Loading…
in Hamburg
Jetzt Ticket sichern Noch 297 Tage
Fragen zur d3con? (040) 537 99 11 35
COVID-19 Hygienemaßnahmen

PPC-Kampagnen über mehrere Plattformen / Accounts mit einem Ziel optimieren - Stephanie Richter, Adspert

Stephanie Richter, Adspert

Der Adtech-Spezialist Adspert launcht im Februar 2022 eine Extension seines gleichnamigen Tools zur Optimierung von PPC-Werbekampagnen. Adspert will Online-Händlern schon bald die Möglichkeit bieten, PPC-Kampagnen plattform- bzw. accountübergreifend zu optimieren. Das würde den Aufwand bei der Pflege und Optimierung von Werbekampagnen in erheblichem Umfang reduzieren und gleichzeitig die Performance steigern.

Extension erlaubt Cross Platform- und Cross Account-Optimierung

Während Online-Händler bisher ihre Werbekampagnen auf Account-Basis separat optimierten, bietet das Adspert-Tool jetzt eine Erweiterung an. Die Extension erlaubt Online-Händler, die etwa mit ein und demselben Produkt auf mehreren Plattformen gleichzeitig aktiv sind – z.B. Amazon und Ebay –, jetzt vielmehr eine marktplatzübergreifende Optimierung. Diese Cross Platform Optimization (CPO) beinhaltet dabei auch eine Cross Account Optimization (CAO). Das heißt: Adspert-Kunden, die zum Beispiel über Amazon-Marktplätze in Polen, Deutschland und Frankreich Produkte verkaufen, benötigen zwar für jedes Land nach wie vor ein einzelnes Konto. Mit der CAO muss nun aber nicht mehr jede PPC-Kampagne eines Kontos separat optimiert werden. Stattdessen ist es jetzt möglich, PPC-Kampagnen zu identischen Produkten aus unterschiedlichen Amazon-Konten vielmehr in einer Performance Group zusammenzufassen, sofern diese PPC-Kampagnen auf das gleiche Ziel hin optimiert werden soll – eine Vorgabe, die auch für die CPO gilt bzw. Sinn macht, sobald es zur Kampagnen-Auswertung kommt.

Performance Group fasst PPC Kampagnen zusammen

Als analytische Einheit entscheidend ist hier die Performance Group. In ihr werden PPC-Kampagnen unterschiedlicher Accounts oder Plattformen zu ein und demselben Produkt aufgenommen, an einem gemeinsamen Optimierungsziel ausgerichtet – zum Beispiel Cost per Conversion, ACoS oder etwa ROAS – und gemeinsam optimiert. Dies gelingt, indem Adspert die Performance Group gewissermaßen aus der jeweils internen Hierarchie der verschiedenen (nationalen) Marktplatzuniversen herauslöst und sie über diese selbst stellt. Der Adspert-Algorithmus sorgt dann dafür, dass alle PPC-Kampagnen zu einem Produkt innerhalb dieser (Cross Platform bzw. Cross Account) Performance Group auf ein definiertes Gruppenziel hin optimiert werden. Zum Produktstart soll es dann möglich sein, zusätzlich zu dem gemeinsamen Ziel, z.B. ACoS oder ROAS, auch noch eine weitere Nebenbedingung hinzuzufügen, z.B. eine gemeinsame Budget-Obergrenze.

Relevante Use Cases

Für diese Weiterentwicklung existieren heute bereits drei relevante Use Cases, bei denen diese Form der Optimierung zum Einsatz kommt. Zwei Fälle beschreiben die Cross Account-Optimierung, einer die Cross Platform-Optimierung.

Cross Account-Optimierung

  • Der erste Use Case widmet sich FBA-Kunden (FBA: Fulfillment by Amazon). Das sind Händler, genauer gesagt Vendoren, die ihre Waren üblicherweise von ein und demselben Amazon-Zentrallager verwalten und versenden lassen. So existiert zum Beispiel ein Lager in Polen, von dem aus verschiedene europäische Marktplätze versorgt werden. In diesem Szenario bietet sich Cross Account Optimization vor allem deshalb an, weil die Kampagnen für die verschiedenen Regionen gemeinsam verwaltet und optimiert werden können. Dabei achtet die Cross Account Optimierung auch auf unterschiedliche (Tages-)Budgets und hält kampagnenspezifisch gesetzte Limits ein. Diese Art der Optimierung eignet sich besonders für Kampagnen, die ein klar definiertes Ziel verfolgen. Soll etwa der ACoS für eine Performance Group immer bei 25 % liegen, empfiehlt es sich, Cross Account Optimierung durchzuführen.
  • Der zweite Cross-Account-Use-Case betrachtet ein Szenario, in dem ein Produkt sowohl als Vendor (FBA) als auch als Seller (FMA, Fulfillment by Merchant: FAB-Kunden verfügen über ein eigenes Lager und eine eigene Logistik, nutzen aber den Marktplatz) verkauft wird. Dieser Fall sieht die Nutzung zweier Konten vor, die jeweils zu einem Ziel optimiert werden sollen.

Cross Platform-Optimierung

  • Ein weiterer Use Case beschreibt die Kampagnenoptimierung zweier oder mehrerer Plattformen. Sie bietet sich an, wenn als Ziel etwa die Verkaufszahlen bzw. der Umsatz eines Produktes, das etwa gleichzeitig auf Amazon und Ebay angeboten wird, plattformübergreifend gesteigert werden soll. Besonderheit: Unterscheidet sich die Performance dieser Plattformen, verlagert die automatische Budget-Allocation mehr Budget auf die bessere Plattform.

Algorithmus reduziert Optimierungsaufwand

Technisch ausgesteuert wird dieser Optimierungsprozess durch einen Algorithmus, der Kampagnen auf das gewählte Ziel der Performance Group hin optimiert. Dabei sammelt er Daten, von denen er gleichzeitig lernt, ob und inwieweit die einzelnen Kampagnen einer Performance Group das Ziel erreichen. Dabei liegt es in der Natur der Sache, dass weniger gut performende Kampagnen tendenziell eine geringere Menge an Datenpunkten erzeugen. Bei gut performenden Kampagnen fallen dagegen entsprechend viele Datenpunkte an, die ausgewertet werden können. D.h. im Umkehrschluss: Weniger gut performende Kampagnen „lernen“ von den besser performenden Kampagnen. Mit dieser Strategie nähert sich der Algorithmus dem Optimum seiner Performance-Group-Kampagnen an. Großer Vorteil dabei: Im Gegensatz etwa zur regelbasierten Kampagnenoptimierung, bei der jedes Detail manuell eingestellt wird, lässt sich über algorithmusbasierte Optimierung einer Performance Group in allen drei Cases der Optimierungsaufwand automatisieren, dadurch verschlanken und auf ein Minimum reduzieren.

Falls ein Produkt auf mehreren Plattformen gleichzeitig neu eingeführt wird, dann sollte man zu Beginn besser auf eine CPO verzichten. Stattdessen sollte man für jede Plattform ein separates Kostenziel setzen. Dieses Kostenziel pro Plattform führt dazu, dass für jede Plattform Datenpunkte generiert werden. Wenn alle Plattformen hinreichend viele Datenpunkte generiert haben, dann kann auf CPO gewechselt werden.

Regelbasierte vs. algorithmusbasierte Strategie

Mit anderen Worten: Die Cross Platform-/Cross Account-Optimierung per Algorithmus ist kein universelles „Allheilmittel“, sie bietet aber viele Vorteile. Ihr Einsatz hängt vielmehr von der gewählten Strategie des Händlers ab. PPC-Kampagnen etwa für ein Cash-Cow-Produkt, das sich über Plattformen und Marktplätze hinweg seit jeher gut verkauft, lassen sich sehr gut über eine Performance Group automatisiert optimieren.

Für Händler, die nicht die strategische Freiheit haben, dass ein Algorithmus Entscheidungen für sie trifft, bietet dagegen die regelbasierte Kampagnenoptimierung maximale Kontrolle. Damit lassen sich Schwellenwerte exakt festlegen und, im Gegensatz zu algorithmusbasierter Optimierung, jede einzelne Regel separat und präzise definieren, überwachen und verändern. Aber: Das gewissermaßen manuelle Setup erhöht allerdings auch den Managementaufwand erheblich. Denn: Händler müssen hier einen sehr detaillierten Überblick über Keyword-Gebote behalten und viel Zeit und Aufmerksamkeit in Regeln und deren Zusammenspiel investieren, um sicherzustellen, dass diese immer zu ihrem Vorteil funktionieren. Nur auf diese Weise können sie verfolgen, was mit ihrem Werbebudget geschieht.

Hybride Strategie macht Sinn

Egal für welchen Weg sich Händler entscheiden: Es existieren hervorragende Tools für die Kampagnenoptimierung, die an beiden Enden des Spektrums – regelbasierte vs. algorithmusbasierte Lösungen – arbeiten. Jedes hat seine Berechtigung. Eines sollten Händler in beiden Fällen aber mitbringen: Geduld. Sie sollten sich insofern genügend Zeit geben, um herauszufinden, was für ihre PPC-Kampagnen funktioniert und was nicht. Hybride Strategien sind ein durchaus konstruktives Rezept, um gut performende Kampagnen einerseits algorithmusbasiert zu automatisieren und zu optimieren, während sich regelbasierte Strategien dafür eignen, jungen oder weniger gut performenden Produkten mit manueller Pflege auf die Beine zu helfen, bevor diese dann auch dem Performance Group-Algorithmus übergeben werden können.



Stephanie Richter, Gründerin und CEO von Adspert

Stephanie Richter verantwortet bei Adspert als CEO das operative Geschäft und ist für die Organisation des Unternehmens zuständig. Die leidenschaftliche Cocktail-Mixerin studierte Wirtschaftspädagogik mit den Schwerpunkten Wirtschaftsprüfung und Entrepreneurship in Berlin. Bevor sie Adspert gründete, war Stephanie von 1999 bis 2013 geschäftsführende Gesellschafterin der Prozentor GmbH, einem Unternehmen für automatisierte statistische Prognosesysteme mit Fokus auf der Finanzwirtschaft.



Über Adspert

Getreu dem Motto „No Magic – Just Rocket Science“ arbeiten bei Adspert knapp 30 AdTech-Spezialist:innen tagtäglich an der Weiterentwicklung eines selbstlernenden mathematischen Algorithmus, um die Advertising-Kampagnen ihrer Kunden bei Amazon, Ebay, Google und Bing gewinnmaximierend und effizient zu optimieren. Hierfür analysiert die Adspert-KI vollautomatisch Millionen von Daten, um zu jeder Zeit die beste Kampagnen-Performance zu gewährleisten.

Das Unternehmen wurde 2010 gegründet, hat seinen Hauptsitz in Berlin und ein weiteres Büro in München. Mit seinem Fokus auf die Märkte Europa und China vertrauen namhafte Agenturen wie BlueSummit, aber auch Marken wie Biosthetique, BlaBlaCar, Polar, Solute (billiger.de), Teufel, titus u.v.m. auf die selbstlernende KI von Adspert.

Weitere Informationen unter: https://www.adspert.net/de

Stephanie Richter, Adspert

Stephanie Richter
CEO & Co‑Founder

stephanie.richter@adspert.de
+49-30-408-171-55-14