Downloaden Sie, um offline zu lesen
Hochgeladen vonChristopher Gutknecht
PMAX Product structures with BigQuery [GERMAN]
Das Dokument beschreibt verschiedene Ansätze zur Optimierung von Performance-Max-Kampagnen im Google Shopping mit Hilfe von BigQuery. Es wird zwischen reaktiven und proaktiven Maßnahmen unterschieden und es werden Herausforderungen bei der Produktsegmentierung in 'Heroes', 'Villains' und 'Zombies' erläutert. Zudem werden Lösungsansätze zur Verbesserung der Kampagnenperformance durch die Kombination von historischen und zukunftsorientierten Daten vorgestellt.
PMAX Product structures with BigQuery [GERMAN]
- 1. PMAX Shoppingstrukturen mit BigQuery ChristopherGutknecht | 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 unserselbstfahrendes 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 vonHeroes, Villains & Co https://blog.producthero.com/shopping-ads-guide/how-to-use-producthero-labelizer-for-performance-max-campaigns/
- 9. Starten wir mitZombies: Unsere Erfahrungen
- 10. Das Problem mitZombies🧟 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 ReineGoogle Propaganda?
- 13. Das Problem mitVillains👺 (Kostenfressern) Fehlender Margenbezug Setzen von Schwellenwerten Vergangenheits- bezogen
- 14. Ein Vorausschauender Villain-Ansatz👺🔮 Linkmit Code: github.com/chrisgutknecht/ppc_camp_pmax
- 15. Das Problem mitHeroes (Performern) Setzen von Schwellenwerten Vergangenheits- bezogen Keine zukünftigen Prädiktoren Campaign Hopping von SKUs Limitierte Budgets
- 16. Das Problem mitHeroes Campaign Hopping von SKUs
- 17. Was ist Attraktiv?Händler vs. Kundensicht
- 18. Attraktive Produkte fürHändler Hohe Marge Neue Saison Nachhaltig
- 19. Attraktive Produkte fürUser Dicke Rabatte Gute Sortierung Viele Bewertungen
- 20. Problem #1: Shoppingliebt Frische Rabatte 2. Google Shopping 💸 3. Google Nutzer 🍭 1. Deine Sale Produkte 📢
- 21. Problem #1: HoheRabatte 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: UnserGewichteter Inventory Score Mitte Außenzone Innenzone 2 * Außenzone = 2/6 = 33%
- 25. Lösung #2: UnserGewichteter Inventory Score Mitte Außenzone Innenzone 2 * Innenzone = 4/12 = 33%
- 26. Lösung #1+2: KombinierterAttraktivitätsscore Grundlage für High-Low Split (zukunftsorientiert)
- 27. Lösung #1+2: UnsereHigh/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 HighLow 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 HeuteMitnehmen 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 viaBigQuery and LLM