Mit Google Ads Data Hub wissen Sie, wo Sie zu viel ausgeben

Veröffentlicht: 2023-03-30

Was ist Google Ads Data Hub?

Google Ads Data Hub ist ein sicheres Datenanalysetool, das für Werbetreibende, Agenturen und Messpartner entwickelt wurde. Es ermöglicht Ihnen, wertvolle Einblicke zu gewinnen, die über das hinausgehen, was auf Ihrer Anzeigenplattform verfügbar ist.

Was Google ADH von anderen Datenanalyseplattformen unterscheidet, ist die Fähigkeit, First-Party-Daten in einer datenschutzsicheren Umgebung zu verwenden. Die Kampagnenleistung kann aus den folgenden Google-eigenen Kanälen aggregiert und gemessen werden:

  • Google Ads
  • YouTube-Reservierung
  • DV360
  • Campaign Manager 360

Werbetreibende können dann ihre First-Party-Daten – wie z. B. Kaufdaten aus einer Kundendatenbank – mit aggregierten Daten aus den oben aufgeführten Kanälen kombinieren, um neben tieferen Einblicken ein klareres Bild der Leistung zu erhalten.

Wie funktioniert Google Ads Data Hub?

Lassen Sie uns auf die Besonderheiten der Funktionsweise von Google Ads Data Hub eingehen.

Was Ads Data Hub antreibt, ist BigQuery – eine Google-eigene Cloud-Datenbank (aufgebaut auf der Google Cloud Platform), die die Datenverarbeitung und -analyse ermöglicht.

Wie oben erwähnt, nimmt Google ADH Daten von DV360, CM360, YouTube und Google Ads. Diese plattformseitigen Daten werden dann in der Cloud als Google-eigenes BigQuery-Projekt gespeichert.

Persönliche Daten von Erstanbietern werden gehasht (was sie datenschutzsicher macht) und dann mit Daten von Werbeplattformen kombiniert, um wichtige Einblicke in das Publikumsverhalten und die Kampagnenleistung zu erhalten.

dta_hub_api

Schema, das zeigt, was Ads Data Hub leisten kann | Croud

Die Ausgabe dieser kombinierten Daten besteht darin, dass sie dann heruntergeladen, in ein Dashboard – wie Googles Looker Studio – eingesteckt oder sogar zur Datenaktivierung an Anzeigenplattformen zurückgesendet werden können.

So führen Sie eine Abfrage in Google Ads Data Hub aus

Hier sind die Schritte zum Erstellen und Ausführen einer neuen Abfrage in Ads Data Hub:

  1. Um eine Abfrage in Ads Data Hub zu erstellen, navigieren Sie zunächst zum Tab „Abfragen“.
  2. Klicken Sie auf die Schaltfläche „+ Abfrage erstellen“, um die Seite Analyse-Abfragevorlagen zu öffnen.
  3. Erweitern Sie, um eine Vorschau der Vorlagen-SQL anzuzeigen, bevor Sie eine Vorlage auswählen. Sie können benutzerdefinierte Tabellen verwenden, um die Abfrage zu erstellen. Obwohl eine Sache zu beachten ist, ist es jetzt eine bewährte Methode, einen Teil der Syntax zu entfernen und temporäre Tabellen zu verwenden, anstatt nur die Vorlagentabellen zu verwenden.
  4. Wählen Sie als Nächstes die Vorlage aus, die Sie verwenden möchten, indem Sie auf die Schaltfläche "Vorlage verwenden" klicken, oder wählen Sie die Option "Leer", um eine Abfrage von Grund auf neu zu erstellen.
  5. Geben Sie Ihrem Bericht einen Namen, anhand dessen Sie ihn leicht identifizieren können.
  6. Schreiben oder ändern Sie die Abfrage mit BigQuery-kompatiblem SQL. Sie können die verfügbaren Tabellen und Felder auf der Registerkarte Google-Tabellen verwenden.
  7. Konfigurieren Sie bei Bedarf Parameter , um Ihre Abfrage weiter anzupassen.
  8. Sie können bei Bedarf auch die gefilterte Zeilenzusammenfassung konfigurieren.
  9. Wenn Sie mit Ihrer Abfrage fertig sind, klicken Sie auf die Schaltfläche "Speichern", um sie zu speichern.

Weitere Informationen zum Ausführen von Abfragen in Ads Data Hub finden Sie hier in einer Ressource von Google .

Vorteile der Verwendung von Ads Data Hub

Wir haben oben einige der Vorteile der Verwendung von Google Ads Data Hub angesprochen, aber hier ist eine Zusammenfassung einiger der wichtigsten Vorteile.

1. Datenschutz

In Bezug auf die Privatsphäre der Nutzer kann viel über die heutige Online-Werbelandschaft gesagt werden. Es ist seit vielen Jahren ein heißes Thema und ich gehe davon aus, dass es auch in den kommenden Jahren so bleiben wird. Einer der Hauptvorteile der Verwendung von Ads Data Hub besteht also darin, dass es DSGVO-konform und aus Sicht des Datenschutzes sicher ist.

Laut Google werden Vermarkter und Messpartner von strengen Datenschutzprüfungen profitieren , die die personenbezogenen Daten der Nutzer online schützen und gleichzeitig umfassende Analysen durchführen können.

In vielerlei Hinsicht wird der Umgang mit der Privatsphäre der Benutzer im digitalen Marketing immer schwieriger – von der DSGVO bis zum bahnbrechenden iOS14-Update. Die Tatsache, dass Google Ads Data Hub die Privatsphäre respektiert, ist ein großes Plus.

2. Kombinierte Daten

An sich können plattformseitige Daten aufschlussreich sein, da ihre rigorose Ereignisverfolgung es ermöglicht, die Kampagnenleistung zu verstehen und Kampagnen erfolgreich zu optimieren. Das Kombinieren von Plattformdaten mit eigenen First-Party-Daten hat jedoch den Vorteil, dass Ihre Lernergebnisse wesentlich verbessert werden.

Auch bei lückenloser Ereignisverfolgung wird Google ADH ein noch besseres Verständnis der Leistung und des Nutzerverhaltens liefern. Es überbrückt eine Datenlücke, die viele Unternehmen und Werbetreibende nur schwer schließen können. Plötzlich werden Insights klarer und wertvoller und theoretisch wird die Entscheidungsfindung als Marketer einfacher.

3. Publikumsverhalten

Nach der Kombination von Plattform- und First-Party-Daten haben wir noch mehr Einblick in das Publikumsverhalten. Es ist möglich, sich Klarheit darüber zu verschaffen, wie Zielgruppen auf verschiedenen Kanälen mit Anzeigen interagieren und wie sich Zielgruppen auf verschiedenen Geräten verhalten. Es macht es einfacher zu verstehen, welche Zielgruppensegmente im Allgemeinen am besten konvertieren.

Und dieser umfassendere Einblick in das Publikumsverhalten – etwas, das in der Werbung oft eine Grauzone darstellt – ist einer der Hauptvorteile der Verwendung von Google ADH.

4. Optimierung

Last but not least (und meiner Meinung nach der Hauptvorteil der Verwendung von Google ADH) sind die Gewinne, die sich nach dem Abrufen von Berichten und der Analyse von Daten ergeben. Daten zu verknüpfen, tiefere Einblicke zu erhalten und das Publikumsverhalten besser zu verstehen, ist schön und gut. Aber was Sie mit diesem Wissen tun, ist am wichtigsten.

Nach der Datenanalyse können Werbetreibende diese Daten verwenden, um Optimierungen vorzunehmen und die Leistung zu verbessern. Ob es darum geht, das zu verdoppeln, was umsatzstarke Kunden antreibt, oder Bereiche mit schlechter Leistung zurückzuziehen, um den ROAS zu verbessern.

Verwenden Sie Ads Data Hub, um Einblicke in Mehrausgaben zu erhalten

Google Ads Data Hub ist nicht darauf ausgelegt, die Werbeausgaben zu verwalten, noch ist es darauf ausgelegt, zu verhindern, dass Ihre Kampagnen zu viel ausgeben. Durch die Bereitstellung von Einblicken in die aktuelle und vergangene Leistung sowie das Verhalten des Publikums kann es jedoch eine Richtung vorgeben, wo es am besten ist, Geld auszugeben.

Werbestrategien können daher verfeinert werden und Werbetreibende können bestimmen , wo sie am besten ausgeben können, um den ROAS zu maximieren .

Hier sind einige praktische Möglichkeiten, wie Ads Data Hub für intelligentere Ausgaben und zur Reduzierung von Mehrausgaben verwendet werden kann:

  • Analysieren Sie Zielgruppendimensionen und -segmente wie Alter, Standort, Gerät, Zeitplan und Interessen – im Wesentlichen alle Datensegmente, die Ihnen zur Verfügung stehen und für Ihr Ziel relevant sind. Versuchen Sie herauszufinden, wie Sie Ihre Ausgaben für diese Dimensionen und Segmente effizienter gestalten und Kampagnen entsprechend optimieren können.

  • Analysieren Sie auf ähnliche Weise die Placement-Leistung, um festzustellen, welche Websites, Apps, Videos und andere Placements erfolgreich sind und welche unterdurchschnittlich abschneiden. Verfeinern Sie anschließend Ihre Kampagnen, indem Sie die Ausgaben für die Platzierungen mit der schlechtesten Leistung reduzieren und sich stattdessen auf die leistungsstärksten konzentrieren

  • Die Leistung von Schlüsselwörtern und Suchanfragen kann auf die gleiche Weise analysiert werden, um Ausgaben für Schlüsselwörter mit schlechter Leistung einzuschränken. Beispielsweise kann ein Schlüsselwort hervorragende Arbeit leisten, um Leads zu generieren, aber durch die Kombination mit Kundendaten ist es möglich zu verstehen, welche Leads zu Kunden werden. Verwenden Sie in diesem Beispiel diese Erkenntnis, um die Ausgaben für Keywords zu reduzieren, die qualitativ schlechte Leads generieren

  • Verstehen Sie die Kanalleistung und bestimmen Sie die Kanäle mit der besten Leistung. Beispielsweise stellen Sie möglicherweise fest, dass YouTube-Retargeting im Vergleich zu Display-Retargeting treuere Kunden generiert. Wenn dies der Fall ist, vermeiden Sie zu hohe Ausgaben für Display und investieren Sie stattdessen mehr Budget in YouTube

  • Finden Sie Ihre besten Zielgruppen, indem Sie First-Party-Kaufdaten wie frühere Käufe, wiederholte Käufe und hochwertige Käufe nutzen und diese mit bestimmten Kanälen, Kampagnen, Platzierungen und Zielgruppensegmenten abgleichen. Überlegen Sie sich erneut, wie Sie die Werbeausgaben optimieren können , damit Sie sich auf Ihre profitabelsten Kunden konzentrieren können

  • Modellieren Sie neue Zielgruppensegmente basierend auf der bisherigen Leistung Ihrer Zielgruppen. Beleben Sie dann Ihre Akquisitionsstrategie, indem Sie die Werbeausgaben auf diese modellierten Zielgruppensegmente konzentrieren. Die Verwendung echter First-Party-Daten zur Definition von Zielgruppen ist eine intelligentere Art, Budget zu investieren

Nutzen Sie die Erkenntnisse für die Multichannel-Marketing-Optimierung

Bei der Optimierung Ihrer Google Ads-Kampagnen können Sie noch einen Schritt weiter gehen. Unabhängig davon, ob Sie eine Performance Max-Kampagne, Google Shopping oder Search Ads ausführen, können Sie Ihren mit Leistungsdaten aus Ads Data Hub angereicherten Produkt-Feed verwenden, um Ihre Produkte oder sogar Ihre Gebotsstrategien zu segmentieren.  

Indem Sie benutzerdefinierte Labels erstellen, die Leistungsdaten in Ihren Feed integrieren, können Sie Ihre Kampagnen besser gruppieren, was die Gesamtleistung verbessert.

custom_labels_google_shopping

Beispiele für benutzerdefinierte Labels | Google

Beispiele für Segmentierungskampagnen, die benutzerdefinierte Labels verwenden, umfassen die Zuweisung von mehr Ausgaben für meistverkaufte Produkte oder Produkte mit hohem Lagerbestand und die Anpassung Ihres Feeds an Ihre leistungsstärkste Zielgruppe. Lesen Sie mehr über die hilfreichsten benutzerdefinierten Labels für Shopping-Kampagnen .

Andere Anwendungsfälle von Google Ads Data Hub

Es gibt zahlreiche andere Anwendungsfälle für Ads Data Hub, die Dateneinblicke und Erkenntnisse verbessern können, was Ihnen wiederum mit Möglichkeiten zugute kommt, Ausgaben effizienter zu gestalten und Einnahmen zu steigern:

  • Erstellen Sie benutzerdefinierte Berichte für verschiedene Browser und mobile Apps
  • Führen Sie veröffentlichungsübergreifende grundlegende benutzerdefinierte Attribution über Browser- und Mobile-App-Touchpoints hinweg aus
  • Messen Sie die Inkrementalität und verstehen Sie, wie jeder Berührungspunkt in einer Customer Journey die Conversions beeinflusst
  • Erhalten Sie einen Einblick, wie sich verschiedene Kampagnen überschneiden
  • Verstehen Sie die Videoleistung von YouTube-Kampagnen besser , mit Berichten abzüglich der Verwendung von Tracking-Pixeln

3 Google Ads Data Hub-Fallstudien

Google Ads Data Hub kann auf vielfältige Weise verwendet werden, um Ihre Daten zu verbessern und Ihre Entscheidungsfindung zu unterstützen. Aber nehmen Sie nicht mein Wort dafür.

Sehen wir uns einige Fallstudien an, die zeigen, wie drei bekannte Marken Ads Data Hub zu ihrem Vorteil nutzten und beeindruckende Ergebnisse erzielten.

EE-Fallstudie

google_data_hub_case_study

Quelle: TechXpert

Das britische Mobilfunknetz EE verschaffte sich mithilfe von Ads Data Hub und der Kombination von Plattformdaten mit Erstanbieterdaten ein detailliertes Bild der Kampagnenleistung. Sie ermittelten, welche Kunden am ehesten ihre Telefonpläne aktualisieren würden, und nutzten diese Erkenntnisse dann zur Feinabstimmung ihrer Akquisitionsstrategie. Das Ergebnis war eine Steigerung des ROAS um 57 % .

Was die Ausgaben anbelangt, ermöglichte Ads Data Hub EE, in die richtigen Akquisitionskanäle zu investieren und somit nicht zu viel in Bereiche zu investieren, die mit geringerer Wahrscheinlichkeit zu neuen Telefonverträgen führten.

Rituals-Fallstudie

data_hub_google

Quelle: Prisguiden



Der Bade- und Body-Einzelhändler Rituals steigerte mithilfe von Ads Data Hub sowohl die Online- als auch die Offline-Verkäufe und erzielte eine enorme Steigerung der Conversions um 85 % bei einem Rückgang des CPA um 15 % .

Sie erreichten dies, indem sie First-Party-Daten von Google Marketing Platform, ihrem CRM und Point-of-Sale-Transaktionen verwendeten. In Verbindung mit der maschinellen Lerntechnologie von Google Cloud war Rituals in der Lage, Vorhersagen über die Wahrscheinlichkeit zu treffen, dass Kunden sowohl im Geschäft als auch online einkaufen.

Nach der Erstellung von Zielgruppensegmenten unter Verwendung dieser Erkenntnisse wurde in DV360 eine Kampagne erstellt, die auf bestimmte Gruppen abzielte, die zu ihrer Kundenmodellierung passten, mit maßgeschneiderten Botschaften.

Dominos Fallstudie

google_feature_data

Quelle: VegNews.com

Domino's Pizza – die kanadische Division – kombinierte Daten aus verschiedenen Quellen, um herauszufinden, wann die Kunden am wahrscheinlichsten wieder bestellen, damit sie in Zukunft am besten darauf vorbereitet sind.

Bei der Analyse der Daten stieß Domino's auf eine interessante Erkenntnis: Kunden, die in den letzten 30 Tagen mindestens zweimal online bestellten, machten 35 % ihres Gesamtumsatzes aus.

Dies war eine bedeutende Entdeckung für Domino's Canada, da sie zuvor den Wert dieses Zielgruppensegments unterschätzt hatten, worauf sie ihre Aufmerksamkeit anschließend richteten.

Abschluss

Google Ads Data Hub ist ein leistungsstarkes Tool, mit dem Sie ein umfassenderes Verständnis Ihrer Werbekampagnen und des Publikumsverhaltens gewinnen und so datengesteuerte Entscheidungen anhand von Erkenntnissen und Erkenntnissen treffen können. Verwenden Sie diese Erkenntnisse, um Ihre Kampagnen zu optimieren, indem Sie beispielsweise DataFeedWatch nutzen, um benutzerdefinierte Labels für die weitere Kampagnensegmentierung zu aktualisieren.

Obwohl Ads Data Hub fortschrittlicher ist und zusätzliche Anstrengungen erforderlich sind, um es zu implementieren, lohnt sich der zusätzliche Aufwand aufgrund der Auswirkungen, die es auf die Leistung haben kann, wie in den obigen Fallstudien hervorgehoben wurde. Dies gilt insbesondere für die Big Player mit einer Fülle von Daten, die ihre Multichannel-Marketing-Bemühungen rationalisieren möchten.

Neue Handlungsaufforderung