Frage Claude nach Amazon-PPC-Anpassungen diese Woche
TL;DR
Wöchentliche Amazon-PPC-Optimierungen von Claude: Negative Keywords, Gebotssenkungen und Budgetanpassungen – jedes Update auf Ihre Break-Even-Kosten abgestimmt und genehmigungsfähig.
✨ KI-gestützte Recherche, automatisierte redaktionelle Prüfung durch Avanta Global EOOD. Mehr erfahren

"Was sollte ich diese Woche in meinen Anzeigen ändern?" ist die Frage, die sich jeder Amazon-Verkäufer montags stellt – und die die Anzeigenkonsole am schlechtesten beantwortet. Sie zeigt den ACOS an, der nicht gleichbedeutend mit Verlusten ist, und schlägt Gebote vor, ohne zu wissen, was Ihr Produkt nach Abzug der Amazon-Gebühren einbringt.
Dieser Beitrag zeigt die Frage, die an Claude gestellt wurde – verbunden im Nur-Lese-Modus mit AgentXrays öffentlichem Demo-Store – und die Antwort. Alle Zahlen stammen von diesem Demo-Store, einem synthetischen US-Verkäufer, vom 23. Oktober 2026. Es handelt sich um kein reales Konto.
Die Antwort im Detail
Claude rief AgentXrays Empfehlungstool auf, das die Sponsored Products-Berichte des Stores liest und jede vorgeschlagene Änderung gegen den Break-Even des Stores kalkuliert. Das Ergebnis war eine kurze, priorisierte Liste:
- 5 Negative Keywords hinzufügen. Drei Suchbegriffe verursachten viele Klicks ohne Bestellungen und kosteten $531 in 60 Tagen: "plastic cutting board toy" (189 Klicks), "cheap knife set" (207 Klicks) und "cutting board for kids" (50 Klicks). Jeder erfüllte die Evidenzschwelle (genug Klicks oder Ausgaben ohne Bestellung), bevor er vorgeschlagen wurde.
- Drei Keyword-Gebote auf Break-Even senken, von $1,35: Kaffee-Waage 0,1g auf $1,11, Bambus-Schneidebrett auf $1,06, Messerblock-Set auf $1,13. Alle drei konvertieren bei ca. 15%, kosten aber pro Bestellung mehr als das Produkt einbringt.
- Auto-Kampagnen-Targets stärker kürzen als vorgeschlagen. Hier widersprach Claude dem Tool – mit Begründung.
- Budgetkürzung überspringen. Das tägliche Budget einer Kampagne von $16,07 auf $16,00 zu senken, ändert nichts; die Gebotssenkungen sind der Hebel.

Wo die KI dem Tool widersprach
AgentXray schlug vor, zwei Auto-Targets (Close-Match und Loose-Match) von $1,35 auf $1,22 zu senken. Claude analysierte dieselben Daten und stellte fest, dass der Break-Even-Kosten pro Klick bei diesen Targets bei ca. $0,58 lag – $1,22 verursacht also weiterhin Verluste pro Bestellung. Zusammen verursachten sie in 30 Tagen Ausgaben von ca. $1.110 bei etwa 26% ACOS.
Sein Rat: Sofort auf ca. $0,95 senken und nach der nächsten Auswertung weiter anpassen, da ein direkter Sprung auf $0,58 das Kampagnenvolumen gefährden würde.
Genau das macht dieses Tool wertvoll: Die Empfehlung ist ein kalkulierter Ausgangspunkt mit transparenten Daten – kein Dogma – und die darüberliegende KI kann argumentieren.
Warum der Break-Even bei 15,9% und nicht 20% lag
Die Antwort endete mit zwei Hinweisen. Der erste ist der, den die meisten PPC-Tools falsch machen. Der Break-Even-ACOS hängt vom Preis ab, nicht vom Konto. Diese Woche verkaufte der Demo-Store für $46,21; der durchschnittliche Abrechnungspreis der letzten 30 Tage lag bei $49,13. Bei diesem Wochenpreis betrug der Break-Even-ACOS 15,9%, beim Durchschnittspreis 20%. Claude nannte beide Werte und fügte hinzu, dass bei temporären Preissenkungen die aggressiveren Gebotskürzungen abgemildert werden sollten.
Ein Tool, das einen monatlichen Break-Even-Wert angibt, hätte jede oben genannte Kürzung entweder als zu aggressiv oder nicht aggressiv genug eingestuft – je nachdem, in welcher Woche Sie gefragt hätten.
Bei Amazon ändert sich nichts von allein
Dieses Gespräch nutzte den öffentlichen Demo-Store (Nur-Lese-Zugriff), daher konnte Claude nur empfehlen. In Ihrem eigenen Konto – mit Schreibzugriff – wird jede Empfehlung zum Entwurf: Der exakte Gebots-, Negative-Keyword- oder Budgetwechsel landet in Ihrer AgentXray-Freigabewarteschlange. Nichts erreicht Amazon, bis Sie es im Browser freigeben. Das Token Ihrer KI kann keine eigenen Entwürfe genehmigen.
Jede freigegebene Änderung wird 14 Tage lang verfolgt und nach Nettobeitrag (nach Gebühren und Anzeigenausgaben) bewertet – nicht nach ACOS; das ist die "Überprüfung am 6. November" in Claudes Antwort. Sobald mehrere Bewertungen vorliegen, können Sie fragen: Welche Art von Änderungen haben auf meinem Konto tatsächlich funktioniert? und die Bilanz sehen.
So nutzen Sie es in Ihrem Store
Die Tools hinter dieser Antwort sind get_ads_recommendations und get_change_scorecard, mit ppc_audit und harvest_keywords als vorgefertigte Prompts. Alle sind mit Beispielantworten in der MCP-Tool-Referenz dokumentiert.
- Claude verbinden oder ChatGPT verbinden mit Ihren Amazon Ads- und Seller Central-Konten.
- Oder zuerst den Nur-Lese-Demo-Store testen: Der Consent-Bildschirm bietet "connect the demo store instead" an.
- Warum Tagesprofit besser als ACOS ist: ACOS vs. Profit.
- Wie die Freigabe funktioniert: KI-Entwürfe, menschliche Freigabe.
FAQ
Kann Claude mein Amazon-PPC verwalten?
Claude kann Ihre Kampagnen über einen MCP-Connector auslesen und Änderungen empfehlen. Mit AgentXray kann es diese Änderungen auch als Entwürfe hinterlegen – aber nicht anwenden: Jede Änderung wartet auf Ihre manuelle Freigabe im Browser.
Wie wird das Break-Even-Gebot berechnet?
Aus dem tatsächlichen Gewinn pro Einheit nach Amazon-Gebühren (aus Ihren Abrechnungsdaten), verteilt auf die Klicks pro Verkauf. Ein Gebot darüber verursacht Verluste pro Bestellung.
Warum ändert sich der empfohlene Break-Even wöchentlich?
Weil er preisabhängig ist. Bei Preissenkungen (Deals, Coupons) schrumpft die Marge für Werbung – und damit der Break-Even-ACOS.
Funktioniert es mit ChatGPT?
Ja. Dieselben Tools arbeiten in ChatGPT, Claude und jedem anderen MCP-fähigen Assistenten.
About this article
This article was researched and drafted with AI assistance. Before publication, it passed automated editorial review against Avanta Global EOOD's published editorial standards (factual accuracy, source attribution, voice & readability). Our editorial standards page documents exactly what we check. We continuously monitor published content for accuracy and update articles when new information emerges. Learn more about our editorial process and the team behind AgentXray.