Dmlights: Die vollautomatische Profitmaschine

Hintergrund und Problemstellung

dmlights ist ein internationales E-Commerce-Unternehmen für Beleuchtung & Elektroartikel. Da das Unternehmen weltweit mit über 85.000 Produkten in mehreren Sprachen aktiv ist, ist die effiziente Verwaltung seiner Performance-Kampagnen eine enorme Aufgabe.

Das Unternehmen konsultierten Semetis, um sein Hauptziel zu erreichen: „Mehr profitable Verkäufe in verschiedenen europäischen Ländern zu erzielen, und zwar auf vollautomatische Weise, dabei aber zeiteffizient zu bleiben und das gesamte Produktsortiment abzudecken.“

dmlights hatte bereits Erfahrung mit feedbasierter Werbung zur automatischen Erstellung unterschiedlicher Suchkampagnen. Dennoch bereitete dieses Setup viele Probleme:

Es war ressourcenintensiv: Für jeden unterschiedlichen Marketing Use Case musste eine neue Art von Feed generiert werden, der auf diesen speziellen Use Case zugeschnitten war. Diese Feeds mussten täglich von ihren Servern aktualisiert werden, wodurch die Infrastruktur jeden Morgen unnötig schwer belastet wurde.

Es war schwer zu skalieren: Immer, wenn dmlights in einem neuen Land werben wollte, mussten all diese spezifischen Feed-Kombinationen neu erstellt und die umfangreiche Kampagnenstruktur von Grund auf neu eingerichtet werden. Es konnte oft Wochen dauern, bis ein neues Land voll einsatzfähig war.

Es war schwierig, Feed-Attribute anzupassen: Da es kein echtes Feed-Management-Tool gab, um die verschiedenen Feed-Elemente zu ändern, war es fast unmöglich, die Nachricht dynamisch anzupassen. Dies bedeutete, dass die Kampagne im Laufe der Zeit eher statisch blieb und Use Cases wie temporäre Werbebotschaften nur schwer konstant in den Konten implementiert werden konnten.

Hier findest du unser Video zum Use Case Semetis und dmlights

Channable, der erste Meilenstein

Bei Semetis wollten wir die Designengpässe beseitigen. Wir stellten unsere Fähigkeiten zur Problemlösung auf die Probe: Wie können wir diesen Prozess optimieren und gleichzeitig den ROI steigern? Der erste Teil der Antwort liegt in der feedbasierten Werbung. Wir haben Channable als Feed-Management-Tool verwendet, was uns Folgendes ermöglichte:

1. Import the data from one central feed

Instead of using a separate feed for each use case (I.e: mapping all the brand and collection names with their corresponding landing page), we started importing all the needed data for advertising directly from the product feed. As such dmlights could remove all redundant feeds from their servers, freeing up technical resources and decreasing the stress on their infrastructure.

However, having just one product feed per language/country remains expensive. Given the pricing model is set to a fee per SKU, and with around 85k SKUs per language and per country, the investment multiplied quickly as soon as we started to scale up (f.e. 2 feeds for Belgium, 3 feeds in Switzerland, and so it continues).

A feed analysis showed us that countries that share the same language, have an almost identical feed (Ie: BEFR vs FRFR). The main differentiator was the product price, as this changes for each country. So we found a solution by only picking one main feed per language, and gluing all the different country prices on top of it (see annex 1).

To give a clear example: when we added Switzerland, we didn’t have to create any extra feed (so no extra SKUs or tech fee) as we could just use the German and French language feed, which were already set up for Germany and France respectively, and select the Swiss pricing column for our campaigns. This allowed us to save around €5.000 per year in tech fees while maintaining the same use cases. This was a very important first iteration of the process to maximize ROI.

2. Optimieren des Produktfeeds

Im zweiten Schritt haben wir den Produktfeed bereinigt und angepasst. Das Regelsystem von Channable ermöglicht es dir, den Feed anzureichern, zu filtern und zu optimieren, um ihn an die Anforderungen der Werbekanäle wie Google Ads, Facebook, Criteo und Amazon anzupassen. Einige nützliche Beispiele sind:

• Die Verwendung von Werbedaten, um Regeln anzuwenden, die automatisch die Botschaft unserer Marken in der Werbeaktion ändern. Beispiel: „Skandinavische Wochen -20%“ auf bestimmte Marken.

• Verwendung von Preisdaten, um den genauen Preis in jedem Land anzuzeigen, ohne dass ein Feed pro Land benötigt wird.

• Verwenden von Performance-Daten von unseren Plattformen für unseren Haupt-Feed, wie z.B. das Suchvolumen pro Produkt (vgl. Abschnitt „Zombie-SKUs“) und den Umsatz pro Produkt, die für eine weitere Segmentierung verwendet werden können.

Da wir die verschiedenen Feeds in einem Feed-Management-Tool zusammengefasst haben, konnten diese Regeln leicht kopiert und zwischen den verschiedenen Ländern ausgetauscht werden. Dadurch konnten wir mit einem schrittweisen und iterativen Ansatz arbeiten.

Aufgrund unseres iterativen Ansatzes mussten wir unsere Regeln und die Qualität unseres Feeds nur nach und nach verbessern. Unterm Strich ist es uns gelungen, die Zeitverzögerung für die Einführung in einem neuen Land auf nur wenige Stunden zu reduzieren. Die eingesparte Zeit war eine zweite Iteration mit direkten Auswirkungen auf den ROI.

3. Aktivierung des Feeds für das Marketing

Im dritten und letzten Schritt haben wir uns auf die Aktivierung unserer Feed-Daten konzentriert. Um die Wirkung zu maximieren, haben wir verschiedene Kanäle genutzt:

Google Automated Search Ads: Die gesamte Google Ads-Kontostruktur wurde neu gestaltet und auf den Feed-Management-Tools aufgebaut. Sogar die Responsive Search Ads, die neueste Funktion von Google Ads, wurden in großen Mengen von Channable entwickelt. Jeden Morgen wurde die Kontostruktur (Kampagnendesign, Textanzeige, Keywords und benutzerdefinierte Zielseiten) unter Berücksichtigung der neuesten Daten und aktuellen Werbeaktionen aktualisiert (siehe Anhang 2).

Google Smart Shopping: Hier konzentrieren wir uns auf die Werbung auf Produktebene. Der bereinigte Produktfeed, der für die Use Cases der Suchanzeigen verwendet wurde, war leicht auf Display- und Shopping-Werbung skalierbar. Mit Smart Shopping werden alle Produkte, die wir auf Lager haben, visuell angezeigt, sobald die Nutzer nach einem Produkt suchen. Es kombiniert die Leistungsfähigkeit des dynamischen Produkt-Remarketings, um auch die Benutzer zu erreichen, die das Produkt in den folgenden sieben Tagen noch nicht gekauft haben.

Bing Ads: Da Bing immer noch für 3% unseres gesamten Suchverkehrs verantwortlich ist, hielten wir es für ein Muss, ihm auch die nötige Aufmerksamkeit zu widmen. Um effizient zu bleiben, haben wir eine Verknüpfung zwischen Bing und Google Ads erstellt. Auf diese Weise aktualisiert Channable täglich Google Ads, und Google Ads aktualisiert täglich Bing Ads, was äußerst effizient ist.

Dynamische Facebook-Werbung: Auch in den sozialen Netzwerken wollten wir mit unserem Produktfeed für dynamisches Produkt-Remarketing präsent bleiben.

Dieser dritte Schritt ermöglichte es uns, viel relevantere Werbeerlebnisse zu bieten. Während sich die ersten beiden Schritte auf die Kostensenkung konzentrierten, um den ROAS zu maximieren, ist dieser Schritt auf die Steigerung der Rendite ausgerichtet. Dennoch sahen wir die Möglichkeit, in der Wertschöpfung noch weiter zu gehen, indem wir unsere Daten auf die nächste Stufe hoben: vom ROAS zum POAS (Profit on Ad Spend).

POAS – Der zweite Meilenstein

Heutzutage benötigen wir große Datenmengen, um Smart Bidding-Algorithmen effektiv zu füttern (z.B. die Konversionswerte in Google zu maximieren). Diese Smart Bidding-Algorithmen berücksichtigen alle Arten von Signalen, um höhere Gebote für Nutzer abzugeben, die sich mit größerer Wahrscheinlichkeit für uns entscheiden werden. Es handelt sich um Blackboxes, die Signale wie Suchverhalten, Gerätenutzung, Zielgruppen, Tageszeit, Website-Engagement usw. einbeziehen, um erweiterte Nutzerprofile zu erstellen.

Unsere automatisierten Kampagnen waren ein guter Anfang, um unzählige Daten zu generieren.
Dank all der qualitativen, automatisch generierten Kampagnen konnten wir bei geringeren Wartungskosten einen soliden Umsatz erzielen.

Aber automatisierte Suchkampagnen und Smart Bidding waren uns noch nicht genug. Nach einer Laufzeit von einigen Wochen haben wir die Ergebnisse gemessen und analysiert und festgestellt, dass wir mit diesem Setup unsere ROAS-Ziele problemlos erreichen, dabei aber oft die beliebteren Marken mit höherer Nachfrage, aber nicht unbedingt höherer Rentabilität in den Vordergrund stellen.

Wer schon einmal im digitalen Bereich gearbeitet hat, weiß, wie schwer es ist, einen soliden Ziel-ROAS für Kampagnen zu finden. Was ganz logisch ist, wenn man darüber nachdenkt. Der reine Umsatz sagt nichts über den Zustand eines Unternehmens aus. Es geht um die Kostenstruktur, die damit einhergeht. Ich werde das kurz erklären: Einige Marken sind bekannter und werden daher häufiger gesucht (z.B. Philips). Das System neigt dazu, zu viel Geld für diese Marken auszugeben, wenn sie außerdem viel Umsatz bringen, was sich in einem hohen ROAS niederschlägt.

Dennoch ist der Gewinn bei einigen dieser Marken sehr gering. Während dieser Übung wurde klar, dass wir bei der Automatisierung unserer Daten-Performance einen Schritt weitergehen mussten, um statt Umsatz unseren Gewinn zu maximieren. Das fehlende Glied waren die Gewinnspanndaten.

Wir haben verschlüsselte Gewinnspanndaten auf Produktebene in unserem dataLayer auf der Website implementiert. Diese Gewinndaten haben wir dann über den Google Tag Manager in Google Ads eingespeist, indem wir eine separate Gewinnkonversion erstellt haben (siehe Anhang 3).

Durch die Verschlüsselung dieser Daten wurde es für die Konkurrenz unmöglich, sie zu missbrauchen. Wir entschlüsseln sie in unserer Google Ads-Plattform, sodass der Wert sowohl für Berichte als auch für die Optimierung verwendet werden kann. Diese heiligen Daten in Kombination mit intelligentem Bidding und maschinellem Lernen ermöglichten es uns, unsere zahlreichen Kampagnen gewinnbringend zu optimieren.

Zombie-SKUs – Der letzte Meilenstein

Ab diesem Moment lag der Fokus auf dem Gewinn und wir erzielten gute Ergebnisse. Natürlich haben wir unsere Daten analysiert und unser letztes Problem entdeckt: Immer wenn ein neues Produkt hinzugefügt wurde oder wieder auf Lager war, wurde es oft nur begrenzt beworben. Das ist ein Fallstrick der Smart Bidding-Strategien. Sobald die Maschine läuft und der Algorithmus die erfolgreichsten Produkte auswählt, um sie weiter nach vorne zu bringen, ist es für neue Produkte schwierig, um ihren Platz zu kämpfen.

Letztlich wird der Smart Shopping-Algorithmus sie bei der Bereitstellung berücksichtigen, jedoch oft in sehr geringer Menge und es kann einige Wochen dauern, bis das Produkt erscheint. Um das zu kompensieren, haben wir mithilfe eines Google Ads-Skripts einen automatisierten Bericht erstellt, der die SKUs aller Produkte speichert, die weniger als einen Klick erhalten haben.

Diese Liste mit SKUs wird dann mit Channable geteilt, sodass das Tool das Label „Zombie-SKU“ auf diese Produkte im Feed anwenden kann (siehe Anhang 4).

Jetzt wird es ganz einfach: Wir müssen nur eine separate Smart Shopping-Kampagne erstellen, die ausschließlich den Zombie-SKUs dient, um ihnen die verdiente Aufmerksamkeit zu geben, bevor sie einige Wochen später wieder in der gewöhnlichen Smart Shopping-Kampagne berücksichtigt werden.

Ergebnisse & Fazit

Unsere Ergebnisse schossen in die Höhe. Heute haben wir ein Setup für Konversionen, das sich an der wichtigsten Kennzahl orientiert: der Rentabilität. Jeden Tag werden die Preise und der Bestand aller Produkte aktualisiert, neue Kollektionen und Kategorien werden hinzugefügt, und das alles wird auf unserer Plattform fast in Echtzeit in jedem Verkaufsland angepasst.

Weniger profitable Marken verschwinden langsam und machen ohne menschliches Zutun Platz für die Eigenmarken von dmlights. Darüber hinaus erhalten neu hinzugefügte Produkte dank der Zombie-SKUs eine faire Chance, ihren Mehrwert zu zeigen.

Die Zahlen sprechen für sich:

• Der Profit over Ad Spend (POAS) stieg im Vergleich zum Vorjahr um 70%
• Gleichzeitig stiegen die Gesamtgewinnwerte im Vergleich zum Vorjahr um 130%

All dies war durch den Einsatz einer Technologie möglich, mit der wir intelligenter statt härter arbeiten. Heute können wir unsere Ressourcen auf Aufgaben verlagern, die wirklich wichtig sind: fortschrittliche Analysen und langfristige Strategien.

Mit diesem Fall haben wir bewiesen:

• Den Mehrwert von Tools: Wir haben alles aus Channable, unserem Feed-Management- und SEA-Automatisierungstool, herausgeholt und den manuellen Arbeitsaufwand bei der Einrichtung und Wartung von Kampagnen reduziert.

• Den Mehrwert der Messung: durch die richtige Konversionsmessung, um das Problem der beliebten, weniger profitablen Marken und der Zombie-SKUs zu erkennen.

• Den Mehrwert von Medienkompetenz: indem wir unsere eigene Umsetzung in Frage stellen. Es hat keinen Stillstand gegeben.

Wie bereits dargestellt, haben wir drei große Meilensteine erreicht, die unseren Fall Schritt für Schritt verbessert (und uns darüber hinaus jedes Jahr 5.000€ an Technikgebühren eingespart) haben. Dies alles konnten wir erreichen, indem wir unsere Daten genau verfolgen und in Zusammenarbeit mit unserem Kunden die richtigen Entscheidungen treffen. Die Ergebnisse sind der Beweis: höhere Mengen (Gewinn) und eine bessere Qualität (POAS).

• Den Mehrwert für uns selbst: Dies ist ein Rahmen für die Zukunft. Alle Regeln sind festgelegt, damit dies weltweit mit begrenztem Aufwand funktionieren kann.