Was sind die Benchmarks für die Save-Rate?
| Save-Rate | Interpretation |
|---|---|
| 25 %+ | Exzellent. Starke Passung zwischen Zielgruppe und Song. Kampagne skalieren. |
| 20-25 % | Gut. Gesunde Performance für die meisten Genres. |
| 15-20 % | Akzeptabel. Verbesserungspotenzial bei Targeting oder Kreativ. |
| 10-15 % | Unterdurchschnittlich. Analysieren Sie den Funnel, bevor Sie die Ausgaben skalieren. |
| Unter 10 % | Schlecht. Etwas ist fehlerhaft, entweder Targeting, Kreativ oder Song-Passung. |
Diese Bereiche gelten für bezahlten Traffic von Meta-, TikTok- und YouTube-Ads. Organischer Traffic von redaktionellen Playlists oder algorithmischen Oberflächen kann andere Muster zeigen.
Wie variiert die Save-Rate nach Genre?
Das Genre beeinflusst die Erwartungen. R&B und Hip-Hop tendieren zu höheren Werten, da Hörer in diesen Zielgruppen Tracks gewohnheitsmäßiger speichern und in Playlists aufnehmen.
| Genre | Typische Save-Rate |
|---|---|
| R&B/Soul | Hohe 20er % |
| Hip-Hop | Mittlere 20er % |
| Pop | Niedrige 20er % |
| Electronic | ~20 % |
| Rock | Hohe 10er % |
Quelle: Dynamoi-Kampagnendaten.
Wenn Ihr Rock-Tracken 18 % erreicht, kann das für das Genre stark sein. Wenn Ihr R&B-Tracken 18 % erreicht, stimmt wahrscheinlich etwas nicht.
Wie variiert die Save-Rate nach Traffic-Quelle?
Woher die Hörer kommen, beeinflusst ihr Verhalten. Durch Ads gewonnene Hörer, die zu Spotify durchgeklickt haben, sind vorqualifiziert. Algorithmische Hörer von Discover Weekly oder Radio sind passiver.
| Quelle | Erwartete Save-Rate |
|---|---|
| Bezahlte Ads (Meta, TikTok) | 15-30 % |
| Release Radar | 10-20 % |
| Discover Weekly | 5-15 % |
| Radio/Autoplay | 3-10 % |
| Redaktionelle Playlists | Stark variierend |
Niedrige Save-Raten aus algorithmischen Quellen sind normal. Diese Hörer haben sich nicht bewusst zum Klicken entschieden; Spotify hat für sie gewählt. Hohe Save-Raten aus bezahltem Traffic zeigen eine starke Passung zwischen Zielgruppe und Song.
Was ist die Ad-Klick-zu-Save-Rate?
Wenn Sie bezahlte Ads schalten, messen Sie eine andere Kennzahl: die Klick-zu-Save-Rate (saves geteilt durch Ad-Klicks, nicht Spotify-Hörer). Basierend auf Dynamoi-Kampagnendaten:
| Kampagnentyp | Klick-zu-Save-Rate | Kosten/Save |
|---|---|---|
| Playlist-Kampagnen | 32-38 % | 0,30 USD-0,60 USD |
| Künstler-/Single-Kampagnen | 1-7 % | 2,00 USD-10,00 USD |
Der Unterschied ist dramatisch. Playlist-Kampagnen konvertieren 5- bis 10-mal so häufig wie Künstler-Kampagnen, da das Speichern einer kuratierten Playlist eine geringere Verbindlichkeit darstellt als das Setzen auf einen unbekannten Künstler.
So berechnen Sie die Save-Rate
Spotify for Artists zeigt die Save-Rate nicht als einzelne Kennzahl an. Sie berechnen sie manuell:
Save-Rate = (saves / Hörer) x 100
Ziehen Sie saves und Hörer für denselben Zeitraum aus dem Musik-Tab. Ein Tracken mit 1.000 Hörern und 220 saves hat eine Save-Rate von 22 %.
Wie sollten Sie eine niedrige Save-Rate diagnostizieren?
Wenn Ihre Save-Rate unter 15 % liegt, überprüfen Sie diese Faktoren in der angegebenen Reihenfolge:
Targeting-Diskrepanz. Erreichen Sie Hörer, die Ihr Genre tatsächlich mögen? Ein Folk-Song, der EDM-Fans gezeigt wird, wird nicht konvertieren.
Kreativ-Diskrepanz. Passt Ihr Ad-Kreativ zum Song? Irreführende Thumbnails oder Clips, die den falschen Teil voranstellen, führen zu frühen Absprüngen.
Song-Intro. Wenn Hörer vor dem Hook abspringen, werden keine saves erfolgen. Überprüfen Sie die Skip-Rate in Spotify for Artists. Hohe frühe Skips deuten auf Probleme mit dem Intro hin.
Landing-Reibung. Senden Sie Traffic an einen Smart Link, der zusätzliche Klicks erfordert? Direkte Spotify-Links konvertieren besser.
Warum die Save-Rate für den Algorithmus wichtig ist
saves signalisieren Spotify, dass ein Hörer beabsichtigt, zurückzukehren. Eine hohe Save-Rate signalisiert dauerhaftes Interesse statt Hintergrundbeschallung.
Wenn Spotify ein starkes Save-Verhalten von einem bestimmten Zielgruppensegment sieht (zum Beispiel Fans eines ähnlichen Künstlers in einer bestimmten Stadt), nutzt es dieses Muster, um Ihre Musik mehr Menschen in diesem Segment zu empfehlen. So "trainieren" bezahlte Ads den Algorithmus.
Niedrige Save-Raten senden das gegenteilige Signal. Der Algorithmus lernt, dass Hörer nicht interagieren, und Empfehlungen verlangsamen sich.