← Dokumentation

Creatives und Testing

Video-Kennzahlen: Hold Rate und Watch Time

Hold Rate, Watch Time und Drop-offs zeigen, wo Video-Anzeigen Zuschauer verlieren. Metas Video-Kennzahlen lesen und schwache Punkte beheben.

YieldBI TeamGrowth ResearchAktualisiert Juli 2026

Was Video-Kennzahlen messen

Die Hook Rate zeigt, ob eine Video-Anzeige jemanden zum Anhalten beim Scrollen gebracht hat. Alles, was nach diesem ersten Moment passiert, ist eine eigene Frage: Hält das Video die Aufmerksamkeit lange genug, um seine Botschaft zu vermitteln. Genau dafür sind Hold Rate, durchschnittliche Watch Time und Drop-off-Analyse da.

Die Hold Rate ist der Prozentsatz der Zuschauer, die über einen bestimmten Punkt im Video hinaus engagiert bleiben, üblicherweise in Intervallen erfasst (25 %, 50 %, 75 %, Completion). Die durchschnittliche Watch Time ist die mittlere Anzahl an Sekunden oder der mittlere Prozentsatz des Videos, der über alle Zuschauer hinweg angesehen wurde. Die Drop-off-Analyse zeigt genau, an welcher Stelle im Zeitverlauf Zuschauer abspringen, was nützlicher ist als jede der beiden anderen Kennzahlen allein, weil sie auf eine konkrete Sekunde im Schnitt hinweist.

Wie diese Werte gemessen werden

Meta meldet Video-Kennzahlen über die Ads-Reporting-Oberfläche, darunter die durchschnittliche Video-Watch-Time, Video-Plays bei den Schwellenwerten 25/50/75/95/100 Prozent sowie ThruPlay-Zählungen (das Ansehen des größten Teils des Videos oder von 15 Sekunden, je nachdem, was zuerst eintritt). Trägt man den Prozentsatz der verbleibenden Zuschauer bei jedem Schwellenwert auf, entsteht eine Retention-Kurve, im Wesentlichen eine Form, die zeigt, wo die Zuschauerzahl abnimmt.

Ein steiler Abfall früh im Video (vor der 25-%-Marke, nachdem der Hook bereits überstanden wurde) bedeutet meist, dass das Angebot oder das Nutzenversprechen zu spät kam. Ein stetiger, allmählicher Rückgang in der Mitte ist normal und weniger besorgniserregend. Ein Abfall direkt vor einem Call to Action bedeutet oft, dass die Anzeige zu lange lief, bevor sie überhaupt etwas verlangt hat.

Warum das wichtig ist

Eine Anzeige kann einen exzellenten Hook haben und trotzdem scheitern, wenn sie das Publikum verliert, bevor das Angebot erklärt ist. Watch Time und Hold Rate zeigen, ob die Substanz der Anzeige funktioniert, nicht nur der Einstieg. Sie helfen außerdem zu diagnostizieren, warum eine Anzeige mit guter Hook Rate bei den Kosten pro Ergebnis trotzdem unterdurchschnittlich abschneidet: Die Botschaft übersteht nicht bis zu dem Punkt, an dem sie konvertieren könnte.

Bei längeren Video-Formaten (VSLs, Testimonials, Demos) zählen diese Kennzahlen noch mehr, weil mehr Zeit bleibt, in der Aufmerksamkeit verloren gehen kann, bevor das Angebot überhaupt erscheint.

Wie man das liest und danach handelt

Man betrachtet die Form der Retention-Kurve, nicht nur eine einzelne Zahl. Sind die meisten Zuschauer bis zur 25-%-Marke schon weg, sollte man Inhalt zwischen Hook und erstem Beweispunkt kürzen oder die stärkste Behauptung vorziehen. Fällt die Kurve erst spät, kurz vor dem CTA, ist die Anzeige womöglich zu lang, oder das Angebot muss früher eingeführt und wiederholt werden. Man vergleicht die Watch Time über verschiedene Anzeigenlängen hinweg: Ein 15-sekündiger Schnitt einer 60-sekündigen Anzeige übertrifft das Original manchmal, weil der Aufmerksamkeit nie Raum zum Abschweifen gegeben wird.

Häufige Fehler

Nur auf die Hook Rate zu optimieren und zu ignorieren, was nach den ersten 3 Sekunden passiert, was Anzeigen erzeugt, die Aufmerksamkeit erregen, aber nicht konvertieren. Eine einzelne durchschnittliche Watch-Time-Zahl als ausreichend zu behandeln, obwohl der Drop-off-Punkt wichtiger ist als der Durchschnitt. Ein Video länger zu machen, um »mehr zu erklären«, ohne zu prüfen, ob die Zuschauer überhaupt noch da sind, um das aufzunehmen.

Wie YieldBI hilft

YieldBI stellt die Video-Retention pro Creative zusammen mit Kosten- und Conversion-Kennzahlen dar, sodass man erkennt, ob eine unterdurchschnittliche Anzeige ein Hook-Problem oder ein Mid-Video-Problem hat, bevor man weiteres Testbudget in die falsche Lösung steckt.