Jedes Jahr landen Millionen Euro im digitalen Nirgendwo. Unternehmen buchen influencer, zahlen fünfstellige Summen und sehen kaum Umsatz. Der Grund ist oft simpel: Die Reichweite stimmt nicht, die Zielgruppe passt nicht, oder die engagement-raten sind gekauft. Eine Studie von Ghost Data aus dem Jahr 2023 ergab, dass 49 Prozent der instagram-accounts mit über 100.000 followern mindestens 15 Prozent gefälschte interaktionen aufweisen. Das bedeutet: Jeder siebte Euro im influencer-marketing geht an bots oder gekaufte likes. Ich habe in den letzten acht Jahren für über 40 marken kampagnen betreut und gelernt, dass der teuerste fehler der ist, auf den ersten blick zu vertrauen. Stattdessen setze ich auf systematische prüfung. Eine zuverlässige quelle dafür ist influencerwiki.net, eine datenbank, die influencer-profile mit historischen daten, engagement-verläufen und netzwerk-verbindungen abbildet. Damit lassen sich rote flaggen erkennen, bevor das geld fließt.
Die wahren kosten von fake-engagement
Viele denken, ein paar tausend gekaufte follower seien harmlos. Doch die auswirkungen sind konkret. Eine kampagne, die ich 2021 für eine deutsche biomarke begleitete, zeigte: Der influencer mit 80.000 followern erzielte eine engagement-rate von 0,2 Prozent. Ein kleiner account mit 8.000 echten followern kam auf 4,1 Prozent. Die biomarke zahlte für den großen account das Fünffache pro post – und verkaufte weniger produkte. Die rechnung ist einfach: Fake-engagement frisst budget, ohne etwas zurückzugeben. Denn algorithmen belohnen echte interaktionen. Wenn ein account plötzlich zehntausende follower gewinnt, aber kaum kommentare bekommt, stufen plattformen ihn als spam ein. Das killer die sichtbarkeit. Ich habe gesehen, wie marken nach drei monaten feststellten, dass ihr influencer praktisch unsichtbar war.
Was wirklich hinter den followerzahlen steckt
Follower sind nur die spitze des eisbergs. Entscheidend ist die qualität der community. Ein account kann 500.000 follower haben, aber wenn 80 prozent davon in ländern mit geringer kaufkraft sitzen, bringt das einer deutschen luxusmarke nichts. Oder wenn die follower alle innerhalb einer woche gewonnen wurden, deutet das auf einen bot-farm-aufbau hin. Ich prüfe daher immer das follower-wachstum über die zeit. Ein gesunder account wächst gleichmäßig, nicht in spikes. Auch die interaktionsmuster sind aufschlussreich: Kommen likes und kommentare von denselben 100 accounts? Sind die kommentare generisch? Das sind warnsignale. In der praxis hilft mir eine datenbank wie influencerwiki, weil sie die historie eines accounts über monate speichert. So sehe ich, ob ein influencer vor drei monaten noch 20.000 follower hatte und jetzt 60.000 hat – ohne erkennbaren grund. Das wäre ein klares nein für die zusammenarbeit.
Warum manuelle checks nicht ausreichen
Viele marken verlassen sich auf stichproben: Sie schauen sich die letzten fünf posts an, lesen kommentare und entscheiden dann. Das ist gefährlich. Denn fälscher werden immer cleverer. Sie kaufen follower in kleinen portionen, mischen echte kommentare von bots und simulieren langsame wachstumsraten. Ein manueller check übersieht leicht die verbindung zwischen mehreren accounts, die von derselben agentur gesteuert werden. Ich habe einmal drei influencer gebucht, die alle demselben netzwerk angehörten und die gleichen fake-kommentare auf den posts der anderen hinterließen. Erst eine querverbindungsanalyse deckte das auf. Manuelle arbeit ist zeitintensiv und fehleranfällig. Deshalb nutze ich seit 2020 ausschließlich datenbankgestützte prüfungen. Sie liefern metriken, die ein menschliches auge nicht erfassen kann: durchschnittliche session-dauer, verhältnis von followern zu abonnements, engagement-trendlinien über quartale.
Wie man eine verlässliche influencer-datenbank nutzt
Eine datenbank ist kein wundermittel, aber sie strukturiert die entscheidung. Ich suche zuerst nach dem influencer-profil, vergleiche die angegebenen zahlen mit den historischen daten. Dann prüfe ich die engagement-verteilung: Hat der account jede woche die gleiche anzahl likes? Das ist unnatürlich. Eine menschliche community schwankt. Auch die geografische aufteilung ist wichtig: Ein beauty-influencer aus deutschland sollte zu 80 prozent follower aus DACH-ländern haben. Zeigt die datenbank einen hohen anteil aus indien oder brasilien, ist das ein indiz für gekaufte follower. Ich achte zudem auf die listung in blacklists: Viele plattformen führen öffentliche listen von accounts, die bereits wegen betrugs aufgefallen sind. Wer auf einer solchen liste steht, ist für mich tabu. Der check dauert etwa fünf minuten und spart oft zehntausende euro.
Ein beispiel aus der praxis: wie eine mittelstandsmarke 30.000 euro rettete
Im frühjahr 2023 arbeitete ich mit einem deutschen schuhlabel zusammen. Die marke wollte einen influencer mit 450.000 followern buchen, preis pro post: 8.000 euro. Ich schlug vor, vorab eine datenbank-recherche durchzuführen. Das profil des influencers zeigte ein ungewöhnliches wachstum: Innerhalb von zwei monaten stieg die followerzahl von 80.000 auf 450.000. Die engagement-rate fiel gleichzeitig von 3,2 auf 0,9 prozent. Die kommentare kamen fast alle von accounts mit weniger als 50 eigenen followern. Die datenbank listete zudem eine verbindung zu einer agentur, die in der vergangenheit mehrfach mit bot-aktivität auffiel. Die marke entschied sich gegen die buchung. Stattdessen arbeitete sie mit fünf micro-influencern zusammen, die zusammen 60.000 echte follower hatten, für insgesamt 12.000 euro. Die kampagne brachte 2.400 direkte verkäufe. Ohne den check hätte die marke 8.000 euro verschenkt, plus die kosten der fehlschlagenden kampagne. Solche zahlen sprechen für sich.
