Wie Disorder Media die Kreativproduktion skaliert und die Kosten pro Kauf halbiert hat – mit SecretSauce
Amit Waissman ist Campaign Manager bei Disorder Media, einer Performance-Marketing-Agentur, die bezahlte Werbung für große internationale Marken betreibt. Amit verwaltet über 15 Kundenkonten in den Bereichen E-Commerce, SaaS, Immobilien, Tourismus und mehr – er baut jeden Kanal, jede Kampagne und jedes Anzeigenset auf und optimiert sie, um die Wachstumsziele zu erreichen.
Das Problem: Jede Kampagne braucht neue Creatives, doch bei den meisten seiner Kunden ist die Kreativproduktion der langsamste Teil des Prozesses. Erfahre, wie Amit SecretSauce einsetzt, um schnell und einfach Ad-Creatives für seine Kunden zu erstellen – und wie diese Creatives die Kosten pro Kauf seiner Kunden um 50 % gesenkt haben.
Der Kreativ-Engpass, der die Performance ausbremst
Metas jüngste Verlagerung hin zu mehr Creative-Volumen und breitem Targeting hat das Spiel für Performance-Marketer verändert. Die Plattformen belohnen inzwischen Volumen und Vielfalt – Agenturen brauchen also mehr Creatives, mehr Blickwinkel und mehr Iterationen.
Doch viele von Amits Kunden produzieren einfach nicht genug Creatives, um mitzuhalten: „Wir haben viele Kunden, die einfach nicht genug Creatives produzieren. Wir sitzen im Grunde fest mit dem, was sie haben, und versuchen, das Maximum aus den vorhandenen herauszuholen.“
Wenn ein Creative aber ermüdet und es nichts gibt, das es ersetzt, steigen die Kosten und die Performance sinkt. Für Amit bedeutete die Beschaffung neuer Creatives die Wahl zwischen langsam, teuer oder unzuverlässig:
- Das Team des Kunden: Die meisten Kunden brauchen lange, um Dinge umzusetzen. „Ich sehe, dass ein Creative funktioniert, aber ich weiß, dass es etwa einen Monat dauert, wenn ich den Kunden bitte, mehr zu produzieren.“
- Freelancer: Externe Hilfe zu beauftragen war teuer und für schnelle Tests schwer zu rechtfertigen. Eine typische Runde mit 5 bis 6 statischen Bildern kostete rund 1.000 Dollar.
- Andere KI-Tools: Amit probierte ChatGPT, andere Bildgeneratoren und verschiedene LLMs aus, aber der Workflow war fragmentiert und die Ergebnisse uneinheitlich.
