Lernen Sie Enhanced Conversions und Value Based Bidding kennen

Diese Techniken sind spannend, da Google Daten veröffentlicht hat, die zeigen, dass eine Steigerung des Konversionswertes im zweistelligen Prozentbereich möglich ist. Die Ergebnisse hängen eindeutig von den besten Daten, den besten Modellierungsmöglichkeiten und der besten Aktivierungsstrategie ab, und hier spielen die Teams von Media.Monks eine wesentliche Rolle.

Für wen ist das gedacht? Für jeden!

Sind Sie im digitalen Marketing als "Analytiker" tätig? Hauptsächlich datenorientiert? Technisch? Sie kennen sich mit Enhanced Conversions (EC) und Value Based Bidding (VBB) aus, aber wissen Sie über das Tagging hinaus auch, was in den Mediensystemen vor sich geht und wozu es eigentlich dient?

Oder sind Sie ein "nicht-technischer" Vermarkter? Ihre Talente für die Einrichtung und Verwaltung von Kampagnen überschneiden sich nicht mit dem Tagging. Auch hier sind Sie EC- und VBB-übergreifend unterwegs, aber woher kommen die Daten? Warum ist es so knifflig, sie richtig zu machen? Was ist das Problem mit den Tags?

Unabhängig von unserer spezifischen Rolle müssen wir alle ein möglichst umfassendes Verständnis der Lösungen haben. Wir müssen verstehen, was "auf der anderen Seite" passiert, damit wir die besten Lösungen für Kunden und Benutzer liefern können. Hier ist der Knüller, den Sie brauchen. Dies ist sowohl für Mitarbeiter aus dem Bereich Suchanzeigen/Anzeige & Video/Kampagnenmanager als auch für Mitarbeiter aus dem Bereich Google Analytics/Google Tag Manager relevant. Hier ist eine Gelegenheit, Wissen zu teilen... LFG.

Hintergrund.

Die Cookie-Atrophie ist ein schlecht gehütetes Geheimnis. Die Browsertechnologie lässt die Cookie-Nutzung weiter schwinden. Cookies von Drittanbietern werden im Jahr 2024 aus Chrome entfernt, das einen dominanten Marktanteil hat, der für Vermarkter von Bedeutung ist. Das bedeutet jedoch nicht, dass wir uns auf sicherem Terrain befinden, wenn es um Cookies von Erstanbietern geht; schauen Sie sich einfach die Details auf Cookie Status an, um die Realität zu sehen.

Da das Datenvolumen bei ausreichender Signalqualität abnimmt, können wir immer noch Modellierungstechniken einsetzen, um Datenlücken zu verringern, aber das ist keine solide Lösung für sich allein. Wir unternehmen weiterhin alle erforderlichen Anstrengungen, um das Datenvolumen aufrechtzuerhalten und gleichzeitig unsere Taktiken zur Verbesserung der Effizienz weiterzuentwickeln.

An dieser Stelle wird EC zu einem Spielbucheintrag zur Maximierung der beobachtbaren Konversionen, während VBB die Effizienz steigert, indem es eine Optimierung für den Wert statt für das Volumen ermöglicht.

Maximieren Sie beobachtbare Daten.

Wenn wir weniger Daten haben, müssen wir eine bessere Datenqualität haben. Damit meinen wir saubere und klare Daten, bei denen wir Konversionen und Kanäle klar erkennen können. Das bedeutet, dass die Daten auch dann noch nützlich sind, wenn sie nicht vollständig sind. Auch wenn wir Lücken haben, z. B. aufgrund von Browsertechnologien und Cookie-Verlusten, können wir immer noch Daten von Erstanbietern verwenden, um eine bessere Konversionsgenauigkeit zu erzielen. Erweiterte Konversionen helfen uns, mehr Konversionsdaten zu sehen, aber auf eine datenschutzfreundliche Weise.

Was es bewirkt.

Grundsätzlich wird auf der Konversions-/Verkaufs-/Danksagungsseite ein Tag ausgelöst - sagen wir der Einfachheit halber ein Flutlicht-Tag. Die E-Mail-Adresse des Nutzers wird gehasht (mit dem Algorithmus SHA-256 verschlüsselt) und dann zu den Tag-Daten hinzugefügt, die dann an Google gesendet werden. Dieser gehashte Wert wird dann verwendet, um den Nutzer mit den Daten von Google abzugleichen und so Konversionen wiederherzustellen, die in Ihrem Datensatz nicht vorhanden sind.

Sie können eine Reihe von Werten zusätzlich zur E-Mail-Adresse oder anstelle der E-Mail-Adresse verwenden. Die E-Mail-Adresse ist normalerweise in Ordnung. Sie ist verschlüsselt, so dass kein Dritter (nicht einmal Google) die Daten sehen kann, und sie werden nach der Verwendung gelöscht. Google hat ausführliche Informationen über die Verwendung der Daten veröffentlicht, die für Ihre Teams unbedingt zu lesen sind.

Verwenden Sie bewährte Verfahren für das Tagging.

Idealerweise geben Sie in der dataLayer-Variable vorverschlüsselte personenbezogene Daten (PII) an, die von Google Tag Manager (GTM) leicht erfasst und zum Flutlicht hinzugefügt werden können.

Sie können das Document Object Model (DOM) scrapen, um die Daten zu extrahieren, aber dies ist keine robuste, langfristige Lösung. Sie können Google Tag anstelle von GTM verwenden, wenn kein Tag Management System verfügbar ist. Für Offline-Konversionen (Leads) können Sie auch Konversionsdaten über eine API hochladen.

Zusammenarbeit ist der Schlüssel.

Technik-, Datenträger- und Rechtsteams sollten eng zusammenarbeiten, um Änderungen an Datenmengen korrekt zu implementieren und anschließend zu validieren.

Da es sich hierbei nicht um eine Rechtsberatung handelt, müssen Sie sich frühzeitig die Zustimmung Ihrer Rechtsabteilung einholen. Raten Sie Ihren Teams, dafür zu sorgen, dass die EG-Nutzung in Ihren Datenschutz- und Cookie-Richtlinien abgedeckt ist und dass die Zustimmung umfassend informiert wird und eine klare Opt-out-Option besteht.

Stellen Sie sicher, dass Sie den Pfad der Konvertierungsseite kennen und dass die PII-Variable verfügbar ist. Das Scraping des DOM mag für einen Proof of Concept in Ordnung sein, aber verlassen Sie sich nicht darauf als dauerhafte Lösung.

Medienteams müssen einfache Konfigurationsänderungen vornehmen und dann genaue Berichte über Änderungen des Konversionsvolumens erstellen. Setzen Sie Ihre Data-Science-Teams ein, um die Kausalität festzustellen und zu überprüfen, ob die EC funktioniert. Setzen Sie sich nach der Einführung von EC regelmäßig mit Ihren Medienteams in Verbindung, um die Datenvolumina und Änderungen im Auge zu behalten. Seien Sie ungeduldig, wenn es darum geht, etwas zu tun (erledigen Sie es!), aber geduldig, wenn es um die Ergebnisse geht.

Nutzen Sie die wertorientierte Angebotsoptimierung.

Je weiter wir auf dem Weg zur digitalen Reife voranschreiten, desto mehr passen sich unsere Taktiken an und entwickeln sich weiter. Während es in den ersten Tagen normal und in Ordnung ist, nach Klickvolumen zu optimieren, ändert sich der Optimierungs-KPI mit dem Wachstum unseres Unternehmens. Unser Ziel ist es, die Kosten zu senken, den Umsatz zu steigern, den ROI zu erhöhen und letztendlich für den langfristigen Gewinn zu optimieren.

Die Optimierung einer Kampagne für das Klickvolumen war eine brutale Budgettaktik. Die Optimierung nach dem Wert (der Gewinn ergibt sich aus dem Wert) ist eine präzisere Zuweisung des Budgets. Wie das Budget zugewiesen wird, ist der clevere Teil.

Optimieren Sie für den Wert.

Nehmen wir eine E-Commerce-Website, bei der das offensichtlich wertvolle Ergebnis ein Verkauf ist. Es gibt weitere Ergebnisse, die als Signale dafür dienen, dass ein Benutzer ein wertvoller Kunde sein könnte: Anzeigen einer Produktdetailseite, Hinzufügen zum Warenkorb, Starten der Kaufabwicklung. Alle Aktionen führen zu einer Konversion, alle mit unterschiedlichem Wert. Bei jedem Ergebnis wird ein Flutlicht ausgelöst, um GMP mitzuteilen, dass der Nutzer eine "hochwertige Aktion" im Wert von x € durchgeführt hat. Diese Aktionen und Werte werden dann verwendet, um das Angebot für den Nutzer automatisch zu optimieren.

Früher war die Festlegung der mit einer Aktion verbundenen Werte eine Frage des Experimentierens. Jetzt können Sie einen Online-Rechner verwenden, um diese Zahlen zu verfeinern.

Dieser Ansatz des Value Based Bidding erfordert ein Datenvolumen und eine Datenqualität, die durch den Einsatz von EC mit VBB erreicht wird - und er ist extrem leistungsstark. Es gibt nur wenige bewegliche Teile, aber die Werte sind statische, kommerzielle Werte, die nicht immer das wahrscheinliche Verhalten des Nutzers widerspiegeln. Um dieses Problem anzugehen, wollen wir auf eine ältere Lösung zurückblicken, um zu sehen, wie wir diesen Ansatz verbessern können.

Verwendung einer grobkörnigen Optimierung.

Bisher haben wir mithilfe von maschinellem Lernen ein Vorhersagemodell erstellt, das eine Antwort auf die Frage liefert, wie wahrscheinlich es ist, dass Nutzer X konvertiert" Bei der Skalierung werden die Daten als Zielgruppe in GMP importiert, und wir verwenden sie, um zu bestimmen, wo das Budget ausgegeben wird. Ein einfacher Ansatz besteht darin, eine Reihe von Zielgruppen aus dem Modell-Output zu erstellen, um Gebotsoptimierungen vorzunehmen:

• "No hopers" mit der geringsten Konversionsneigung: 0 €.
• "Dead certs" mit der höchsten Konversionsneigung: niedrig oder €0
• "Freie Wähler" mit mittlerer Konversionsneigung; muss überzeugt werden: €maximal

Diese Technik hat in der Vergangenheit gute Ergebnisse geliefert. Sie hat jedoch einige Schwachstellen. Bei drei Zielgruppen ist die Segmentierung nach Neigung recht grob. Mit zunehmender Zahl der Zielgruppen steigt auch der Rechenaufwand und der Wartungsaufwand für die Infrastruktur. Der Benutzer muss die Website erneut besuchen, um "gekocht" zu werden und in eine Remarketing-Zielgruppe aufgenommen zu werden.

Es gibt einen moderneren Ansatz, der die Unzulänglichkeiten dieser Techniken behebt.

Die modellierte VBB-Optimierung geht sogar noch weiter.

Wir werden nun diese beiden Lösungen mit der serverseitigen Datenerfassung (sGTM) kombinieren. Die serverseitige Datenerfassung verfügt über eine Reihe von Schlüsseleigenschaften, die sie für den Einsatz hier sehr geeignet machen:

• Erstens ermöglicht sie eine private Datenanreicherung - wir können den Gewinn als Wert für die Optimierung einführen, ohne dass die Margendaten an Dritte weitergegeben werden.
• Darüber hinaus wird die Haltbarkeit von First-Party-Cookies durch die serverseitige Datenerfassung verbessert. Ihre Erstanbieter-Cookies werden so gesetzt, dass sie für Dritte nicht sichtbar sind - Browser mögen dies und gehen weniger streng mit ihnen um. Dies ist besser für die Qualität Ihrer Erstanbieterdaten.
• Es ist nicht erforderlich, die Website erneut zu besuchen, um die Zugehörigkeit zur Zielgruppe festzustellen; die gesamte Cookie-Erstellung erfolgt bei der Pixelausführung.

Jetzt können wir also Flutlichter für unsere Umsatzkonversionen abfeuern, Gewinndaten pro Artikel auf Serverebene anhängen und Gebote auf der Grundlage der Nutzerrentabilität optimieren. Großartig, aber was ist mit der Ausgabe des Vorhersagemodells?

Am Punkt der serverseitigen Datenerfassung kann sGTM mit anderen Komponenten der Google Cloud Platform (GCP) integriert werden. Wir können nicht nur Gewinndaten extrahieren, sondern auch ein Propensity-Modell abfragen und für jede hochwertige Aktion pro Nutzer die Konversionswahrscheinlichkeit des Nutzers ermitteln. Der prädiktive Score wird dann mit dem Flutlicht verbunden, um den VBB zu steuern.

Dies hat weniger bewegliche Teile als die ältere Lösung. Sie löst das grobkörnige Publikumsmerkmal, indem sie eine Bewertung pro Benutzer liefert, während die Daten gesammelt werden. Auch hier arbeiten wir mit EC zusammen, um die Conversion-Transparenz zu maximieren und leistungsstarke Marketing-Optimierungen voranzutreiben.

Optimieren Sie Ihr Marketing mit EC und VBB.

Diese Techniken werden schon seit einiger Zeit isoliert eingesetzt. Mit einem umfassenderen Verständnis der Datenanforderungen und der Datenaktivierung sind wir alle in einer besseren Position, um datenschutzfreundliche Marketing-Optimierungen zu nutzen, um Effizienz für Kunden und letztendlich eine bessere, nützlichere Online-Erfahrung für Verbraucher zu schaffen.