Der Ziel-CPA (Target CPA, tCPA) ist eine automatisierte Gebotsstrategie in Google Ads, bei der der Werbetreibende festlegt, wie viel eine Conversion durchschnittlich kosten darf. Der Algorithmus passt die Gebote in jeder Auktion so an, dass möglichst viele Conversions zum vorgegebenen Durchschnittspreis erzielt werden. Ziel-CPA gehört zu den Smart-Bidding-Strategien und setzt funktionierendes Conversion-Tracking sowie eine ausreichende Datenbasis voraus.
Wie funktioniert der Ziel-CPA?
Statt manuell Klickpreise festzulegen, gibt der Werbetreibende einen Zielwert pro Conversion vor — etwa 60,00 € pro Kontaktanfrage. Das Smart-Bidding-System bewertet dann bei jeder einzelnen Auktion die Conversion-Wahrscheinlichkeit anhand zahlreicher Signale (Suchanfrage, Gerät, Standort, Uhrzeit, Nutzerverhalten) und bietet entsprechend hoch oder niedrig — oder gar nicht.
Der Ziel-CPA ist ein Durchschnittswert: Einzelne Conversions dürfen teurer oder günstiger sein, über die Zeit soll sich der Durchschnitt am Zielwert einpendeln. Damit das funktioniert, braucht der Algorithmus laufend Conversion-Daten — je mehr Conversions eine Kampagne erzeugt, desto stabiler arbeitet die Strategie.
Warum ist der Ziel-CPA wichtig?
Der Ziel-CPA verbindet Automatisierung mit Kostenkontrolle: Statt Klickpreise zu verwalten, steuert der Werbetreibende direkt die Kennzahl, die wirtschaftlich zählt — die Kosten pro Anfrage oder Lead. Das macht Kampagnen planbarer: Wer weiß, was ein Mandat oder Auftrag wert ist, kann daraus einen tragfähigen Ziel-CPA ableiten.
Gleichzeitig ist die Strategie nur so gut wie ihr Tracking: Misst das Conversion-Tracking die falschen Ereignisse — etwa jeden Seitenaufruf statt echter Anfragen — optimiert der Algorithmus konsequent auf wertlose Signale. Ein sauberes, auf echte Geschäftsziele ausgerichtetes Tracking ist deshalb Grundvoraussetzung.
Typische Fehler beim Ziel-CPA
Der häufigste Fehler ist ein zu ambitionierter Zielwert: Wird der Ziel-CPA deutlich unter den historisch erreichten Kosten pro Conversion angesetzt, drosselt der Algorithmus die Ausspielung, weil kaum Auktionen die Vorgabe erfüllen — das Volumen bricht ein. Sinnvoll ist ein realistischer Startwert nahe am bisherigen Durchschnitt, der anschließend schrittweise gesenkt wird.
Weitere Stolpersteine: zu wenig Conversion-Daten für stabiles Lernen, häufige Zieländerungen, die die Lernphase immer wieder zurückwerfen, und das Ignorieren von Conversion-Verzögerungen — wer die Leistung direkt nach einer Umstellung bewertet, sieht oft ein verzerrtes Bild, weil späte Conversions noch fehlen.