AnnaServies.nl is dé webwinkel op het gebied van servies, bestek, glas en kristal en tafellinnen. Het assortiment bestaat voornamelijk uit topmerken als Wedgwood, Villeroy & Boch, Royal Doulton, Royal Albert en nog veel meer.
Situatie
Er is veel zoekvolume op de merknamen en de specifieke product titels uit het assortiment. Dit zorgt ervoor dat in het verleden de meeste verkopen uit de shopping historisch gezien op zoekwoordcombinaties van merken en/of product titels plaatsvond. Medio 2021 zijn we na veelvuldig testen overgestapt van standaard shopping naar smart shopping. Een lichte increase in de performance gecombineerd met minder management uren lagen ten grondslag aan de keuze. De gezette doelstelling is continue omzetgroei binnen een generiek ROAS target van 600%. Het budget is ongelimiteerd binnen een ROAS van 600%.
Aanpak
Aangezien het smart algoritme vrij snel ontdekt welke producten geschikt zijn voor het behalen van de ROAS doelstelling en daarna veel producten links laat liggen (denk aan de zombies/heroes strategie van Producthero) wilden we proberen aan de hand van de volgende aannames een nieuwe smart shopping strategie te ontwikkelen.
Om de strategie uit te denken zijn de volgende aannames gedaan:
- Best presterende producten uit Google Shopping willen we in een aparte campagne met apart ROAS doel isoleren.
- Producten die niet tot de Shopping hardlopers behoren maar wel goed presteerden in de branded search campagnes.
- Producten die niet tot de Shopping hardlopers behoren maar wel goed presteerden in de non-branded search campagnes.
- Producten die niet in shopping of search tot de hardlopers behoorden maar wel via andere kanalen in analytics (Hardlopers in Google Analytics non SEA)
- Producten die in Google Shopping te duur zijn (worden uitgesloten sowieso in 1, 2 en 3)
- De rest van het assortiment (zombies)
Om de shopping campagnes op deze manier te kunnen inrichten was het nodig om een aantal data koppelingen te maken. We hebben gebruik gemaakt van de tool Channable om de data koppelingen in de productfeed te krijgen via een custom label. Middels de labels hebben de campagnes set-up kunnen bouwen. Zie hieronder de data koppeling per campagne segment:
- Uitdraai Google Ads custom rapport met daarin volgende data op itemID niveau: Conversion Value, Cost, Conversions & Clicks. De data hebben we naar een Google Sheet geexporteerd en daar hebben we de metric ROAS ingebouwd. De sheet hebben we als additionele feed naar Channable geëxporteerd en op itemID gematcht met bestaande producten in de feed.
- Google Analytics koppeling: Uitdraai van SKU data gemaakt met daarin de volgende data op SKU niveau: Product Revenue, Unique purchases. De sheet hebben we als additionele feed naar Channable geëxporteerd en de SKU gematcht met de Item ID’s (zelfde getal als de SKU).
- Segment gemaakt in Google Analytics van branded search campagnes, deze hebben we gecombineerd met de GA koppeling en als additioneel feed veld campagne type met waarde brand meegeschoten naar de feed.
- Segment gemaakt in Google Analytics van non branded search campagnes, deze hebben we gecombineerd met de GA koppeling en als additioneel feed veld campagne type met waarde nonbrand meegeschoten naar de feed.
- Hardlopers in Google Analytics non SEA
- Te dure producten in Google Shopping (uitgesloten bij de andere campagnes)
- Rest van het assortiment (zombies)
Resultaat
Doordat we campagnes efficiënter zijn ingericht zijn de resultaten uit het kanaal Shopping significant verbeterd.
- Duidelijke verbetering in het volume aan orders uit Google Shopping tegen een betere ROAS (na een leerperiode van 2 weken). Te zien op bovenstaande afbeelding.
- Een groei in Google Shopping t.o.v. dezelfde periode een jaar geleden, terwijl andere kanalen een stabiele omzet lieten zien.
- Duidelijke verbetering performance van de zombies (stilstaan assortiment), betere ROAS voor de producten die voorheen te duur waren en meer volume tegen ROAS target uit de producten die het sowieso al goed deden. Een overzicht van deze resultaten is te zien in de onderstaande afbeelding.
Conclusie
Doordat we gebruik hebben gemaakt van data die iedere webshop in principe heeft is de test enorm schaalbaar. We kunnen dit voor iedere klant met een beetje volume reproduceren met een performance verbetering tot gevolg. Daarnaast is het een ideale oplossing voor klanten die niet voldoende data hebben om gebruik te maken van de mooie oplossing die Producthero met Labelizer al biedt. Tenslotte laat dit zien dat de rol van de SEA marketeer in tijden van steeds meer automatisering nog steeds essentieel is, mits we op een slimme manier de diverse algoritmes kunnen voorzien van de noodzakelijke (data gedreven) sturing.
Al met al hebben we voor Anna Servies mooie resultaten kunnen bereiken, zoals een toenemend aantal bestellingen uit Google Shopping, een duidelijke verbetering in de performance van de zombies (stilstaand assortiment), een betere ROAS voor producten die voorheen te duur waren en meer volume tegen ROAS target uit de producten die het sowieso al goed deden.
