[Fallstudie] Midsummer Agency – Dynamisches Remarketing und Regex

Inhaltsverzeichnis

Nr . 1 Nutzen Sie reduzierte Produkte mit dynamischem Remarketing

• Herausforderung: Unzureichende Konversionsrate für dynamische Remarketing-Kampagne
• Lösung: Nutzung des Attributs ads_label für reduzierte Produkte
  
• Ergebnisse: Steigerung der Konversionsrate, Verbesserung der durchschnittlichen Verweildauer auf der Seite und der Absprungrate.
  
  

#2 Verhindern Sie Fehler, indem Sie reguläre Ausdrücke verwenden

• Herausforderung: Eine endliche Anzahl von Varianten, um eine Regel mit der Funktion „statischen Wert hinzufügen“ zu erstellen
• Lösung: Erstellen dynamischer und skalierbarer Regeln unter Verwendung regulärer Ausdrücke
• Ergebnisse: automatisierte und schnelle Kategorisierung neuer Attribute

#3 Buchen Sie eine Feed-Expertenberatung [KOSTENLOS]

#1 Nutzen Sie reduzierte Produkte mit dynamischem Remarketing

Eine der besten Remarketing-Praktiken besteht darin, Benutzer basierend auf ihrer Position im Kauftrichter zu segmentieren. Auf diese Weise können Sie benutzerdefinierte Kampagnen und Anzeigengruppen erstellen, um unterschiedliche Strategien, Gebote und Budgets zu übernehmen.

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 Einkaufswagen zu legen, haben wir festgestellt, dass die Conversion-Rate unter dem Ziel lag. Also entschieden wir uns, unsere Strategie zu ändern.

Lösung

Nutzen Sie reduzierte Produkte, um den Verkauf anzukurbeln.

Wir haben uns gefragt: Was ist, wenn wir versuchen, die Conversions zu steigern, indem wir eine Kampagne testen, die sich nur an Benutzer richtet, die heute ein rabattiertes Produkt besucht haben? Um die Strategie umzusetzen, haben wir in DataFeedWatch eine Regel entwickelt, um ein ads_label namens „sale“ zu erstellen, das mit allen reduzierten Produkten verknüpft wird. Mit der Funktion „statischen Wert hinzufügen“ haben wir die folgende Logik angewendet:

Notiz:

Dabei handelt es sich nicht um das klassische Attribut custom_label, sondern um ein spezifisches Attribut, das ausschließlich für Display-Kampagnen vorgesehen ist.

Warum ads_label verwenden?

Bisher ist es eines der wenigen Attribute, die Sie verwenden können, um Produkte in Ihren dynamischen Anzeigen auf Kampagnenebene zu filtern.

Anschließend erstellten wir eine Test-Remarketing-Kampagne – einen Klon der ursprünglichen – die ausschließlich Anzeigen der gefilterten Produkte anzeigte. Nämlich die reduzierten Artikel für Benutzer, die in den letzten 30 Tagen Interesse an ihnen gezeigt haben.

Wer von uns nutzt nicht gerne einen Rabatt?

Ergebnisse

Die Wirkung dieser Strategie war beeindruckend, sowohl in Bezug auf den Umsatz als auch auf das Engagement. Die Taktik ermöglicht es dem Werbetreibenden, ein natürliches Kaufphänomen zu nutzen, bei dem Benutzer, die mit einem reduzierten Angebot angelockt werden, auch andere Produkte entdecken und kaufen.

In der Testkampagne verzeichneten wir eine Steigerung der Konversionsrate um 18 % im Vergleich zur ursprünglichen, eine Verbesserung der durchschnittlichen Verweildauer auf der Website um 30 Sekunden und eine um 20 % verbesserte Absprungrate.

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

Durch das Filtern der Kampagne nach einer Untergruppe von Produkten konnten wir schließlich den Anteil an möglichen Impressionen von 10 % auf 38 % steigern.

Zurück zum Seitenanfang oder Buchen Sie eine Ernährungsberatung von Experten [KOSTENLOS]

#2 Verhindern Sie Fehler, indem Sie reguläre Ausdrücke verwenden

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 werden häufig in der Programmierung und Datenanalyse verwendet. Und auch für uns Marketer sind sie ein Schweizer Messer, das man immer mit sich herumtragen muss. Zum Beispiel, wenn wir Google Analytics verwendet haben, um Ansichtsfilter, Ziele oder Segmente zu erstellen.

Das Erstellen komplexer Abhängigkeiten zwischen Feedattributen kann ein mächtiges Werkzeug in den Händen digitaler Vermarkter sein. Aber es kann auch zu einer zweischneidigen Waffe werden, wenn Sie nicht aufpassen und Vorsichtsmaßnahmen treffen. 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 aufgenommen werden sollen, um qualitativ hochwertigen Traffic zu konvertieren. In diesem Zusammenhang empfehlen wir diesen ausgezeichneten Google-Leitfaden zu den Best Practices für diejenigen, die in der Modebranche arbeiten.

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

Das Endergebnis ist: Designer Damen-Baumwollhemd, Rot, Produktname, XL.

Und soweit alles in Ordnung. Häufig sind die im Titel verwendeten internen Felder nicht in den Rohdaten enthalten – sie müssen extrapoliert oder mithilfe der im Quell-Feed bereitgestellten Daten neu erstellt werden. In diesem speziellen Beispiel haben wir die Informationen aus einer Feed-Spalte abgerufen, die Informationen über die Farben und Materialien der verkauften Artikel enthält. Produktattribute, die von Google einfach nicht lesbar wären, wenn sie in der ursprünglichen Feedspalte bereitgestellt würden.

Der linke Teil des obigen Bildes zeigt die Spalte „Tags“ des Quell-Feeds. Der rechte Teil zeigt ein Beispiel dafür, wie wir diese Informationen verwendet haben, um eine Regel zu entwickeln, die das Attribut „Materialien“ erstellt.

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 vorhanden sind. In einem solchen Fall geht die Dynamik verloren. Was passiert, wenn der Kunde dem Katalog neue Produkte hinzufügt, deren Materialien noch nicht kategorisiert sind oder Farben und Muster, die bis dahin nicht vorgesehen sind?

Ich sage Ihnen ... die Attribute (zB Materialien, Farben usw.) werden leer sein, oder noch schlimmer, sie werden falsche Werte anzeigen. Infolgedessen zahlen die abhängigen Attribute wie der Titel und schließlich andere, die diese internen Felder verwenden (z. B. benutzerdefinierte Labels, Beschreibungen), die Konsequenzen und verwandeln sich in etwas wie das Folgende:

Designer-Damenhemd , , , Produktname, XL

Sicherlich ist es kein optimierter Titel. Ich lasse Sie sich vorstellen, welche Auswirkungen eine Situation wie diese haben kann. Nicht nur auf die Leistung, sondern auch auf die Struktur Ihrer Shopping-Kampagnen, die plötzlich nicht mehr funktionieren können.

Lösung

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

Mithilfe von regulären Ausdrücken konnte eine dynamische und skalierbare Regel erstellt werden - viel besser als bei der vorherigen Lösung. Dieser Mechanismus extrahiert automatisch die gegenwärtigen und zukünftigen Informationen zu Materialien aus dem Quell-Feed, wodurch das Risiko einer Beeinträchtigung der Funktionsweise der abhängigen Attribute eliminiert wird.

So erhalten Sie das gleiche Ergebnis wie im vorherigen Screenshot, jedoch auf skalierbare Weise, indem Sie nur einfache reguläre Ausdrücke verwenden.

Denken Sie immer daran, die Funktionsweise regulärer Ausdrücke zu testen. Die Vorschau-Option und der Support von DataFeedWatch sind dabei eine große Hilfe.

Ergebnisse

Nach dieser Optimierung konnten wir Feed-Fehler und Verkehrsabstürze verhindern. Darüber hinaus konnten wir die Kategorisierung neuer Attribute, Farben, Kategorien und anderer vom Kunden erstellter Produktinformationen 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 Kraft des menschlichen Gehirns Sie beim Testen unkonventioneller Ideen und bei der Vorbeugung und Lösung alltäglicher Probleme unterstützen kann. Wir helfen Ihnen, wettbewerbsfähig zu bleiben und apokalyptische Szenarien zu vermeiden.

Die einzige Grenze ist die Kreativität, hören Sie nie auf zu testen!!

--
Hat Ihnen dieser Artikel gefallen? Sehen Sie sich Micheles Profi-Tipp zur Nutzung des Suchnetzwerks von Partnern an.

Fallstudie der Midsummer Agency