PPC Case Study: SFBO – mit smarten Daten mehr Gewinn erzielen

Der Automatisierungszug fährt auch bei Google in Höchstgeschwindigkeit. Die neueste Nachricht vom Ende der ETAs (Erweiterte Text–Anzeigen) ist nur ein weiterer Halt hin zur vollkommenen Automatisierung von SEA. Auch die Performance-Max-Kampagnen welche in Q4 gestartet sind, gehen in dieselbe Richtung.  

Ob eine Vollautomatisierung wirklich umsetzbar und sinnvoll ist, steht zwar noch in den Sternen, aber feststeht, dass Google (und andere Werbeplattformen) einen besonderen Fokus auf diesen Bereich legen. Ein erster Meilenstein war die automatisierte Gebotsstrategie Target oder tROAS. Nach einigen Startschwierigkeiten schaffte es der Google-Algorithmus Ende 2018, endlich bessere Ergebnisse zu liefern als die damals gängigen 3rd-Party-Bidding-Tools. Kein Wunder also, dass die Branche sich Schritt für Schritt auf diese Gebotsstrategie und den Algorithmus dahinter verlassen hat. Heute gehört Google-Smart-Bidding zu den Best-Practices im PPC-Marketing

Mit zunehmender Verbreitung ein und desselben Algorithmus drängt sich folgende Frage auf:  

Wenn jeder Werbetreibende eine identische Gebotsstrategie verwendet, wer profitiert davon am Ende eigentlich?

Wie schaffen wir es, aus der Masse hervorzustechen, und wie können wir den Algorithmus, der für alle identisch funktioniert, trotzdem zu unserem Vorteil, bzw. dem Vorteil unserer Kunden nutzen? 

Die Antwort darauf findet sich nicht versteckt in irgendwelchen Kampagneneinstellungen. Die Antwort darauf ist strategisch getrieben und hängt stark mit individualisierten Daten zusammen.  

Die Grundidee ist simpel: Wir können den Algorithmus nicht ändern, aber wir können die Daten ändern, auf die sich der Algorithmus bezieht und auf Basis derer er letztendlich optimiert.  

In der damaligen Kampagnenstruktur lieferte die High-Gruppe (die mit den besten Produkten) den besten ROAS. Die Low-Gruppe lieferte den niedrigsten ROAS. Das ist wenig überraschend, wenn man den Hintergrund des Scorings kennt. An diesem Punkt setzten wir an, um mit einer angepassten Kampagnen- und tROAS–Strategie den Umsatzanteil der High-Gruppe weiter auszubauen. Da vor allem die Marge und Stornoquote dieser Produkte deutlich besser abschneiden als bei den anderen beiden Gruppen, kann der Kunde somit je Verkauf deutlich mehr Profit erwirtschaften.  

Wir haben also unsere Kampagnen nach diesen drei Gruppen aufgebaut und den Ziel-ROAS entsprechend angepasst:  

• High-Gruppe= niedrigster tROAS 
• Low-Gruppe = höchster tROAS

Mit dieser Strategie konnten wir den Click-Share der High-Gruppe um über 50 % (15 Prozentpunkte) steigern. Der Umsatzshare der High-Gruppe wurde dabei um knapp 30 % gesteigert (11 Prozentpunkte). 

Der Gesamt ROAS aller Kampagnen ging dabei mit -0,5 leicht zurück.  

Allerdings spielt das in der Effizienzbetrachtung der Kampagnen keine Rolle, denn durch den Fokus im Abverkauf auf profitablere Produkte hat sich die Gesamteffizienz der Kampagnen verbessert. Interne Zahlen belegen, dass sich der Profit des Kunden – trotz leichtem Rückgang des ROAS – nachweislich verbessert hat. So hat sich die Handelsspanne im Shoppingbereich durch die Umstellung im Vergleich zu der des gesamten Shop mit +100 %–Punkten stark verbessert.  

Es gibt etliche weitere Möglichkeiten, den Smart-Bidding-Algorithmus von Google zu seinem maximalen Vorteil zu verwenden. Das A und O dabei sind die Datengrundlage, eine solide Analyse und die perfekte strategische Ausrichtung und Struktur der Kampagnen. Ein erster Schritt in die richtige Richtung ist dabei immer die Betrachtung weg vom reinen Umsatz oder einer Umsatzrelation. Am Ende zählen Profit und Langzeitumsätze (Customer–Lifetime–Value). Das Ziel sollte immer der Mehrwert des Kunden sein und nicht die höchsten Umsatzzahlen in einem Monatsreporting.