[Case Study] In che modo la boutique di abbigliamento femminile australiana ha ottenuto profitti da DataFeedWatch

Il problema

Il nostro cliente, Blue Bungalow, è uno dei principali negozi di moda online per abbigliamento femminile come abiti in lino e accessori con oltre 3.000 fantastici stili tra cui scegliere. Il negozio offre oltre 150 marche diverse.

La moda è ipercompetitiva nella pubblicità poiché un numero crescente di aziende fa offerte per gli stessi termini di ricerca causando un aumento dei prezzi delle aste.

Di conseguenza, se tutto il resto rimane uguale, per mantenere il volume o aumentare puoi aumentare il costo per clic per i gruppi di prodotti negli acquisti e i termini di ricerca nella ricerca, il che diminuisce il profitto, oppure puoi continuare così com'è mentre il volume dei clic diminuisce per causare un calo delle entrate. Il cliente si è rivolto a noi per identificare i problemi e le problematiche affrontate.

Il nostro obiettivo con Blue Bungalow era semplice: scalare attraverso il profitto.

Puoi scalare solo con un flusso di cassa positivo che deriva dalla generazione di profitti. L'aumento del traffico non ha importanza, più transazioni non contano e, ancora di più, le entrate non contano. Qualsiasi attività alla fine morirà senza profitto.

Digital Darts ha controllato il proprio account pubblicitario corrente, identificando varie funzionalità non utilizzate e una mancanza di segmentazione che significava che c'era poca discriminazione dell'offerta da ottimizzare per le decisioni di ridimensionamento. Le campagne di shopping intelligenti sono fin troppo comuni nelle attività gestite da Shopify perché sono facili da creare e gestire.

Le agenzie amano la natura "hand-off" in quanto consente loro di risparmiare tempo. Ma è un guadagno a breve termine per una perdita a lungo termine. Il tipo di campagna non dispone di dati sui termini di ricerca che mostrano quali query hanno portato alle vendite, il che significa che non ottieni informazioni per guidare le decisioni di profitto o dati di conversione dagli acquisti per alimentare idee nelle campagne di ricerca.

La soluzione

Monitoraggio del carrello di Google Ads

Nel 2020, Google Ads ha rilasciato una versione beta del codice di monitoraggio delle conversioni del carrello. Ho scritto su come impostare questo in un altro blog su DataFeedWatch chiamato Google Ads Conversion Tracking with Cart Data .

Abbiamo utilizzato la nuova funzionalità che ci ha fornito i dati dell'eCommerce, come il numero di articoli per acquisto, il costo delle merci vendute e il profitto sugli acquisti. I dati del carrello sono importanti in quanto aggiungono un altro livello di informazioni rilevanti in cima a ogni conversione.

Sfruttando i dati del carrello, puoi vedere quali articoli, come pantaloni e leggings, vengono acquistati tramite clic sugli annunci e quali prodotti convertono meglio. Puoi anche vedere quali articoli, come le scarpe da ginnastica, sono i più venduti e l'importo del profitto realizzato.

Con il normale monitoraggio delle conversioni di Google Ads (GACT), se segmenti diversi gruppi di prodotti nella sua campagna acquisti, il massimo che puoi sapere e valutare è su quali prodotti sono stati cliccati e l'importo delle entrate derivanti dall'acquisto.

Segmentazione con DataFeedWatch

Ora, utilizzando DataFeedWatch e i dati del carrello, sapevamo quali prodotti erano stati acquistati anche se la SKU su cui era stato fatto clic era diversa da quella nell'annuncio di acquisto.

Con l'aiuto del campo Costo della merce venduta (COGS) nel feed degli acquisti, possiamo vedere il profitto. L'utilizzo di questi dati preziosi ha fornito al cliente e al nostro team un'idea molto migliore e olistica di quanto fossero redditizie le loro campagne di acquisto. Questo ci aiuta a ottimizzare ulteriormente le campagne.

Non è insolito vedere l'utile lordo mantenere o diminuire leggermente all'aumentare dei costi, ma puoi vedere come l'utile lordo può crescere con le giuste decisioni:

In precedenza in Shopify, era possibile raccogliere informazioni sui costi con i metacampi che hai creato. I gestori e i proprietari dei negozi hanno dovuto inserire essi stessi il costo per articolo nei metacampi, quindi DataFeedWatch è stato in grado di estrarre e scaricare queste informazioni.

Tuttavia, Shopify ha introdotto un vantaggioso campo del costo per articolo che possiamo utilizzare più facilmente in DataFeedWatch. La maggior parte dei commercianti utilizza questo campo ora poiché influisce su vari rapporti all'interno della piattaforma.

Per impostare il campo Costo del venduto per Google Ads, in DataFeedWatch, abbiamo creato un campo interno chiamato costo per articolo :

Ciò ti dà la flessibilità e la facilità di utilizzare gli stessi dati su altri canali come annunci dinamici di prodotti su Facebook Ads.

Successivamente, per il feed di Google Shopping, abbiamo mappato l'attributo cost_per_goods_sold di Google al campo interno:

Nel mio Google Shopping For Shopify: The Definitive Guide book, la strategia e i vari campi sono discussi in modo più approfondito per ottimizzare le campagne di acquisto.

Il sistema di Google Ads è estremamente soggettivo e automatizzato. È soggettivo riguardo a ciò che ritiene sia il modo più efficace per ottimizzare la tua campagna pubblicitaria e spendere i tuoi preziosi dollari in pubblicità.

Tuttavia, crediamo in strategie e raccomandazioni oggettive basate su dati fattuali e allineate con obiettivi specifici.

Annunci dinamici della rete di ricerca con DataFeedWatch

DataFeedWatch è stato utilizzato anche per gli annunci dinamici della rete di ricerca (DSA) come strategia per raccogliere dati di ricerca non acquisiti in altre campagne di ricerca. Maggiore è il numero di SKU di un negozio, più importante è una strategia automatizzata per mantenere i dati.

• Abbiamo creato e mantenuto una strategia DSA con DFW per Blue Bungalow tramite:
• creare un canale personalizzato,
• scegliendo un formato separatore di virgola,
• rinominare l'URL della pagina per utilizzare l'URL della variante di Shopify,
• e utilizzando un'etichetta personalizzata per adattarsi al marchio.

Il file CSV viene quindi caricato come dati aziendali e può essere regolarmente recuperato per mantenere aggiornate le campagne DSA. Le offerte possono essere personalizzate per soddisfare il profitto.

Extra

Altre strategie implementate prevedevano la segmentazione del traffico con e senza marchio in tutti i tipi di campagna. Oltre a creare campagne di ricerca manuali approfondite e infine acquisizioni a freddo tramite display poiché i dati di conversione continuavano ad aumentare.

I risultati

• La spesa pubblicitaria totale è aumentata del 2000% e le entrate del 3000% mentre l'utile lordo continua a salire.
  
  
• Le campagne Google Ads di Blue Bungalow sono più redditizie rispetto al passato.

• Le campagne display a freddo ora generano più profitti rispetto a tutte le campagne precedentemente gestite prima del nostro ingresso.

• Con l' aumento del numero di visitatori di ritorno del cliente e l'aumento del valore della vita del cliente, le entrate provenienti da altri canali stanno crescendo dalla parte superiore della canalizzazione, il traffico a termine generico.

Se sei un marchio Shopify e desideri ottimizzare le tue varie campagne di marketing a pagamento, ti consigliamo vivamente DataFeedWatch come strumento di gestione dei feed.