Was ist Dayparting?
Dayparting bedeutet, deine Werbegebote (Bids) basierend auf der Tageszeit und dem Wochentag anzupassen. Statt den ganzen Tag denselben Bid zu zahlen, erhöhst du Bids in Zeiten mit hoher Conversion Rate und senkst sie in Zeiten mit niedriger Conversion Rate.
Einfach gesagt: Du gibst mehr Geld aus, wenn Leute kaufen, und weniger Geld, wenn sie nur schauen.
Warum Dayparting bei Amazon anders funktioniert als bei Google
Bei Google Ads kannst du Anzeigenplanung direkt im Kampagnenmanager einstellen — inklusive der Möglichkeit, Anzeigen zu bestimmten Zeiten komplett auszuschalten. Amazon bietet diese Funktion nativ nicht an. Dayparting bei Amazon ist nur über externe Tools möglich, die via API die Bids stündlich anpassen.
Das bedeutet: Ohne ein PPC-Tool kannst du Dayparting bei Amazon nur manuell umsetzen — also morgens um 6 Uhr und abends um 22 Uhr deine Bids ändern. Das ist unpraktisch und fehleranfällig. Deshalb ist Dayparting bei Amazon eng mit der Wahl des richtigen Tools verknüpft.
Die Daten: Wann kaufen Amazon-Kunden in Deutschland?
Basierend auf aggregierten Daten zeigt sich ein klares Muster bei Amazon-Käufen in Deutschland. Wichtig: Diese Durchschnittswerte gelten für Consumer-Produkte. B2B-Produkte, Nischen und saisonale Produkte können stark abweichen.
Stündliches Kaufverhalten (Durchschnitt, Consumer-Produkte)
| Zeitraum | Relative Conversion Rate | Typisches Kaufverhalten |
|---|---|---|
| 00–04 Uhr | 40–55% | Sehr wenig Käufe, vereinzelt Nacht-Shopper |
| 04–06 Uhr | 50–65% | Frühaufsteher, wenig Traffic |
| 06–08 Uhr | 65–80% | Pendler browsen auf dem Handy, kaufen selten |
| 08–10 Uhr | 80–95% | Arbeitsbeginn, moderate Kaufaktivität |
| 10–12 Uhr | 95–110% | Vormittag, steigende Aktivität |
| 12–14 Uhr | 105–120% | Mittagspause — starke Kaufphase |
| 14–16 Uhr | 90–100% | Nachmittag, durchschnittlich |
| 16–18 Uhr | 95–105% | Leichter Anstieg |
| 18–20 Uhr | 115–135% | Feierabend — starke Kaufphase |
| 20–22 Uhr | 125–150% | Prime Time — stärkste Kaufphase |
| 22–24 Uhr | 80–95% | Abschwung, aber noch solide |
Wochentags-Muster
| Tag | Relative Performance | Besonderheiten |
|---|---|---|
| Montag | 90–95% | Schwacher Start, oft niedrigste CR der Woche |
| Dienstag | 95–100% | Durchschnittlich |
| Mittwoch | 95–100% | Durchschnittlich |
| Donnerstag | 100–105% | Leicht überdurchschnittlich |
| Freitag | 100–110% | Überdurchschnittlich, "Wochenend-Vorfreude" |
| Samstag | 105–115% | Stark, besonders nachmittags |
| Sonntag | 110–120% | Oft stärkster Tag, "Couch-Shopping" |
Wichtiger Hinweis: Diese Durchschnittswerte sind ein Ausgangspunkt. Dein spezifisches Produkt kann stark abweichen. Ein Büroartikel-Seller wird andere Muster sehen als ein Spielzeug-Seller. Analysiere immer deine eigenen Daten.
Die Mathematik hinter Dayparting
Um zu verstehen, warum Dayparting funktioniert, schauen wir uns ein konkretes Rechenbeispiel an.
Szenario: Ohne Dayparting
| Zeitblock | Bid | Klicks | CPC | Spend | CR | Sales | Umsatz | ACoS |
|---|---|---|---|---|---|---|---|---|
| 00–06 Uhr | 1,00 € | 45 | 0,85 € | 38,25 € | 5% | 2,25 | 78,75 € | 48,6% |
| 06–12 Uhr | 1,00 € | 120 | 0,90 € | 108,00 € | 9% | 10,8 | 378,00 € | 28,6% |
| 12–18 Uhr | 1,00 € | 150 | 0,92 € | 138,00 € | 11% | 16,5 | 577,50 € | 23,9% |
| 18–24 Uhr | 1,00 € | 185 | 0,95 € | 175,75 € | 14% | 25,9 | 906,50 € | 19,4% |
| Gesamt | 500 | 460,00 € | 55,5 | 1.940,75 € | 23,7% |
Szenario: Mit Dayparting
| Zeitblock | Bid-Multiplikator | Bid | Klicks | CPC | Spend | CR | Sales | Umsatz | ACoS |
|---|---|---|---|---|---|---|---|---|---|
| 00–06 Uhr | 55% | 0,55 € | 30 | 0,50 € | 15,00 € | 5% | 1,5 | 52,50 € | 28,6% |
| 06–12 Uhr | 85% | 0,85 € | 105 | 0,78 € | 81,90 € | 9% | 9,45 | 330,75 € | 24,8% |
| 12–18 Uhr | 105% | 1,05 € | 155 | 0,95 € | 147,25 € | 11% | 17,05 | 596,75 € | 24,7% |
| 18–24 Uhr | 140% | 1,40 € | 210 | 1,15 € | 241,50 € | 14% | 29,4 | 1.029,00 € | 23,5% |
| Gesamt | 500 | 485,65 € | 57,4 | 2.009,00 € | 24,2% |
Der eigentliche Hebel zeigt sich bei limitiertem Budget: Wenn dein Tagesbudget bei 15 € liegt und um 16 Uhr aufgebraucht ist, verpasst du die beste Kaufzeit (18–22 Uhr). Mit Dayparting senkst du die Ausgaben morgens und nachts, sodass Budget für die Prime Time übrig bleibt.
Dayparting bei limitiertem Budget
| Szenario | Budget verbraucht um | Sales | Umsatz |
|---|---|---|---|
| Ohne Dayparting (15 €/Tag) | ~16 Uhr | 3,2 | 112 € |
| Mit Dayparting (15 €/Tag) | ~22 Uhr | 4,1 | 143,50 € |
| Unterschied | +6 Stunden | +28% | +28% |
Das ist der Kern von Dayparting: Nicht mehr ausgeben, sondern klüger ausgeben.
Wann lohnt sich Dayparting?
Dayparting lohnt sich nicht für jeden Account. Hier die konkreten Kriterien für eine Entscheidung.
Dayparting lohnt sich, wenn:
1. Dein tägliches Budget limitiert ist und regelmäßig vor 22 Uhr aufgebraucht wird.
Wenn dein Budget um 15 Uhr leer ist, verpasst du die profitabelste Tageszeit. Dayparting verschiebt Budget in die Prime Time.
Prüfe das: Schau in deinen Kampagnenbericht, wann die letzten Impressions des Tages stattfinden. Wenn das regelmäßig vor 20 Uhr ist, profitierst du von Dayparting.
2. Du signifikante Unterschiede in der stündlichen Conversion Rate siehst.
"Signifikant" bedeutet: Mindestens 30% Unterschied zwischen den besten und schlechtesten Stunden. Wenn der Unterschied nur 10% beträgt, ist der Effekt von Dayparting minimal.
3. Dein Ad Spend über 3.000 €/Monat liegt.
Bei kleinerem Spend hast du nicht genug Daten für stündliche Analysen. Du brauchst mindestens 50–100 Klicks pro Zeitblock (6-Stunden-Block) pro Monat für aussagekräftige Daten.
4. Du Produkte mit starken Tageszeit-abhängigen Kaufmustern verkaufst.
Beispiele: Frühstücksprodukte (morgens), Fitness-Equipment (abends), Snacks (nachmittags), Romantik-Produkte (nachts).
Dayparting lohnt sich NICHT, wenn:
1. Dein Budget den ganzen Tag reicht und du noch Impressions-Potenzial hast.
Wenn dein Budget nie aufgebraucht wird und du noch Impressions-Share gewinnen könntest, sind auch Nacht-Sales profitabel. Warum darauf verzichten? In diesem Fall lieber das Budget erhöhen statt umverteilen.
2. Du zu wenig Daten hast.
Mit 5 Sales am Tag kannst du keine stündlichen Muster erkennen. Das wären 0,2 Sales pro Stunde — statistische Schwankungen sind größer als das Signal.
3. Du B2B-Produkte verkaufst, die tagsüber (Bürozeiten) bestellt werden.
Bei B2B-Produkten ist die Kaufzeit 9–17 Uhr. Die Standard-Bid-Verteilung passt oft bereits gut zu diesem Muster.
4. Dein ACoS bereits gut ist und du keine Budget-Limitation hast.
Dayparting optimiert die Verteilung eines bestehenden Budgets. Wenn der ACoS bereits bei 15% liegt und du kein Budget-Problem hast, wird Dayparting wenig zusätzlichen Wert liefern.
So richtest du Dayparting ein: Schritt-für-Schritt
Schritt 1: Daten sammeln und analysieren (Zeitbedarf: 1–2 Stunden)
Daten beschaffen:
Exportiere deinen Kampagnenbericht mit stündlicher Auflösung für die letzten 30–60 Tage. Du brauchst:
- Stunde des Tages
- Wochentag
- Impressions
- Klicks
- Ausgaben
- Bestellungen
- Umsatz
Daten aufbereiten:
Erstelle eine Pivot-Tabelle mit Stunde als Zeile und diesen Metriken als Werte:
- Durchschnittliche Conversion Rate (Bestellungen ÷ Klicks)
- Durchschnittlicher ACoS (Ausgaben ÷ Umsatz)
- Durchschnittlicher CPC (Ausgaben ÷ Klicks)
- Gesamte Ausgaben
- Gesamte Bestellungen
Visualisierung:
Erstelle ein Balkendiagramm mit Conversion Rate pro Stunde. Die Muster werden sofort sichtbar: Typischerweise siehst du ein "M"-Muster mit Peaks zur Mittagszeit und zur Abendzeit, und einem Tal in den Nachtstunden.
Schritt 2: Multiplikatoren berechnen (Zeitbedarf: 30 Minuten)
Methode 1: Proportional zur Conversion Rate
Berechne für jede Stunde: Stunden-CR ÷ Durchschnitts-CR × 100 = Multiplikator in %
Beispiel: Durchschnittliche CR über alle Stunden = 10%
| Stunde | Stunden-CR | Berechnung | Multiplikator |
|---|---|---|---|
| 03 Uhr | 4% | 4% ÷ 10% × 100 | 40% |
| 10 Uhr | 9% | 9% ÷ 10% × 100 | 90% |
| 13 Uhr | 12% | 12% ÷ 10% × 100 | 120% |
| 20 Uhr | 15% | 15% ÷ 10% × 100 | 150% |
Methode 2: Kategorie-basiert (einfacher)
Statt für jede der 24 Stunden einen individuellen Multiplikator zu berechnen, teile die Stunden in 4 Kategorien ein:
- Top-Stunden (CR > 130% des Durchschnitts): Multiplikator 130–150%
- Gute Stunden (CR 100–130% des Durchschnitts): Multiplikator 100–120%
- Durchschnittliche Stunden (CR 70–100%): Multiplikator 80–100%
- Schwache Stunden (CR < 70%): Multiplikator 40–65%
Schritt 3: Dayparting-Raster erstellen
Basierend auf deiner Analyse, erstelle ein vollständiges 7×24 Raster. Hier ein Beispiel-Raster für einen typischen Consumer-Seller auf Amazon.de:
Montag bis Freitag:
| Stunde | Mo | Di | Mi | Do | Fr |
|---|---|---|---|---|---|
| 00 | 45% | 45% | 45% | 45% | 50% |
| 01 | 40% | 40% | 40% | 40% | 45% |
| 02 | 40% | 40% | 40% | 40% | 40% |
| 03 | 40% | 40% | 40% | 40% | 40% |
| 04 | 45% | 45% | 45% | 45% | 45% |
| 05 | 55% | 55% | 55% | 55% | 55% |
| 06 | 70% | 70% | 70% | 70% | 70% |
| 07 | 75% | 80% | 80% | 80% | 80% |
| 08 | 85% | 85% | 85% | 85% | 90% |
| 09 | 90% | 90% | 90% | 90% | 95% |
| 10 | 95% | 95% | 95% | 100% | 100% |
| 11 | 100% | 100% | 100% | 100% | 105% |
| 12 | 115% | 110% | 110% | 110% | 110% |
| 13 | 110% | 110% | 110% | 115% | 110% |
| 14 | 100% | 100% | 100% | 100% | 105% |
| 15 | 95% | 95% | 100% | 100% | 105% |
| 16 | 100% | 100% | 100% | 105% | 110% |
| 17 | 105% | 105% | 110% | 110% | 115% |
| 18 | 120% | 120% | 120% | 120% | 115% |
| 19 | 135% | 135% | 135% | 135% | 120% |
| 20 | 145% | 145% | 145% | 140% | 125% |
| 21 | 140% | 140% | 140% | 135% | 115% |
| 22 | 100% | 100% | 100% | 100% | 105% |
| 23 | 70% | 70% | 70% | 70% | 85% |
Samstag und Sonntag:
| Stunde | Sa | So |
|---|---|---|
| 00 | 60% | 55% |
| 01–04 | 45% | 45% |
| 05–07 | 50% | 50% |
| 08–09 | 75% | 80% |
| 10–12 | 105% | 115% |
| 12–14 | 115% | 125% |
| 14–17 | 105% | 115% |
| 17–19 | 110% | 115% |
| 19–21 | 135% | 145% |
| 21–22 | 120% | 120% |
| 22–23 | 90% | 80% |
Schritt 4: Implementierung
Option A: Manuell (nicht empfohlen)
Du müsstest jeden Morgen und Abend in Seller Central die Bids aller Kampagnen anpassen. Bei 20 Kampagnen mit 30 Keywords sind das 600 Bid-Änderungen pro Tag. Unpraktikabel.
Option B: Über ein PPC-Tool (empfohlen)
Die meisten PPC-Tools bieten eine Form von Dayparting. Die Umsetzung variiert:
- Einfaches Dayparting: 4–6 Zeitblöcke pro Tag, gleich für alle Wochentage
- Vollständiges Dayparting: 7×24 Raster mit individuellem Multiplikator für jede Stunde und jeden Wochentag
Bruno bietet ein vollständiges 7×24 Dayparting-Raster pro Kampagne. Du definierst für jeden Wochentag und jede Stunde einen Bid-Multiplikator. Bruno passt die Bids automatisch jede Stunde an — ohne manuelles Eingreifen. Inklusive Performance-Heatmap, die dir sofort zeigt, welche Stunden performen und welche nicht.
Schritt 5: Testen und optimieren
Woche 1–2: Konservative Phase
Starte mit moderaten Schwankungen: Schwächste Stunde nicht unter 60%, stärkste Stunde nicht über 130%. Beobachte die täglichen KPIs.
Woche 3–4: Daten auswerten
Vergleiche die Performance der letzten 2 Wochen mit den 2 Wochen davor. Achte auf:
- Gesamt-ACoS: Ist er gesunken?
- Sales-Verteilung: Haben sich Sales in die starken Stunden verschoben?
- Budget-Ausnutzung: Reicht das Budget jetzt länger?
- Gesamt-Sales: Sind sie stabil oder gestiegen?
Ab Woche 5: Feintuning
Wenn die Ergebnisse positiv sind, erhöhe die Spreizung: Schwächste Stunde auf 40%, stärkste auf 150%. Wenn die Ergebnisse neutral sind, prüfe deine Daten — vielleicht sind die stündlichen Unterschiede bei deinem Produkt nicht groß genug.
Spezialfälle: Dayparting für verschiedene Produkttypen
Consumer Electronics (Kopfhörer, Lautsprecher, etc.)
Muster: Starke Abendstunden (19–22 Uhr), gute Mittagspause, schwache Nacht.
Wochenende: Sonntag oft stärkster Tag.
Empfehlung: Aggressives Dayparting mit 40% nachts und 150% abends.
Lebensmittel & Nahrungsergänzung
Muster: Gleichmäßiger über den Tag verteilt. Morgens oft stärker als bei anderen Kategorien (Frühstücksprodukte).
Wochenende: Samstag oft stark (Wocheneinkauf).
Empfehlung: Moderates Dayparting mit 60% nachts und 120% mittags/abends.
Bürobedarf & B2B-Produkte
Muster: Stark während Bürozeiten (9–17 Uhr), schwach abends und am Wochenende.
Wochenende: Deutlich schwächer als Wochentage.
Empfehlung: Invertiertes Dayparting: 130% während Bürozeiten, 60% abends, 40% am Wochenende.
Spielzeug & Kinderbedarf
Muster: Starke Abendstunden (nachdem Kinder im Bett sind), gute Mittagspause.
Q4: Dayparting-Muster verändern sich — abendliche Peaks werden noch stärker.
Empfehlung: Fokus auf 20–23 Uhr mit 140–150%.
Mode & Accessoires
Muster: Gleichmäßig über den Tag, leichter Peak zur Mittagszeit und abends.
Wochenende: Samstag und Sonntag oft stärker als Wochentage.
Empfehlung: Wochenend-Fokus mit 120–140%, moderates Dayparting unter der Woche.
Häufige Fehler beim Dayparting
Fehler 1: Stunden komplett abschalten (0%)
Setze den Multiplikator nie auf 0%. Selbst nachts gibt es gelegentlich Käufer. Wenn du 0% setzt, verpasst du diese Sales komplett und verlierst Datenpunkte, die du für zukünftige Analysen brauchst. Minimum: 30–40%.
Fehler 2: Zu wenig Daten für die Analyse
Mit 200 Klicks im Monat kannst du kein sinnvolles 24-Stunden-Raster erstellen. Du brauchst mindestens 1.000 Klicks/Monat für ein grobes 4-Block-Modell und mindestens 3.000 Klicks/Monat für ein volles 24-Stunden-Raster.
Fehler 3: Nicht zwischen Wochentagen differenzieren
Montag und Sonntag haben komplett unterschiedliche Kaufmuster. Wenn du für jeden Tag dasselbe Raster verwendest, verschenkst du einen großen Teil des Dayparting-Potenzials. Nutze mindestens 3 Gruppen: Mo–Fr, Sa, So.
Fehler 4: Dayparting nach Gefühl statt Daten
"Nachts kauft doch niemand" ist eine Annahme, keine Daten. Manche Produktkategorien haben nachts überraschend gute Conversion Rates (z.B. Intimprodukte, Schlafprodukte, Snacks). Immer die eigenen Daten analysieren.
Fehler 5: Set-and-forget
Kaufmuster ändern sich mit den Jahreszeiten. Im Sommer wird mehr abends draußen verbracht (weniger Couch-Shopping), im Winter sind die Abendstunden noch stärker. Prüfe dein Dayparting-Raster mindestens quartalsweise.
Fehler 6: Dayparting auf alle Kampagnen gleichzeitig anwenden
Starte mit deinen 3–5 größten Kampagnen (gemessen am Ad Spend). Wenn du siehst, dass es funktioniert, rolle auf weitere Kampagnen aus. Alles gleichzeitig zu ändern macht es unmöglich, den Effekt sauber zu messen.
Erwartete Ergebnisse: Was ist realistisch?
| Ausgangslage | Erwartete ACoS-Verbesserung | Erwartete Sales-Steigerung |
|---|---|---|
| Budget-limitiert, großes Sortiment | 10–20% | 10–30% |
| Budget-limitiert, wenige Produkte | 5–15% | 5–20% |
| Budget reicht den ganzen Tag | 3–8% | 0–5% |
| Wenig Traffic (< 1.000 Klicks/Monat) | Nicht messbar | Nicht messbar |
Die größten Gewinne erzielst du, wenn dein Budget regelmäßig vor der Prime Time (18–22 Uhr) aufgebraucht ist. In diesem Fall kann Dayparting den Unterschied zwischen einem profitablen und einem unprofitablen Account machen.
Dayparting in Kombination mit anderen Strategien
Dayparting wirkt am besten in Kombination mit anderen Optimierungsstrategien:
Dayparting + Negativ-Keywords: Erst die irrelevanten Klicks eliminieren (Negativ-Keywords), dann das verbleibende Budget optimal verteilen (Dayparting). Die Reihenfolge ist wichtig — Dayparting auf einen unreinen Keyword-Pool anwenden bringt weniger.
Dayparting + Bid-Regeln: Die Rule Engine kann Dayparting ergänzen. Beispiel: Eine Regel, die den Dayparting-Multiplikator automatisch anpasst, wenn die Conversion Rate einer Stunde über 4 Wochen um mehr als 20% vom Durchschnitt abweicht.
Dayparting + Kampagnenstruktur: Verschiedene Kampagnen können unterschiedliche Dayparting-Raster haben. Deine Brand-Kampagne braucht vielleicht kaum Dayparting (Markensuchen konvertieren zu jeder Tageszeit), während deine Generic-Kampagne stark von Dayparting profitiert.
Fazit
Dayparting ist kein Wundermittel, aber ein solider Hebel für Seller mit limitiertem Budget und genug Daten. Rechne mit 5–15% ACoS-Verbesserung bei richtigem Einsatz — und mit deutlich mehr Sales, wenn dein Budget bisher vor der Prime Time aufgebraucht war.
Der Schlüssel ist: Eigene Daten analysieren, konservativ starten, regelmäßig optimieren. Und: Die richtige Infrastruktur haben. Ohne ein Tool, das stündlich Bids anpasst, bleibt Dayparting Theorie.
Bruno bietet ein vollständiges 7×24 Dayparting-Raster pro Kampagne mit automatischer stündlicher Bid-Anpassung und Performance-Heatmap. In Kombination mit der Rule Engine, Keyword Intelligence und der 8-fachen Budgetsicherheit (Hard Limits, Pending Queue, Kill Switch, Audit Log, AES-256) optimierst du deine Kampagnen rund um die Uhr — sicher und kontrolliert. Ab 490 €/Monat, alle Features inklusive. Mehr unter info@getbruno.de.