickvolumen schauen. Sie sieht deutlich besser aus, wenn Sie auf qualifizierte Pipeline achten. Genau darum geht es.

Der Fehler, der Custom Segments ruiniert

Der häufigste Fehler ist, das Segment zu breit anzulegen. Wenn Sie allgemeine Begriffe wie marketing, analytics oder productivity hinzufügen, geben Sie Google die Erlaubnis, in Richtung Nutzer abzudriften, die nur am Rand mit der Kategorie zu tun haben. Sie wollen das Gegenteil. Halten Sie das Segment so eng und spezifisch, dass der Nutzer plausibel in einem Kaufzeitfenster liegt.

Die besten Custom Segments fühlen sich leicht unangenehm an, weil sie enger sind, als Ihr Ego es gern hätte. Genau dieses Unbehagen ist oft ein Zeichen dafür, dass Sie endlich Signale targeten statt Geschichten zu erzählen.

Custom Segments schaffen Skalierung. Aber Skalierung ohne Kontrolle wird teuer. Deshalb lautet der nächste Schritt nicht „mehr Zielgruppen hinzufügen“. Sondern: Zielgruppendaten in Budgetentscheidungen übersetzen.

Zielgruppendaten nutzen, um Ausgaben zu steuern

Audience Targeting wird dann wertvoll, wenn es verändert, was Sie mit Ihrem Budget tun. Google unterstützt Audience Observation und zielgruppenbasierte Analysen in Search-Kampagnen. Genau dort sollten viele SaaS-Teams anfangen. Das Ziel ist nicht einfach, Zielgruppen über Kampagnen zu legen. Das Ziel ist, auf Basis der Zielgruppen-Performance zu entscheiden, wer mehr Budget bekommt, wer weniger bekommt und wer ausgeschlossen wird.

Das ist das zweite benannte Framework: das 4D-Modell zur Budgetsteuerung – Erkennen, Entscheiden, Absichern, Ausrollen.

• Erkennen Sie Zielgruppen-Performance zunächst im Beobachtungsmodus
• Entscheiden Sie anhand nachgelagerter Metriken, nicht nur nach Frontend-Conversion-Rate
• Absichern Sie Budget mit Ausschlüssen und Suppression-Listen
• Ausrollen Sie mehr Budget erst dann, wenn die Qualität bei ausreichend Volumen stabil bleibt

Wie sollte SaaS Zielgruppen in Search-Kampagnen nutzen?

Starten Sie in Search – wo möglich – im Beobachtungsmodus. So können Sie die Performance verschiedener Zielgruppen vergleichen, ohne die Reichweite zu früh einzuschränken. Wenn ein bestimmtes Segment dauerhaft bessere SQL-Raten, Opportunity-Raten oder mehr Pipeline pro Klick liefert, haben Sie eine belastbare Grundlage für Gebotsanpassungen oder Segmentierung.

Beispiel: Eine Search-Kampagne auf Kategorie-Keywords erzeugt über einen Monat folgende Zielgruppenaufschlüsselung.

Diese Daten sagen Ihnen ziemlich klar, was als Nächstes zu tun ist.

• Budget für Besucher der Pricing-Seite schützen
• Tests mit Wettbewerber-Custom-Segments ausbauen
• In-Market aktiv, aber kontrolliert halten
• Aufhören so zu tun, als wären alle Conversions gleich viel wert

Wann sollten Sie Zielgruppen ausschließen statt sie zu targeten?

Öfter, als die meisten Teams es tun. Ausschlüsse gehören zu den wertvollsten Anwendungen von Zielgruppendaten, weil sie Verschwendung entfernen, bevor sie sich aufaddiert.

Ausschließen sollten Sie:

• Bestehende Kunden aus Akquise-Kampagnen
• Kürzlich konvertierte Leads aus wiederholten Lead-Gen-Pushes
• Disqualifizierte CRM-Segmente mit nachweislich schlechtem Fit
• Minderwertige Besucher, wenn Sie sie sauber definieren können
• Jobsuchende oder Support-Suchende, wenn sich diese Traffic-Muster klar zeigen

Ein Zahlenbeispiel:

Wenn 18 % Ihrer bezahlten Leads von bestehenden Kunden, doppelten Formulareinsendungen und disqualifizierten Accounts stammen und Ihr durchschnittlicher CPL bei 140 $ liegt, dann enthalten 100 Leads vermeidbare Kosten von 2.520 $. Auf ein Quartal hochgerechnet können Zielgruppen-Ausschlüsse mehr Budget zurückholen als die meisten Bid-Tests.

Die kontraintuitive Wahrheit über Automatisierung

Automatisierung ist nützlich. Blindes Vertrauen in Automatisierung ist es nicht. Google macht bei Optimized Targeting klar, dass Nutzer auch außerhalb Ihrer ausgewählten Segmente gefunden werden können, wenn das System bessere Performance erwartet. Das kann helfen, sobald die Conversion-Qualität stabil ist. Es kann aber auch schnell in minderwertiges Inventar expandieren, wenn Ihre Conversion-Aktion zu oberflächlich ist.

Wenn Sie auf E-Book-Downloads oder schwache MQLs optimieren, findet Optimized Targeting unter Umständen sehr effizient mehr von den falschen Leuten. Wenn Sie dagegen auf qualifizierte Demo-Anfragen, aktivierte Trials oder importierte Offline-Conversion-Werte optimieren, hat das System deutlich bessere Chancen, kommerziell brauchbare Muster zu lernen.

Damit kommen wir direkt zum letzten großen Puzzleteil: Audience Targeting funktioniert am besten, wenn es an phasenspezifische Seiten und Angebote gekoppelt ist – nicht an ein einziges generisches Ziel.

Das Gewinner-Setup ist phasenbasiert

Googles Zielgruppen-Tools und Hinweise zu Landingpages zeigen in dieselbe Richtung: Botschaft und Zielseite sollten zur wahrscheinlichen Intent-Phase des Nutzers passen – nicht nur zum Keyword oder Kampagnentyp. Im SaaS-Bereich ist das noch wichtiger, weil Käufer klar unterscheidbare Phasen durchlaufen: eine Kategorie entdecken, Optionen vergleichen, Belege prüfen und dann entscheiden, ob sie mit dem Vertrieb sprechen oder einen Trial starten.

Die Zielgruppe ist nur die halbe Miete. Die Seite muss zur Phase passen.

Welche Zielgruppe sollte welche Landingpage sehen?

Das ist unser zweites großes Framework: Phasen-zu-Seite-Match. Die Idee ist einfach: Ordnen Sie jeder Zielgruppe die Landingpage zu, die ihrer wahrscheinlichen Kaufphase entspricht, damit Sie kalten Traffic nicht länger in heiße CTAs zwingen.

Eine praktische Zuordnung sieht so aus:

Wenn Sie alle fünf Zielgruppen auf dieselbe generische Homepage schicken, glätten Sie Intent und verlieren Conversion-Effizienz.

Was ist das einfachste phasenbasierte Targeting-Modell?

Nutzen Sie ein Drei-Phasen-Modell, wenn Ihr Team noch diese Woche etwas Umsetzbares braucht.

Phase 1: Kalte Nachfrage

• Zielgruppe: Custom Segments, selektives In-Market
• Seite: Kategorieseite, Use-Case-Seite, Problem-Lösungs-Seite
• CTA: lernen, vergleichen, Tarife ansehen

Phase 2: Warme Evaluierung

• Zielgruppe: Remarketing, Wettbewerber-Custom-Segments, engagierte Besucher
• Seite: Vergleichsseite, Social-Proof-Seite, Case-Proof-Seite
• CTA: individuelle Demo buchen, Preise ansehen, geführten Trial starten

Phase 3: Heiße Kaufabsicht

• Zielgruppe: Pricing-Besucher, Trial-Abbrecher, Customer-Match-Evaluierer
• Seite: Pricing, Demo, Onboarding-Recovery, Sales-Assist-Seite
• CTA: Trial starten, Setup abschließen, mit dem Vertrieb sprechen

Ein Zahlenbeispiel für die Planung eines SaaS-Accounts mit 25.000 $ pro Monat:

• Phase 1: 12.000 $ Budget, Ziel-CPA 180 $, Ziel = qualifizierten Evaluierungs-Traffic aufbauen
• Phase 2: 8.000 $ Budget, Ziel-CPA 120 $, Ziel = aktive Evaluierer konvertieren
• Phase 3: 5.000 $ Budget, Ziel-CPA 70 $, Ziel = heiße Nachfrage zurückholen und abschließen

Wenn Phase-1-Traffic Phase 2 und 3 effizient speist, skaliert der Account. Wenn Sie Phase 1 aushungern, weil sie in der Last-Click-Attribution schwächer aussieht, schrumpft das gesamte System später.

Der Sonderfall für Enterprise-SaaS

Für Enterprise-SaaS mit Buying Cycles von sechs Monaten funktioniert das Phasen-zu-Seite-Modell ebenfalls – nur die CTAs ändern sich. Eine kalte Zielgruppe braucht vielleicht eher einen Benchmark-Report, einen ROI-Rechner oder einen Integrationsleitfaden statt eines Trials. Eine heiße Zielgruppe braucht womöglich trotzdem eher eine vertriebsgeführte Beratung als Self-Serve-Onboarding. Die Struktur bleibt gleich. Das Conversion-Event ändert sich.

Genau hier wird Experimentieren wichtig. Wenn Ihre Seitenstrategie noch zu generisch ist, helfen unsere Leitfäden zu dem Testen von Seitenvarianten ohne Rätselraten und der Auswahl der richtigen A/B-Testing-Tools, die Verbindung zwischen Zielgruppenqualität und Seitenperformance enger zu machen.

Zum Schluss noch eine unbequeme Perspektive auf Phasen-Matching

Das beste Google Ads Audience Targeting für SaaS ist in der Oberfläche selten das „präziseste“ Setup. Es ist das Setup, das die Nachfragephase respektiert. Hören Sie auf, perfekten Personas hinterherzujagen. Beginnen Sie stattdessen damit, bewährte Intent-Signale mit Seiten zu verbinden, die genau für diese Phase gebaut wurden. Dann wird Ihr Account leichter steuerbar, weil die Daten vertrauenswürdiger werden.

Sobald Sie Zielgruppen eher als Instrumente zur Budgetsteuerung und als Indikatoren für Funnel-Phasen sehen statt als Identitätslabels, werden Kampagnenentscheidungen deutlich klarer. Genau dieses Problem haben wir mit dynares.ai gebaut, um es zu lösen.

Signale in bessere SaaS-Kampagnen verwandeln

Die meisten schwierigen Punkte, die wir behandelt haben, drehen sich nicht darum, noch mehr Zielgruppenoptionen zu finden. Es geht darum, Intent-Signale, Wettbewerbsrecherche und Landingpage-Match so zu verbinden, dass Budget bei Menschen landet, die sich tatsächlich in Richtung Umsatz bewegen können. Genau dort setzt dynares.ai an. Wir helfen Teams dabei, Zielgruppen-Insights in konkrete Maßnahmen zu übersetzen – mit Tools für Wettbewerber-Monitoring bei Anzeigen, Landingpage-Analyse und Performance-Entscheidungsunterstützung. So müssen Sie nicht länger raten, welche Segmente Budget verdienen und welche Seiten qualifizierte Klicks verschwenden.

Wenn Sie SaaS-Kampagnen rund um Custom Segments, Wettbewerber-Vergleiche oder phasenbasierte Landingpages aufbauen, gibt Ihnen dynares.ai einen schnelleren Weg, Message-Gaps zu erkennen, die Positionierung von Wettbewerbern zu verfolgen und Traffic-Qualität mit der Conversion-Performance auf der Seite zu verknüpfen. Das ist entscheidend, wenn Sie ein Segment, das nur klickt, von einem Segment unterscheiden wollen, das tatsächlich Pipeline erzeugt. Das Ergebnis ist ein engerer Feedback-Loop, eine sauberere Budgetallokation und weniger manuelle PPC-Archäologie. Wenn Ihre Google-Ads-Audience-Strategie bessere Entscheidungen statt nur mehr Dashboard-Lärm liefern soll, ist der nächste kluge Schritt, diese Signale mit dynares.ai in die Praxis zu bringen.