Marketinginspanningen sturen wordt moeilijker door limiteringen in data
KitchenAid heeft een geschiedenis van innovatie en heeft in de loop der jaren verschillende baanbrekende producten geïntroduceerd, zoals de iconische standmixer die nu niet meer weg te denken is uit vele keukens. Uit onderzoek blijkt dat de online vraag naar kleine keukenapparatuur in Europa verschuift en groeit van 39% in 2021 naar 42% in 2022. E-commerce aanspreken is duidelijk een effectieve manier om de verkoop van KitchenAid te laten groeien, maar dat is niet vanzelfsprekend. Niet alleen is het e-commerce landschap voor keukenapparatuur zeer concurrerend, maar de producten van KitchenAid zijn premium geprijsd, wat het moeilijker maakt voor KitchenAid om hun positie te vinden in de e-commerce markt waar prijsvergelijking en value shopping gemeengoed zijn.
Bijgevolg is het onze natuurlijke reflex om ons te wenden tot onderzoeksgegevens om weloverwogen beslissingen te nemen over hoe efficiënt te werken. Maar daar worden we geconfronteerd met de beperkingen die cookie consent met zich meebrengt. Bijgevolg wordt het moeilijker om het succes van campagnes te meten en toe te schrijven. Onze upper-funnel of prospectie campagnes, die vaak het eerste contactmoment met ons merk vormen, worden ondergewaardeerd. Als gevolg daarvan wordt het moeilijker om budgetten toe te wijzen aan verschillende kanalen en campagnes. Bovendien zijn conversie kanalen zoals Google Ads sterk afhankelijk van gegevens voor het leren van algoritmen en prestaties. Voor KitchenAid, dat door de hoge prijs van zijn keukenapparatuur weinig conversie volumegegevens heeft, is deze impact nog groter.
Uiteindelijk werd het marketingteam van KitchenAid door dit verlies aan gegevens steeds blinder over hoe ze hun marketinginspanningen efficiënt konden uitvoeren. Wat we nodig hadden, was een manier om dit te overwinnen en terug te keren in de cockpit.
Mijn gegevens zijn niet perfect en daar heb ik vrede mee
De missie is duidelijk. Maar voordat we verder gaan met het verhaal, moeten we eerst een misvatting uit de wereld helpen. Gegevenskwaliteit is ongetwijfeld een belangrijk onderdeel van elke succesvolle gegevensgerichte beslissing. Shit in. Shit uit. Bij Semetis worden we regelmatig gevraagd om op miraculeuze wijze de kloof te overbruggen tussen datasignalen van een platform met een andere database. En omdat de gegevens niet altijd overeenkomen, worden ze uiteindelijk verworpen als geldige gegevens. Het niet vastleggen van sommige gegevenspunten betekent niet dat er geen informatie uit uw gegevens kan worden gehaald. Over het algemeen zijn de gegevens die je krijgt bij webanalyse en digitale reclame zeer nauwkeurig, tenzij je het helemaal verknald hebt bij de implementatie. Als een deel van de gegevens om welke reden dan ook niet wordt verzameld, is dat prima. De gegevens die je hebt zijn nog steeds zeer waardevol. Webanalyse tools zijn bedoeld om trends en verhoudingen te meten, om netwerken en platforms met elkaar te verbinden. Webanalyse tools zijn geen kankerscanners, en benaderende gegevens zijn OK.
Datamodellering om de kracht van de gegevens die je hebt te vergroten
KitchenAid heeft dat ook begrepen. De beperkte datapunten die we hebben zijn bruikbaar om binaire beslissingen te nemen. Dus, hoe kunnen we onze gegevens laten werken? Wij maakten gebruik van de technologie SegmentStream, een Conversion Modeling Platform dat algoritmen voor machinaal leren gebruikt om elke websessie te evalueren en te voorspellen hoe waarschijnlijk het is dat de gebruiker in de toekomst zal converteren. Als de waarschijnlijkheid hoog genoeg is, creëert het platform een Modeled Conversion die onmiddellijk wordt toegeschreven aan de verkeersbron en wordt gebruikt voor meting en optimalisatie. Deze Modeled Conversion oplossing kan het verlies van gegevens door het verdwijnen van cookies compenseren.
Met SegmentStream kunnen gegevens uit meerdere bronnen worden verzameld. Voor KitchenAid werden gedragsgegevens van Google Analytics 360 en kosten-, klik- en impressiegegevens van verschillende advertentieplatforms zoals Facebook Ads, Google Ads en Awin (affiliatieplatform) geïntegreerd. Vervolgens wordt de dataset gebruikt om een machine learning-model te trainen om Modeled Conversions uit te voeren.
Het staat buiten kijf dat zoekmachines de deur zijn naar elk e-commerce pand. De cijfers spreken voor zich: 87% van de shoppers beginnen hun zoektocht naar producten online. Consumenten die zoekopdrachten gebruiken zijn 2,4 keer meer geneigd om te kopen. Voor de e-commerce van KitchenAid is het dus een no-brainer om onze Google Ads-campagnes, in 11 landen met elk een andere website, goed op elkaar af te stemmen. Daarom hebben we de verkoopvoorspellingen van SegmentStream op basis van het gedrag van de gebruikers op de website gekoppeld aan onze Google Ads account. Zo zorgden we ervoor dat Google's slimme biedalgoritme de gemodelleerde conversies integreerde als datapunten, wat op zijn beurt beter geoptimaliseerde campagnes naar ecommerce inkomsten toelaat.
Uitvoeren van A/B-tests om het effect van de gemodelleerde conversies te valideren
Om te garanderen dat de implementatie van de gemodelleerde conversies daadwerkelijk een positieve impact had op de totale inkomsten, en vooral op de ROAS, voerden we een A/B-test uit in twee rondes. Eerst op de Brand en Generic keyword campagnes, en vervolgens op de Performance Max campagnes. En dit werd gedaan voor 11 Europese landen.
- Campagnes A maakten gebruik van een biedstrategie met maximale conversiewaarde en waren geoptimaliseerd voor websiteaankopen, verzameld via de Google Ads-tag.
- Campagnes B gebruikten dezelfde biedingsstrategie, maar waren geoptimaliseerd voor SegmentStream Modeled Conversions.
In de eerste iteratie van de test lieten de merkcampagnes die geoptimaliseerd waren voor Modeled Conversions een betere ROAS zien, terwijl de generieke campagnes geen significant verschil lieten zien om de test sluitend te maken. Een deep dive bracht aan het licht dat de generieke campagnes te klein waren, in termen van datapunten, om voldoende resultaten te genereren.
We besloten toen de test uit te rollen voor de Performance Max-campagnes (op winkelvoorraad). Aangezien Google niet de mogelijkheid biedt om een A/B-test uit te voeren voor Performance Max-campagnes om verschillende optimalisatiestrategieën te vergelijken, werd een experiment uitgevoerd op basis van geolocatie in Duitsland. Het land werd verdeeld in twee regio's met vergelijkbaar gedrag, en we pasten dezelfde logica toe voor de opzet als hierboven beschreven.
De A/B-tests liepen over een periode van twee maanden om sluitende beslissingen te kunnen nemen.
Zelfs met beperkte gegevens is een verhoging van de ROAS met 15% mogelijk.
De testresultaten waren opmerkelijk. Door de Modelled Conversions van SegmentStream te gebruiken in de B campagnes, stelden we een stijging van 15% in ROAS vast, terwijl we hetzelfde investeringsniveau behielden. Daarom hebben we besloten om de Modelled Conversion optimalisatie op lange termijn te implementeren voor alle campagnes van Google Ads in de 11 landen. Daardoor zitten we nu 5% boven onze doelstelling.
Bovendien is er een extra bonus voor onze 11 landen wereldwijd.
- Het verkoopvolume is met 7% verbeterd
- De kosten per klik van onze campagnes zijn met 27% gedaald. Dankzij deze daling van de kosten per klik konden we met dezelfde budgetten meer kwalitatieve zoekopdrachten uitvoeren.
Deze verbeteringen betekenen dat KitchenAid nu meer websitebezoekers aantrekt met een hoge waarschijnlijkheid om een aankoop te doen, wat resulteerde in een hogere omzetgroei voor het bedrijf.
Floriane Defacqz
| LinkedinDit E-mail adres wordt beschermd tegen spambots. U moet JavaScript geactiveerd hebben om het te kunnen zien.
