Anatomie eines 10M€ Google Ads Kontos

€10 Mio. pro Jahr Google-Ads-Spend auf einem einzigen Werbekonto platzieren dieses Profil in den Top 0,5 % der französischen Google-Ads-Konten nach Volumen. Auf den in öffentlichen Google-Ads-Benchmarks beobachteten Konten liegt der französische Median für aktive B2B-SaaS-Google-Ads-Konten bei rund €35-80k/Jahr Spend; das obere Quartil erreicht €250-600k/Jahr; Konten jenseits von €1 Mio./Jahr stellen weniger als 4 % des Panels; Konten bei €10 Mio.+/Jahr sind extrem selten — typischerweise Unicorns oder hyperwachsende SaaS-Anbieter mit Corporate-Enterprise-ICP.

Dieser Artikel ist eine anonymisierte Long-Form-Studie eines dieser Konten. €80 Mio. ARR, ACV €25k-150k, Mid-Market-CIO-ICP 200-2.000 Mitarbeiter, 8 europäische Märkte abgedeckt, 5-köpfiges Paid-Team, BigQuery + Looker Studio + Server-Side-GTM-Dateninfrastruktur, 12 Custom-Google-Ads-Skripte produktiv. 18 Monate beobachtete Steuerung, ab dem Moment, in dem das Konto von €4 Mio./Jahr auf €10 Mio./Jahr Spend wechselte. Kein Firmenname. Keine präzisen Zahlen, die ihn verraten würden. Aber alles andere — Organigramm, MCC-Struktur, Budget-Allokation pro Kanal, KPIs, Tooling-Stack, Inkrementalitäts-Workflow, gemachte und korrigierte Fehler — ist mit jener operativen Präzision dokumentiert, die Sie in Marketing-Case-Studies nie bekommen.

Warum das Ganze veröffentlichen? Weil französische Mid-Market-B2B-SaaS-Konten, die ihren Spend skalieren (€1 Mio., €2 Mio., €5 Mio./Jahr), ab einer bestimmten Schwelle fast alle auf dieselben strukturellen Probleme stoßen — und öffentliche Dokumentation zur realen Mechanik eines €10-Mio./Jahr-Kontos ist 2026 praktisch nicht existent. Was auf SEA-Konferenzen kursiert, ist fast immer Marketing oder „Wie wir den CPA um 40 % gesenkt haben" ohne Kontext. Dieser Artikel hat diese Berufung nicht. Er beschreibt den operativen Alltag eines €10-Mio./Jahr-Kontos mit den scharfen Meinungen und kritischen Positionen zu Inkrementalität, Kannibalisierung und naiven Metriken, die mein charakteristisches Markenzeichen sind. Für die Performance-Max-Grundlagen, die einen Teil der Analyse stützen, siehe unseren Performance-Max-Guide 2026. Für den B2B-SaaS-Pillar siehe unsere B2B-SaaS-Google-Ads-Strategie. Um die Gesundheit Ihrer Akquise zu bewerten (über 3 = gesundes SaaS, unter 1 = unprofitabel), liefert unser LTV:CAC-Rechner das Verhältnis + die Interpretation.

Der Kontext: etabliertes B2B SaaS, €80 Mio. ARR, 5-köpfiges Paid-Team

Der untersuchte Anbieter ist ein etabliertes vertikales B2B SaaS, das im Segment ITSM/IT Operations mit Submodulen ServiceDesk, IT Asset Management und Workflow-Automatisierung tätig ist. Konsolidierter ARR von €80 Mio. zum Studienzeitpunkt, anhaltendes organisches Wachstum von +35 % YoY über die letzten 24 Monate. Durchschnittlicher ACV von €65k/Jahr mit bimodaler Verteilung — ein Mid-Market-Cluster bei €25-45k und ein Enterprise-Cluster bei €80-150k. Median-Sales-Cycle 90 Tage, P75 bei 165 Tagen, P90 bei 240 Tagen. Primäres ICP: CIO oder Head of IT Ops in Unternehmen mit 200-2.000 Mitarbeitern; sekundäres ICP: Director Service Management in Unternehmen mit 2.000+ Mitarbeitern.

8 abgedeckte europäische Märkte: Frankreich (historischer Markt, ~28 % des Spends), UK (~22 %), Deutschland (~18 %), Spanien (~9 %), Italien (~7 %), Niederlande (~6 %), Schweden (~5 %), Belgien (~5 %). Keine US- oder APAC-Präsenz in diesem Stadium — strategische Board-Entscheidung, sich vor interkontinentaler Expansion auf Europa zu konzentrieren. Mehrsprachige Website in 8 Sprachen, lokales Sales-Team in jedem Hauptmarkt (FR, UK, DE), zentralisiertes Sales-Team für die übrigen.

Jährlicher Google-Ads-Spend: €10 Mio. stabil, mit moderater Saisonalität — Q1 und Q3 leicht höher (Beginn der IT-Budget-Zyklen und antizipierte Q4-Planung), Q4 leicht niedriger (üblicher Enterprise-IT-Budget-Freeze). Monatliche Verteilung schwankt von €700k (August- und Dezember-Tiefs) bis €1,1 Mio. (März- und September-Spitzen). Keine „Always-on"-Kampagne wegen Saisonalität pausiert — das Konto läuft 365 Tage, der Trade-off liegt auf Bid-Aggressivität statt On/Off.

Warum diese Studie für die SEA-Community exemplarisch ist:

• Reife — 18 aufeinanderfolgende Monate Steuerung bei €10 Mio./Jahr mit stabilem Team, produktiver Dateninfrastruktur, operativem Inkrementalitäts-Workflow. Kein chaotischer Hyper-Growth-Fall.
• Relevante Vertikale — Mid-Market B2B SaaS ist die Vertikale, in der die meisten aufstrebenden FR-Anbieter ihren Spend skalieren. Erkenntnisse sind übertragbar.
• Internes Team, keine Agentur — 5 In-house-Paid-Personen, keine externe Agentur, die über ihren Kunden spricht. Vollständiger operativer Ownership.
• Sauberes Tracking — aktive Offline-Conversion-Imports, produktives Server-Side-Tracking, quartalsweiser Inkrementalitäts-Holdout. Die zitierten Zahlen sind gemessen, nicht extrapoliert.

Die 4 über 18 Monate beobachteten Invarianten:

1. Konsolidierter LTV:CAC bleibt im Median bei 4,2:1 — leicht über dem Board-Ziel von 4:1, trotz +60 % Budgetdruck im Zeitraum (Wechsel von €6 Mio./Jahr auf €10 Mio./Jahr Spend).
2. Der Kanal-Mix variiert über 18 Monate um weniger als 8 % — 60 % PMax, 25 % Search, 10 % YouTube, 5 % Discovery ist die stabile Allokation, quartalsweise per Inkrementalitäts-Holdout validiert.
3. Die qualifizierte Pipeline aus Google Ads speist 38-44 % der gesamten New-Business-Pipeline — die übrigen 56-62 % stammen aus Outbound-SDR (~25 %), organischem SEO-Inbound (~22 %), Partnerschaften und Events (~15 %). Google Ads ist der wichtigste einzelne Kanal, aber nicht dominant.
4. Das Paid-Team ist trotz Verdopplung des Spends nicht gewachsen — von 4 auf nur 5 Personen, der Produktivitätsgewinn kam aus Automatisierung (Skripte, sGTM, automatisierter Inkrementalitäts-Workflow).

Diese 4. Invariante ist die lehrreichste. Sie zeigt, dass jenseits einer bestimmten Reife Spend-Skalierung kein Team-Skalieren erfordert — Automatisierung und Tracking-Qualität sind der Produktivitätshebel. Viele hyperwachsende B2B-SaaS-Unternehmen machen den umgekehrten Fehler: Sie stellen 8-12 Paid-Personen für ein €3-Mio./Jahr-Konto ein, weil sie nicht in vorgelagerte Dateninfrastruktur investiert haben. Operative Kosten 2-3× multipliziert, kein Performance-Gewinn.

Für die Audit-Grundlagen, mit denen Sie diese Invarianten in Ihrem Konto identifizieren können, siehe unsere Google-Ads-Audit-Checkliste.

Organigramm: Head of Paid + 4 Spezialisten (präzise Rollen, Ratios)

Das 5-köpfige Paid-Team ist einer der kontraintuitivsten Aspekte des Kontos. Die überwiegende Mehrheit der wachstumsstarken B2B-SaaS-Unternehmen rekrutiert generalistische „PPC Manager" über — jeder Manager betreut einen Mix aus Search-, PMax-, YouTube- und Display-Kampagnen mit ähnlichen KPIs. In diesem Konto fiel die strukturelle Wahl umgekehrt aus: 5 Spezialisten über 5 komplementäre Funktionen, mit klarem Ownership pro Funktion und funktionsübergreifender Zusammenarbeit.

Detailliertes Organigramm:

Detail der 5 Rollen und ihrer Ratios:

Head of Paid Acquisition — Profil mit 8-12 Jahren B2B-SaaS-Erfahrung, idealerweise mit Stationen bei 1-2 hyperwachsenden Anbietern. Strategischer Ownership: kanalübergreifende Budget-Allokation, quartalsweises Board-Reporting, Validierung der Inkrementalitäts-Roadmap, Team-Hiring und Coaching. Keine direkten Kampagnenoperationen — delegiert an die 4 Spezialisten. Zeitverteilung: 30 % Strategie/Board, 30 % Team-Review und Coaching, 20 % cross-funktionale Beziehungen (Sales, Product, Finance), 20 % transversale Projekte (Tracking-Überholung, Marktexpansion, Infrastruktur-Optimierung).

PMax-Spezialist — Profil mit 4-7 Jahren PMax-/Discovery-Erfahrung in etabliertem SaaS oder E-Commerce. Ownership von ~€6 Mio./Jahr Spend (60 % des Kontos). Aufgaben: Verwaltung der 8 PMax-Kampagnen (1 pro europäischem Markt), Asset-Group-Management, Audience Signals, Brand Exclusions, PMax-Inkrementalitäts-Holdout, Asset-Group-Insights-Reporting. Kritisch: Diese Rolle erfordert starke Autonomie bei den Mess-Tools, weil PMax standardmäßig opak ist — feine Analyse erfordert BigQuery, Looker Studio und Custom-Skripte.

Search-Spezialist — Profil mit 4-6 Jahren Non-Brand-Search-Erfahrung auf einem etablierten Konto. Ownership von ~€2,5 Mio./Jahr Spend (25 % des Kontos). Aufgaben: Verwaltung von Non-Brand Search über 8 Märkte, Match Types, wöchentliche Negatives, Smart-Bidding-Steuerung, Wettbewerber-Monitoring. Die Rolle wirkt klassisch, aber ihr Wert liegt in der operativen Rigorosität: wöchentliche Negative-Anpassungen, systematisches Audit der Search Term Reports, Kalibrierung des Target-CPA-Ziels nach Saisonalität.

Brand & YouTube Specialist — Profil mit 3-5 Jahren YouTube-/Demand-Gen-Erfahrung. Ownership von ~€1,5 Mio./Jahr Spend (15 % des Kontos). Aufgaben: Brand-Search-Defense, YouTube Demand Gen, Discovery Ads, Video-Creative-Koordination mit dem internen Brand-Team, YouTube-Holdout. Kritische Rolle für Top-Funnel und Brand-Halo-Effekt — von Wettbewerbern oft unterbesetzt, die den YouTube-Impact in B2B SaaS unterschätzen.

Tracking & Data Engineer — Profil mit 5-9 Jahren Tracking-/Data-Engineering-Erfahrung, idealerweise mit Stationen in Fintech oder etabliertem E-Commerce. Cross-funktionaler Ownership über 100 % des Kontos. Aufgaben: Pflege von sGTM + Enhanced Conversions, BigQuery-Pipelines, Looker-Studio-Dashboards, 12 Custom-Google-Ads-Skripten, HubSpot-Offline-Conversion-Imports. Das ist die Pivot-Rolle, die die Produktivität des gesamten Teams freisetzt — ein €10-Mio./Jahr-Konto ohne internen Tracking & Data Engineer zahlt entweder durch Über-Hiring von Campaign-Managern, durch Agenturkosten oder durch degradierte Performance aus kaputtem Tracking.

Warum 5 Personen und nicht 8-12:

Das Team hat die strukturelle Wahl getroffen, massiv in Automatisierung (Skripte, BigQuery, sGTM, Looker) statt in Headcount zu investieren. Beobachtetes Verhältnis: 1 Paid-Person pro €2 Mio./Jahr Spend, vs. 1 Person pro €600-900k/Jahr bei in öffentlichen Benchmarks beobachteten Wettbewerbern. Der 2,5-3×-Vorsprung bei der Headcount-Effizienz kommt aus:

• Automatisierung: 12 Custom-Google-Ads-Skripte übernehmen 60-70 % der Routine-Optimierungen (Auto-Negatives, Bid-Anpassungen, Anomalie-Alerts, Budget-Pacing).
• Dateninfrastruktur: BigQuery + Looker erlauben jedem Spezialisten, Self-Service-Analysen zu produzieren, ohne das zentrale Data-Team einzubinden.
• Sauberes Tracking: aktive Offline-Conversions + Enhanced Conversions = zuverlässiges Smart-Bidding-Signal, also weniger manuelle Optimierung nötig.
• Spezialisierung: Jede Rolle entwickelt vertikale Expertise über 18-24 Monate statt oberflächlicher kanalübergreifender Kenntnisse.

Das lehrreiche Gegenbeispiel: Ein parallel beobachteter französischer Mid-Market-B2B-SaaS-Anbieter mit €3,2 Mio./Jahr Spend hatte 6 Paid-Personen. Produktivität: 1 Person pro €530k/Jahr. Gesamt-Kontoperformance: LTV:CAC 2,8:1 vs. 4,2:1 im untersuchten Konto. Über-Hiring kompensierte das Fehlen der Dateninfrastruktur nicht — im Gegenteil, es verlangsamte den Tool-Rollout strukturell, weil jeder Manager seinen operativen Ownership verteidigte. Lektion: Produktivitäts-Skalierung läuft über Infrastruktur-Skalierung, nicht über Headcount-Skalierung.

MCC-Struktur: 1 MCC, 8 Sub-Accounts pro europäischem Markt

Die Konto-Struktur ist die andere starke Invariante. 1 zentrales MCC + 8 Google-Ads-Sub-Accounts, 1 pro europäischem Markt (FR, UK, DE, ES, IT, NL, SE, BE). Kein Sub-Account pro Produkt, kein Sub-Account pro Funnel-Stufe, kein Sub-Account pro Kampagnentyp. Diese strukturelle Entscheidung wurde beim Übergang von €4 Mio./Jahr auf €10 Mio./Jahr getroffen und seitdem nie infrage gestellt. Sie ist durch Erfahrung validiert.

Warum 1 Sub-Account pro Markt und nicht pro Produkt:

Das untersuchte B2B SaaS hat 4 Hauptproduktmodule, die oft gebündelt verkauft werden (Intra-Account-Cross-Sell nach Abschluss eines initialen Moduls). Eine Struktur „1 Sub-Account pro Produkt" hätte zwei Pathologien gehabt:

1. Search-Kannibalisierung zwischen Sub-Accounts — ein Interessent, der nach „Mid-Market ITSM" sucht, wäre zwischen 2-3 Sub-Accounts desselben Unternehmens umkämpft gewesen, was den CPC erhöht ohne die Pipeline zu erhöhen. Google-Dokumentation zur MCC-Struktur.
2. Fragmentiertes Smart-Bidding-Lernen — jeder Sub-Account hätte weniger Conversions gehabt, also weniger stabiles Smart Bidding, also höheren CPA.

Umgekehrt bringt 1 Sub-Account pro Markt:

• Konsolidiertes Smart-Bidding-Lernen pro Markt — jeder Sub-Account aggregiert 100 % der Conversions des Marktes und maximiert das verfügbare Signal.
• Sauberes Per-Markt-Reporting — Alignment mit der Sales-Organisation (die per Markt aufgestellt ist).
• Konsistente Währung und Zeitzone pro Sub-Account.
• Marktspezifisches Dayparting und Saisonalität — Nutzungsmuster variieren zwischen FR, UK, DE und Niederlanden, und Stunden-/Tages-Bid-Modifier unterscheiden sich.

Hierarchie innerhalb jedes Sub-Accounts:

Jeder Markt-Sub-Account hat dieselbe interne Struktur:

• 2-3 PMax-Kampagnen — generell 1 All-Module-PMax + 1 vertikalisiertes PMax, falls das Volumen es rechtfertigt + 1 Retargeting-PMax für Bestandskunden-Upsell.
• 8-12 Search-Kampagnen — aufgeteilt nach Funnel-Stufe (generische Solution-Intent, spezifische Solution-Intent, Competitor-Intent) und Hauptproduktmodul.
• 1-2 Brand-Search-Kampagnen — Exact-Match-Defense plus 1 Brand-Variante.
• 2-3 YouTube-Demand-Gen-Kampagnen — Top-Funnel-Corporate-ICP.
• 1 Discovery-Kampagne — sekundär, auf Drift überwacht.

Insgesamt ~15-20 Kampagnen pro Sub-Account, also 120-160 Kampagnen über die 8 Märkte hinweg. Das ist viel, aber handhabbar, weil die Struktur standardisiert ist — jeder Markt wendet dasselbe Raster an, was Custom-Skripten erlaubt, marktübergreifend einheitlich zu operieren.

Die 3 strukturellen Entscheidungen, durch 18 Monate Beobachtung validiert:

1. Keine geteilte Customer-Match-Liste über Sub-Accounts — jeder Sub-Account hat seine eigene marktspezifische Customer-Match-Liste. Mehr Arbeit (8 zu pflegende Listen), aber notwendig, weil CRM-Basen marktsegmentiert sind und die Hash-Qualität variiert.

2. Keine einzelne paneuropäische Kampagne — die Versuchung einer zentralisierten „EU-Kampagne" zur Headcount-Einsparung wurde 3 Monate lang 2024 getestet. Ergebnis: CAC +28 % vs. Per-Markt-Struktur, weil Saisonalitäten, Sprachen und Bidding-Muster künstlich geglättet wurden. Entscheidung: Rückkehr zu 1 Sub-Account pro Markt. Siehe unseren Multi-Account-MCC-Strategie-Guide.

3. Currency Hedging auf MCC-Ebene, nicht auf Sub-Account-Ebene — jeder Sub-Account fakturiert in Lokalwährung (EUR für FR/IT/ES/BE/NL, GBP für UK, SEK für SE, EUR für DE). Währungsschwankungs-Hedging wird auf Corporate-Finance-Ebene gemanagt, nicht auf Google-Ads-Sub-Account-Ebene. Das isoliert FX-Variationen von der täglichen Paid-Steuerung.

Cross-Sub-Account-Management-Workflow:

• MCC-Ebene Head of Paid — aggregierte Sicht auf 8 Sub-Accounts, Budget-Allokation, Anomalie-Alerts.
• Spezialisten-Ebene — cross-Sub-Account-Zugriff nach Spezialgebiet (PMax-Spezialist sieht alle 8 PMax-Kampagnen, Search-Spezialist sieht alle 8 Non-Brand-Search-Kampagnen-Sets etc.).
• Sales-/Customer-Success-Sub-Account-Ownership — jeder Markt-Sub-Account hat einen Sales-Referenten, der Pipeline-Infos und Lead-Qualität teilt. Wöchentliche 30-Min-Koordination zwischen Paid und Sales pro Hauptmarkt.

Budget-Allokation: 60 % PMax, 25 % Search, 10 % YouTube, 5 % Discovery

Die Kanal-Budget-Allokation ist eine der umstrittensten zu publizierenden Zahlen. Die 2026 dominante Position unter konferenzaktiven Akteuren lautet, dass „PMax maximal 30-40 % betragen sollte, Search bleibt der Pillar". Das untersuchte Konto widerspricht dieser Position: PMax stellt 60 % des Jahres-Spends, also €6 Mio./Jahr. Non-Brand Search 25 %, YouTube Demand Gen 10 %, Discovery Ads 5 %. Diese Allokation wurde durch 6 aufeinanderfolgende quartalsweise Inkrementalitäts-Holdouts über 18 Monate validiert, pro Markt und pro Kanal.

Die zentrale Frage: Warum 60 % PMax?

Drei kumulative Gründe für die Entscheidung:

1. PMax profitiert von nicht replizierbaren Inventaren — Discover Feed, YouTube Shorts in-Feed, Gmail Promotions, Maps, Search-Partners, Premium-Display-Network. In Mid-Market-Enterprise-B2B-SaaS erreichen diese Inventare ICP-Interessenten (CIOs, die im Discover Feed scrollen, Heads of IT Ops, die Gmail checken), die niemals die entsprechende Search-Query getippt hätten. Ohne PMax sind diese Interessenten in Google Ads nicht ansprechbar. Auch der Wettbewerb geht ihnen nicht hinterher — ein stiller Wettbewerbsvorteil.

2. Der PMax-Algorithmus optimiert auf Closed-Won-Deal, nicht auf MQL — dank operativer HubSpot-Offline-Conversion-Imports sieht der PMax-Algorithmus das finale Signal und lenkt das Budget in Segmente, die tatsächlich Deals produzieren. Ohne diese Tracking-Infrastruktur wäre PMax effektiv auf MQL gefangen, und das 60-%-Verhältnis wäre nicht haltbar. Siehe unseren Guide zu Offline Conversions CRM Google Ads.

3. Quartalsweise Inkrementalitäts-Holdouts validieren die Performance — über die 6 aufeinanderfolgenden Geo-Holdouts liegt die gemessene PMax-Inkrementalität je nach Quartal zwischen 68 % und 78 %. Das ist hoch. Brand-Search-Kannibalisierung bleibt dank aktiver Brand Exclusions unter 12 %. PMax ist also wirklich inkrementell, keine optische Täuschung. Für präzise technische Parameter zu Brand Exclusions und Audience Signal siehe die offizielle Performance-Max-Dokumentation, die seit 2024 verfügbare Kontrolloptionen detailliert.

Kritische Lesart der Zahlen:

• Niedrigster CAC: Brand Search bei €320. Aber Inkrementalität 35-55 % — starke organische SEO-Kannibalisierung. Die Mehrheit der Brand-Search-Conversions wäre auch ohne Brand-Google-Ads angekommen, über direktes SEO oder direkte Navigation. Das 5-%-Spend-Verhältnis ist daher bewusst gedeckelt — eine Erhöhung des Brand-Search-Budgets würde Verschwendung produzieren.

• Höchster CAC: Discovery Ads bei €2.800 mit Inkrementalität 35-58 %. Es ist der schlechtperformendste und am stärksten überwachte Kanal. Bei 3 % des Spends gehalten aus zwei Gründen: gemessener Top-Funnel-Halo-Effekt (Discovery-exponierte Interessenten konvertieren 30 Tage später +18 % auf Search, beobachtbar via BigQuery-Cohort-Tracking) und alternatives Inventar-Signal, falls ein anderer Hauptkanal driftet. Aber verpflichtendes Quartals-Monitoring — fällt Inkrementalität unter 30 %, wird Discovery gekappt.

• Non-Brand Search bleibt der Kanal mit dem höchsten LTV:CAC: 4,8:1 Median über 24 Monate, vs. 4,1:1 bei PMax und 3,2:1 bei YouTube. Erwartbar — Non-Brand Search erfasst die ausgeprägteste kommerzielle Intent. Der Grund, warum es nur 25 % des Spends und nicht 50 % darstellt: Volumengrenze. Relevante Non-Brand Search im Mid-Market-ITSM/IT-Ops repräsentiert in Frankreich endliche monatliche Nachfrage (~4.000-7.000 ICP-Target-Queries/Monat laut Google Keyword Planner über das Keyword-Cluster). Jenseits von €2,5 Mio./Jahr Non-Brand-Search-Spend in dieser Vertikalen kollabiert der Grenznutzen — jeder zusätzliche Euro produziert weniger als einen zusätzlichen Euro auf PMax, das unerschöpfliches latentes Inventar erreicht.

• PMax ist der einzige Kanal mit nicht gedeckelter Skalierbarkeit in diesem Profil — das rechtfertigt das 60-%-Verhältnis. Bittet das Board morgen um einen Wechsel auf €15 Mio./Jahr Spend, absorbiert PMax das €5-Mio.-Delta, nicht Non-Brand Search, das bereits gesättigt ist.

Per-Markt-Allokation variiert um den konsolidierten Median:

• Frankreich: 58 % PMax, 27 % Search, 10 % YouTube, 5 % Discovery (Search leicht höher, weil die FR-Keyword-Abdeckung am reifsten ist).
• UK: 62 % PMax, 24 % Search, 10 % YouTube, 4 % Discovery (PMax dominant, weil der UK-Search-Wettbewerb in ITSM sehr aggressiv ist).
• Deutschland: 55 % PMax, 28 % Search, 13 % YouTube, 4 % Discovery (YouTube performt in DE besser — starke B2B-Video-Kultur).
• Spanien, Italien: 65 % PMax, 22 % Search, 8 % YouTube, 5 % Discovery (weniger reife Search, PMax kompensiert).
• Niederlande, Schweden, Belgien: 58 % PMax, 26 % Search, 11 % YouTube, 5 % Discovery.

Kritische Position zur 2026 kursierenden „PMax overrated"-Sicht:

Viele Stimmen 2026 (Berater, Agenturen, Konferenzredner) halten an einer Position „PMax ist gefangen, behaltet 70 % Search" fest. In den meisten beobachteten Fällen ist das eine defensive Haltung von Akteuren, denen die Tracking-Infrastruktur fehlt, um PMax sauber zu steuern. Ohne aktive Offline-Conversions, ohne Brand Exclusions, ohne regelmäßigen Inkrementalitäts-Holdout ist PMax effektiv gefangen — und die Position „PMax max. 30 %" ist für dieses Konto-Profil rational. Aber mit sauberer Tracking-Infrastruktur liefert PMax die höchste Inkrementalität des Kontos, empirisch durch Geo-Holdouts validiert. Die Frage ist nicht „Ist PMax gut oder schlecht?" — sondern „Haben Sie die Infrastruktur, um PMax ohne optische Täuschung zu steuern?". Siehe unsere Analyse zu Discovery Ads und inkrementeller Wahrheit, die typische Über-Attributions-Muster bei automatisierten Formaten detailliert und die wir entgegen der dominanten Position anwenden.

Wöchentliche / monatliche / quartalsweise KPIs: die Steuerungspyramide

Ein €10-Mio./Jahr-Konto zu steuern erfordert eine 3-stufige KPI-Pyramide — wöchentlich operativ, monatlich taktisch, quartalsweise strategisch. Die Stufen zu verwechseln ist der häufigste Steuerungsfehler: strategische Entscheidungen auf rauschenden Wochen-KPIs treffen oder operative Drifts verpassen, weil man nur das Quartal betrachtet. Die Disziplin der Trennung ist, was €10-Mio./Jahr-Steuerung von €1-Mio./Jahr-Steuerung unterscheidet.

Ebene 1 — Wöchentlich operativ (50+ überwachte KPIs):

Verantwortlich: 4 Spezialisten. Frequenz: 30 Minuten wöchentliches Paid-Team-Review Montagmorgen + Echtzeit-Looker-Dashboard. Zugehörige Entscheidungen: Bid-Anpassungen, Negative-Ergänzungen, Pause schwacher Creatives, tägliche Pacing-Anpassungen.

Verfolgte KPIs:

• Wöchentliches Conversion-Volumen pro Kanal und Markt vs. Forecast — Alert bei Abweichung über 15 %.
• Wöchentlicher CAC pro Kampagne — Alert bei Abweichung über 20 % vs. Ziel.
• Search Term Reports — systematisches wöchentliches Review zur Erkennung von Match-Type-Drifts und Negative-Möglichkeiten.
• Durchschnittlicher Quality Score pro Anzeigengruppe — Alert bei Rückgang um 1+ Punkte in Hauptanzeigengruppen.
• Tägliches Budget-Pacing pro Sub-Account — Alert bei Drift über 15 % vs. Monatsziel.
• Anomalie-Detection-Skripte — 1 Custom-Google-Ads-Skript läuft alle 4 h und erkennt CPC-Spikes, CTR-Drops, Conv-Rate-Drops in Hauptkampagnen.
• Creative Performance — wöchentliches Review der PMax- und Demand-Gen-Assets, Pause der untersten 20 % Performance-Assets vs. Top 80 %.
• Search Competitor Intelligence — wöchentliches Review neuer Wettbewerber, die in Auction Insights auftauchen.

Ebene 2 — Monatlich taktisch (15-20 konsolidierte KPIs):

Verantwortlich: Head of Paid. Frequenz: 90-Min-Monats-Review mit Team + Sales + Customer Success in der ersten Monatswoche. Zugehörige Entscheidungen: marginale Anpassung der Allokation pro Kanal und Markt (±5 %), Smart-Bidding-Ziel-Anpassung, Validierung der Roadmap des Folgemonats. Unser MER-Rechner (Marketing Efficiency Ratio) misst die Gesamt-Marketing-Effizienz, nicht kanalweise.

Verfolgte KPIs:

• Durchschnittlicher monatlicher CAC pro Kanal und Markt — verglichen mit Ziel und 3-Monats-Trend.
• LTV:CAC bei D+90 pro Kanal und Markt — primärer monatlicher KPI.
• MQL/SQL/Opportunity/Closed-Won-Mix pro Kanal — erkennt, ob ein Kanal Junk-MQLs produziert.
• Monatliches Budget-Pacing vs. Quartals-Forecast — Alert bei Drift über 8 %.
• Konsolidierter Quality Score pro Sub-Account.
• Kannibalisierungs-Index PMax vs. Brand Search — über Custom-Formel auf Basis Month-over-Month-Brand-Search-Uplift berechnet.
• Qualifizierte New-Business-Pipeline aus Google Ads — geteilt mit Sales für kohärente Pipeline-Validierung.
• Velocity der abgeschlossenen Deals aus Google Ads — durchschnittliche MQL → Closed-Won-Zeit, Alert bei Verlängerung über 20 %.

Ebene 3 — Quartalsweise strategisch (5-8 synthetische KPIs):

Verantwortlich: Head of Paid + Board-Mitglieder (CRO, CFO, CEO). Frequenz: 2-h Quarterly Business Review (QBR). Zugehörige Entscheidungen: kanalübergreifende Budget-Allokation für das Folgequartal, Validierung der Marktexpansion, Validierung der Inkrementalitäts-Roadmap, ICP-Ziel-Anpassung bei strategischem Pivot.

Verfolgte KPIs:

• Inkrementalitäts-Holdout pro Kanal über 4 Wochen — Rohergebnis + Interpretation.
• Konsolidierter LTV:CAC auf Rolling-12-Monate.
• Pipeline-Beitrag aus Google Ads % der gesamten New-Business-Pipeline.
• Spend-Efficiency-Trend — annualisierter Spend / annualisierter Closed-Won auf Rolling-12-Monate.
• Cohort-ROAS pro Akquise-Quartal — Performance der pro Quartal akquirierten Kohorten, gemessen bei 6, 12, 18 Monaten nach Akquisition.
• Kanal-Mix-Validierung — Alignment mit Board-Strategie (60/25/10/5).
• Konsolidierte Wettbewerbsintelligenz — Share of Voice vs. direkte Wettbewerber.

Die klassische Falle: Ebenen verwechseln. Viele Mid-Market-B2B-SaaS-Anbieter schauen täglich auf wöchentlichen CAC und treffen strategische Reallokationsentscheidungen bei jeder Variation. Ergebnis: Überreaktion auf statistisches Rauschen, chronische Kampagneninstabilität, ständig neu gestartetes Smart-Bidding-Lernen. Auf einem €10-Mio./Jahr-Konto werden strategische Entscheidungen quartalsweise getroffen, Punkt. Wochenrauschen wird auf Wochenebene durch operative Mikro-Anpassungen behandelt, die den Gesamt-Mix nicht stören.

Für KPI-Grundlagen und Client-Reporting in bescheideneren Kontexten siehe unseren 10-KPI-Google-Ads-Client-Reporting-Guide.

Tooling-Stack: BigQuery + Looker Studio + sGTM + 12 Custom-Skripte

Der Tooling-Stack ist über 18 Monate die profitabelste Investition des Kontos. Die jährlichen Infrastrukturkosten (BigQuery-Storage und Queries, Looker Studio Pro, Server-Side-GTM-Hosting, Dev-Wartungszeit) liegen in der Größenordnung von €180-260k/Jahr — also ~2,2 % des jährlichen Google-Ads-Spends. Was er freisetzt:

• Paid-Team-Produktivität 2,5-3× vs. Struktur ohne Infrastruktur (durch Benchmark gegen beobachtete Wettbewerber validiert).
• Sauberes Offline-Conversion-Tracking, das Smart Bidding zuverlässig macht — was die 60-%-PMax-Allokation rechtfertigt.
• Automatisierter Inkrementalitäts-Holdout, der Budget-Arbitrage nicht-naiv macht.
• Board-Reporting in Institutsqualität, das das Board Budgets reibungslos genehmigen lässt.

Stack-Komponenten und ihre Rollen:

Die 12 Custom-Google-Ads-Skripte und ihre Funktionen:

1. Anomaly Detector — erkennt CPC-Spikes oder CTR-Drops in Hauptkampagnen, Echtzeit-Slack-Alert.
2. Negative Keywords Auto-Generator — analysiert Search Term Reports, schlägt neue Negatives vor, wendet sie nach wöchentlicher Validierung automatisch an.
3. Pacing Budget Monitor — überwacht tägliches Pacing pro Sub-Account, alarmiert bei Drift über 15 % vs. Monatsziel.
4. Quality Score Tracker — misst wöchentlich QS pro Hauptanzeigengruppe, alarmiert bei Rückgang um 1+ Punkte.
5. Holdout Incrementality Setup — erleichtert das Setup quartalsweiser Geo-Holdouts (Ausschlüsse, Messung, automatisierter Vergleich).
6. Auction Insights Crawler — monatliche Auction-Insights-Datensammlung, erkennt neue Wettbewerber, teilt Team-Report.
7. PMax Asset Performance Auditor — analysiert PMax-Asset-Performance, schlägt Pause/Promote vor.
8. Brand Search Cannibalization Calculator — monatliche Berechnung des PMax → Brand-Search-Kannibalisierungs-Index.
9. Geo Performance Optimizer — erkennt geografische Über- oder Unter-Performance, schlägt Bid-Modifier vor.
10. Day-Parting Optimizer — analysiert Stunden-/Tages-Performance pro Kampagne, schlägt Custom-Dayparting vor.
11. Customer Match Refresher — wöchentlicher Customer-Match-List-Refresh aus HubSpot.
12. Reporting Aggregator — konsolidiert die Daten der 8 Sub-Accounts zu einem einheitlichen Report für Looker Studio.

Diese Skripte werden in einem internen Git-Repo gespeichert, versioniert und vor dem Deployment Code-Review unterzogen. Es ist kein „Copy-Paste aus einem Blog" — es ist Production-Engineering. Wartung repräsentiert ~15-20 % der Zeit des Tracking & Data Engineers. Für eine Einführung in fertige Google-Ads-Skripte für Basisfunktionen siehe unseren 10-Ready-to-Copy-Skripte-Guide.

Server-Side GTM in Production — der Tracking-Pivot:

Der GTM-Server ist auf Google Cloud Run gehostet, Custom-Domain gtm.[domain].com. Architektur:

• GTM Client — feuert Events aus Website und authentifizierter App.
• GTM Server — empfängt, anreichert, dedupliziert, verteilt an Google Ads, GA4, HubSpot, Microsoft Ads.
• Enhanced Conversions — server-side SHA-256-Email-Hash, mit jeder Conversion an Google Ads gesendet für Cross-Device-Matching.
• MSCLKID + GCLID + LinkedIn Click ID in 90-Tage-First-Party-Cookies gespeichert, in Formular-Hidden-Fields injiziert, im CRM sichtbar.
• Offline-Conversions-Pipeline — HubSpot-Webhook ausgelöst bei Deal-Closed-Won → BigQuery → Google Ads Offline Conversions API.

Diese Infrastruktur eliminiert 4 strukturelle Probleme, die die meisten Mid-Market-B2B-SaaS-Anbieter unterschätzen:

1. Cookie-Blocker + iOS 18+ — Server-Side-Tracking bewahrt 25-40 % der Conversions, die client-side verloren gehen.
2. Cross-Device-Deduplikation — Enhanced Conversions matchen einen User, der auf Mobile auf die Anzeige geklickt und dann auf Desktop konvertiert hat.
3. Long-Cycle-Latenz — Offline-Conversions zeigen den Closed-Won-Deal an, der 90-180 Tage nach dem initialen Klick eintrifft.
4. Quality-Smart-Bidding-Signal — der Algorithmus optimiert auf reale Deals, nicht auf rauschende MQLs, also realer CAC durch 1,4-2× geteilt.

Für Setup-Details zum Server-Side-Tracking siehe unseren Server-Side-Tracking-GTM-Guide 2026.

Inkrementalitäts-Holdout-Workflow: 1 pro Quartal, 4 Wochen

Der Inkrementalitäts-Holdout-Workflow ist es, was das €10-Mio./Jahr-Konto vom aufstrebenden €2-Mio./Jahr-Konto unterscheidet. Die meisten wachstumsstarken Mid-Market-B2B-SaaS-Anbieter führen nie einen Inkrementalitäts-Holdout durch. Sie steuern auf Basis des scheinbaren ROAS, den die Plattformen reporten, der je nach Kanal um 15 bis 32 % über-attribuiert. Folge: Sie treffen Budget-Reallokationsentscheidungen, die konstruktionsbedingt verzerrt sind. Auf einem €10-Mio./Jahr-Konto sind das €1,5 bis €3,2 Mio./Jahr potenziell fehlallokiertes Budget — das Äquivalent von 5-10 Paid-Personen-Jahresgehältern. Holdout-Disziplin wird obligatorisch.

Der Rhythmus: 1 Holdout pro Quartal, pro Kanal:

• Q1: PMax-Holdout auf FR-Markt (der größte Sub-Account).
• Q2: YouTube-Demand-Gen-Holdout auf DE-Markt (wo YouTube am besten performt — Robustheits-Test).
• Q3: Non-Brand-Search-Holdout auf UK-Markt (Validierung, dass Search auf wettbewerbsstarkem Markt inkrementell bleibt).
• Q4: Discovery-Ads-Holdout auf ES-Markt (Validierung des marginalsten Kanals).

Dieser rotierende Zeitplan bedeutet, dass jeder Hauptkanal über 18 Monate einmal getestet wird und jeder Hauptmarkt über 24 Monate einmal getestet wird. Die Abdeckung ist erschöpfend ohne operativen Overload.

Standardisierte Holdout-Methodik:

1. Schritt 1 — Auswahl der Holdout-Zone (T-7): 1 repräsentative Marktregion auswählen (8-15 % des üblichen Conversion-Volumens), geografisch isolierbar, ohne extremen saisonalen Bias im Quartal.
2. Schritt 2 — Kanal in Test-Zone pausieren (T+0): geografischer Ausschluss auf Kampagnenebene, andere Kanäle laufen normal weiter, Baseline 14 Tage vor Test dokumentiert.
3. Schritt 3 — 28-tägige aufeinanderfolgende Messung (T+1 bis T+28): Conversion-Volumen pro Tag, pro Kanal, pro Test-Zone vs. Kontrolle. Tägliche BigQuery-Exporte.
4. Schritt 4 — Normalisierung und Inkrementalitäts-Berechnung (T+29 bis T+35): Saisonalitäts-Neutralisierung, kanalübergreifende Kannibalisierungs-Berechnung, reale vs. behauptete Inkrementalitäts-Berechnung.
5. Schritt 5 — Entscheidung (T+36): Budget-Arbitrage für das Folgequartal auf Basis der gemessenen Inkrementalität.

Beobachtete Ergebnisse aus den letzten 6 Holdouts:

Was diese Ergebnisse sagen:

• Behauptete Inkrementalität ist systematisch höher als gemessene Inkrementalität — das Delta variiert von 12 Punkten (UK Non-Brand Search) bis 58 Punkten (FR Brand Search SEO-Kannibalisierung). Das ist die strukturelle Über-Attribution der Google-Ads-Plattformen, und sie existiert in unterschiedlichem Ausmaß bei allen Kanälen.

• PMax mit sauberer Tracking-Infrastruktur ist der Kanal mit dem besten Verhältnis — gemessene Inkrementalität 72-78 % über 2 Holdouts. Ohne saubere Tracking-Infrastruktur würde dieses Verhältnis laut unseren Beobachtungen anderer auditierter Konten auf 40-55 % einbrechen.

• YouTube Demand Gen hat durchschnittlich 65 % Inkrementalität — moderat, aber genug, um 10 % des Mixes mit gemessenem Top-Funnel-Halo-Effekt zu rechtfertigen.

• Brand Search hat die niedrigste Inkrementalität — 48 % — die meisten Brand-Search-Conversions wären über direktes SEO oder direkte Navigation angekommen. Bei 5 % Mix zu halten ist beabsichtigt (Wettbewerbs-Defense gegen Brand-Conquesting durch Wettbewerber), aber eine Erhöhung würde Netto-Verschwendung produzieren.

• Discovery Ads ES bei 42 % Inkrementalität löste Teil-Cut aus — der Kanal ist nicht tot, aber sein Beitrag rechtfertigt 5 % Mix nicht mehr. Post-Q4 2024 auf 2 % reduziert.

Kritische Position zur Industrie, die keine Holdouts fährt:

Auf den meisten Referenz-Konten ist das der teuerste und unsichtbarste Mangel. Ein €5-Mio./Jahr-Spend-Konto ohne Inkrementalitäts-Holdout trifft systematisch verzerrte Trade-offs. Die defensive Position, die ich auf Konferenzen höre — „Holdouts sind kompliziert aufzusetzen, sie stören Kampagnen" —, ist in 8 von 10 Fällen eine Rechtfertigung dafür, nicht der Wahrheit ins Auge zu sehen, dass die Hälfte des allokierten Budgets nicht wirklich inkrementell ist. Auf einem reifen Konto mit Budget über €1 Mio./Jahr ist 1 Holdout pro Quartal kein Nice-to-have, sondern die Validitätsbedingung jeder strategischen Steuerung.

Für methodische Details zum Aufsetzen eines Geo-Inkrementalitäts-Holdouts siehe unsere Analyse zu Discovery Ads und inkrementeller Wahrheit, die das Schritt-für-Schritt-Vorgehen detailliert, übertragbar auf jeden Kanal.

Board-Reporting: was sichtbar wird, was nicht

Das quartalsweise Board-Reporting ist eine eigenständige Disziplin. Auf einem €10-Mio./Jahr-Konto erwartet das Board (CEO, CFO, CRO) eine synthetische, aber kritische Lesart der Paid Acquisition — kein Vanity-Metrics-Dashboard. Die Regel: Was beim Board landet, muss auf Board-Ebene actionable sein. Taktisches Detail (CPA pro Kampagne, schwache Creatives, hinzugefügte Negatives) bleibt auf Head-of-Paid-Ebene und verschmutzt die Board-Konversation nicht.

Die 7 synthetischen KPIs, die zum quartalsweisen Board gehen:

1. Konsolidierte Spend Efficiency — annualisierter Spend / annualisierter Closed-Won. Ziel mindestens 4:1, idealerweise 4,5:1. Trend über Rolling-4-Quartale.

2. Konsolidierter LTV:CAC über Rolling-12-Monate — pro Marktsegment und global. Aufgegliedert nach Akquise-Kohorte, um die Qualität jüngerer Kohorten sichtbar zu machen.

3. Pipeline-Beitrag aus Google Ads — % der qualifizierten New-Business-Pipeline aus Google Ads. Ziel 35-45 % gemäß Board-Strategie.

4. Holdout-Inkrementalitäts-Summary — Quartals-Holdout-Ergebnis + 1-Absatz-Interpretation. Kein methodisches Detail, nur actionable Ergebnis.

5. Kanal-Mix-Validierung — Alignment mit Board-Strategie (60 % PMax, 25 % Search, 10 % YouTube, 5 % Discovery). Alert bei Drift über 5 Punkte in einem Kanal.

6. Cohort-ROAS pro Akquise-Quartal — Performance der pro Quartal akquirierten Kohorten, gemessen bei 6, 12, 18 Monaten nach Akquisition. Primärer Indikator langfristiger Pipeline-Qualität.

7. Competitive Share of Voice — konsolidierte Auction Insights vs. direkte Hauptwettbewerber. Trend über 4 Quartale, um Wettbewerbsdruck sichtbar zu machen.

Was nicht beim Board landet (bewusst):

• CPA/CAC pro Kampagne — Head-of-Paid-Ebene, nicht Board. Das Board interessiert sich für konsolidierten CAC und LTV:CAC, nicht für das kampagnenweise Detail.
• Quality Score — Spezialisten-Ebene, nicht Board. QS ist ein Input, kein Outcome — verdient den Board-Tisch nicht.
• Detaillierte Search Term Reports — Search-Spezialisten-Ebene, nicht Board.
• Bid-Modifier und Match Types — operative Ebene, nicht Board.
• Per-Creative-Performance — Spezialisten-Ebene, nicht Board.

Diese Disziplin „Board sieht nur synthetische Outcomes" ist es, was eine gesunde Paid-Board-Beziehung erhält. Wenn das Board zu viel taktisches Detail sieht, beginnt es, operative Arbitragen zu mikro-managen — und die Steuerung verliert strategische Kohärenz.

QBR-Format (Quarterly Business Review):

• Slide 1 — Spend & ROAS Quartals-Summary + Rolling-4-Quartals-Trend.
• Slide 2 — LTV:CAC + Pipeline-Beitrag + Cohort-ROAS.
• Slide 3 — Quartalsweiser Inkrementalitäts-Holdout + Interpretation.
• Slide 4 — Kanal-Mix-Validierung + signifikante Variationen erläutert.
• Slide 5 — Competitive Share of Voice + 2-3 Takeaways.
• Slide 6 — Roadmap Folgequartal: 3 Prioritäten, vorgeschlagenes Budget, Erwartungen.
• Slide 7 — Board-Fragen.

Insgesamt ~45-60 Minuten, davon 30 Minuten Q&A. Keine magische „Hero-Metric"-Slide. Kein unrealistisches Versprechen. Kritische Position zu Annahmen: „Wenn sich Tracking mit iOS 19+ weiter degradiert, verlieren wir 8-12 % sichtbare Conversions, hier ist unser Plan zur Mitigation." Das Board schätzt diese Offenheit — sie ist weit mehr wert als eine „+18 % YoY"-Slide ohne Kontext.

Die Disziplin „Was auch nicht sichtbar wird" ist genauso wichtig:

• Roher Google-Ads-ROAS — das ist der ROAS, den jeder auf SEA-Konferenzen zeigt. Wir setzen ihn nicht aufs Board, weil er pro Kanal um 15-30 % über-attribuiert und zu schlechten strategischen Entscheidungen drängt. Auf in öffentlichen Google-Ads-Benchmarks beobachteten Konten liegt der Gap zwischen 12 % (reifes Non-Brand Search) und 38 % (PMax ohne Brand Exclusions) — die Größenordnung hängt vor allem von der Reife der Tracking-Infrastruktur ab. Was sichtbar wird, ist gemessene Inkrementalität, nicht behaupteter ROAS.

• „CPA um X % gesunken" — isoliert betrachtet ist diese Metrik irreführend. Ein sinkender CPA kann (a) erfolgreiche Optimierung, (b) Volumen-Drop (der Algorithmus konzentriert sich auf die billigsten Conversions und kappt den Rest), (c) Saisonalität, (d) degradiertes Tracking bedeuten. Das Board erhält CAC + Volumen + Pipeline-Beitrag, nicht isolierten CPA.

• PMax-Vanity-Metrics — rauschende Asset Group Insights, nicht-deduplizierte All-Types-Conversions etc. Was beim Board landet, sind ausschließlich Closed-Won-Deal-Conversions per Offline-Import.

Vermiedene Fehler und 18 Monate Erkenntnisse

Die wertvollste Erkenntnis eines €10-Mio./Jahr-Kontos liegt nicht in Erfolgsgeschichten — sie liegt in knapp vermiedenen Fehlern und schwierigen Korrekturen. Hier 8 seltene operative Erkenntnisse, dokumentiert über 18 Monate.

Erkenntnis 1 — Die Struktur „1 Sub-Account pro Produkt" wurde 2024 getestet und dann verworfen.

4 Monate lang 2024 experimentierte das Konto mit einem Per-Produkt-Split: 4 Sub-Accounts (1 pro Modul) für den FR-Markt statt eines einzelnen Multi-Modul-Sub-Accounts. Hypothese: bessere Reporting-Granularität, Optimierung pro Modul. Ergebnis: FR-CAC +22 %, Inter-Sub-Account-Search-Kannibalisierung (gleiche Keywords gleichzeitig von 2-3 Sub-Accounts angezielt), fragmentiertes Smart-Bidding-Lernen. Entscheidung: Rückkehr zur Struktur 1 Sub-Account pro Markt, durch Post-Rollback-Holdout validiert.

Erkenntnis 2 — Die einzelne paneuropäische Kampagne wurde getestet und scheiterte.

Logische Versuchung: Headcount sparen, indem man die 8 Sub-Accounts in 1 „mehrsprachiges EU-Konto" konsolidiert. 3-Monats-Test in Q3 2024. Ergebnis: globaler CAC +28 %, künstlich geglättete Saisonalitäten, Smart-Bidding-Lernen auf gemischtem Signal zwischen sehr unterschiedlichen Märkten. Entscheidung: Rückkehr zur Struktur 1 Sub-Account pro Markt, mit zusätzlicher Automatisierungs-Investition zur Kompensation der Fragmentierungs-Kosten.

Erkenntnis 3 — Die Falle „PMax ohne Brand Exclusions" kostete in Q1 2024 ~€340k an Kannibalisierung.

PMax wurde in Q4 2023 gestartet, ohne Brand Exclusions sofort zu aktivieren (Feature verfügbar, aber vergessen). 11 Wochen lang kaufte PMax Brand-Queries für einen prachtvollen scheinbaren ROAS (~12:1) zurück, mit realer Inkrementalität nahe Null (durch Post-Korrektur-Holdout gemessen). Geschätzte Kosten des Fehlers: ~€340k teilweise verschwendeter Spend. Korrektur: Brand Exclusions aktiviert + Brand Search in dedizierter Exact-Match-Kampagne mit nicht geteiltem Budget konsolidiert. Erkenntnis: Brand Exclusions müssen ab T+0 bei PMax aktiviert werden, nie auf der Checkliste vergessen.

Erkenntnis 4 — Smart Bidding, vor Offline Conversions auf MQL optimiert, lieferte unter Erwartung.

In den ersten 6 Monaten nach dem Wechsel auf €10 Mio./Jahr optimierte Smart Bidding auf MQL (eingereichtes Demo-Formular). Der Algorithmus fand einen Weg, Top-Funnel-Traffic zu pushen, der viele Junk-MQLs produzierte. Realer Closed-Won-Deal-CAC bei 2,3× des angezeigten CPA gemessen. Korrektur: Deployment der Offline-Conversion-Imports über HubSpot-Connector, Smart-Bidding-Optimierungs-Switch auf Closed-Won-Deal. Gemessener Effekt: realer CAC durch 1,7 in 90 Tagen geteilt, bei konstantem Budget. Erkenntnis: Bei 60-180-Tage-Zyklen kostet die Optimierung von Smart Bidding auf das falsche Signal mehr als die Abwesenheit von Smart Bidding.

Erkenntnis 5 — Die Juli-August-Periode erfordert Custom-Dayparting.

Auf 2025-2026 aggregierten Google-Ads-Daten beobachtetes Muster: Mid-Market-B2B-Conversions fallen im Juli-August in FR-/IT-/ES-Märkten um 32-45 % (verbreitete Schulferien), in DE/UK/SE um 15-22 %. Über beobachtete B2B-Vertikalen liegt der Gap zwischen 18 % (kritisches SaaS-Infra mit permanentem On-Call) und 55 % (auf Management ausgerichtetes Productivity-SaaS). Standard-Smart-Bidding adaptiert nicht schnell genug — Lernen in 7-14 Tagen, also wird die halbe Juli-Hälfte mit Drift verloren. Lösung: jährlich manuell programmiertes Custom-Dayparting (-30 bis -50 % Bid-Modifier Juli-August in bestimmten Non-Brand-Search-Kampagnen, PMax mit reduziertem Budget halten), basierend auf 2-Jahres-Historie. Siehe unseren weltweiten Google-Ads-Budget-Saisonalitäts-Guide.

Erkenntnis 6 — Das Target-CPA-Ziel zu schnell zu senken, hat das Volumen zerquetscht.

In Q1 2024 versuchte das Team, das FR-Non-Brand-Search-Target-CPA-Ziel in 6 Wochen von €2.200 auf €1.600 zu senken (-27 %). Ergebnis: FR-Non-Brand-Search-Conversion-Volumen -42 % in 4 Wochen, der Algorithmus reduzierte Serving in Auktionen mit erwarteten Kosten über Ziel. Korrektur: Ziel auf €1.950 angehoben, schrittweise Senkung in 10-%-Schritten alle 2 Wochen. Volumen in 6 Wochen erholt, finales stabiles Ziel €1.700. Erkenntnis: Target-CPA-Ziel-Senkung nie über 10 % pro Schritt, nie über 1 Schritt alle 2 Wochen. Die Disziplin ist nicht verhandelbar.

Erkenntnis 7 — Eine nicht aufgefrischte Customer-Match-Liste wird toxisch.

Aktive Customer-Match-Liste auf dem Konto mit 18.000 ICP-Kontakten (Bestandskunden + qualifizierte MQL+-Leads). 4 Monate lang 2024 wurde die Liste nicht wöchentlich aufgefrischt (Tracking-Engineer-Rotations-Versäumnis). Folge: Die Liste enthielt zunehmend Churn-Kontakte, disqualifizierte Leads, abgelaufene Emails. Smart Bidding optimierte weiter so, als wären diese Kontakte relevant, und überbot auf veralteten Audiences. Korrektur: wöchentlicher automatisierter Customer-Match-Refresh per Custom-Skript, 24-h-Max-SLA auf Listen-Frische. Erkenntnis: Customer-Match-Frische ist genauso wichtig wie initiale Listen-Qualität.

Erkenntnis 8 — Der experimentelle Kanaltest hat 8 % des zukünftigen Mixes gerettet.

In Q1 2025 wurde ein marginaler Reddit-Ads-B2B-Test auf dem US-Markt gestartet (parallel zum EU-Rollout zur Validierung). Initiales Budget €80k/Quartal, spekulative Hypothese. Ergebnis: LTV:CAC 4,8:1 über die ersten 6 Monate, exzellenter ICP-Fit auf das DevOps-/SRE-Segment, Skalierbarkeit bestätigt. Entscheidung: Reddit Ads wandert zu 5-8 % des Mixes in Märkten, in denen DevOps einen signifikanten Anteil des sekundären ICPs darstellt. Erkenntnis: 5-10 % des Budgets in experimentellen Kanaltests zu halten ist profitabel, selbst wenn 50-60 % der Tests scheitern — die 1-2 erfolgreichen Tests setzen neue Pipeline frei, die anderswo schwer zu finden ist.

Das Urteil: was uns €10 Mio./Jahr Spend wirklich gelehrt haben

Zum Abschluss dieser Anatomie hier die 6 operativen Schlussfolgerungen, die aus 18 Monaten €10-Mio./Jahr-Steuerung emergieren. Das sind die scharfen Positionen, die ich intern verteidige und die die meisten Mainstream-SEA-Publikationen nicht direkt zu schreiben wagen.

Schlussfolgerung 1 — Tracking-Reife ist die diskriminierendste Variable, vor Kampagnen-Expertise.

Auf einem reifen Konto mit Spend über €1 Mio./Jahr unterscheidet performante Steuerung sich von mediokrer Steuerung nicht durch die Finesse der Kampagnen-Optimierungen, Bid-Anpassungen oder Match Types. Es ist die Qualität des Signals, das per Offline Conversions und Enhanced Conversions an Smart Bidding gesendet wird. Ohne diese Infrastruktur optimiert der weltbeste PPC-Manager auf rauschendem Signal und stagniert. Mit dieser Infrastruktur schlägt ein durchschnittlicher PPC-Manager mit operativer Disziplin den besten PPC-Manager ohne Infrastruktur. Der primäre Investitionshebel für ein Konto, das von €1 Mio. auf €5 Mio./Jahr wechselt, ist nicht operativer Headcount — es ist Tracking-Infrastruktur.

Schlussfolgerung 2 — PMax ist nicht konstruktionsbedingt gefangen, es ist durch mediokres Tracking gefangen.

Die 2026 dominante Position „PMax max. 30 % Mix" ist rational für Konten ohne sauberes Tracking. Auf Konten mit Closed-Won-Deal-Offline-Conversions, aktiven Brand Exclusions, quartalsweisem Inkrementalitäts-Holdout liefert PMax die höchste Inkrementalität des Kontos (gemessen 68-78 % über 6 aufeinanderfolgende Holdouts). Das 60-%-PMax-Verhältnis, das wir halten, ist empirisch validiert, nicht dogmatisch. Wer PMax bei 30 % deckelt, ohne die Tracking-Infrastruktur zur Steuerung darüber hinaus zu haben, trifft die richtige Wahl — für seinen Reifegrad. Wer PMax bei 30 % deckelt mit der Tracking-Infrastruktur, lässt durch Übervorsicht Performance auf dem Tisch.

Schlussfolgerung 3 — Per-Markt-MCC-Struktur schlägt Per-Produkt-Struktur in 8 von 10 Fällen.

Der Instinkt „1 Sub-Account pro Produkt" ist irreführend. Er fragmentiert das Smart-Bidding-Lernen, schafft Inter-Sub-Account-Search-Kannibalisierung und kompliziert Cross-Functional-Reporting mit Sales/Customer Success, die nach Markt organisiert sind. Die Struktur 1 Sub-Account pro europäischem Markt ist optimal für Mid-Market-B2B-SaaS mit Multi-Country-Präsenz — außer in Ausnahmefällen mit Produkten mit strikt disjunkten Audiences.

Schlussfolgerung 4 — Die KPI-Pyramiden-Disziplin ist genauso wichtig wie die KPIs selbst.

KPI-Ebenen zu verwechseln (auf wöchentliches Operatives schauen und strategische Entscheidungen treffen) ist der häufigste Steuerungsfehler auf einem reifen Konto. Strategische Entscheidungen werden quartalsweise getroffen, Punkt. Wochenrauschen wird auf Wochenebene durch operative Mikro-Anpassungen behandelt, die den Gesamt-Mix nicht stören. Hyperwachsende B2B SaaS, die Budget alle 15 Tage auf Basis wöchentlicher KPIs reallozieren, verbrennen ihr Smart-Bidding-Lernen und ihre Lernphase.

Schlussfolgerung 5 — Inkrementalitäts-Holdout ist auf Konten über €1 Mio./Jahr nicht optional.

Ohne Holdout treffen Sie konstruktionsbedingt verzerrte Budget-Reallokationsentscheidungen. Die strukturelle Über-Attribution der Google-Ads-Plattformen liegt pro Kanal bei 15-32 % — also €150-320k/Jahr potenziell fehlallokiertes Budget auf einem €1-Mio./Jahr-Konto, €1,5-3,2 Mio./Jahr auf einem €10-Mio./Jahr-Konto. Für ein reifes Konto ist 1 Holdout pro Quartal eine obligatorische Disziplin, kein Nice-to-have. Anbieter, die das vermeiden — durch wahrgenommene methodische Komplexität oder Angst vor dem Ergebnis — zahlen teuer in nicht-optimalen Trade-offs.

Schlussfolgerung 6 — Methodische Rigorosität skaliert, individuelle Expertise nicht.

Der Hebel, der ein Konto von €1 Mio. auf €10 Mio./Jahr Spend bringt und dabei LTV:CAC erhält, ist nicht das Hiring von Senior-PPC-Personen — es ist die Institutionalisierung methodischer Disziplin. 3-stufige KPI-Pyramide. Quartalsweiser Holdout pro Kanal. Operative Offline Conversions. Stabile MCC-Struktur. Investierter Tooling-Stack. Dokumentierte Inkrementalitäts-Roadmap. Diese Disziplinen, einmal etabliert, skalieren linear mit dem Spend — das Paid-Team wechselt von 4 auf 5 Personen bei einer Verdopplung des Spends, weil die Pro-Person-Produktivität durch Infrastruktur multipliziert wird. Umgekehrt stagniert ein Konto, das ohne Infrastruktur auf individuelle Expertise setzt, typischerweise bei €2-3 Mio./Jahr Spend, bevor es im operativen Headcount sättigt.

Diese Anatomie eines €10-Mio./Jahr-Kontos ist keine Erfolgsgeschichte — es ist die operative Dokumentation eines funktionierenden Systems, mit seinen strukturellen Wahlentscheidungen, korrigierten Fehlern und kritischen Positionen zur Industrie. Für französische Mid-Market-B2B-SaaS-Anbieter, die Spend skalieren wollen, ohne Performance zu degradieren, sind die Erkenntnisse übertragbar — vorausgesetzt, Sie investieren gleichzeitig in Tracking-Infrastruktur, methodische Disziplin und Rollen-Spezialisierung statt Multi-Channel-Generalisten.

Für den Performance-Max-Pillar, der einen Teil der 60-%-PMax-Mix-Analyse stützt, siehe unseren vollständigen Performance-Max-Guide 2026. Für die kritische Position zu Konten, die PMax degradiert, siehe unsere Analyse, warum PMax 2026 30 % der Konten zerstört. Für die 90-Tage-Microsoft-Ads-B2B-SaaS-Case-Study, die das Tracking-Panorama für reifes B2B SaaS vervollständigt, siehe unsere Microsoft-Ads-B2B-SaaS-Case-Study.

€10 Mio./Jahr ist kein Endpunkt. Es ist die Schwelle, jenseits derer naive Arbitragen ruinös werden und methodische Disziplin ihren wahren Hebeleffekt entfaltet — siehe auch Microsoft Advertising Research für mehr Details.

Quellen

Offizielle Quellen für diesen Leitfaden:

• blog.google
• support.google.com
• developers.google.com
• support.google.com

FAQ