DataFeedWatch Blog | Datenfeed Optimierung Tips

[Fallstudie] Midsummer Agency - Dynamisches Remarketing und Regex

Geschrieben von Michele Mereu | 28.07.2020 11:12:48

 

Wenn Remarketing eine Praxis ist, die es Dir ermöglicht, Anzeigen für Personen zu schalten, die Deine Website bereits besucht haben, geht das dynamische Remarketing noch einen Schritt weiter. Es ermöglicht Dir, automatische Anzeigen (mit Bildern, Preisen und Links) für genau die Produkte zu schalten, die der Kunde zuvor auf Deiner Website angesehen hat.

 

Mit Botschaften, die auf Dein Zielpublikum zugeschnitten sind, hilft Dir dynamisches Remarketing, Deine Verkäufe zu steigern, indem es die Besucher Deiner Website dazu bringt, den Kaufvorgang abzuschließen. Du erinnerst sie daran, wie großartig Deine Produkte sind.

 

 

Inhaltsangabe


#1 Rabatt-Produkte mit dynamischem Remarketing wirksam einsetzen

  • Herausforderung: unzureichende Conversion-Rate für dynamische Remarketing-Kampagne
  • Lösung: Nutzung des ads_label-Attributs für ermäßigte Produkte
  • Ergebnisse: Erhöhung der Conversion-Rate, Verbesserung der durchschnittlichen Verweildauer auf der Website und der Bounce-Rate.

 

#2 Fehler durch die Verwendung regulärer Ausdrücke verhindern

  • Herausforderung: eine endliche Anzahl von Varianten zur Erstellung einer Regel mit "statischem Mehrwert"-Funktion
  • Lösung: Erstellung dynamischer und skalierbarer Regeln unter Verwendung regulärer Ausdrücke.
  • Ergebnisse: Automatisierte und schnelle Kategorisierung neuer Attribute

 

 

#1 Rabatt-Produkte mit dynamischem Remarketing wirksam einsetzen

 

 

Eine der besten Remarketing-Praktiken ist die Segmentierung der Benutzer auf der Grundlage ihrer Position im Einkaufskanal. Auf diese Weise kannst Du angepasste Kampagnen und Anzeigengruppen erstellen, um verschiedene Strategien, Angebote und Budgets anzunehmen.

 

Die klassischste Unterteilung ist:

 

  • Benutzer, die die Homepage besuchen
  • Benutzer, die die Produktseite besuchen
  • Benutzer, die ein Produkt in den Warenkorb legen
  • Benutzer, die ein Produkt kaufen

 

 

Herausforderung


Bei einer dynamischen Remarketing-Kampagne, die sich an Benutzer richtet, die die Produktseite besuchen, ohne sie in den Warenkorb zu legen, stellten wir fest, dass die Conversion-Rate niedriger war als das Ziel. Also beschlossen wir, unsere Strategie zu ändern.

 

Lösung

 

Nutzung von Rabatt-Produkten zur Ankurbelung der Verkäufe.

Wir haben uns gefragt: Was passiert, wenn wir versuchen, die Conversions zu erhöhen, indem wir eine Kampagne testen, die sich nur an Benutzer richtet, die ein Produkt mit Preisnachlass besucht haben? Zur Umsetzung der Strategie haben wir in DataFeedWatch eine Regel entwickelt, um ein ads_label, genannt "Verkauf", zu erstellen, das mit allen ermäßigten Produkten assoziiert wird. Unter Verwendung der Funktion "statischen Wert hinzufügen" wendeten wir die folgende Logik an:

 

 

 

 

 

 

 

Hinweise:

Dies ist nicht das klassische custom_label-Attribut, sondern ein spezifisches Attribut, das ausschließlich für Display-Kampagnen bestimmt ist.

 

Warum ads_label nutzen?

Bisher ist es eines der sehr wenigen Attribute, mit denen Du Produkte in Deinen dynamischen Anzeigen auf Kampagnenebene filtern kannst.

 

 

 

 

 

Anschließend erstellten wir eine Test-Remarketing-Kampagne - ein Klon des Originals -, die ausschließlich Anzeigen der gefilterten Produkte zeigte. Nämlich die ermäßigten Artikel an Benutzer, die in den vorangegangenen 30 Tagen Interesse an ihnen zeigten.

 

Wer von uns nimmt nicht gerne einen Rabatt in Anspruch?

 

 

 

 

Ergebnisse

 

Die Ergebnisse dieser Strategie waren beeindruckend, sowohl in Bezug auf den Verkauf als auch auf das Engagement. Durch diese Taktik kann sich der Händler ein natürliches Kauf-Phänomen zunutze machen, bei dem Benutzer, die mit einem vergünstigten Angebot angelockt werden, auch andere Produkte entdecken und kaufen.

 

In der Testkampagne verzeichneten wir eine 18%ige Steigerung der Conversion-Rate im Vergleich zur ursprünglichen Kampagne, eine Verbesserung der durchschnittlichen Verweildauer auf der Website um 30 Sekunden und eine um 20% verbesserte Bounce-Rate.

 

Die CTR der Anzeigen stieg ebenfalls um 20%, was auf das Vorhandensein des Layout-Tags "Preissenkung" zurückzuführen ist, eine Funktion, die automatisch für kürzlich ermäßigte Produkte aktiviert wird.

Es war die Filterung der Kampagne für eine Untergruppe von Produkten, die es uns schließlich erlaubte, ihren Marktanteil von 10% auf 38% zu erhöhen.

 

 

Zurück zum Seitenanfang oder das ultimative Google Merchant Center-Handbuch herunterladen

 

 

#2 Fehler durch die Verwendung regulärer Ausdrücke verhindern

 

Reguläre Ausdrücke (oder Regex) sind Funktionen oder Formeln, die in der Lage sind, Textzeichenfolgen nach einem vordefinierten Muster zu suchen, zu filtern oder zu ersetzen.

Sie sind in der Programmierung und Datenanalyse weit verbreitet. Und selbst für uns Vermarkter stellen sie ein Schweizer Messer dar, das man immer bei sich tragen muss. Zum Beispiel, wenn wir Google Analytics verwendet haben, um Ansichtsfilter, Ziele oder Segmente zu erstellen.

 

Das Erstellen komplexer Beziehungen zwischen Feed-Attributen kann in den Händen von Digitalvermarktern ein wirkungsvolles Werkzeug sein. Es kann aber auch zu einer zweischneidigen Gefahr werden, wenn Du nicht aufpasst und keine Vorsichtsmaßnahmen ergreifst. Für diejenigen, die in der Modebranche arbeiten, sind Farbe, Größe und Materialien grundlegende Attribute. Sowohl als eigenständige Felder als auch als Informationen, die in den Titel aufzunehmen sind, um qualitativ hochwertigen Traffic zu konvertieren. In diesem Zusammenhang empfehlen wir diesen ausgezeichneten Google-Ratgeber über die besten Praktiken für alle, die in der Modebranche arbeiten.

 

Für alle unsere Kunden aus der Modebranche erstellen wir den Titel in der Regel dynamisch, indem wir verschiedene bereits im Feed vorhandene Attribute (Materialien, Farbe, Größe, Produktname) verwenden und einer Regel wie der folgenden folgen:

 

 

 

 

Das Endergebnis lautet: Designer Damen Baumwollhemd, rot, Produktname, XL.

Und bis jetzt ist alles in Ordnung. Häufig sind die internen Felder, die im Titel verwendet werden, nicht in den Rohdaten enthalten - sie müssen extrapoliert oder von Grund auf neu erstellt werden, wobei die Daten aus dem Quell-Feed verwendet werden müssen. In diesem konkreten Beispiel haben wir die Informationen aus einer Feed-Spalte abgerufen, die Informationen über die Farben und Materialien der verkauften Artikel enthält. Produktattribute, die für Google einfach nicht lesbar wären, wenn sie in der ursprünglichen Feed-Spalte bereitgestellt würden.

 

 

 

 

Der linke Teil des Bildes oben zeigt die "Tags"-Spalte des Quell-Feeds. Der rechte Teil zeigt ein Beispiel dafür, wie wir diese Informationen verwendet haben, um eine Regel zu entwickeln, die das Attribut "Material" erzeugt.

 

Herausforderung

 

Die Einschränkung bei der Verwendung der Funktion "statischen Wert hinzufügen" besteht darin, dass nur eine begrenzte Anzahl von Varianten berücksichtigt werden kann, die zum Zeitpunkt der Erstellung der Regel existieren. In einem solchen Fall geht die Dynamik verloren. Was passiert, wenn der Kunde neue Produkte in den Katalog aufnimmt, deren Materialien noch nicht kategorisiert oder deren Farben und Muster bis dahin nicht vorgesehen sind?

Ich sage es Dir... die Attribute (z.B. Materialien, Farben, usw.) werden leer sein, oder noch schlimmer, sie werden falsche Werte anzeigen. Infolgedessen werden die abhängigen Attribute wie der Titel und schließlich andere, die diese internen Felder verwenden (z.B. benutzerdefinierte Etiketten, Beschreibungen) die Konsequenzen tragen und sich in etwas Ähnliches verwandeln:

  

Designer Hemd für Frauen , , , , Produktname, XL

 

Es handelt sich dabei sicherlich nicht um einen optimierten Titel. Ich werde Dir eine Vorstellung davon vermitteln, welche Auswirkungen eine Situation wie diese haben kann. Nicht nur auf die Leistung, sondern auch auf die Struktur Deiner Shopping-Kampagnen, die plötzlich nicht mehr funktionieren können.

 

 

Lösung

 

Zu unserem Glück gab 1950 ein Gentleman namens Stephen Cole Kleene, ein amerikanischer Mathematiker, zusammen mit anderen selbstbewussten jungen Männern dem, was wir gemeinhin als reguläre Ausdrücke kennen, Leben.

 

Mit Hilfe regulärer Ausdrücke war es möglich, eine dynamische und skalierbare Regel zu erstellen - viel besser im Vergleich zur vorherigen Lösung. Dieses Verfahren extrahiert automatisch die gegenwärtigen und zukünftigen Informationen über Materialien aus dem Ausgangsmaterial, wodurch das Risiko einer Beeinträchtigung des Verhaltens der abhängigen Attribute eliminiert wird.

Im Folgenden wird gezeigt, wie man dasselbe Ergebnis wie im vorigen Screenshot erhält, jedoch auf skalierbare Weise und unter Verwendung von nur einfachem Regex.

 

 

 

 

Bitte denke immer daran, die Funktionsfähigkeit von regulären Ausdrücken zu testen. Die Vorschau-Option und die von DataFeedWatch angebotene Unterstützung sind dabei eine große Hilfe.

 

 

Ergebnisse

 

Durch diese Optimierung konnten wir Übertragungsfehler und Verkehrsstörungen verhindern. Darüber hinaus konnten wir dadurch die Kategorisierung neuer Attribute, Farben, Kategorien und anderer Produktinformationen, die vom Kunden erstellt wurden, automatisieren und beschleunigen, wodurch mühsame manuelle Arbeit am Feed oder Eingriffe der IT-Abteilung vermieden wurden.

 

Dies sind nur zwei Beispiele dafür, wie ein Datenfeed-Management-Tool zusammen mit der Leistung des menschlichen Gehirns Dich beim Testen unkonventioneller Ideen und bei der Vermeidung und Lösung alltäglicher Probleme unterstützen kann. Es hilft Dir, wettbewerbsfähig zu bleiben und apokalyptische Szenarien zu vermeiden.

 

Die einzige Grenze ist die Kreativität, höre nie mit dem Testen auf!

 

 

Zurück zum Seitenanfang oder das ultimative Google Merchant Center-Handbuch herunterladen

 

Fallstudie der Midsummer Agency