Diese Präsentation wurde erfolgreich gemeldet.
Wir verwenden Ihre LinkedIn Profilangaben und Informationen zu Ihren Aktivitäten, um Anzeigen zu personalisieren und Ihnen relevantere Inhalte anzuzeigen. Sie können Ihre Anzeigeneinstellungen jederzeit ändern.
Grundlagen Google Shopping Ads
Bidmanagement für Google Shopping Kampagnen
Ausgangssituation
Kampagnenstruktur
Lösungsansa...
Was ist Google Shopping
Bis zu 8 Anzeigen - entweder Top oder rechts positioniert
Multiple Platzierung möglich
Shopping Ads
Quelle: Rimm-Kaufmann Group
Shopping Ads - Performance
Erfolgskriterium Bid Management
Ausgangssituation
SHORT HEAD
LONG TAIL
20% der Produkte generieren 80% des Umsatzes
Anzahl der Produkte
U
M
S
A
T
Z
I
N
€
80% der Produkte g...
Longtail:
80%
der Shopping Ad Verkäufe werden von Produkten generiert, die nur
1 Conversion
aufweisen.
Shopping Ads Longta...
60.000
40.000
20.000
10.000
123456789101112
ANZAHL DER CONVERSIONS PRO PRODUKT
U
M
S
A
T
Z
I
N
€
Shopping Ads Longtail - U...
Go to: https://gist.github.com/smec/aa6c52a1fd874984f43a
Paste in “Bulk Edits”
Skript ausführen
Analyse unter “Logs”
Ihre ...
Problematik
Hoher Aufwand
bei manueller Optimierung
Ereignisarmut
Wenige statistische Daten
Über - oder Untersteuerung her...
Ziele
Valide Umsatzprognosen
für Produkte mit wenig statistischen Ereignissen
Frühzeitiges Trennen
von Kostentreibern & Um...
Kampagnenstruktur
Best Practice
€0.50 €0.50 €0.50
€0.50
Oft verwendetes Setup:
Undifferenzierte Kampagne
Überlappender CPC für alle Produkte
Problem: Zu w...
Oft verwendetes Setup:
Kampagnen differenziert nach Produktgruppen/Marken
Überlappender CPC pro Marke / Produktgruppe
€0.5...
Kein individueller CPC auf Produktebene
Gemittelte Statistiken
Ausgleichskalkulation - „Bad Products“ werden unterstützt
S...
Ein individueller CPC pro Produkt (max. 20.000 / campaign)
Kontrolle der aktuellen Produktperformance
Split nach Produkten...
€0.32 €0.30
Individueller CPC pro Product ID
€0.33
Empfohlene Accountstruktur
Nike Laufschuh Modell 1
Nike Laufschuh Model...
Bidmanagement
Best Practice
Clicks Conversions Conv Rate (CR)
3.000 27 0,9%
1.000 10 1%
1.000 1 0,1%
100 5 5%
100 1 1 % ?
50 1 2 % ?
1 1 100 % ?
10 0 ...
Clicks Conversions Conv Rate (CR) CR-Interval*
3.000 27 0,9% 0,59 - 1,31 %
1.000 10 1% 0,45 - 1,83 %
1.000 1 0,1% 0 - 0,56...
Einrichtung
8%
Anzahl der Zimmer
25%
Garten
16%
Balkon
14%
Kücheneinrichtung
23%
Parkplatz
14%
Unterschiedliche Faktoren b...
Anwendungsbeispiel I
Anwendungsbeispiel II
Aggregation – Marke + Kategorie
Aggregation – Marke + Kategorie
Aggregation - Preis
Aggregation - Preis
Lineare Regression
Product price
y = βx + d
Regressionsanalyse
Zusammenhang zwischen Produkteigenschaften und Produktperformance
Product price
Search Queries with Numbers Search Queries w/o Numbers
Conversionrate
0,8%
0,9%
1,0%
1,1%
1,2%
1,3%
1,4%
Reg...
6 vor Biddingstrategie 6 nach Biddingstrategie
Performance Entwicklung
Insights
CPC-Erhöhung
Steigerung des Bids bei Shopping Campaigns
1. Impressions +
2. Klickraten ++
3. Klicks: +++
4. Kosten +++
5. Konversionsra...
Steigerung des Bids bei Shopping Campaigns führt nach vollständiger Präsenz bei produktspezifischen Termen
zu einer semant...
Eine noch spannende Summit!
Werbeplanung.at SUMMIT 15 – Google Shopping und der Long Tail – Performance-Hebel Bid Management – Christian Scharmueller
Nächste SlideShare
Wird geladen in …5
×

Werbeplanung.at SUMMIT 15 – Google Shopping und der Long Tail – Performance-Hebel Bid Management – Christian Scharmueller

416 Aufrufe

Veröffentlicht am

80 Prozent der Conversions über Google Shopping Ads werden von Produkten generiert, die jeweils nur ein bis zwei Conversions aufweisen. In der Masse steckt also großes Umsatzpotenzial. Bid Management ist für die Effizienz der wichtigste Performance-Hebel.

  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Werbeplanung.at SUMMIT 15 – Google Shopping und der Long Tail – Performance-Hebel Bid Management – Christian Scharmueller

  1. 1. Grundlagen Google Shopping Ads Bidmanagement für Google Shopping Kampagnen Ausgangssituation Kampagnenstruktur Lösungsansatz - Bidding the Longtail Insights – CPC Erhöhungen Agenda
  2. 2. Was ist Google Shopping
  3. 3. Bis zu 8 Anzeigen - entweder Top oder rechts positioniert Multiple Platzierung möglich Shopping Ads
  4. 4. Quelle: Rimm-Kaufmann Group Shopping Ads - Performance
  5. 5. Erfolgskriterium Bid Management
  6. 6. Ausgangssituation
  7. 7. SHORT HEAD LONG TAIL 20% der Produkte generieren 80% des Umsatzes Anzahl der Produkte U M S A T Z I N € 80% der Produkte generieren 20% des Umsatzes Klassischer Longtail
  8. 8. Longtail: 80% der Shopping Ad Verkäufe werden von Produkten generiert, die nur 1 Conversion aufweisen. Shopping Ads Longtail
  9. 9. 60.000 40.000 20.000 10.000 123456789101112 ANZAHL DER CONVERSIONS PRO PRODUKT U M S A T Z I N € Shopping Ads Longtail - Umsatzanteil
  10. 10. Go to: https://gist.github.com/smec/aa6c52a1fd874984f43a Paste in “Bulk Edits” Skript ausführen Analyse unter “Logs” Ihre Longtailverteilung
  11. 11. Problematik Hoher Aufwand bei manueller Optimierung Ereignisarmut Wenige statistische Daten Über - oder Untersteuerung herkömmlicher Tools Zeitverzögerung aufgrund fehlender statistischer Daten Herausforderung
  12. 12. Ziele Valide Umsatzprognosen für Produkte mit wenig statistischen Ereignissen Frühzeitiges Trennen von Kostentreibern & Umsatzbringern Setzen des optimalen CPC für jedes einzelne Produkt im Sortiment Ziele - Bidmanagementstrategie
  13. 13. Kampagnenstruktur Best Practice
  14. 14. €0.50 €0.50 €0.50 €0.50 Oft verwendetes Setup: Undifferenzierte Kampagne Überlappender CPC für alle Produkte Problem: Zu wenig Detaillierungsgrad
  15. 15. Oft verwendetes Setup: Kampagnen differenziert nach Produktgruppen/Marken Überlappender CPC pro Marke / Produktgruppe €0.50 €0.42 €0.65 €0.74 €0.65 €0.65€0.65 Nike Laufschuhe Adidas Laufschuhe €0.42 €0.42 €0.42 Problem: Zu wenig Detaillierungsgrad Nike Laufschuhe Adidas Laufschuhe Puma Laufschuhe
  16. 16. Kein individueller CPC auf Produktebene Gemittelte Statistiken Ausgleichskalkulation - „Bad Products“ werden unterstützt Schnelles Erkennen von Umsatzbringern und Kostentreibern Split nach Produktgruppen: € 100 Kosten, € 1.000 Umsatz (max. KUR: 15%, IST-KUR: 10%) € 75 Kosten € 50 Umsatz € 10 Kosten € 850 Umsatz € 15 Kosten € 100 Umsatz €0.65 Differenzierung nach Produktgruppen
  17. 17. Ein individueller CPC pro Produkt (max. 20.000 / campaign) Kontrolle der aktuellen Produktperformance Split nach Produkten: € 25 Kosten, € 950 Umsatz (max. KUR: 15%, IST-KUR: 2,63%) € 75 Kosten € 50 Umsatz € 10 Kosten € 850 Umsatz € 15 Kosten € 100 Umsatz €0 €0,65 €0,65 Item-based Bidding
  18. 18. €0.32 €0.30 Individueller CPC pro Product ID €0.33 Empfohlene Accountstruktur Nike Laufschuh Modell 1 Nike Laufschuh Modell 2 Nike Laufschuh Modell 3
  19. 19. Bidmanagement Best Practice
  20. 20. Clicks Conversions Conv Rate (CR) 3.000 27 0,9% 1.000 10 1% 1.000 1 0,1% 100 5 5% 100 1 1 % ? 50 1 2 % ? 1 1 100 % ? 10 0 0 % ? 300 0 0 % ? Konversionsraten - Was nun?
  21. 21. Clicks Conversions Conv Rate (CR) CR-Interval* 3.000 27 0,9% 0,59 - 1,31 % 1.000 10 1% 0,45 - 1,83 % 1.000 1 0,1% 0 - 0,56 % 100 5 5% 1,64 - 11,28 % 100 1 1% 0,03 - 5,45 % 50 1 2% 0,05 - 10,65 % 1 1 100% 2,5 - 100 % 10 0** 0% 0 - 30,85%** 300 0** 0% 0 - 1,22 %** * 95% Konfidenzintervall, Pearson-Clopper-Method -> konservative Methode ** Rule of Three: 95% Konfidenzintervall zwischen 0 und ca. 3/n: zb. 3/10 = 30% und 3/100 = 1% Konversionsraten – CR-Korridore
  22. 22. Einrichtung 8% Anzahl der Zimmer 25% Garten 16% Balkon 14% Kücheneinrichtung 23% Parkplatz 14% Unterschiedliche Faktoren beeinflussen die Variable „Mietpreis“ - Ähnliche Beziehungen gibt es auch in Ihrem Shopping Account zwischen Produktperformance und Produkteigenschaften Analogie: Mietspiegel
  23. 23. Anwendungsbeispiel I
  24. 24. Anwendungsbeispiel II
  25. 25. Aggregation – Marke + Kategorie
  26. 26. Aggregation – Marke + Kategorie
  27. 27. Aggregation - Preis
  28. 28. Aggregation - Preis
  29. 29. Lineare Regression
  30. 30. Product price y = βx + d Regressionsanalyse Zusammenhang zwischen Produkteigenschaften und Produktperformance
  31. 31. Product price Search Queries with Numbers Search Queries w/o Numbers Conversionrate 0,8% 0,9% 1,0% 1,1% 1,2% 1,3% 1,4% Regressionsanalyse Zusammenhang zwischen Produkteigenschaften und Produktperformance
  32. 32. 6 vor Biddingstrategie 6 nach Biddingstrategie Performance Entwicklung
  33. 33. Insights CPC-Erhöhung
  34. 34. Steigerung des Bids bei Shopping Campaigns 1. Impressions + 2. Klickraten ++ 3. Klicks: +++ 4. Kosten +++ 5. Konversionsrate ~ 6. Konversionen +++ 1. Impressions + 2. Klickraten + 3. Klicks: ++ 4. Kosten ++ 5. Konversionsrate - - 6. Konversionen ~ + Steigerung des Bids bei Shopping Campaigns Besonderheiten Google Shopping Ads
  35. 35. Steigerung des Bids bei Shopping Campaigns führt nach vollständiger Präsenz bei produktspezifischen Termen zu einer semantischen Erweiterung ähnlich des Broad-Matches: Samsung UE55H6270 0,02 Cent Gebot -> kein Erscheinen bei Suche nach “UE55H6270” 0,08 Cent Gebot -> erscheint bei Suche nach “UE55H6270” 0,20 Cent Gebot -> erscheint zusätzlich bei Suche nach “Samsung Fernseher” 0,40 Cent Gebot -> erscheint zusätzlich bei Suche nach “Fernseher kaufen” 0,60 Cent Gebot -> erscheint zusätzlich bei Suche nach “Fernseher” Gepflegte Google Shopping-Kategorie: Fernseher, Marke: Samsung, Product Type: Fernseher Besonderheiten Google Shopping Ads
  36. 36. Eine noch spannende Summit!

×