Im norisk Vortrag von Judith ging um einen automatisierten Ansatz zur Einbuchung von neuer Suchanfragen inklusive kompletter Adgroupanlage. Der Schlüssel ist die Extraktion von Produktfeed Entitäten wie Marken, Kategorien und Titel, um die Suchanfragen an die richtige Stelle im Account einzubuchen. Der Toolansatz bietet die Möglichkeit, Shopping und DSA Queries skalierbar und strukturiert in Textkampagnen zu überführen.

1. DIY Search Query Automation for Retail:
Wie fängt man gute Suchanfragen automatisiert mit Feeddaten ab?
JENA RULES!

2. ÜBER NORISK – ÜBER MICH
norisk Judith

3. 1. INTRO: SUCHANFRAGEN,
ENTITÄTEN & MEHR (1/3)
JENA RULES!

4. BASIC SEARCH QUERY WORKFLOW - EASY ODER?
youtu.be/TcYZi9rEvgo

5. DIE REALITÄT: ENTITÄTEN ÜBERALL
FARBE
GESCHLECHT
ÜBERGRÖßE
GRÖßEN
KATEGORIE &
TITEL
KAUFEN
PRÄPOS

6. DIE REALITÄT: ENTITÄTEN ÜBERALL
TITEL
KATEGORIE
ATTRIBUT
GESCHLECHT
MARKE
KAUFEN
PRÄPOS

7. WAS IST EINE ENTITÄT?
Eindeutig
identifizierbar
(Material, Immaterial)
ENTITÄT
Beziehungen zu
anderen Entitäten
Ziel:
Disambiguieren
Attribute

8. vs TRAVEL
ZWEI WICHTIGE SCHLACHTFELDER IM PPC
RETAIL
+ Mehr Suchanfragen-Quellen
+ Mehr interne Struktur
+ Mehr Entitäts-Kombinationen
+ Mehr Entitäts-Hierarchie
+ Externe APIs benötigt (Geo)

9. CLASS BRANDS
(SUBBRANDS)
ENTITÄTEN IM FASHION-BEREICH
CLASS OCCASION
CLASS COLORS
CLASS CATEGORIES
SUBCATEGORIES
1. FASHION MERCHANT DOMAIN
CLASS TITLES/MODELS
CLASS PLUS SIZE
CLASS BUY WORDS
….
DIREKTE
BEZIEHUNGEN
(n-n)
CLASS SIZES
CLASS MATERIAL

10. vs - NEGATIV
ZWEI KEYWORD-TYPEN & QUERY ACTIONS
+ POSITIV
+ Hinzufügen des richtigen Matchtypes
+ In der richtigen Camp / AdGoup
+ Mit guter Anzeige & URL
+ Hinzufügen der richtigen Wörter
+ Im richtigen Matchtype
+ Im korrekten Level

11. IDENTIFIZIEREN “GUTER” SUCHANFRAGEN: HERANGEHENSWEISEN
HISTORIC
PREDICTIVE
(ngram)LOOKUPBASED
(SEO)
Komplexität
KeywordMenge

12. SUCHANFRAGE-QUELLEN & ATTRIBUTE FÜR RETAIL
SEARCH
Anzahl “guter” Suchanfragen
GRADDERSTRUKTURIERUNG
SHOPPING
DSA

13. 2. BESTEHENDE HERANGEHENSWEISEN:
POSITIVES & NEGATIVES (2/3)
JENA RULES!

14. POSITIVES: BESTEHENDE ANSÄTZE
Selection EntityMatch StructureFit UrlBuild AdBuild Sync
1. norisk/Whoop
(Skript)
✓
2. Camato (Tool)
✓ ✓ ✓ ✓ ✓
3. Godzilla (Tool)
✓ ✓ ✓ ✓ ✓
> DIE CRUX: Alle Schritte richtig MACHEN!

15. 1. NORISK QUERY DASHBOARD: NEUE KEYWORDS
>> BLOGPOST & SKRIPT: noriskshop.de/blog/category/adwords-scripts/

16. 1. NORISK QUERY DASHBOARD: SHOPPING-MATCHING
- Detaillierte Shopping-Struktur-Info zu Queries
- Einfache “New Query” Extraktion mit Kontoabgleich
- SEA & SEO Query-Gegenüberstellung
>> BLOGPOST & SKRIPT: noriskshop.de/blog/category/adwords-scripts/

17. POSITIVES: BESTEHENDE ANSÄTZE
Selection EntityMatch StructureFit UrlBuild AdBuild Sync
1. norisk/Whoop
(Skript)
✓
2. Camato (Tool)
✓ ✓ ✓ ✓ ✓
3. Godzilla (Tool)
✓ ✓ ✓ ✓ ✓
> DIE CRUX: Alle Schritte richtig MACHEN!

18. 2. CAMATO ENTITÄTEN DARSTELLUNG IM UI

19. 2. CAMATO ENTITÄTEN DARSTELLUNG IN ADWORDS … UGH

20. 3. GODZILLA AUTOMATISIERUNGS-ANSATZ
blog.kallerhoff.org/2016/05/16/performance-marketing-automatisieren-macgyver-style/

21. > Alle Schritte RICHTIG machen: NOCH SCHWIERIGER. (Rekursiver Ansatz notwendig)
NEGATIVES: BESTEHENDE ANSÄTZE
NGram AddKeyword RightMatchtype RightLevel BlockingCheck StructureCleanup
1. norisk (Skript)
✓
(Feed)
2. Brainlabs (Skript)
✓ ✓ ?
3. peakeace (Skript)
✓
4. Optmyzr (Tool)
✓ ✓ ?
5. Adalysis (Tool)
✓
6. Karooya
(Tool)
✓ ✓ ?

22. 1. NEGATIVE LIST SYNC FÜR SHOPPING
- Automatischer CSV Sync in Shared Negative Library
- Feedspalte wählbar
- “Multilisten”-fähig: Wenn 5000 voll, wird nächste Liste erstellt
>> BLOGPOST & SKRIPT: noriskshop.de/blog/category/adwords-scripts/

23. 4. N-GRAM ANALYSE MIT OPTMYZR

24. 4. SHOPPING QUERY OVERLAP MIT OPTMYZR
SKIP?

25. 5. N-GRAM ANALYSE MIT ADALYSIS
youtu.be/TcYZi9rEvgo

26. > Alle Schritte RICHTIG machen: NOCH SCHWIERIGER. (Rekursiver Ansatz notwendig)
NEGATIVES: BESTEHENDE ANSÄTZE
NGram AddKeyword RightMatchtype RightLevel BlockingCheck StructureCleanup
1. norisk (Skript)
✓
(Feed)
2. Brainlabs (Skript)
✓ ✓ ?
3. peakeace (Skript)
✓
4. Optmyzr (Tool)
✓ ✓ ?
5. Adalysis (Tool)
✓
6. Karooya
(Tool)
✓ ✓ ?

27. KANN DAS ADWORDS UI DAS ABBILDEN?! EHER NICHT....

28. 3. UNSERE SUCHANFRAGEN AUTOMATISIERUNG:
WORKFLOW IM DETAIL (3/3)
JENA RULES!

29. QUERY AUTOMATION WORKFLOW: IN 8 SCHRITTEN
Queries
Entities
Query2Entity StructureMatch
Camp Camp
AG AG
UrlBuild
AdBuild
NegativeFence
StatusSync
AG

30. 1. Queries
NewKeyword Config
1. QUERY FETCH: GUTE NEUE KEYWORDS FINDEN
1. Performance-Filter
2. isNotMatchtype = Exact
3. isNewKeyword

31. 1. Queries
NewKeyword Config
1. QUERY FETCH: GUTE NEUE KEYWORDS FINDEN
1. Performance-Filter
2. isNotMatchtype = Exact
3. isNewKeyword

32. 1. QUERY FETCH: ORGANIC ALS WEITERE QUELLE
1. Queries
NewKeyword Config
1. Performance-Filter
2. isNotMatchtype = Exact
3. isNewKeyword
4. Organic optional
> KEINE PERFORMANCE! SKIP?

33. 2. ENTITY FETCH: QUELLEN KOMBINIEREN
cat_Singular cat_Plural
Anzug Anzüge
Perspektive
2. Entities
custom_Buy
Kaufen
custom_Anlass
Hochzeit
CoreTitle brand category ...
GMC Feed-Klon Script Konfiguration

34. 3. QUERY2ENTITY: FULL QUERY-MATCH
3. Q2E
Query
lowa wanderschuhe damen
nike epic react flyknit
...
Query2Entity Match

35. 3. QUERY2ENTITY: INSTOCK-CHECK
Query2Entity Match Instock Check
Query
lowa wanderschuhe damen
nike epic react flyknit
...
✓
3. Q2E

36. 3. QUERY2ENTITY: PARTIAL QUERY-MATCH
Query
lowa wanderschuhe damen
patagonia nano puff damen
...
Query2Entity Match
→ Gewinner nach Match Value
→ Wortsplit Query & Titel
→ Vergleich aller Teile
→ Bei Treffer, Multi-word match
3. Q2E

37. 4. STRUCTURE MATCH
4. SM
Camp
AG AG
Struktur Konfig Struktur Match
NR_B_Nike
AG I z_Feed_BM_nike epic react flyknit
Elementanlage
...
...

38. 5. URLBUILD: INTERNE ODER GOOGLE-SUCHE?
Ansätze
Site: Search
5. UB
1. Interne Suche (Bevorzugt)
URL Ranking
2. Statische Seite
Camp
AG AG

39. URLBUILD: TOOL FÜR GOOGLE-ZIELSEITENSUCHE
oneproseo.com/landingpagefinder/

40. 6. ADBUILD VIA TEMPLATE
Input Data AdTemplate
5. AdB
Bra >
BraGen >
BraCat >
CatGen >
Sitelinks aus Entities

41. 7. NEGATIVE FENCING: NACH KAMPAGNE ODER ADGROUP?
6. NegF
Nach AdGroup
Camp__E Camp__BMM
AG AGKW (e)
Neg KW (e)
KW (bmm)
Camp
AG
{e} AG
{b+}
KW (e)
Neg KW (e)
KW (bmm)
Nach Kampagne ? ¯_(ツ)_/¯ ?

42. 7. NEGATIVE FENCING: NACH KAMPAGNE ODER ADGROUP?
6. NegF
Nach Kampagne
- Sinnvoll bei:
- hoher ROAS-Differenz
- Limitiertem Budget
- Begrenztem Near-Exact-Anteil
>> Matchtype-Report nutzen!
Nach AdGroup

43. 8. STATUSSYNC FÜR BESTANDSÄNDERUNGEN
8. StatusSync
Campaign AdGroup
--- ---
8.1 Instock Check & WriteToSheet
Camaign AdGroup Status
NR_B_Nike__e Nike_Epic react fly knit {e} | SQ_BM Active
...
AdGroupStatus
Treffer < 2
8.2 Abgleich Sheet vs AdWords
> Prozess in ZWEI Schritte aufteilen, sonst Laufzeitfehler!

44. QUERY AUTOMATION WORKFLOW: IN 8 SCHRITTEN
Queries
Entities
Query2Entity StructureMatch
Camp Camp
AG AG
UrlBuild
AdBuild
NegativeFence
StatusSync
AG

45. 4. SUMMARY &
LESSONS LEARNED
JENA RULES!

46. ENTITÄTS-ERKENNUNG FUNKTIONIERT!
1. Einfache Textextraktion deckt +85% der neuen Suchbegriffe ab
2. Instock Check zwingend für Online-Shops
3. AdGroup Build muss flexibel sein
4. Erfolg ist nicht garantiert, aber einen Versuch wert
5. Negative Automatisierung = viele größere Herausforderung!

47. GESUCHT:
FREIWILLIGE FÜR GRATISTEST!
Tool in Beta-Phase: Motivierte Tester?
> Schreibt uns! jrogl@noriskshop.de

48. SEAs wanted: norisk is HIRING!
noriskshop.de/karriere