Influencer Analytics Guide: Metriken, Benchmarks und Interpretation

Nicht alle Metriken sind gleich wichtig. Eine klare Hierarchie hilft die richtigen Prioritäten zu setzen:

Tier 1: Business-Impact-Metriken (wichtigste Metriken)

• ROAS: Revenue aus Influencer-Attribution ÷ Influencer-Spend
• CPA (Cost per Acquisition): Influencer-Spend ÷ Anzahl Conversions
• Neue Kunden: Wie viele New Customers kamen durch Influencer-Kampagne?
• Brand Lift: Wie hat sich Marken-Wahrnehmung gemessen (Survey vor/nach) verändert?

Tier 2: Engagement-Metriken (Qualitätsindikatoren)

• Engagement Rate: (Likes + Comments + Shares + Saves) ÷ Reach. Wichtig: durch Reach dividieren, nicht durch Follower
• Save Rate: Saves ÷ Reach. Besonders wertvolles Signal — bedeutet Audience findet Content hochwertig genug um ihn zu speichern
• Share Rate: Shares ÷ Reach. Stärkstes Algorithmus-Signal auf Instagram und TikTok
• Comment-Qualität: Nicht nur Anzahl — sind Comments bedeutungsvoll oder Spam/Einwort-Reaktionen?

Tier 3: Vanity Metrics (nur als Kontext)

• Impressions: Wie oft wurde der Post angezeigt (zählt Wiederholungen)
• Reach: Wie viele individuelle Accounts haben den Post gesehen
• Follower Count: Ausgangspunkt für Größen-Einschätzung, aber kein Performance-Indikator
• Likes: Schwächstes Engagement-Signal (zu leicht zu geben)

Engagement Rate ohne Kontext ist wertlos. Ein 2 % ER kann hervorragend oder katastrophal sein — abhängig von Plattform und Creator-Größe.

Instagram Engagement Rate Benchmarks 2025:

• Nano (1k–10k): 5–10 % ER — Normal. Unter 4 %: Problematisch
• Micro (10k–50k): 3–7 % ER — Normal. Unter 2,5 %: Problematisch
• Micro (50k–100k): 2–5 % ER — Normal. Unter 1,5 %: Problematisch
• Mid-Tier (100k–500k): 1,5–4 % ER — Normal. Unter 1 %: Problematisch
• Macro (500k+): 0,8–2,5 % ER — Normal. Unter 0,5 %: Problematisch

TikTok Engagement Rate Benchmarks 2025:

• Micro (10k–50k): 5–15 % ER
• Mid-Tier (100k–500k): 3–8 % ER
• Macro (500k+): 1,5–5 % ER

YouTube Engagement Rate Benchmarks:

• Micro (10k–100k Sub): 3–8 % ER (Likes + Comments ÷ Views)
• Mid-Tier (100k–1M): 1,5–5 % ER
• Macro (1M+): 0,8–3 % ER

Warum TikTok höhere ERs hat:
TikTok FYP zeigt Content aktiv interessierten Nutzern — höhere Relevanz → höhere Engagement-Bereitschaft. Instagram zeigt Content breiterem Audience-Mix → niedrigere durchschnittliche Relevanz → niedrigerer ER. Diese strukturelle Differenz muss bei plattformübergreifenden Vergleichen berücksichtigt werden.

Fake Follower sind die größte Gefahr im Creator-Vetting-Prozess. Tools helfen, aber kein Tool ist 100 % genau.

Tool-basierte Prüfung:
HypeAuditor Audience Credibility Score, Modash Authenticity Score, manuelle Prüfung. Tools analysieren: Follower-Wachstums-Pattern (plötzlicher unnatürlicher Anstieg), Follower-Qualität (Profile ohne Posts, keine Profilbilder, verdächtige Username-Pattern), Like/Follower-Ratio, Engagement-Qualität.

Manuelle Signale die auf Fakes hinweisen:

• Follower-Wachstum in unnatürlichen Sprüngen (5.000 Follower in 3 Tagen ohne viral-worthy Content)
• Engagement-Qualität: Comments sind meist generisch ("Great post!", "Love this 🔥", Copy-paste-artige Kommentare)
• Demographie-Mismatch: Deutschsprachiger Creator, aber 60 % der Follower aus Indien oder Brasilien
• Like-to-Comment-Ratio: Zu viele Likes aber keine substantiellen Comments
• Plötzlicher Engagement-Drop bei neueren Posts (bezahlte Likes wurden gestoppt)

Authenticity Red Flags spezifisch nach Plattform:
Instagram: Unnatürlich hoher Follower-Zuwachs bei geringer View-Zahl auf neuem Content. TikTok: Hohe View-Zahlen bei sehr niedrigem Like-to-View-Ratio (Views können käuflich sein). YouTube: Sehr hohe Subscriber-Zahl bei schlechtem View-to-Sub-Ratio (unter 3 % ist oft verdächtig).

Bevor man einen Deal abschließt, sollte man Creator-Analytics direkt vom Creator anfordern. Was man benötigt:

Instagram Analytics (Instagram Insights Screenshot):

• Account Reach (letzte 30 Tage)
• Account Impressions (letzte 30 Tage)
• Audience Demographics: Altersgruppe, Geschlecht, Standort (Top-Länder und Top-Städte)
• Reichweite der letzten 3–5 Posts (Post-spezifische Insights)

TikTok Analytics:

• Account Analytics: Follower-Demographie, Follower-Wachstum
• Content Analytics: Letzte 5–10 Videos: Views, Likes, Comments, Shares, Reach
• Follower-Activity: Wann sind Follower aktiv? (wichtig für Posting-Timing)

YouTube Analytics:

• Channel-Demographie: Alter, Geschlecht, Länder
• Video-Performance der letzten 3 Videos: Views, Watch Time, CTR, Average View Duration
• Traffic Sources: Wie finden Nutzer den Content?

Was Creator legitim ablehnen können:
Specific revenue data. Detailed subscriber email lists. Zugangsdaten zum Account. Creator die grundlegende Audience-Analytics ablehnen, sind ein Red Flag — entweder haben sie schlechte Zahlen zu verbergen oder sie kennen ihre Analytics nicht (professionell ungünstig).

Nach der Kampagne kommt die Auswertung. Wie wertet man Influencer-Kampagnen professionell aus?

Schritt 1: Daten sammeln
Von jedem Creator anfragen (7–14 Tage nach Veröffentlichung wenn Engagement sich gesetzt hat): Post-Reach, Impressions, Likes, Comments, Shares, Saves. Bei Story: Reach, Impressions, Link-Klicks (wenn Sticker vorhanden), Swipe-Away-Rate. Bei Video: Views, Watch Time, Completion Rate.

Schritt 2: Normalisieren für Vergleich
Creator haben verschiedene Reichweiten → absoluten Zahlen allein nicht vergleichbar. Normalisieren: Engagement Rate berechnen, Cost per Engagement berechnen (Creator-Fee ÷ Gesamt-Engagement), Cost per Reach (Creator-Fee ÷ Reach), Cost per Conversion wenn Tracking vorhanden.

Schritt 3: Benchmarken und Ranken
Creator nach Metriken ranken. Welche Creator haben überperformt (besser als Kategorien-Benchmark)? Welche haben unterperformt? Das informiert die nächste Kampagne: More of what worked, less of what didn't.

Schritt 4: Business-Impact prüfen
Promo-Code-Conversions, UTM-Link-Traffic, Brand-Search-Volume-Entwicklung (in Google Search Console prüfen). Diese Verbindung zwischen Creator-Content und Business-KPIs ist das wichtigste Ziel der Auswertung.

Manual Analytics-Tracking ab 20+ Creator wird unübersichtlich. Tools und Dashboards sind ab diesem Punkt notwendig.

Creator-Management-Tools mit Analytics:

• Modash: Creator-Performance Tracking, Kampagnen-Dashboard, Report-Erstellung
• Grin: Umfangreiche Post-Campaign-Analytics mit E-Commerce-Integration
• AspireIQ: Performance Dashboard und Creator-Ranking nach KPIs

Google Looker Studio (kostenlos) für Custom Dashboards:
Daten aus verschiedenen Quellen (Google Analytics, Sheets, Social-Platform-APIs) kombinieren. Vorteil: Flexibel, kostenlos, shareable mit Stakeholdern. Nachteil: Setup-Aufwand, braucht jemanden mit Daten-Kompetenz. Für Agencies die regelmäßig berichten: Lohnt sich der Setup.

Simple-Alternative für kleinere Brands:
Google Sheets-Template mit Feldern für alle relevanten Metriken. Pro Creator ein Row, pro Kampagne ein Sheet. Normalisierungs-Formeln einbauen. Nicht skalierbar für 50+ Creator, aber für 5–15 Creator ausreichend und kostenlos.

Was ein gutes Creator-Analytics-Dashboard zeigt:
Creator-Performance-Ranking nach CPA oder ER. Platform-Vergleich (TikTok vs. Instagram für dieselbe Kampagne). Trend über Zeit (verbessert sich Kampagnen-Performance mit zunehmender Erfahrung?). Correlation zwischen Creator-Tier und Conversion Rate (sind Nano-Creator oder Macro-Creator effizienter für diese Brand?).