Leestijd: 9 minuten
Hoewel een full-funnel campagne wellicht dé natte droom voor iedere marketeer is, is het maar net de vraag in hoeverre het een realistische is. Natuurlijk, wanneer je VanMoof bent dan kan ik me goed voorstellen dat het targetten van een 33-jarige yup uit Amsterdam-West middels een YouTube-video uiteindelijk kan leiden tot de aankoop van een veel te dure elektrische fiets via Google Shopping.
Echter is de realiteit voor een aantal van onze klanten dat hun producten net even minder upperfunnel-proof zijn. Een schroefje voor een oude Yamaha motor of een strip voor een douchedeur moet je maar net nodig hebben natuurlijk. Voor die klanten maken wij gebruik van een standaard shopping campagne (aangedreven met tROAS) of van PMax met alleen maar merchant center assets (zonder de URL expansion).
Zelf ontdekten wij bij Grow Up Digital dat de diverse bid algoritmes van PMax zowel briljant en effectief, als een beetje lui zijn. Voor diverse webshops waarmee wij natuurlijk in Google Shopping adverteren, welke aangedreven werden door AI bid algoritmes van Google zelf, zagen wij dat onze ROI doelstelling razendsnel werden bereikt.
De uitdaging van Performance Max
Echter kwamen we ook tot de conclusie dat wanneer een bid algoritme de hardlopers binnen een productassortiment heeft gevonden, de rest van het assortiment feitelijk genegeerd werd. Daarnaast zagen we dat wanneer wij bijvoorbeeld stuurden op een ROI van 500%, dat altijd precies die 500% werd behaald. De goed presterende hardlopers hadden dan bijvoorbeeld een ROI van 700% terwijl op een ander deel van het assortiment vooral veel kosten worden gemaakt tegen een vele lagere ROI.
Hoe los je dit op?
Goed, we hebben dus te maken met een briljant maar ook ietwat gemakzuchtig AI bid algoritme. Maar hoe kunnen we dit algoritme challengen? Onze aanname was dat wanneer wij de hardlopers, de té dure producten en de genegeerde producten in een aparte campagne zouden isoleren, we het algoritme opnieuw aan het werk zouden zetten.
Immers: een ROI doelstelling van 500% voor campagne X kan alleen bereikt worden door de producten die in die campagne zitten. We stimuleren het algoritme dus om nieuwe winnaars te zoeken in de campagne met het voorheen genegeerde productassortiment. De té dure producten moesten nu zelf de 500% ROI doelstelling zien te behalen zonder “geholpen” te worden door de topproducten en de topproducten konden nu nog beter presteren aangezien ze nu niet meer “mee betaalden” voor de te dure producten.
Uiteraard zijn hier simpele oplossingen voor zoals de Labelizer van Producthero. Echter geldt deze oplossing alleen voor de resultaten uit het kanaal Google Shopping en specifiek voor de data uit 1 land. Voor een aantal van onze klanten hadden we simpelweg te weinig conversie data uit 1 specifiek land in Google Shopping.
We hebben daarom het volgende alternatief voorgesteld voor een retailer in doe-het-zelf producten:
We hebben een simpele koppeling gebouwd middels een export vanuit Google Ads een Google Analytics naar een Google Sheet. Daarin stond basis informatie zoals hoeveel kosten een product in Google Shopping heeft gemaakt, hoeveel productomzet er is gerealiseerd en welke ROI op productniveau is behaald.
Op basis van deze data hebben we de campagnes geherstructureerd op basis van de volgende performance bakjes:
Google Shopping Heroes: Producten die veel worden gekocht en tegen een hoge ROI. (8% van het assortiment)
Google Shopping Villains: Producten die relatief veel worden verkocht maar tegen een te lage ROI. (9% van het assortiment)
Google Analytics Prospects: Producten die goed verkopen via andere kanalen alleen niet Google Shopping (dus SEO, social, email etcetera). (15% van het assortiment)
Zombies: Product Gedeelte wat eigenlijk het afgelopen half jaar minder dan 3x is verkocht (68%).
We hebben deze setup getest in de Verenigde Staten. In 50% van de staten hebben we de oude setup laten staan en de andere 50% hebben we getest met de nieuwe setup:
Het resultaat
Na slechts 2 weken leren, presteerde de nieuwe setup al beter dan de oude. We zagen dat de Villains binnen de 500% ROI doelstelling bleven en dat de Heroes en Prospects veel meer volume aan verkopen deden.
Het mooiste resultaat zagen we bij de Zombies, waar na een aantal weken alweer een aantal nieuwe hardlopers ontstonden. Door de koppelingen met Analytics en Ads maandelijks opnieuw te updaten werden er dus maandelijks “Zombies” gepromoot tot “Heroes” en soms ook “Villains” gedegradeerd tot “Zombies”. Zo blijven we het algoritme challengen door te zoeken naar nieuwe winnaars en zorgen we ervoor het gehele productaanbod een eerlijke kans krijgt:
Uiteraard is dit een voorbeeld van een best practise die voor deze specifieke klant effectief is gebleken. Dit kan voor een andere adverteerder totaal anders zijn. Andere mogelijke segmentaties binnen het productassortiment kunnen worden gemaakt op basis van Marge, Prijscompetitiviteit of een combinatie van alles samen. In de komende weken willen wij meerdere best practises met jullie gaan delen, dus stay tuned!
Door: Peter Maas
