10 Claude Code Marketing-Workflows für Google und Meta Ads

Bevor Sie beginnen: Einmalige Einrichtung (Mac)

Diese Workflows erfordern, dass einige Dinge zuerst eingerichtet werden. Machen Sie dies einmal, nutzen Sie es danach für alles.

Schritt 1: VS Code installieren

VS Code ist ein kostenloser Code-Editor von Microsoft. Hier werden alle Skripte leben und laufen.

1. Gehen Sie zu code.visualstudio.com
2. Klicken Sie auf die Download-Schaltfläche für Mac (Ihr System wird automatisch erkannt)
3. Öffnen Sie die heruntergeladene .zip-Datei — sie wird in eine Anwendung namens "Visual Studio Code" entpackt
4. Ziehen Sie sie in Ihren Programme-Ordner
5. Öffnen Sie VS Code aus den Programmen

Das war's. VS Code ist installiert.

Schritt 2: Terminal innerhalb von VS Code öffnen

VS Code hat ein integriertes Terminal, sodass Sie keine separate App öffnen müssen.

1. Öffnen Sie VS Code
2. Gehen Sie zum oberen Menü: Terminal > Neues Terminal
3. Ein Terminal-Bereich erscheint am unteren Rand des Bildschirms — hier geben Sie Befehle ein

Schritt 3: Claude Code installieren

Führen Sie diesen Befehl im VS Code Terminal aus:

curl -fsSL https://claude.ai/install.sh | bash

Dies installiert Claude Code auf Ihrem Rechner. Es dauert etwa 2 Minuten. Keine anderen Abhängigkeiten erforderlich.

Sie benötigen ein kostenpflichtiges Claude-Abo (Pro oder Max) oder Anthropic API-Guthaben, um es zu nutzen. Wenn Sie keines haben, registrieren Sie sich zuerst bei claude.ai.

Nach Abschluss der Installation geben Sie "claude" im Terminal ein und drücken Enter. Sie werden gebeten, sich mit Ihrem Anthropic-Konto anzumelden. Folgen Sie den Anweisungen — es öffnet ein Browserfenster zur Authentifizierung.

Schritt 4: Die Claude Code VS Code Erweiterung installieren

Dies gibt Ihnen eine schönere Benutzeroberfläche für Claude Code direkt in VS Code, anstatt nur das Terminal zu verwenden.

1. Drücken Sie in VS Code Cmd+Shift+X, um das Erweiterungen-Panel zu öffnen
2. Suchen Sie nach "Claude Code"
3. Finden Sie die von Anthropic veröffentlichte (die offizielle) und klicken Sie auf Installieren
4. Nach der Installation sehen Sie ein Spark-Symbol in der linken Seitenleiste — klicken Sie darauf, um Claude Code zu öffnen

Sie können Claude Code jetzt entweder über das Seitenleisten-Panel oder das Terminal verwenden. Beide funktionieren. Die Seitenleiste ist für Einsteiger einfacher, da sie Code-Änderungen als visuelle Diffs anzeigt.

Wenn die Erweiterung nach der Installation nicht erscheint, gehen Sie zum oberen Menü: Ansicht > Befehlspalette, geben Sie "Developer: Reload Window" ein und drücken Sie Enter.

Schritt 5: Google und Meta Ads über MCP verbinden

MCP (Model Context Protocol) ist das, was Claude Code ermöglicht, mit Ihren Ad-Konten zu sprechen. Es verbindet Claude mit Live-Google- und Meta-Ads-Daten — kein API-Code, keine Developer-Tokens, keine Zugangsdaten, die Sie selbst verwalten müssen.

Option A — Empfohlen

Ryze AI MCP

Eine Verbindung für beide Plattformen

1

Buchen Sie ein Setup-Gespräch, um Ihren persönlichen MCP-Link zu erhalten

2

Sagen Sie Claude Code: "Füge einen MCP-Server mit URL [Link aus dem Gespräch] hinzu"

3

Fertig.

Schnelles MCP-Setup-Gespräch buchen→

Option B

Open-Source MCP-Server

Kostenlos, mehr Einrichtung, separat pro Plattform

1

Für Google Ads sagen Sie Claude Code: "Füge den Google Ads MCP von github.com/cohnen/mcp-google-ads hinzu"

2

Für Meta Ads sagen Sie Claude Code: "Füge den Meta Ads MCP mit npx -y meta-ads-mcp hinzu"

3

Geben Sie /mcp ein, um beide Verbindungen zu überprüfen — Claude Code führt Sie durch alle benötigten Zugangsdaten

Schritt 6: Einen Projektordner erstellen

1. Erstellen Sie einen neuen Ordner auf Ihrem Mac — nennen Sie ihn etwa "ad-scripts"
2. Gehen Sie in VS Code zu Datei > Ordner öffnen und wählen Sie ihn aus
3. Öffnen Sie das Terminal (Terminal > Neues Terminal)
4. Geben Sie "claude" ein und drücken Sie Enter

Claude Code läuft jetzt in Ihrem Projektordner. Alles, was Sie bauen, wird hier gespeichert.

01

Vollständige Konto-Audits

Ruft Kampagnenstruktur, Ausgaben und Performance-Metriken über Google und Meta ab. Markiert Kampagnen mit null Conversions, Anzeigengruppen ohne Impressionen, nicht übereinstimmende Bid-Strategien und Probleme bei der Budgetzuteilung. Gibt eine strukturierte Übersicht aus.

Schritt für Schritt

1. Öffnen Sie Claude Code in Ihrem Projektordner.
2. Fügen Sie diesen Prompt ein:

   "Write a Python script that connects to the Google Ads API using my credentials. Pull all active campaigns for the last 30 days. For each campaign, get: name, status, bid strategy, spend, impressions, clicks, conversions, and ROAS. Flag any campaign with zero conversions and spend over $100. Flag any campaign with impressions but zero clicks. Output the results as a CSV and print a summary of flagged issues."

3. Claude Code generiert ein Skript und fragt nach Ihren API-Zugangsdaten. Geben Sie Ihren Developer-Token, Client-ID, Client-Secret, Kunden-ID und Refresh-Token an, wenn Sie dazu aufgefordert werden.
4. Führen Sie das Skript aus. Überprüfen Sie die Ausgabe-CSV und die Zusammenfassung der markierten Probleme.
5. Um Meta hinzuzufügen, fügen Sie hinzu:

   "Now add a second section that does the same thing for Meta Ads using the Facebook Business SDK. Pull campaign-level data for the same 30-day window. Same metrics, same flags. Combine both into one CSV with a 'platform' column."

6. Um die Ausgabe kundenfertig zu machen, fügen Sie hinzu:

   "Format the flagged issues as a bullet-point summary at the top of the CSV, with the raw data below."

02

Automatisierte wöchentliche Kundenberichte

Ruft die Performance der Vorwoche von Google und Meta ab. Erstellt eine Übersichtstabelle mit Ausgaben, Klicks, Conversions, CPA, ROAS. Berechnet Veränderungen im Wochenvergleich. Sendet den Bericht jeden Montag automatisch per E-Mail.

Schritt für Schritt

1. Öffnen Sie Claude Code und fügen Sie ein:

   "Write a Python script that pulls last week's campaign performance data from Google Ads and Meta Ads. For each campaign, get: spend, impressions, clicks, conversions, CPA, and ROAS. Also pull the same metrics for the week before that. Calculate the percentage change for each metric week-over-week. Format the results as an HTML email table. Send the email via SMTP to [your email]."

2. Claude Code generiert das Skript. Es verwendet pandas zum Zusammenführen und Berechnen der Deltas und smtplib zum Versenden der E-Mail.
3. Für Gmail benötigen Sie ein App-Passwort. Gehen Sie zu myaccount.google.com > Sicherheit > 2-Schritt-Verifizierung > App-Passwörter. Erstellen Sie eines und geben Sie es an, wenn Claude Code nach SMTP-Zugangsdaten fragt.
4. Testen Sie das Skript zuerst manuell. Überprüfen Sie die E-Mail-Formatierung.
5. Um einen Highlights-Bereich hinzuzufügen, folgen Sie mit:

   "Add a section at the top of the email that lists the top 3 campaigns by ROAS improvement and the bottom 3 by ROAS decline. Write each as a plain sentence, not a table row."

6. Um es zu planen, fragen Sie:

   "How do I set up a cron job to run this script every Monday at 7am?"

   Claude Code gibt Ihnen die exakte Cron-Syntax für Ihr Betriebssystem.

03

Budget-Pacing und Überausgaben-Prognose

Verfolgt tägliche Ausgaben über alle aktiven Kampagnen. Vergleicht die tatsächlichen Ausgaben mit dem Soll basierend auf dem Monatsbudget. Prognostiziert die Lieferung zum Monatsende. Sendet eine Warnung, wenn ein Konto mehr als 15% über oder unter dem Ziel liegt.

Schritt für Schritt

1. Erstellen Sie eine CSV-Datei namens "budgets.csv" mit drei Spalten: account_name, monthly_budget, platform (google oder meta). Füllen Sie Ihre Konten ein.
2. Öffnen Sie Claude Code und fügen Sie ein:

   "Write a Python script that reads budgets.csv, then for each account pulls month-to-date spend from the appropriate API (Google Ads or Meta Ads). Calculate projected end-of-month spend using: (actual spend / days elapsed) × total days in month. If projected spend is more than 115% or less than 85% of the monthly budget, send an email alert with the account name, current spend, projected spend, and the variance percentage."

3. Führen Sie das Skript aus und überprüfen Sie die Prognosen mit dem, was Sie in den Plattform-UIs sehen.
4. Um es täglich zu planen, fragen Sie Claude Code:

   "Set this up as a daily cron job that runs at 10am."

5. Um ein Übersichts-Dashboard hinzuzufügen, folgen Sie mit:

   "Also output a CSV with all accounts showing: account name, monthly budget, spend to date, projected spend, pacing status (over/under/on track), and variance percentage."

04

Kreativ-Performance-Aufschlüsselungen

Ruft Anzeigen-Daten von Meta und Google ab. Bewertet jede Anzeige nach ROAS, CTR und CPA. Gruppiert nach Format-Typ (Video, statisch, Karussell) und Kreativ-Winkel. Gibt eine "Was funktioniert"-Zusammenfassung aus.

Schritt für Schritt

1. Stellen Sie sicher, dass Anzeigen-Namenskonventionen Kreativ-Winkel und Format enthalten. Beispiel: "testimonial_video_30off_v2" oder "ugc_carousel_freetrial_v1". Wenn die Namensgebung inkonsistent ist, bereinigen Sie sie zuerst — dieser Workflow hängt davon ab.
2. Öffnen Sie Claude Code und fügen Sie ein:

   "Write a Python script that pulls ad-level data from Meta Ads for the last 30 days. For each ad, get: ad name, ad set name, spend, impressions, link clicks, purchases, purchase value. Calculate ROAS (purchase value / spend) and CTR (link clicks / impressions). Parse the ad name to extract the creative angle (first segment before underscore) and format type (second segment). Group results by angle and by format. Show average ROAS and total spend for each group. Sort by ROAS descending. Output as CSV."

3. Führen Sie es aus und überprüfen Sie die Gruppierungen. Wenn das Parsing falsch ist, sagen Sie Claude Code, wie die Namenskonvention funktioniert, und es passt sich an.
4. Um Google hinzuzufügen, folgen Sie mit:

   "Add a section that pulls Google Ads responsive search ad asset performance. Show which headlines and descriptions have the best click-through rates."

5. Für eine kundenfertige Version:

   "Format the top 5 and bottom 5 ads as a summary email with the creative angle, format, ROAS, and spend."

05

Cross-Channel-Attributions-Prüfungen

Vergleicht von Google und Meta gemeldete Conversions mit einer Drittquelle (GA4, CRM oder Shopify). Markiert Konten, bei denen plattform-gemeldete Conversions deutlich höher sind als die tatsächlichen Conversions, was auf Doppelzählung hinweist.

Schritt für Schritt

1. Exportieren Sie tatsächliche Conversion-Daten als CSV. Dies könnten GA4-Conversions, Shopify-Bestellungen oder CRM-abgeschlossene Deals sein. Benötigte Spalten: date, total_conversions.
2. Öffnen Sie Claude Code und fügen Sie ein:

   "Write a Python script that pulls conversion counts from Google Ads and Meta Ads for the last 30 days, by day. Also read actual_conversions.csv which has date and total_conversions columns. For each day, compare the sum of Google + Meta reported conversions against actual conversions. Calculate an inflation ratio (reported / actual). Flag any day where the ratio exceeds 1.3. Also calculate the 30-day average inflation ratio. Output as CSV and email a summary if the average ratio exceeds 1.3."

3. Führen Sie es aus und überprüfen Sie den täglichen Vergleich.
4. Für einen monatlichen Trend, folgen Sie mit:

   "Add a column showing rolling 7-day average inflation ratio so I can see if the gap is growing or shrinking."

06

Erkennung von Zielgruppenüberlappung und verschwendeten Ausgaben

Ruft Targeting-Specs von allen aktiven Meta-Anzeigengruppen ab. Identifiziert Paare mit überlappendem Interessen-Targeting, geteilten Lookalike-Quellen oder identischen Custom Audiences. Markiert wahrscheinliche Selbstkonkurrenz.

Schritt für Schritt

1. Öffnen Sie Claude Code und fügen Sie ein:

   "Write a Python script that pulls all active ad sets from my Meta Ads account. For each ad set, get the targeting spec including interests, behaviors, custom audiences, and lookalike specs. Compare every pair of ad sets. Flag any pair that shares more than 50% of the same interest targets, or uses the same lookalike seed audience, or targets the same custom audience. Output the flagged pairs with both ad set names, the overlap type, and the combined spend."

2. Führen Sie es aus und überprüfen Sie die markierten Paare.
3. Zur Priorisierung, folgen Sie mit:

   "Sort the flagged pairs by combined spend descending, so I see the most expensive overlaps first."

07

Suchbegriff-Mining und Negative-Keyword-Listen

Ruft Suchbegriff-Berichte aus Google Ads ab. Identifiziert Begriffe mit hohen Ausgaben und keinen Conversions. Gruppiert schlechte Begriffe nach gemeinsamen Wörtern. Markiert auch konvertierende Begriffe, die nicht explizit als Keywords hinzugefügt wurden.

Schritt für Schritt

1. Öffnen Sie Claude Code und fügen Sie ein:

   "Write a Python script that pulls the search term report from Google Ads for the last 60 days. For each search term, get: search term, campaign, ad group, impressions, clicks, spend, and conversions. Filter for terms with spend over $50 and zero conversions. Count the most common words across those terms and group them. Output two things: a list of suggested negative keywords sorted by total wasted spend, and a list of converting search terms that don't match any existing keyword in their ad group. Save both as CSVs."

2. Führen Sie es aus und überprüfen Sie die Negative-Keyword-Vorschläge.
3. Um Schwellenwerte anzupassen, folgen Sie mit:

   "Change the spend threshold to $30 and also flag terms with spend over $100 and ROAS below 0.5."

4. Um Negatives direkt anzuwenden, fragen Sie:

   "Add a function that takes a list of negative keywords from a CSV and adds them to the specified campaign as campaign-level negatives via the API."

08

Landingpage- und Tracking-QA

Ruft jede finale URL von aktiven Google Ads Kampagnen ab. Prüft jede auf defekte Links (404s, Weiterleitungen, Timeouts). Verifiziert das Vorhandensein von Google-Tag und Meta-Pixel im Seiten-HTML. Berichtet Probleme.

Schritt für Schritt

1. Öffnen Sie Claude Code und fügen Sie ein:

   "Write a Python script that pulls all unique final URLs from active Google Ads campaigns. For each URL, make an HTTP GET request and check the status code. Flag any URL that returns a 404, 500, or takes more than 10 seconds to respond. Also check if the HTML response contains 'gtag' or 'G-' (Google tag) and 'fbq' (Meta pixel). Output a CSV with columns: URL, status code, has_google_tag, has_meta_pixel, campaign_name. Flag any URL missing either tag. Add a 1-second delay between requests to avoid hammering the server."

2. Führen Sie es aus und überprüfen Sie die markierten URLs.
3. Um UTM-Validierung hinzuzufügen, folgen Sie mit:

   "Also check if each URL contains utm_source, utm_medium, and utm_campaign parameters. Flag any URL missing UTMs."

4. Um wöchentlich zu planen, fragen Sie Claude Code nach der Cron-Einrichtung.

09

Wettbewerber-Anzeigen-Monitoring

Ruft aktive Anzeigen von Wettbewerber-Facebook-Seiten über die Meta Ad Library API ab. Speichert sie in einer lokalen Datenbank. Sendet eine wöchentliche Zusammenfassung, die neue gestartete Anzeigen, gestoppte Anzeigen und Muster im Messaging zeigt.

Schritt für Schritt

1. Holen Sie sich Wettbewerber-Facebook-Seiten-IDs. Gehen Sie zur Meta Ad Library (facebook.com/ads/library), suchen Sie nach dem Wettbewerber und notieren Sie die Seiten-ID aus der URL.
2. Erstellen Sie eine CSV namens "competitors.csv" mit den Spalten: competitor_name, page_id.
3. Öffnen Sie Claude Code und fügen Sie ein:

   "Write a Python script that reads competitors.csv, then for each competitor queries the Meta Ad Library API for all active ads. Store the results in a local SQLite database with columns: competitor, ad_id, creative_body, creative_link_title, start_date, pulled_date. Each week, compare the current pull against last week's data. Identify new ads (ad_ids not in last week's pull) and stopped ads (ad_ids in last week's pull but not this week's). Email a digest with new ads and stopped ads grouped by competitor."

4. Führen Sie es einmal aus, um die Datenbank zu füllen. Führen Sie es in der folgenden Woche erneut aus, um den ersten Vergleich zu erhalten.
5. Um Messaging-Muster zu verfolgen, folgen Sie mit:

   "Add a section to the digest that lists the most common words and phrases across all new ads this week."

10

Anomalie-Erkennung und Alarmierung

Prüft die tägliche Kampagnen-Performance gegen 7-Tages-Durchschnitte. Markiert jede Kampagne, bei der Ausgaben, CTR, CPA oder Conversion-Rate mehr als 2 Standardabweichungen vom Durchschnitt abweichen. Sendet eine taggleiche Warnung.

Schritt für Schritt

1. Öffnen Sie Claude Code und fügen Sie ein:

   "Write a Python script that pulls yesterday's performance data for all active campaigns on Google Ads and Meta Ads. For each campaign, also pull daily data for the prior 7 days. Calculate the mean and standard deviation of spend, CTR, CPA, and conversion rate over those 7 days. If yesterday's value for any metric is more than 2 standard deviations from the mean, flag it. Only flag campaigns with average daily spend above $20 (to avoid noise from low-volume campaigns). Email a summary of all flagged campaigns with: campaign name, platform, metric, yesterday's value, 7-day average, and how many standard deviations off."

2. Führen Sie es aus und überprüfen Sie die Markierungen. Passen Sie den Standardabweichungs-Schwellenwert bei Bedarf an — 2,5 für lautere Konten, 1,5 für engere Überwachung.
3. Um täglich zu planen, fragen Sie Claude Code nach der Cron-Einrichtung. Führen Sie nach 10 Uhr für vollständige Daten aus.
4. Um Fehlalarme zu reduzieren, folgen Sie mit:

   "Ignore any flag where the absolute dollar difference in spend is less than $10, even if the standard deviation threshold is exceeded."

Tipps, um das Beste aus Claude Code herauszuholen