SEMrush-Fallstudie: Warum Rohkostendaten für Facebook-Anzeigen sammeln?

SEMrush ist ein Dienst zur Verwaltung der Sichtbarkeit von Websites in Suchergebnissen. Es umfasst Plattformen für SEO, PPC, Kampagnenmanagement, Content-Marketing und Marktforschung. SEMrush hat mehr als 5 Millionen Benutzer auf der ganzen Welt und zählt eBay, Quora, Booking. com, BNP Paribas und andere Unternehmen zu seinen Kunden.

SEMrush-Zielgruppen in jeder Region haben ihre eigenen Merkmale, und um Benutzer anzuziehen, reicht es oft nicht aus, nur Klicks auf Werbung zu verfolgen. Um die Effektivität von Werbekampagnen richtig zu bewerten, braucht SEMrush daher weit mehr als Statistiken zu Klicks, Ausgaben und UTM-Tags.

In diesem Artikel erklärt der SEMrush-Datenanalyst Konstantin Perevozchikov, wie sein Team Rohdaten verwendet, die mit der Facebook Ads → Google BigQuery-Pipeline von OWOX BI gesammelt wurden, um die Effektivität von Werbekampagnen zu analysieren.

Früher haben wir Kostendaten von Facebook-Werbekonten auf zwei Arten erfasst:

1. Importieren Sie Kostendaten, Klicks, Impressionen und UTM-Tags mithilfe der OWOX BI Facebook Ads → Google Analytics-Pipeline und laden Sie sie dann mithilfe der Google Analytics → Google BigQuery-Pipeline in Google BigQuery hoch.
2. Verwenden Sie unsere eigenen, vom SEMrush-Team geschriebenen Skripte, die bestimmte Daten von einem Facebook-Werbekonto zu Google BigQuery hochladen.

Dieser Ansatz hatte mehrere Nachteile.

Erstens haben wir nicht alle Daten bekommen, die wir brauchten. Beispielsweise haben wir keine Daten zu Anzeigenregionen und Daten erhalten, die zum Berechnen der Kosten von Nutzeraktionen nach Anzeigenaufrufen erforderlich sind. Darüber hinaus mussten wir Daten von verschiedenen Konten und für verschiedene Daten manuell kombinieren und überwachen.

Zweitens mussten wir unsere eigene Lösung unterstützen und fertigstellen, damit sie alle unsere Datenerfassungsaufgaben löste und für regelmäßige Änderungen in der Facebook-API bereit war. Dazu mussten wir Programmierer ständig bezahlen, Zeit und Geld aufwenden.

Daher haben wir uns entschieden, die neue Facebook Ads → Google BigQuery-Pipeline von OWOX BI auszuprobieren. Diese Pipeline sammelt alle Daten, die wir benötigen, in einem praktischen Format, überwacht ihre Relevanz und funktioniert sofort, sodass wir nichts manuell tun müssen, um Daten zusammenzuführen.

OWOX BI lädt etwa 200 Felder mit verschiedenen Daten von Facebook-Werbekonten herunter.

Dies ist wichtig, da jedes SEMrush-Produkt ein separates Entwicklungs- und Marketingteam hat und jedes Team sein eigenes Werbebudget hat.

Sie müssen nicht nur die Kosten der Sitzung zählen, sondern auch einzelne Aktionen innerhalb der Sitzung, um die Effektivität der Werbeinvestitionen für jedes Team zu bewerten. Und Sie müssen Kosten nicht für eine Sitzung, sondern für eine Aktion zuordnen. Auf diese Weise wissen wir sicher, dass wir für die Conversion-Aktionen W, Y und Z den Betrag X bezahlt haben, was für uns entweder akzeptabel ist oder nicht. Dann kann jedes Team die Kosten pro Aktion (CPA) berechnen, auch wenn es in derselben Sitzung mehrere Schlüsselaktionen gab.

Die Daten, die wir mit OWOX BI von Facebook erhalten, ermöglichen es uns, tiefgreifende Analysen zu erstellen.

Dazu kombinieren wir Kostendaten mit Daten zum Verhalten von Website-Benutzern (heruntergeladen von einer separaten OWOX-BI-Pipeline) mithilfe von 150 speziellen Skripten. Und je detaillierter unsere Daten aus Werbekonten sind, desto genauer können wir Nutzeraktionen einschätzen.

Darüber hinaus lädt die Facebook Ads → Google BigQuery-Pipeline die folgenden Daten herunter, die für unsere Werbung wichtig sind:

Konversionsziel — Dank dieses Feldes sehen wir, für welches Ziel die Werbekampagne eingerichtet ist, und verstehen, in welcher Phase des Konversionstrichters sich der Benutzer befindet (z. B. Registrierung oder Testversion).

Werbelink – Ermöglicht es uns, einen Berührungspunkt und eine bestimmte Werbung genau zuzuordnen.

Anzeigensignaturen auf Bannern — In unserer Arbeit nutzen wir die tief eingebettete Struktur von Werbekonten. Durch das Signieren von Anzeigen auf Bannern können wir Kampagnen mit maximalen Details messen und markieren. Dann können wir die Ziele genau bestimmen und Kampagnen Aktivitäten zuordnen.

Viele Textfelder (z. B. Kampagnenname und Anzeigensatz) – Wir haben spezielle Skripts geschrieben, die die Werte solcher Felder aus BigQuery in Google Sheets herunterladen. Dann verwenden Vermarkter sie, um Werbekonten schnell und genau auszuzeichnen.

SEMrush ist ein internationales Produkt, und es ist uns wichtig, die Wirksamkeit von Werbung in verschiedenen Regionen zu analysieren. Beispielsweise sind die Kosten für einen Klick in den USA und in Indien unterschiedlich. Das bedeutet, dass der endgültige CPO von Land zu Land unterschiedlich ist.

Einer der Hauptvorteile der Facebook Ads → Google BigQuery-Pipeline ist für uns, dass die Pipeline Daten von einem Werbekonto in verschiedenen Ländern bereitstellt.

Anhand von Facebook heruntergeladener Rohdaten können wir herausfinden, wie viel Geld wir in einem bestimmten Land für bestimmte Kampagnen ausgeben. Dann können wir den Benutzern Berührungspunkte zuordnen und den ROI dieser Kampagnen berechnen.

Wir verfolgen, wie Anzeigen in Abhängigkeit von der Geographie des Publikums funktionieren, und können Kampagnen nach Land feinabstimmen.

Die Facebook Ads → Google BigQuery-Pipeline vereinfacht den Prozess der Analyse der Effektivität von Werbekampagnen erheblich.

• Wir sammeln alle Daten, die wir benötigen, und zusätzliche Skripte werden nur für Sonderfälle benötigt, wie z. B. die Berechnung der Kosten für das Anziehen einzelner Benutzeraktionen.
• OWOX BI lädt viele wichtige Daten für uns herunter, einschließlich entscheidender Daten wie Regionsdaten, mit denen wir die geografische Verteilung der Werbekosten messen können.
• Die Pipeline sammelt automatisch Daten von allen unseren Facebook-Werbekonten in einer einzigen partitionierten Google BigQuery-Tabelle. Dies vereinfacht die Kostenanalyse erheblich.
• Die Pipeline überwacht die Relevanz heruntergeladener Daten. Sollten sich die Daten im Werbekonto nachträglich ändern, aktualisiert OWOX BI diese in BigQuery.
• Außerdem hat uns das OWOX BI-Team geholfen, historische Daten für die letzten drei Jahre von unseren Facebook-Werbekonten herunterzuladen. So können wir die Kampagnendynamik auswerten und wichtige Änderungen in der Vergangenheit nachverfolgen, die sich erheblich auf die Ergebnisse aktueller Kampagnen auswirken.
• Wir müssen keine Programmierer einbeziehen, um die Datenerfassung und -konsolidierung einzurichten, da die sofort einsatzbereite OWOX BI-Pipeline alles erledigt, was wir brauchen.

In naher Zukunft planen wir, die meisten der von uns geschriebenen Skripte aufzugeben und Facebook-Anzeigendaten (und auch LinkedIn-Daten) nur mit OWOX BI-Pipelines zu sammeln.