Daniks.AI vs manuelles PPC: Fornel-Fallstudie (Dez 2025)

Zwischen dem 15. Dezember 2025 und dem 1. Januar 2026 hat dieselbe Amazon-US-Marke zwei parallele Sponsored-Products-Tracks betrieben: einen gesteuert von Daniks.AI, der KI-nativen Amazon-PPC-Automatisierung, die ich 2018 gegründet habe, und einen manuell gesteuert von einem erfahrenen In-House-Operator. Die Daniks.AI-Seite lieferte 5,8 RoAS bei 17,1 % ACoS. Die manuelle Seite lieferte 5,2 RoAS bei 19,2 % ACoS. Der Unterschied ist in Prozentpunkten klein, aber der zugrunde liegende Mechanismus ist das eigentlich Interessante: Die KI hat nicht durch günstigere Klicks gewonnen. Sie hat durch eine 44 % höhere Conversion Rate gewonnen. Diese Amazon-PPC-Fallstudie zeigt die Daten und was sie bedeuten.

Eigentümer-Hinweis. Ich bin Ekaterina Rubtcova, die Gründerin von Daniks.AI, der KI-nativen Amazon-PPC-Automatisierung, die die Auto-Seite dieser Fallstudie gesteuert hat. Ich habe sie zuerst für meine eigenen Listings gebaut — die Daniks-Kochgeschirr-Marke, die Top-1 in Deutschland und aktuell Top-20 in den USA erreicht hat — und erst danach anderen Amazon-Verkäufern zugänglich gemacht. Fornel ist eine Kundenmarke, die jetzt auf Daniks.AI läuft, nicht meine eigene Marke. Ihr Brand Store ist hier. Die Dashboard-Daten stammen aus ihrem Seller-Konto, mit Genehmigung zur Veröffentlichung. Lies diese Fallstudie mit diesem Kontext.

Was diese Daniks.AI-Fallstudie getestet hat

Der Fornel-Test war bewusst als Seite-an-Seite-Vergleich auf einem einzigen Amazon-US-Seller-Konto im späten Q4 / frühen Q1 aufgesetzt:

• Track A (Auto): Daniks.AI steuert Sponsored-Products-Kampagnen End-to-End — Kampagnenerstellung, Keyword-Harvesting, Bid-Anpassungen, Negative-Keyword-Management und Ziel-ACoS-Optimierung mit einem KI-Agenten statt einer Regel-Engine.
• Track B (Manuell): Der In-House-Operator der Marke betreibt parallele Sponsored-Products-Kampagnen auf demselben Produktkatalog mit einem kompetenten manuellen Playbook — wöchentliche Search-Term-Report-Reviews, manuelle Bid-Anpassungen und manuelles Negative-Keyword-Harvesting.

Das 17-Tage-Fenster vom 15. Dezember 2025 bis 1. Januar 2026 deckt das Ende der Weihnachts-Geschenksaison plus den ersten Tag im Januar ab. Kinderhochstühle sind eine echte Geschenk-Kategorie, also haben beide Tracks von erhöhter Kaufabsicht profitiert. Der Vergleich ist in den entscheidenden Metriken stücknormalisiert — CPC, CVR, ACoS, RoAS — sodass Saisonalität beide Tracks gleich betrifft und der relative Unterschied aussagekräftig ist.

Kernerkenntnisse

• Daniks.AI lieferte 5,8 RoAS bei 17,1 % ACoS auf der Fornel-Kinderhochstuhl-Marke vs 5,2 RoAS bei 19,2 % ACoS für paralleles manuelles PPC-Management auf demselben Konto, im selben Zeitfenster.
• Der Vorteil der KI lag in der Conversion Rate, nicht in günstigeren Klicks. Daniks.AI konvertierte bei 7,50 % CVR vs 5,21 % manuell — ein 44-%-Vorteil durch besseres Keyword-Targeting, nicht besseres Bidding.
• Manuelles PPC war tatsächlich günstiger pro Klick ($0,30 vs $0,42 CPC). Die KI zahlte mehr pro Klick und erzeugte trotzdem mehr Umsatz pro Dollar.
• Volumen skalierte sauber: 513 Bestellungen und $16.729 Umsatz auf der Auto-Seite vs 138 Bestellungen und $4.122 auf der manuellen Seite bei 3,6× dem Werbebudget.
• Das ist ein schwieriger Fall für KI: Der manuelle Operator fuhr bereits ein profitables Programm (5,2 RoAS / 19,2 % ACoS ist solide). Daniks.AI hat trotzdem messbaren zusätzlichen Ertrag herausgeholt.

Die Marke Fornel auf Amazon US

Fornel ist ein US-Amazon-Verkäufer in der Kategorie Kindermöbel — Holz- und umbaubare Kinderhochstühle für Babys und Kleinkinder. Mittleres bis gehobenes Preissegment, ganzjährige Nachfrage mit einem klaren Q4-Geschenk-Bump, langlebige Güter, kein Zertifizierungs-Overhead über die Standard-Kindermöbel-Compliance hinaus.

Kindermöbel sind eine Kategorie, in der Conversion Rate wichtiger ist als Impression-Volumen, weil der Käufer echte Recherche betreibt, bevor er kauft. Das macht es zu einem ungewöhnlich sauberen Testfall dafür, ob ein KI-Agent einen kompetenten menschlichen Operator übertreffen kann: Wenn der Unterschied bei der CVR sichtbar wird, wird er auch beim Umsatz sichtbar.

Die Headline-Zahlen aus dem Daniks.AI-Dashboard

Die Ansicht aus der Daniks.AI Amazon App, 15. Dez 2025 – 1. Jan 2026, Amazon-US-Marktplatz:

Metrik	Daniks.AI (Auto)	Manuell (Mensch)	Vorteil
Impressions	461.767	157.431	Auto +193 %
Klicks	6.838	2.650	Auto +158 %
Ausgaben	$2.865	$793	Auto +261 %
CPC	$0,42	$0,30	Manuell -29 % (günstiger)
Bestellungen	513	138	Auto +272 %
Umsatz	$16.729	$4.122	Auto +306 %
RoAS	5,8	5,2	Auto +12 %
ACoS	17,1 %	19,2 %	Auto -2,1 Pp
CVR	7,50 %	5,21 %	Auto +44 %

Zwei Dinge fallen auf, bevor wir die Metriken durchgehen. Erstens: Die manuelle Seite war gut. Ein 5,2 RoAS bei 19,2 % ACoS auf einer Q4-Kindermöbel-Kampagne ist das Ergebnis, das ein echter Operator mit einem echten Playbook produziert. Das ist keine „Manuell war schlecht”-Geschichte. Zweitens: Die KI hat trotzdem gewonnen, aber der Mechanismus ist anders als bei den meisten „KI vs Manuell”-Vergleichen. Daniks.AI hat nicht weniger pro Klick bezahlt. Es hat mehr pro Klick bezahlt und trotzdem mehr Umsatz pro Dollar erzeugt.

Das CPC-Paradox: Manuell war günstiger, KI hat trotzdem gewonnen

Manuelles PPC kam auf $0,30 CPC. Daniks.AI kam auf $0,42. Auf den ersten Blick sieht es so aus, als hätte der menschliche Operator die KI überboten. Die tiefere Lesart ist nützlicher.

Ein erfahrener manueller Operator kann den durchschnittlichen CPC senken, indem er die Ausgaben auf ein engeres Set gut bekannter Long-Tail-Keywords mit geringem Wettbewerb konzentriert. Die Bid-Mathematik ist einfach: Keywords mit geringem Volumen und bekannten Conversion-Mustern werden zu niedrigeren Auktionspreisen gehandelt. Der Trade-off sind Opportunitätskosten — der Operator erfasst die Keywords, die er bereits kennt, hat aber begrenzte Kapazität, neue zu entdecken und zu qualifizieren.

Ein Live-KI-Agent macht eine andere Wette. Er bietet breiter, auch auf Begriffe mit höheren CPCs, die der menschliche Operator als „zu teuer” aussortiert hätte. Einige dieser teureren Begriffe konvertieren schlecht und werden innerhalb von Stunden negativ gematcht. Einige konvertieren gut und werden permanente Ergänzungen zum konvertierenden Keyword-Set. Das Ergebnis ist ein höherer durchschnittlicher CPC gepaart mit einer deutlich höheren Conversion Rate, weil das Keyword-Inventar der KI breiter und kontinuierlich verfeinert ist.

Dieser Trade-off erklärt die Fornel-Zahlen exakt: Daniks.AI zahlte 40 % mehr pro Klick und bekam 44 % mehr Conversions pro Klick, was sich zu +57 % höherem Umsatz pro Klick aufmultipliziert ($2,45 vs $1,56). Die manuelle Seite optimierte auf niedrigeren CPC; die KI optimierte auf Umsatz pro ausgegebenem Dollar. Dieselbe Kampagne, zwei verschiedene Zielfunktionen.

Für das manuelle Playbook, das die menschliche Seite gefahren hat — mein Amazon-PPC-Strategie-Leitfaden behandelt die Drei-Phasen-Kampagnenstruktur, die manuelles PPC überhaupt erst wettbewerbsfähig macht.

Die Conversion-Rate-Geschichte: Wo Daniks.AI tatsächlich gewonnen hat

CVR ist der Punkt, an dem die Fallstudie interessant wird:

• Auto CVR: 513 Bestellungen / 6.838 Klicks = 7,50 %
• Manuell CVR: 138 Bestellungen / 2.650 Klicks = 5,21 %

Ein 44-%-Conversion-Rate-Vorteil auf demselben Produktkatalog, im selben Kaufzeitfenster, auf derselben Marke, ist keine Bid-Mathematik. Es ist Keyword-Qualitäts-Mathematik. Daniks.AI hat Fornel-Käufer zu denselben Listings geschickt wie die manuelle Seite, aber der Search-Term-Mix, der diese Klicks generiert hat, war auf der KI-Seite enger, weil der KI-Agent den Keyword-Harvest-und-Prune-Loop kontinuierlich statt wöchentlich durchläuft.

Der Compounding-Loop:

1. Die KI bietet in den ersten 48 Stunden auf ein breites Keyword-Set.
2. Search Terms, die konvertieren, werden zu Exact-Match-Kampagnen mit höheren Bids befördert.
3. Search Terms, die Budget verbrennen ohne zu konvertieren, werden innerhalb von Stunden negativ gematcht.
4. Ab Tag drei oder vier ist das überlebende Keyword-Inventar messbar anders als das, was ein menschlicher Operator manuell aufgebaut hätte.

Ein wöchentliches STR-Review durch einen kompetenten Menschen erfasst ungefähr dasselbe Signal, aber mit einer Woche Verzögerung. Bis der Mensch am Montag auf die Daten reagiert, hat die KI bereits auf die Daten von Sonntag, Dienstag und Mittwoch reagiert. Die 44-%-CVR-Lücke bei Fornel ist das, wie diese Verzögerung in Umsatzzahlen aussieht.

ACoS und RoAS: Was eine 2,1-Prozentpunkte-ACoS-Lücke bedeutet

Die ACoS-Lücke war in absoluten Zahlen klein — 17,1 % vs 19,2 %, ein Unterschied von 2,1 Prozentpunkten. Das klingt bescheiden, bis du es auf die P&L der Marke abbildest.

Bei einer Kindermöbel-Marke mit typischer Gebührenstruktur — Referral Fee um 15 %, Fulfillment-Gebühren für ein mittelgroßes Produkt, Retouren und Lagerkosten — ist ein ACoS im hohen Teens der Bereich, in dem PPC Wachstum finanziert. Ein ACoS von 19,2 % ist noch profitabel; ein ACoS von 17,1 % ist profitabler auf jeder Einheit. Über $16.729 KI-getriebenen Umsatz hinweg sind diese 2,1 Prozentpunkte Delta etwa $350 an wiedergewonnener Marge im Vergleich zum Betrieb desselben Volumens mit dem ACoS der manuellen Seite.

Für die zugrundeliegende Gebühren-Stack-Logik — warum zwei Prozentpunkte ACoS mehr ausmachen, als es aussieht — gilt die Aufschlüsselung hier direkt.

Wie sich diese Fallstudie zu Tropeza verhält

Dies ist die zweite öffentliche Daniks.AI-Fallstudie auf TheFBAGirl. Die erste, der Tropeza-Kunstpflanzen-Vergleich vom August 2024, zeigte eine deutlich größere Lücke: 3,1 vs 1,8 RoAS, 32,7 % vs 56,6 % ACoS. Der Mechanismus war anders — bei Tropeza gewann die KI sowohl bei CPC-Effizienz als auch bei CVR, gegen einen manuellen Operator, der ein Hoch-ACoS-Programm fuhr.

Fornel ist der härtere Fall. Der manuelle Operator produzierte bereits ein profitables Ergebnis. Daniks.AI hat trotzdem gewonnen, aber die Lücke ist enger und der Mechanismus reiner: Die KI hat zusätzlichen Ertrag allein durch besseres Keyword-Targeting herausgeholt, ohne Hilfe durch günstigeres Bidding.

Die ehrliche Lesart ist: Daniks.AI Vorteil wird größer, wenn manuelles PPC schlecht läuft, und schmaler, wenn manuelles PPC gut läuft — aber er bleibt in beiden Fällen positiv. Die Fornel-Fallstudie bestätigt, dass der Wert des Tools nicht nur „schlechtes PPC fixen” ist, sondern auch inkrementell auf kompetentem PPC aufbaut.

Ehrliche Einschränkungen — lies das, bevor du große Schlüsse ziehst

Dieselben Einschränkungen wie bei der Tropeza-Fallstudie gelten, plus zwei spezifisch für Fornel:

1. Eine Marke, 17 Tage, Feiertagsfenster. Das ist noch kürzer als der Tropeza-Fall (31 Tage) und fällt in die späte Q4-Geschenksaison. Kinderhochstühle sind eine echte Geschenk-Kategorie, also ist die Nachfrage auf beiden Tracks gleich erhöht. RoAS und ACoS sind stücknormalisiert, der relative Unterschied ist aussagekräftig, aber die absoluten Zahlen (5,8 / 5,2 RoAS) würden sich in Q1 oder Q2 wahrscheinlich komprimieren.

2. Budget-Allokation war 3,6× zugunsten Auto gewichtet. Die Allokationslogik der Marke gab mehr Budget an die Kampagnen, die den Ziel-ACoS trafen. Pro-Einheit-Metriken bleiben fair; Volumenvergleiche sind budget-getrieben.

3. Keine A/B-Isolation. Auto und Manuell liefen auf verschiedenen Kampagnen-Sets, nicht auf denselben SKU/Keyword-Paaren. Ein sauberes A/B würde dieselben Keywords alternierend zwischen den beiden Strategien wöchentlich wechseln.

4. Halo-Effekte. Erhöhte Daniks.AI-getriebene Impressions haben wahrscheinlich die Branded-Search-Geschwindigkeit der manuellen Seite gehoben. Die Lücke könnte in Isolation größer sein, nicht kleiner — aber es könnte in beide Richtungen gehen.

5. Der manuelle Operator war ungewöhnlich kompetent. Die meisten Daniks.AI-Kunden-Launches, die ich sehe, migrieren von einem manuellen Setup, das Marge verliert wie bei Tropeza — nicht von einem straff geführten Setup wie bei Fornel. Fornel ist der härtere Fall, weil die Baseline höher ist. Die meisten Operatoren werden eine Tropeza-artige Lücke sehen, nicht eine Fornel-artige.

Was das bedeutet, wenn du Daniks.AI oder eine andere Amazon-PPC-Automatisierung evaluierst

Eine praktische Einschätzung für Verkäufer, die über KI-PPC-Tools nachdenken — geschrieben von jemandem, die eines gegründet hat, aber mehrere ausprobiert hat:

• Wenn dein aktueller ACoS bei 35 %+ liegt und du vermutest, dass dein manuelles Playbook Marge liegen lässt, erwarte eine Tropeza-artige Lücke bei einem Daniks.AI-Trial — messbar über CPC, CVR, ACoS und RoAS innerhalb von drei Wochen.
• Wenn dein aktueller ACoS im hohen Teens- bis niedrigen 20er-Bereich liegt und du einen kompetenten Operator hast, erwarte eine Fornel-artige Lücke — enger, mechanismus-getrieben, aber real. Der Gewinn kommt über CVR, nicht CPC.
• Wenn du in einer Kinder-, Baby- oder Premium-Möbel-Kategorie bist, ist Conversion Rate der Bereich, wo KI-Agenten ihren Wert verdienen. Der Keyword-Harvest-Kadenz-Vorteil multipliziert sich schneller bei recherche-intensiven Kaufprozessen als bei Commodity-Flows.

Für den vollständigen Feature-Überblick, was Daniks.AI tut — der Daniks.AI-Test behandelt die tatsächlichen Preistarife, was funktioniert und wo das Tool Schwächen hat.

Was du diese Woche tun kannst

Wenn du eine Amazon-Marke betreibst, die $5.000+/Monat für Sponsored Products ausgibt, starte einen parallelen Zwei-Wochen-Test mit einem beliebigen KI-PPC-Tool — Daniks.AI, Perpetua, Helium 10 Adtomic, welches du testen kannst. Weise ein sauberes Kampagnen-Set der KI-Seite zu, lass deine bestehenden Kampagnen auf der manuellen Seite laufen, und tracke täglich CPC, CVR, ACoS und RoAS für die vollen zwei Wochen. Das Muster in deinem eigenen Dashboard wird dir mehr sagen als jede Fallstudie.

Für den Operator-Level-Walkthrough dieser Metriken und das Amazon-PPC-Framework, das ich neben jedem Automatisierungs-Tool fahre, abonniere @AmazonFBAGirl auf YouTube. Kommentare unter den Videos sind, wie ich erfahre, was als Nächstes behandelt werden soll.