This German session at PPC Camp Rosenheim show different optimization strategies for structuring products in PMAX shopping campaigns. It contains solutions for the following structuring frameworks: - Heroes or performers - Villains or budget burners - Zombies or zero volume products - how to quantify size selection - how to combine product attractiveness from a merchant and from a user view The code shown can be explored at: https://github.com/ChrisGutknecht/ppc_camp_pmax ***** Diese Session beim PPC Camp Rosenheim zeigt verschiedene Optimierungsstrategien für die Strukturierung von Produkten in PMAX-Shopping-Kampagnen. Sie enthält Lösungen für die folgenden Strukturierungsansätze: - Heroes oder Performer - Villians oder Kostenfresser - Zombies oder Produkte ohne Volumen - wie man die Größenauswahl quantifiziert - wie man die Produktattraktivität aus der Sicht eines Händlers und eines Benutzers kombiniert Der gezeigte Code kann unter folgendem Link erkundet werden: https://github.com/ChrisGutknecht/ppc_camp_pmax

1. PMAX Shoppingstrukturen
mit BigQuery
Christopher Gutknecht | Eric Estel | PPC Camp 2023

2. Hallo Rosenheim 👋 Weltstadt des ROAS?

3. Über uns: Chris & Eric von Bergzeit
Performance
Analytics
Klettern ⛰
1997 2008 2013 2023 2003 2015 2018 2023
Bergzeit
Performance
Gaming 🎮 & Fußball ⚽

4. Ist PMAX unser selbstfahrendes Auto im SEA?

5. 1. Reaktiv
PMAX Shoppingansätze: Proaktiv vs. Reaktiv
2. Proaktiv
Dynamisch
Vergangenheitsbezogen
Datenmengen &
Schwellenwerte
Zusätzliche Daten
Kombiniert das beste aus Beiden Welten!
Zukunftsbezogen
Nicht nachfrage-
orientiert

6. 1. Reaktiv
PMAX Shoppingansätze: Proaktiv vs. Reaktiv
2. Proaktiv
● Inventory Score
● Attractiveness Score
● Produktsegmentierung:
○ Heroes
○ Villains
○ Zombies

7. Das Standard-Framework: Heroes, Villains & co
https://blog.producthero.com/shopping-ads-guide/how-to-use-producthero-labelizer-for-performance-max-campaigns/

8. Das Versprechen von Heroes, Villains & Co
https://blog.producthero.com/shopping-ads-guide/how-to-use-producthero-labelizer-for-performance-max-campaigns/

9. Starten wir mit Zombies: Unsere Erfahrungen

10. Das Problem mit Zombies🧟
Findet Parents
ohne Impressions
Nicht alle SKUs
ohne Impressions

11. Zombies taugen nichts. Warum nutzen Wir sie?
CTR & CPA schlechter
Unter 1% Spend

12. Sind Zombies Reine Google Propaganda?

13. Das Problem mit Villains👺 (Kostenfressern)
Fehlender
Margenbezug
Setzen von
Schwellenwerten
Vergangenheits-
bezogen

14. Ein Vorausschauender Villain-Ansatz👺🔮
Link mit Code: github.com/chrisgutknecht/ppc_camp_pmax

15. Das Problem mit Heroes󰬾 (Performern)
Setzen von
Schwellenwerten
Vergangenheits-
bezogen
Keine zukünftigen
Prädiktoren
Campaign Hopping
von SKUs
Limitierte Budgets

16. Das Problem mit Heroes 󰬾
Campaign Hopping
von SKUs

17. Was ist Attraktiv? Händler vs. Kundensicht

18. Attraktive Produkte für Händler
Hohe Marge
Neue Saison
Nachhaltig

19. Attraktive Produkte für User
Dicke Rabatte
Gute Sortierung
Viele Bewertungen

20. Problem #1: Shopping liebt Frische Rabatte
2. Google Shopping 💸
3. Google Nutzer 🍭
1. Deine Sale Produkte 📢

21. Problem #1: Hohe Rabatte sind oft DBIII-Negativ
😮
Daten: 2022, 60 Tage

22. Lösung: DBII-Bidding & Wertkorrektur
➡ Sync
Conversion
Adjustment
Google Ads OrderIDs
SKU-Roherträge je Order
Payment & Frachtkosten
Sprengt den Rahmen > siehe 2021: slideshare.net/christophergutknecht
Logs ⬅

23. Problem #2: Sale-Rabatte & Sortierung
🥳Dicker Rabatt 😢Dünne Sortierung

24. Lösung #2: Unser Gewichteter Inventory Score
Mitte
Außenzone
Innenzone
2 * Außenzone = 2/6 = 33%

25. Lösung #2: Unser Gewichteter Inventory Score
Mitte
Außenzone
Innenzone
2 * Innenzone = 4/12 = 33%

26. Lösung #1+2: Kombinierter Attraktivitätsscore
Grundlage für High-Low Split
(zukunftsorientiert)

27. Lösung #1+2: Unsere High/Low Buckets
🪣 1. HIGH
🪣 2. LOW
❌Kostenfresser
👕Inventory Score kleiner a
🔥Attractiveness Score kleiner b
📅 Historischer ROAS kleiner c
🔮NextClick ROAS kleiner d
ODER
ODER

28. Lösung: Unsere High Low Ergebnisse
1. HIGH
2. LOW
Budgetsplit High 78 % vs Low 22 %
Low mit besserer Performance
(Öffnung möglich)

29. Lösung #1+2: DBII-Bidding &
Attraktivitätsscore
2023 (90d):
13% bessere
DBIII-Quote zu VJ
+35% Shopping DBII
Alle Rabattgruppen
DBIII-positiv

30. Was Ihr Heute Mitnehmen solltet…
1. Kombiniert reaktive und proaktive Signale für PMAX Shopping
3. Nutzt Marge & Retourenquote, Sortierung und Rabattgruppen
2. Nutzt Performancedaten, aber auch interne Produktdaten
github.com/ChrisGutknecht/ppc_camp_max
4. Probiert viele Setups und Schwellenwerte aus!

31. Danke Euch, Rosenheim 👋
Her mit Euren SEA Fragen!
Christopher Gutknecht | Eric Estel | PPC Camp 2023

32. Alternative Approach via BigQuery and LLM