Instagram Ads Targeting: Wie du die richtige Zielgruppe findest

Noch vor drei Jahren war Targeting auf Instagram Handarbeit: Interessen anklicken, Zielgruppen verschachteln, immer enger werden, bis nur noch die vermeintlich perfekte Nische übrig blieb. Diese Logik funktioniert heute kaum noch. Meta hat das Targeting in den letzten Jahren grundlegend umgebaut, und wer die Plattform noch wie 2021 bedient, verschenkt Reichweite und zahlt drauf.

Dieser Artikel zeigt beides: die Werkzeuge, mit denen du Zielgruppen technisch auswählst, und den größeren Wandel dahinter. Denn die wichtigste Entscheidung beim Targeting ist heute nicht mehr, welche Interessen du auswählst, sondern wie viel Spielraum du dem Algorithmus lässt und was dein Creative ihm signalisiert.

Vom Interessen-Targeting zum offenen Targeting

Zwei Entwicklungen haben das Targeting auf Meta verändert. Zum einen hat Meta seit Januar 2022 tausende Detailed-Targeting-Optionen entfernt, vor allem sensible Kategorien rund um Gesundheit, Religion, politische Nähe oder sexuelle Orientierung. Die feingliedrige Nischenauswahl von früher gibt es so nicht mehr.

Zum anderen ist Advantage+ Audience seit August 2023 der Standard-Mechanismus in manuellen Kampagnen. Targeting-Eingaben sind dort optional. Meta nutzt Pixel-Daten, Conversion-Historie und Anzeigen-Interaktionen, um die Zielgruppe selbst zu finden. Dazu kommt Metas Ranking-System Andromeda, das seit Ende 2024 ausgerollt wird und Anzeigen auf Bild-, Video- und Audio-Ebene liest. Das Creative wird damit selbst zum Zielgruppensignal.

Der Hebel hat sich also verschoben. Die Frage ist weniger "wen wähle ich aus" als "was kommuniziert meine Anzeige, und wie viel Freiheit gebe ich Meta bei der Auslieferung". Die klassischen Zielgruppentypen sind trotzdem wichtig, weil sie die Basis für Retargeting, Ausschlüsse und Skalierung bleiben.

Die drei Zielgruppentypen: Core, Custom, Lookalike

Jedes Targeting auf Instagram lässt sich auf drei Grundtypen zurückführen. Sie unterscheiden sich darin, woher Meta die Information über die Zielgruppe bezieht.

Core Audiences

Core Audiences sind die manuell gewählten Zielgruppen aus Demografie (Standort, Alter, Geschlecht, Sprache), Interessen und Verhalten. Das ist der klassische Weg, eine Zielgruppe von Hand einzugrenzen. Durch die entfernten Detailed-Targeting-Optionen ist dieser Werkzeugkasten kleiner geworden, und in Kombination mit Advantage+ Audience wirken viele dieser Eingaben ohnehin nur noch als Vorschlag. Für den Einstieg in ein neues Konto ohne eigene Daten sind Interessen trotzdem ein legitimer Startpunkt.

Custom Audiences

Custom Audiences entstehen aus deinen eigenen Daten. Die wichtigsten Quellen sind Websitebesucher über den Meta Pixel, hochgeladene Kundenlisten, Instagram-Interaktionen (Profilbesuche, gespeicherte Beiträge, Story-Klicks) und Video-Views. Das sind die wärmsten Zielgruppen, weil diese Menschen bereits Kontakt mit der Marke hatten. Sie bilden die Grundlage für Retargeting und für Ausschlüsse. Die website-basierten Custom Audiences setzen einen installierten Pixel voraus.

Besonders unterschätzt werden Engagement Custom Audiences aus Instagram-Interaktionen. Wer schon einmal ein Profil besucht oder einen Beitrag gespeichert hat, ist ein warmer Kontakt im mittleren Funnel, auch ohne dass jemals ein Pixel-Event ausgelöst wurde.

Lookalike Audiences

Eine Lookalike Audience nimmt eine bestehende Custom Audience als Quelle und lässt Meta Nutzer mit ähnlichen Merkmalen finden. Wählbar ist ein Ähnlichkeitsgrad von 1 bis 10 Prozent eines Landes: 1 Prozent ist enger und ähnlicher, 10 Prozent breiter und günstiger. Über die Qualität entscheidet die Quelle. Eine Lookalike aus den Top-Käufern liefert bessere Ergebnisse als eine aus allen Websitebesuchern.

Für Accounts ohne großen Käufer-Datensatz gibt es einen konkreten Hebel: eine Lookalike aus Engagement-Audiences bauen, also aus Instagram-Interaktionen statt aus Käufen. So bekommt Meta genug Signal, auch wenn der Pixel noch wenig Conversion-Daten gesammelt hat.

Der Meta Pixel und die Conversion API

Ohne Pixel fehlt der halbe Werkzeugkasten. Website-basierte Custom Audiences, Retargeting und die Optimierung auf Conversions setzen alle voraus, dass der Pixel installiert ist und die relevanten Events sauber feuern. Wer ohne Pixel startet, kann Anzeigen schalten, aber der Algorithmus optimiert dann weitgehend blind.

Die Conversion API (CAPI) ergänzt den Browser-Pixel serverseitig. Sie überträgt Events direkt vom Server an Meta und schließt so die Lücken, die durch Ad-Blocker, iOS-Beschränkungen und wegfallende Cookies entstehen. Für ernsthaftes Performance-Marketing ist die parallele Nutzung von Pixel und CAPI heute Standard, gerade im E-Commerce.

Offenes Targeting richtig nutzen

Offenes Targeting bedeutet, dem Algorithmus bewusst mehr Spielraum zu lassen, statt die Zielgruppe eng vorzugeben. Es ist der wichtigste strategische Wechsel der letzten Jahre, und viele Konten arbeiten noch mit der alten, engen Logik.

Was Advantage+ Audience wirklich steuert

Ein häufiges Missverständnis: Wer eine Zielgruppe eingibt, glaubt oft, Meta liefere nur an genau diese Menschen aus. Bei Advantage+ Audience stimmt das nicht. Nur wenige Angaben sind harte Grenzen: Standort, Mindestalter, Sprache, ausgeschlossene Custom Audiences und die Vorgaben aus Besonderen Anzeigenkategorien. Alles andere, also Geschlecht, Höchstalter, Interessen und selbst die angegebenen Custom oder Lookalike Audiences, behandelt Meta als Vorschlag. Der Algorithmus darf darüber hinaus ausliefern, wenn er dort bessere Ergebnisse erwartet.

Das ist so gewollt. Meta bekommt einen Startpunkt und optimiert von dort aus. Wer diesen Punkt versteht, hört auf, gegen das System zu arbeiten.

Was Meta dazu misst

Meta hat den Umstieg mit eigenen Zahlen unterlegt. In einem Test von März bis Juni 2023 lag der Cost per Result mit Advantage+ Audience laut Meta 33 Prozent niedriger als mit klassischen Zielgruppen, der Cost per Click beziehungsweise Landing-Page-View 28 Prozent, der Cost per Catalog Sale 13 Prozent und der Cost per Website Conversion 7 Prozent niedriger. Das sind Metas eigene Testdaten, keine unabhängige Studie, aber die Richtung deckt sich mit dem, was viele Konten in der Praxis sehen.

Daraus folgt eine konkrete Konsequenz für die Struktur: Mit Advantage+ Audience reicht meist eine Anzeigengruppe pro Kampagne. Mehrere Ad Sets mit überlappenden Zielgruppen treiben nur den Auction Overlap und damit die Kosten hoch.

Was das für Copy und Creatives bedeutet

Wenn das Creative zum Zielgruppensignal wird, verschiebt sich die Arbeit von den Targeting-Einstellungen ins Creative selbst. Eine Anzeige, die klar zeigt, für wen sie gedacht ist, hilft dem Algorithmus, die passende Audience zu finden. Ein Hook wie "Wenn du ein lokales Café betreibst" oder ein Setting, das eine bestimmte Lebenssituation zeigt, kommuniziert mehr über die Zielgruppe als jede Interessenauswahl.

In der Praxis heißt das: weniger Zeit in das Mikromanagement von Interessen stecken, mehr Zeit in Copy und Bildsprache, die eine konkrete Person ansprechen. Das offene Targeting funktioniert nur so gut wie das Creative, das es füttert.

Welche Zielgruppe für welche Funnel-Stage

Die meisten Anleitungen erklären die Zielgruppentypen, aber kaum eine sagt, welcher Typ wann gehört. Als Orientierung:

Die Logik dahinter: Wer die Marke noch nicht kennt, wird am günstigsten über offenes Targeting erreicht. Wer schon interagiert hat, gehört ins Retargeting mit einer passenden Botschaft. Dieselbe Anzeige für alle Stufen zu schalten, verschenkt den eigentlichen Hebel der Segmentierung.

Wie groß sollte die Zielgruppe sein?

Eine feste Zahl gibt es nicht, aber zwei Leitplanken. Nach unten wird es kritisch, wenn eine Custom Audience unter etwa 1.000 Personen fällt, weil das Auslieferungsvolumen dann zu gering für belastbare Ergebnisse ist. Nach oben verliert eine sehr eng gebaute Core Audience an Effizienz, weil der CPM steigt, je enger die Zielgruppe wird.

Wie breit sinnvoll ist, hängt von Budget, Markt und Ziel ab. Ein kleines lokales Budget verträgt keine millionengroße Zielgruppe, weil die Frequenz dann nie ausreicht. Ein Conversion-Ziel mit ordentlichem Budget profitiert dagegen von einer breiten, offenen Zielgruppe, in der der Algorithmus die Käufer selbst herausfiltert. Pauschale CPM-Benchmarks nach Zielgruppentyp kursieren viel, taugen aber wenig, weil sie stark von Branche, Angebot und Wettbewerb abhängen.

Ausschlüsse, Sauberkeit und Kombinationen

Ausschlüsse sind der wichtigste manuelle Eingriff, der auch beim offenen Targeting bleibt. Bestandskäufer gehören konsequent aus den Prospecting-Kampagnen ausgeschlossen, sonst bezahlst du dafür, Menschen zu bewerben, die schon gekauft haben. Auch die eigene Community lässt sich ausschließen, wenn eine Kampagne rein auf Neukunden zielt.

Die Qualität der Quelldaten entscheidet mit über die Ergebnisse. Fake-Follower und irrelevante Kontakte in einer Kundenliste verzerren jede Lookalike-Berechnung, weil Meta dann Ähnliche zu den falschen Personen sucht. Saubere Quelllisten sind deshalb die Basis für brauchbare Lookalikes.

Beim Kombinieren von Zielgruppen gilt Zurückhaltung. Schnittmengen aus mehreren Bedingungen (UND-Logik) lassen sich bauen, verkleinern aber die Zielgruppe und treiben die Kosten. Je komplexer die Verschachtelung, desto teurer und fragiler wird das Setup. Meist ist eine breite Zielgruppe mit klaren Ausschlüssen die robustere Wahl.

Kampagnenziel und Lernphase

Die Zielgruppe allein entscheidet nicht über den Erfolg. Das Kampagnenziel bestimmt, worauf der Algorithmus optimiert, und damit, welche Menschen er innerhalb der Zielgruppe ansteuert. Wer auf Traffic optimiert, bekommt Klicker. Wer auf Umsatz mit dem Event "Kauf" optimiert, bekommt Menschen, bei denen Meta einen Kauf erwartet. Das falsche Ziel schickt den Algorithmus von Anfang an auf den falschen Lernpfad.

Danach braucht das System Zeit. In der Lernphase sammelt Meta Daten, bis eine Anzeigengruppe als Richtwert rund 50 Conversions in sieben Tagen erreicht. Solange diese Phase läuft, sind die Ergebnisse instabil. Jede größere Änderung an Budget, Ziel oder Zielgruppe setzt die Lernphase zurück. Der häufigste Fehler ist, zu früh einzugreifen oder Anzeigen nach wenigen Tagen abzuschalten. Mindestens sieben Tage abwarten, bevor du an der Zielgruppe schraubst.

Ein Sonderfall sind die Besonderen Anzeigenkategorien für Kredit- und Finanzangebote, Beschäftigung und Wohnen. Dort schränkt Meta die Targeting-Optionen ein, und die automatische Lookalike-Erweiterung steht nicht zur Verfügung. Diese Kategorien musst du beim Kampagnenaufbau selbst deklarieren.

Troubleshooting: die Zielgruppe konvertiert nicht

Wenn Anzeigen laufen, aber nichts konvertiert, liegt es selten allein an der Zielgruppe. Eine kurze Diagnose in fester Reihenfolge spart Budget:

• Ziel und Event prüfen: Optimiert die Kampagne auf das richtige Business-Event, und feuert dieses Event sauber im Pixel?
• Zielgruppengröße prüfen: Ist die Audience zu eng für das Budget, sodass die Auslieferung einbricht?
• Creative prüfen: Klickt die falsche Zielgruppe, weil das Creative unklar signalisiert, für wen es gedacht ist?
• Overlap prüfen: Konkurrieren mehrere Ad Sets um dieselben Menschen?
• Lernphase prüfen: Wurde die Kampagne durch zu frühe Eingriffe immer wieder zurückgesetzt?

Ein eigener Fall ist Audience Fatigue, also die erschöpfte Zielgruppe. Die Signale sind eine steigende Frequenz bei gleichzeitig sinkender CTR und steigendem CPM. Dann ist die Zielgruppe schlicht übersättigt. Der Hebel liegt im Creative-Wechsel oder in einer breiteren Zielgruppe.

Fazit

Gutes Targeting auf Instagram beginnt mit einer klaren Vorstellung der Zielgruppe, bevor der Werbeanzeigenmanager überhaupt geöffnet wird. Danach ist die Reihenfolge in den meisten Fällen dieselbe: Pixel und CAPI sauber aufsetzen, offen targeten und dem Algorithmus Spielraum geben, das Creative als eigentliches Zielgruppensignal ernst nehmen, Bestandskäufer ausschließen, die Zielgruppentypen entlang des Funnels einsetzen und die Lernphase in Ruhe lassen.

Die enge Nischenauswahl von früher ist damit nicht komplett verschwunden, aber sie ist selten noch der beste Weg. Wer die richtige Zielgruppe finden will, wählt sie heute weniger von Hand aus und baut stattdessen die Bedingungen, unter denen Meta sie zuverlässig selbst findet.