TikTok Ads Targeting: Broad, Interessen oder Custom Audiences?

Auf TikTok entscheidet die Targeting-Einstellung nicht, wer deine Ads sieht — sie entscheidet nur, wo das System suchen darf. Ausgeliefert wird entlang der Verhaltenssignale, die dein Creative erzeugt; die manuelle Auswahl definiert einen Korridor, keine Empfängerliste. Deshalb ist Broad der Default, und jede Einschränkung ist eine Wette, dass du besser selektierst als das Auktionssystem — eine Wette, die messbar kostet. Hier ist das Entscheidungsmodell: wann Broad, wann Interessen und Behaviors, wann Custom Audiences und Lookalikes, mit den offiziellen Schwellen dahinter.

Warum ist Broad auf TikTok der Default?

TikTok formuliert es ungewöhnlich deutlich: Broad Targeting ist für die meisten Advertiser „the most effective solution“, und die offizielle Faustregel lautet „when in doubt, do not restrict your targeting settings“. Broad heißt dabei nicht „kein Targeting“, sondern: nur die minimal nötigen Einschränkungen setzen — in der Praxis Standort, Alter und Sprache. Die Begründung: Ohne vordefinierte Parameter findet das System die passendsten Nutzer selbst — ausdrücklich auch Kunden, von denen du nichts weißt — und behält maximale Freiheit in der Auslieferung.

Möglich ist das, weil das Creative auf TikTok einen großen Teil der Selektionsarbeit übernimmt — die Auslieferung folgt den Verhaltenssignalen, die es erzeugt. Die Signal-Mechanik behandeln wir unter natives Creative auf TikTok, den grundsätzlichen Plattformvergleich unter TikTok Ads vs. Meta Ads.

Ökonomisch übersetzt: Die Wette gegen das Auktionssystem hat einen Preis. Laut TikTok-eigenen Daten erzielen „Fairly Broad“-Zielgruppen — definiert als über 80 % der potenziellen Nutzer eines Landes — im Schnitt rund 15 % niedrigere CPAs und 20 % höhere Conversion Rates als engere Zielgruppen — der CPA (Cost per Acquisition) ist dein Preis pro Conversion und damit die Zahl, die gegen den tragfähigen Neukunden-Preis läuft. Das sind TikTok-eigene Durchschnitte, kein unabhängiger Benchmark, aber die Richtung deckt sich mit der dokumentierten Mechanik: Zu enge Zielgruppen können laut TikTok dazu führen, dass Ad Groups die Lernphase nicht verlassen, und sie erhöhen die Wahrscheinlichkeit von Creative Fatigue. Enger targetieren heißt also im Zweifel nicht „präziser“, sondern: teurer pro Conversion, instabiler im Lernen, schneller ermüdet.

Gerechtfertigt ist eine Einschränkung deshalb nur mit messbarem Gegenwert: nachweislich bessere Leadqualität oder ein strukturell begrenzter Markt. „Ich kenne meine Zielgruppe“ ist kein Gegenwert, sondern eine Hypothese, die das Auktionssystem täglich gegen dich testet.

Wann bleiben Interessen und Behaviors sinnvoll?

Interest Targeting basiert laut TikTok auf langfristigen Interessen und der Interaktion mit Content; Behavior Targeting auf kürzlich gezeigtem Verhalten — etwa Video-Interaktionen der letzten 15 Tage (bis zum Ende geschaut, geliked, kommentiert, geteilt), Interaktionen mit Creator-Kategorien inklusive Profilbesuchen der letzten 30 Tage und angesehenen Videos mit bestimmten Hashtags. Präzise klingende Kategorien — aber auch sie bleiben ein Korridor, kein Präzisionsinstrument.

Zwei Fälle rechtfertigen diesen Korridor:

• Echte Nische: Dein Angebot ist nur für eine klar abgrenzbare Teilmenge relevant — B2B-Software, ein Spezial-Hobby, eine Berufsgruppe. Hier verbrennt Broad Lernbudget an Nutzern, die strukturell nie kaufen können. Interessen und Behaviors geben dem System eine Startrichtung, damit die ersten Conversions aus dem relevanten Segment kommen.
• Leadqualität statt Leadmenge: TikToks Leadgen-Best-Practices enthalten die offizielle Wenn-dann-Ausnahme: grundsätzlich Broad — aber wenn Broad zu schlechterer Leadqualität führt, die Zielgruppe einschränken, etwa über ein Mindestalter (18 oder 25) oder den Ausschluss von Custom und Lookalike Audiences. Die Reihenfolge der Hebel: erst Formular-Qualifizierung und Creative-Versprechen (Selbstselektion ist der günstigste Filter), dann Mindestalter und Ausschlüsse, erst zuletzt enge Interest-Stacks. Warum Menge ohne Qualität dich rückwärts skaliert, steht in Leadqualität statt Leadmenge.

In beiden Fällen gilt: Die Einschränkung soll eine Richtungsangabe sein, kein Käfig. TikToks offizielle Empfehlung ist, bei aktivem Interest-, Behavior- oder Audience-Targeting Smart Targeting eingeschaltet zu lassen — laut Plattform senkt das für die meisten Advertiser CPA und Ad Fatigue. Dazu gleich mehr.

Custom Audiences und Lookalikes: welche Jobs erledigen sie?

Custom Audiences sind auf TikTok keine Skalierungsmaschine, sondern Werkzeuge für drei konkrete Jobs. Als Quellen stehen unter anderem Customer Files (E-Mail, Telefonnummer, Mobile Advertising IDs), Engagement mit deinen Ads, App-Aktivität, Website-Traffic, Lead-Formulare, Business-Account-Interaktionen, Shop-Aktivität und Offline-Events zur Verfügung.

1. Ausschluss: Bestandskunden und aktuelle Käufer aus Prospecting-Kampagnen ausschließen. Ohne diesen Job sieht dein Plattform-CPA gut aus, während dein Neukunden-CAC (Kosten pro echtem Neukunden) still steigt — das Konto verbucht Conversions, die ohnehin passiert wären.
2. Retargeting- und Engagement-Pools: Nutzer, die mit Ads, Website oder Lead-Formularen interagiert haben, gezielt weiterqualifizieren.
3. Lookalike-Quelle: Eine hochwertige Custom Audience als Seed für die Modellierung ähnlicher Nutzer.

Die offiziellen Schwellen dazu: Eine Custom Audience braucht mindestens 1.000 gematchte Nutzer, um in einer Ad Group einsetzbar zu sein. Hochgeladene Kundenlisten stehen erst nach 24 bis 48 Stunden Verarbeitung zur Verfügung, und pro Werbekonto sind maximal 400 Custom Audiences möglich. Für dynamische Quellen wie Website-Traffic, Engagement oder Lead-Formulare gibt es ein tägliches Auto-Refresh nach dem bei der Erstellung gewählten Zeitfenster — diese Einstellung lässt sich nachträglich nicht ändern.

Lookalikes modellieren aus einer Custom Audience ähnliche Nutzer, mit drei Größenoptionen: Narrow (höchste Ähnlichkeit, kleinste Reichweite), Balanced und Broad (mehr Reichweite bei moderater Ähnlichkeit). Die Erstellung dauert etwa 24 bis 48 Stunden, und als Best Practice sollen Placement und Standort des Lookalikes der Quelle entsprechen. Für die Quelle verlangt TikTok eine kleine dreistellige Mindestzahl gematchter Nutzer (die aktuelle Schwelle steht in der Lookalike-FAQ); praktisch brauchbar werden Lookalikes aber erst mit deutlich größeren, hochwertigen Quellen. Genau dort liegt der Hebel: Die Quelle bestimmt, was das Modell lernt. Ein Lookalike aus allen Leads reproduziert auch die unqualifizierten; eines aus Käufern oder qualifizierten Leads modelliert das, wovon du mehr willst. Sinnvoll sind Lookalikes vor allem als Zwischenschritt: wenn Broad noch nicht genug Conversion-Signal gesammelt hat, aber bereits eine belastbare Quelle existiert.

Setup	Wann sinnvoll	Voraussetzung	Typisches Risiko
Broad (nur Standort, Alter, Sprache)	Default für Angebote mit breitem Markt	Creative-Pipeline liefert unterscheidbare Konzepte, Events sind sauber	Bei echten Nischen fließt Lernbudget an strukturell irrelevante Nutzer
Interessen & Behaviors	Echte Nische oder dokumentiertes Leadqualitäts-Problem	Smart Targeting bleibt aktiv — Korridor statt Käfig	Zu enge Stacks: Lernphase wird nicht verlassen, Creative Fatigue
Custom Audiences	Ausschlüsse, Retargeting, Lookalike-Quelle	Mindestens 1.000 gematchte Nutzer, Auto-Refresh bei dynamischen Quellen	Vergessene Ausschlüsse verzerren den Neukunden-CAC
Lookalikes	Zwischenschritt, solange Broad wenig Conversion-Signal hat	Hochwertige Quelle (Käufer, qualifizierte Leads)	Schwache Quelle: das Modell lernt das Falsche

Smart Targeting und Smart+: welche Kontrolle gibst du ab?

Smart Targeting erlaubt TikTok, Ads außerhalb deiner gewählten Interest-, Behavior- oder Audience-Einstellungen auszuliefern, wenn das Modell dort eine höhere Conversion-Wahrscheinlichkeit sieht. Es startet mit deinen exakten Einstellungen und erweitert erst, wenn außerhalb bessere Ergebnisse wahrscheinlich sind — Alter, Geschlecht und Standort werden dabei nicht überschrieben. Deine weiche Einschränkung wird also zur Startrichtung mit Ausstiegsklausel, die harten Constraints bleiben stehen. Deshalb passt die offizielle Empfehlung, es bei manuellem Targeting aktiviert zu lassen, zur Broad-Logik: Das System darf deine Hypothese korrigieren.

Der größere Rahmen: Smart+ wurde im Oktober 2024 als KI-gestützte Performance-Automatisierung über Targeting, Bidding und Creative vorgestellt. Seit dem Update vom Oktober 2025 gibt es keine getrennten manuellen und Smart+-Kampagnen mehr, sondern einen einheitlichen Buying-Flow mit modulweise wählbarer Automatisierung — Targeting, Budget und Creative jeweils voll, teil- oder gar nicht automatisiert. Im Targeting-Modul setzt du über „Audience controls“ die Basisparameter (Standort, Alter, Sprache), gibst über „Audience suggestions“ Custom Audiences oder Interessen als Steuerungssignal mit oder öffnest über „Switch to custom targeting“ das volle manuelle Targeting; verfügbar ist das für die Objectives Sales, Lead Generation und App Promotion.

Die Entscheidungsfrage lautet damit nicht mehr „Smart+ ja oder nein“, sondern: Welche Module gibst du frei, und welche Steuerungssignale gibst du mit? Denn Automatisierung verstärkt Inputs, sie repariert keine schwachen Creatives und keine unsauberen Events. Wer dem System volle Targeting-Freiheit gibt, aber ein schwaches Signal, automatisiert nur die eigene Mittelmäßigkeit.

Wie viel Zielgruppe braucht dein Budget?

Zielgruppengröße und Budget sind über die Lernphase verbunden. Laut TikTok gelten rund 50 Conversions als wichtigster Indikator dafür, dass eine Ad Group die Lernphase verlässt; die Volatilität sinkt typischerweise nach etwa 7 Tagen, und währenddessen solltest du weder pausieren noch größere Edits vornehmen. Für Leadgen-Kampagnen empfiehlt TikTok außerdem ein Tagesbudget von mindestens dem 10-fachen des durchschnittlichen Tages-CPA — offiziell belegt ist diese Regel für Leadgen, die Mechanik dahinter überträgt sich aber als Faustlogik auf jedes Setup: Das Budget muss genug Conversions pro Tag kaufen können, damit das System in endlicher Zeit lernt.

Ein illustratives Rechenbeispiel, kein Benchmark: Bei einem Ziel-CPA von 40 € bedeutet die 10-fach-Logik rund 400 € Tagesbudget — also etwa 10 Conversions pro Tag, womit die 50-Conversions-Schwelle in 5 bis 7 Tagen realistisch erreichbar ist. Wer dasselbe Setup mit 50 € pro Tag testet, sammelt ein bis zwei Conversions täglich und braucht Wochen, in denen jede Zwischenbewertung vor allem Rauschen misst.

Daraus folgt die Setup-Logik: Das Budget bestimmt, wie viel Zielgruppe du brauchst — nicht umgekehrt. Der Sanity-Check dafür steckt im Ads Manager: Die Audience-Size-Anzeige stuft Zielgruppen als „Too Narrow/Narrow“ (Performance wird schwanken, Kriterien erweitern), „Balanced“ oder „Fairly Broad“ ein. Und TikToks 80-%-Definition von „Fairly Broad“ macht klar: Broad heißt auf TikTok wirklich breit — nicht drei gestackte Interessen mit Deutschland-Filter.

Welche Targeting-Fehler verhindern Skalierung?

1. Interest-Stacking als Kontrollillusion. Viele kleine Ad Groups mit Interessens-Kombinationen fühlen sich nach Kontrolle an, verteilen das Conversion-Volumen aber so, dass keine einzige die rund 50 Conversions für den Lernphasen-Exit erreicht.
2. Ausschlüsse vergessen. Custom Audiences sind offiziell auch als Ausschluss vorgesehen. Wer Bestandskunden nicht ausschließt, optimiert auf einen Plattform-CPA, der Neukunden und ohnehin kaufende Bestandskunden vermischt.
3. Lookalike aus schwacher Quelle. Alle Leads statt qualifizierte Leads, alle Käufer statt profitable Käufer: Das Modell reproduziert exakt das, was du ihm zeigst.
4. Smart Targeting deaktiviert bei engem Targeting. Damit ignorierst du die offizielle Empfehlung und machst aus deiner Richtungsangabe einen Käfig — das System darf deine Hypothese nicht mehr korrigieren.
5. Edits und Pausen in der Lernphase. Beides ist offiziell als Fehler dokumentiert. Verlässt eine Ad Group die Lernphase nicht, nennt TikTok drei Gegenmaßnahmen: Targeting erweitern, Bid erhöhen oder Creative optimieren. Auffällig: „enger targetieren“ ist keine davon.
6. Zu kleine Audience für das Budget. Die Frequenz steigt, Creatives ermüden, und die Skalierung endet nicht am Markt, sondern am Setup. Bei Broad braucht Skalierung primär Creative-Nachschub, keine neuen Zielgruppen-Segmente.

Wie du jetzt weitermachst

Die Entscheidung in Kurzform: Starte Broad mit Standort, Alter und Sprache als einzigen harten Constraints — vorausgesetzt, deine Creative-Pipeline liefert unterscheidbare Konzepte und deine Events sind sauber. Schränke nur ein, wenn du eine echte Nische bedienst oder ein dokumentiertes Qualitätsproblem hast, und lass Smart Targeting dabei aktiv. Nutze Custom Audiences zuerst für Ausschlüsse, dann für Retargeting, dann als Lookalike-Quelle. Das parallele Entscheidungsmodell für Meta findest du unter Broad Targeting, Lookalikes oder Interessen bei Meta.

Wenn du unsicher bist, ob dein Setup an der Zielgruppen-Definition, am Creative-Signal oder an der Budget-Relation scheitert, schauen wir strukturiert darauf: RocketAds betreut TikTok Ads entlang von Business-KPIs — Targeting, Creative und Post-Click als ein Lernsystem, bewertet am Neukunden-CAC statt am Plattform-Dashboard.

Häufige Fragen

Ist Broad Targeting auf TikTok wirklich besser als Interessen-Targeting?

Für die meisten Advertiser ja — und das ist keine Agentur-Meinung, sondern TikToks eigene Position: Broad gilt offiziell als „the most effective solution“, die Faustregel lautet, Targeting im Zweifel nicht einzuschränken. Laut TikTok-eigenen Daten erzielen sehr breite Zielgruppen im Schnitt rund 15 % niedrigere CPAs und 20 % höhere Conversion Rates als engere. Der Grund liegt in der Mechanik: Ausgeliefert wird entlang der Signale, die dein Creative erzeugt, und jede manuelle Einschränkung nimmt dem System Suchraum. Ausnahmen sind echte Nischenangebote und dokumentierte Leadqualitäts-Probleme — dann ist eine Einschränkung eine begründete Wette mit messbarem Gegenwert.

Wie groß muss eine Custom Audience auf TikTok mindestens sein?

Für den Einsatz in einer Ad Group braucht eine Custom Audience laut TikTok mindestens 1.000 gematchte Nutzer. Hochgeladene Kundenlisten stehen nach 24 bis 48 Stunden Verarbeitung zur Verfügung, und pro Werbekonto sind maximal 400 Custom Audiences möglich. Für Lookalike-Quellen nennt die Lookalike-FAQ eine deutlich niedrigere, kleine dreistellige Mindestzahl gematchter Nutzer — praktisch brauchbar werden Lookalikes aber erst mit deutlich größeren, hochwertigen Quellen. Plane außerdem das Auto-Refresh direkt bei der Erstellung ein, denn diese Einstellung lässt sich nachträglich nicht ändern.

Wann lohnen sich Lookalike Audiences auf TikTok?

Als Zwischenschritt: wenn Broad noch nicht genug Conversion-Signal gesammelt hat, aber bereits eine hochwertige Quelle existiert — etwa eine Käuferliste oder qualifizierte Leads. Die Quelle bestimmt, was das Modell lernt: Ein Lookalike aus allen Leads reproduziert auch die unqualifizierten. Bei der Größe wählst du zwischen Narrow (höchste Ähnlichkeit, kleinste Reichweite), Balanced und Broad (mehr Reichweite bei moderater Ähnlichkeit); als Best Practice sollten Placement und Standort der Quelle entsprechen. Sobald Broad mit starkem Creative-Signal stabil liefert, verlieren Lookalikes als Prospecting-Werkzeug an Bedeutung.

Was macht Smart Targeting — und verliere ich damit die Kontrolle?

Smart Targeting erlaubt TikTok, Ads außerhalb deiner gewählten Interest-, Behavior- oder Audience-Einstellungen auszuliefern, wenn das Modell dort eine höhere Conversion-Wahrscheinlichkeit sieht. Es startet mit deinen exakten Einstellungen und erweitert erst dann; Alter, Geschlecht und Standort werden dabei nicht überschrieben. Deine harten Constraints bleiben also bestehen — nur die weichen Einschränkungen werden zur Startrichtung mit Ausstiegsklausel. TikTok empfiehlt offiziell, Smart Targeting bei manuellem Targeting aktiviert zu lassen, und gibt an, dass es für die meisten Advertiser CPA und Ad Fatigue senkt.

Wie viel Budget brauche ich, um TikTok-Targeting sauber zu testen?

Die Bezugsgröße ist die Lernphase: Rund 50 Conversions pro Ad Group gelten laut TikTok als wichtigster Exit-Indikator, die Volatilität sinkt typischerweise nach etwa 7 Tagen. Für Leadgen empfiehlt TikTok ein Tagesbudget von mindestens dem 10-fachen des durchschnittlichen Tages-CPA. Als illustratives Rechenbeispiel: Bei 40 € Ziel-CPA sind das rund 400 € pro Tag — etwa 10 Conversions täglich, womit die Lernphase in 5 bis 7 Tagen realistisch durchlaufen wird. Deutlich kleinere Budgets verlängern den Test so weit, dass jede Zwischenbewertung vor allem Rauschen misst.

Was tue ich, wenn Broad zwar Volumen, aber schlechte Leadqualität liefert?

Das ist die offizielle Ausnahme von der Broad-Regel: TikTok selbst empfiehlt, bei schlechter Leadqualität die Zielgruppe einzuschränken. Arbeite die Hebel aber in der Reihenfolge ihrer Kosten ab: erst Formular-Qualifizierung und Creative-Versprechen schärfen, damit sich die falschen Nutzer selbst aussortieren; dann Mindestalter (etwa 18 oder 25) und Ausschlüsse über Custom Audiences; erst zuletzt enge Interest-Stacks. Enges Targeting als erster Hebel ist der teuerste Weg, weil er CPA und Lernstabilität sofort belastet, bevor klar ist, ob das Problem überhaupt im Targeting liegt.