So optimieren Sie Werbekampagnen mit unterstützten Conversions in Google BigQuery

Je mehr Werbekanäle die Unternehmen erschließen, desto mehr Kunden konnten durch unterschiedliche Kampagnen gewonnen werden. Dementsprechend werden die generierten Einnahmen erheblich steigen, wenn die Geschäftsanwender wertvolle Dateneinblicke erhalten, um die Marketingleistung zu verbessern.

In diesem Fall beschreiben wir die Lösung des OWOX BI-Teams für eine große Einzelhandelskette für Unterhaltungselektronik und Haushaltsgeräte, die Herausforderungen bei der Optimierung von Werbekampagnen für verschiedene Benutzersegmente über verschiedene Plattformen hatte.

Das Unternehmen wollte die Werbeausgaben optimieren und dabei eine Reihe von Faktoren berücksichtigen: den Beitrag mehrerer Werbekanäle zur Kaufreise des Kunden, eine Business Group of Categories (BGC) und Unterschiede im Nutzerverhalten in verschiedenen Regionen.

Eine Business Group of Categories (BGC) ist eine Gruppe ähnlicher Produktkategorien. Beispielsweise ist Audio Equipment ein gebräuchlicher Name für MP3-Player, Kopfhörer usw. Die Segmentierung nach BGC wird durch die interne Struktur des Einzelhändlers bestimmt: Jede Abteilung ist für eine BGC verantwortlich.

Das Verhalten von Kunden aus verschiedenen Städten oder Regionen unterscheidet sich aufgrund wirtschaftlicher Faktoren. Aus diesem Grund segmentiert die Abteilung Media&CRM Bestellungen nach Regionen.

Nach den Erfahrungen des Einzelhändlers interagieren 80 % der Online- und Offline-Kunden mit mehreren Werbekanälen, bevor sie einen Kauf tätigen. Der Bericht „Unterstützte Conversions“ in Google Analytics ermöglicht die Analyse der Auswirkungen von Online-Kanälen auf Conversion-Pfade. Der Bericht lässt jedoch keine Segmentierung nach Region und BGC zu. Dies macht es unmöglich, den Beitrag jedes Kanals vollständig zu bewerten.

Darüber hinaus wollte das Unternehmen bessere Entscheidungen treffen, gestützt auf vollständige Daten zum Benutzerverhalten. Google Analytics wendet Stichproben an, wenn das Datenvolumen 500.000 Sitzungen (100 Mio. Sitzungen in Google Analytics 360) für den Berichtszeitraum überschreitet. Außerdem war es nicht möglich, das vollständige Bild der Conversion-Pfade in den Multi-Channel-Trichterberichten anzuzeigen, da die Anzahl der Conversions jeden Monat 1 Million überstieg. Angesichts des Betriebsumfangs beeinträchtigten solche Messfehler die Qualität der Entscheidungen des Einzelhändlers drastisch.

Um die Leistung von Werbekanälen in den verschiedenen regionalen BGC- Segmenten zu vergleichen, wurde entschieden, Daten zum Nutzerverhalten in einem Big Data Warehouse zu sammeln. OWOX schlug vor, Google BigQuery zu verwenden, da dieser Dienst Sicherheit, Flexibilität und schnelle Verarbeitung von Daten gewährleistet.

Die Verhaltensdaten der Website-Besucher werden dank der Google BigQuery-Exportfunktion automatisch aus Google Analytics in Google BigQuery importiert. Diese Funktion ist nur für Google Analytics 360-Kunden verfügbar.

Leistungsdaten von AdWords-Kampagnen werden automatisch in Google Analytics importiert. OWOX BI Pipeline hilft beim Importieren von Kostendaten für Werbekampagnen in Google Analytics und sammelt auch Daten zu allen Werbekosten in Google BigQuery.

Das interne System (ERP) speichert Daten über die Beziehungen zwischen Produktkategorien und BGC. Beispielsweise gehören Mikrowellenherde zur Gruppe der kleinen Haushaltsgeräte (SDA) und Laptops zur Gruppe der Computer . Die Analysten kopieren die Daten aus dem internen System in Google Sheets und importieren sie dann mit dem Add-on OWOX BI BigQuery Reports in Google BigQuery.

Das Datenerfassungs-Flussdiagramm ist unten angegeben:

Die für das Attributionsmodell benötigten Daten werden in Google BigQuery in zwei Tabellen gespeichert. Die erste Tabelle speichert Daten über Einkäufe, Nutzerverhalten und Werbeausgaben von Google Analytics. Der andere speichert Daten über Beziehungen zwischen Produktkategorien und BGC aus Google Sheets.

OWOX-Experten führten die Daten aus diesen beiden Tabellen nach der Produktkategorie-ID mithilfe der JOIN-Operation zusammen. Die Daten wurden wie folgt kombiniert:

Das Unternehmen wollte sehen, mit welchen Kanälen die Nutzer am häufigsten und in welcher Reihenfolge interagieren. Die Kanäle, die am häufigsten die ersten beiden Sitzungen im Conversion-Pfad bringen, würden in den oberen Stufen des Trichters am besten abschneiden, da sie dazu beitragen, Benutzer auf die Website zu locken. Die Kanäle, die am häufigsten die letzten beiden Sitzungen vor dem Kauf bringen, würden im unteren Trichter besser abschneiden: Sie helfen den Käufern, die Entscheidungen zu treffen.

OWOX-Analysten schlugen vor, Bestellungen nach der Anzahl der Sitzungen für die Transaktion zu segmentieren (1, 2, 3, 4 und mehr als 5 Sitzungen). Lange Conversion-Pfade (5+ Sessions) werden ähnlich behandelt wie kurze: Das Hauptaugenmerk liegt auf den ersten beiden und den letzten beiden Sessions. Dies sind die Sitzungen, in denen ein Benutzer etwas über ein Produkt erfährt und eine Kaufentscheidung trifft. Die Sitzungen dazwischen tragen viel weniger bei, daher werden sie alle zusammen analysiert.

Das OWOX-Team richtete mithilfe des OWOX BI BigQuery Reports-Add-ons den automatischen Import von Segmentierungsergebnissen in Google Sheets ein und erstellte einen Bericht. Der Bericht zeigt, wie Werbekanäle für verschiedene Standorte und verschiedene BGCs abschneiden. Zum Beispiel kann jetzt gesehen werden, wie oft Benutzer die Website besuchen, indem sie auf Google-Anzeigen in verschiedenen Phasen des Trichters in langen (5+ Sitzungen) Konversionspfaden klicken. Die Spezialisten des Unternehmens können die Leistung von Anzeigen in Google und Criteo vergleichen und sehen, welche der Kanäle im oberen, mittleren und unteren Trichter für jedes Regions-BGC-Segment besser abschneiden würden.

Um die Arbeit der Manager und Marketingspezialisten zu erleichtern, visualisierten OWOX-Experten die Daten in Form von interaktiven Dashboards. Google Data Studio wurde aus folgenden Gründen als Dashboarding-Lösung ausgewählt:

• Die Arbeit mit Dashboards ist komfortabel: Daten können einfach nach Datum oder ausgewählten Dimensionen gefiltert werden.
• Datenquellen für das Reporting lassen sich mit wenigen Klicks anbinden.
• Unbegrenzte benutzerdefinierte Berichte und Dashboards können kostenlos erstellt werden.

Als Ergebnis wurde das Dashboard empfangen, das anzeigt, wie Käufe nach Anzeigenquelle, Region, einer Unternehmensgruppe von Kategorien (BGC) und der Pfadlänge vor dem Kauf segmentiert werden.

Durch das Sammeln und Verarbeiten von Daten in Google BigQuery mit Google Analytics 360 und OWOX BI konnte das Unternehmen die Leistung von Werbekanälen für verschiedene Regionen und BGC auswerten und die Ergebnisse auch in Google Data Studio visualisieren. Dies half bei der Beantwortung von Fragen wie:

• Welche Kanäle schneiden am oberen, mittleren und unteren Trichter besser ab?
• Welche Kanäle schneiden in einem bestimmten „Region – BGC“-Segment besser ab?
• Welches «Region-BGC»-Segment wird am meisten gekauft?

Nun soll das Performance-Marketing-Budget im zweiten Halbjahr 2017 auf Basis der Testergebnisse überprüft und neu verteilt werden.