Warum Audience-Daten aus verschiedenen Quellen selten übereinstimmen
Nindo, Plattform-Insights, Media-Kits und andere Tools zeigen unterschiedliche Zielgruppenwerte. Warum das normal ist und wie du Creator trotzdem sinnvoll vergleichst.
Wer denselben Creator in Nindo, einem zweiten Analyse-Tool und im Media-Kit öffnet, bekommt selten dieselbe Alters- oder Länderverteilung zu sehen. Der naheliegende Schluss lautet: Mindestens eine Quelle liegt falsch.
So einfach ist es leider nicht. Die Demografie der Menschen, die den nächsten Beitrag tatsächlich sehen werden, lässt sich vorab nicht vollständig beobachten. Jede Analyse nähert sich ihr mit anderen Daten und Annahmen. Die Prozentwerte sehen exakt aus, das Verfahren dahinter ist eine Schätzung.
Wir schicken diesen Beitrag deshalb regelmäßig im Sales-Prozess mit. Nicht um Abweichungen wegzuerklären, sondern damit klar ist, was sich mit Audience-Daten sinnvoll entscheiden lässt und was nicht.
Eine Audience-Zahl ist das Ergebnis einer Methode
Der wichtigste Begriff für den Vergleich ist die Grundgesamtheit: die Gruppe von Menschen, über die eine Zahl etwas aussagen soll. Das können die Follower eines Kanals sein, die erreichten Accounts der letzten 30 Tage oder das erwartete Publikum eines künftigen Beitrags. Diese Gruppen überschneiden sich, sind aber nicht identisch.
Danach kommt die Methode. Für Audience-Analysen begegnen dir vor allem drei Ansätze:
| Ansatz | Verwendete Informationen | Was daraus entsteht |
|---|---|---|
| Inhaltsbasierte Prognose | Sprache, Themen und Reichweiten-Signale des Contents | Eine Schätzung, welches Publikum der Content wahrscheinlich erreicht |
| Analyse öffentlicher Follower | Eine Stichprobe analysierbarer öffentlicher Follower-Profile | Eine detailliertere Schätzung der wahrscheinlichen Audience |
| Plattform-Insights | Interne Konto-, Nutzungs- und Reichweitendaten der Plattform | Eine plattformspezifische Auswertung für einen gewählten Zeitraum |
Nindo nutzt die ersten beiden Ansätze. Andere Analyse-Tools können ähnlich arbeiten oder eigene Modelle verwenden. Schon kleine Unterschiede bei Stichprobe, Modell und Definition verändern das Ergebnis.
Ein externer Anbieter hat beispielsweise keinen Zugriff auf alle internen Signale von Instagram oder TikTok. Umgekehrt kennt eine Plattform zwar das Verhalten in der eigenen App, aber nicht automatisch die Person hinter jedem Konto oder die Audience eines Beitrags, der noch gar nicht veröffentlicht wurde.
Eine Audience-Analyse ist deshalb keine Volkszählung. Sie ist eine begründete Annäherung an eine Frage, die sich nicht direkt auszählen lässt.
Warum seriöse Analysen trotzdem voneinander abweichen
Die größte Abweichung entsteht oft schon bei der Grundgesamtheit. Eine Follower-Basis enthält Menschen, die dem Kanal vor Jahren gefolgt sind und heute kaum noch einen Beitrag sehen. Gleichzeitig erreichen Reels, TikToks und YouTube-Videos viele Nicht-Follower. Zwei Tools können denselben Creator analysieren und trotzdem unterschiedliche Gruppen gewichten.
Auch die Stichprobe macht einen Unterschied. Ein öffentliches Profil mit eigenen Inhalten, Sprache und Standortangabe liefert mehr verwertbare Signale als ein privater Account ohne Profiltext. Analyse-Anbieter ziehen unterschiedliche Stichproben und gehen verschieden mit Profilen um, die sich nicht eindeutig einordnen lassen.
Dazu kommen scheinbar kleine methodische Entscheidungen: Wo liegen die Altersgrenzen? Wie wird ein Account mit mehreren möglichen Standorten behandelt? Werden inaktive oder auffällige Profile einbezogen? Welcher Zeitraum zählt? Bei schnell wachsenden Kanälen können schon wenige Wochen einen sichtbaren Unterschied machen.
Eine Abweichung ist daher zunächst ein Hinweis auf unterschiedliche Methoden. Sie beweist für sich genommen weder einen Fehler noch die Überlegenheit einer Quelle.
Auch Plattform-Insights sind kein universeller Referenzwert
First-Party-Insights sind wichtig. Sie liegen näher an den internen Daten der Plattform und können zeigen, wen ein Kanal zuletzt erreicht hat. Aber auch sie brauchen Kontext.
Instagram unterscheidet unter anderem zwischen Followern, erreichten und interagierenden Accounts. Einige Reichweitenwerte bezeichnet die Plattform selbst als Schätzungen. YouTube kann demografische Angaben begrenzen, wenn nicht genügend Daten vorliegen, und bezieht Altersgruppen je nach Ansicht auf die Wiedergabezeit statt auf die Zahl der Follower.
Ein Screenshot aus den Plattform-Insights ist also kein neutrales Eichmaß für jedes andere Tool. Du musst sehen können, welchen Account, welche Plattform, welche Bezugsgruppe und welchen Zeitraum er zeigt.
Warum Media-Kits den Vergleich zusätzlich erschweren
Ein Media-Kit zeigt die Zahlen, die der Creator oder das Management für die Vermarktung ausgewählt hat. Selbst wenn alles korrekt ist, können zwei Kits völlig unterschiedliche Ausschnitte zeigen: beim einen die Follower auf Instagram, beim anderen die erreichten Accounts auf TikTok; einmal die letzten 30 Tage, einmal den stärksten Kampagnenmonat.
Screenshots können außerdem veraltet, unvollständig oder bearbeitet sein. Das ist nicht die Regel, lässt sich von außen aber kaum prüfen. Wenn du zwei Creator ausschließlich anhand ihrer Media-Kits vergleichst, vergleichst du deshalb fast immer Äpfel mit Birnen.
Eine unabhängige Analyse löst dieses Problem für die Vorauswahl: Du musst nicht zuerst jeden Creator anschreiben und hoffen, dass die gelieferten Zahlen aktuell, vollständig und vergleichbar sind.
Wofür Nindo Audience-Daten gedacht sind
Nindo schätzt die wahrscheinliche Audience aller Creator nach denselben Verfahren. Die inhaltsbasierte Prognose steht direkt in der Discovery zur Verfügung. Für die engere Auswahl kannst du zusätzlich eine Analyse öffentlicher Follower starten.
Beide Verfahren gleichen wir intern mit mehreren hundert verifizierten Creator-Insights ab. Dieser Abgleich hilft uns, die Modelle zu prüfen und weiterzuentwickeln. Er ist kein Versprechen, den Wert aus einem beliebigen Plattform-Screenshot exakt zu reproduzieren.
Der Vorteil für deine Auswahl liegt in der Vergleichbarkeit. Wenn du hundert Creator nach derselben Methode analysierst, kannst du KandidatInnen mit offensichtlich unpassender Audience früh aussortieren. Du bist dabei weder von unterschiedlich aufgebauten Media-Kits noch von der Kooperationsbereitschaft der Creator abhängig.
So nutzt du die Daten bei der Creator-Auswahl
Vergleiche die Longlist mit einer Methode. Nutzt du für Kandidat A Nindo, für Kandidat B das Media-Kit und für Kandidat C ein zweites Tool, ist die Rangfolge kaum belastbar. Wende auf alle KandidatInnen dieselbe Methode und einen vergleichbaren Datenstand an.
Prüfe auffällige KandidatInnen genauer. Große Abweichungen zwischen Quellen sind kein automatischer Ausschlussgrund. Prüfe zuerst Grundgesamtheit, Plattform, Zeitraum und Methode. Für die Watchlist kannst du eine zusätzliche Follower-Analyse starten oder aktuelle Insights anfordern.
Fordere für die finale Auswahl passende First-Party-Daten an. Wenn ein bestimmter Zielgruppenanteil vertraglich relevant ist oder viel Budget an einem einzelnen Creator hängt, lass dir die aktuelle Plattformansicht mit sichtbarem Account und Zeitraum zeigen.
Triff die Buchungsentscheidung nicht anhand einer Prozentzahl. Audience-Daten können zeigen, dass ein Kanal im falschen Land oder in der falschen Altersgruppe stark ist. Sie sagen nicht, ob der Content zur Marke passt, die Community dem Creator vertraut oder eine Produktintegration glaubwürdig wäre.
Eine fundierte Auswahl verbindet deshalb Audience-Struktur mit Content-Fit, tatsächlicher Performance, Interaktionsqualität und bisherigen Kooperationen. Unser Guide zur Creator-Auswahl führt diese Prüfungen zusammen.
Die Audience-Zahl ist ein Filter, kein Buchungsurteil. Nutze sie, um mit einer vergleichbaren Longlist zu starten. Verstehe ihre Herkunft, bevor du aus kleinen Abweichungen große Schlüsse ziehst.