DM Lights: el motor de ganancias totalmente automatizado

Antecedentes y planteamiento del problema

DM Lights es una empresa internacional de comercio electrónico en iluminación y suministros eléctricos. Operan por todo el mundo, con más de 85000 productos en varios idiomas, por lo que gestionar sus campañas de rendimiento de forma eficaz es en una tarea enorme.

Consultaron a Semetis para lograr su objetivo principal: «impulsar más ventas rentables en diferentes países europeos de manera totalmente automatizada sin dejar de ser eficientes en el tiempo y cubriendo toda la gama de productos.

DM Lights ya tenía experiencia con la publicidad basada en feeds para crear automáticamente diferentes tipos de campañas de búsqueda. Sin embargo, esta configuración se encontró con muchos cuellos de botella:

consumía muchos recursos: para cada caso práctico de marketing diferente, había que generar un nuevo tipo de feed adaptado a ese caso práctico concreto. Estos feeds requerían actualizaciones diarias por parte de sus servidores, lo que sometía a la infraestructura cada mañana a un estrés innecesario.

Era difícil de adaptar: cada vez que DM Lights quería anunciarse en un nuevo país, era necesario recrear todas esas combinaciones específicas de feeds, y la extensa estructura de la campaña tenía que configurarse desde cero. Podrían pasar semanas hasta que un nuevo país estuviera completamente implementado.

Era difícil adaptar los atributos del feed: como no existía una herramienta real de gestión del feed para modificar los diferentes elementos del feed, era casi imposible adaptar el mensaje de forma dinámica. Esto significaba que, a lo largo del tiempo, la campaña permanecía bastante estática y los casos prácticos, como los mensajes promocionales temporales, eran difíciles de implementar de manera consistente en las cuentas.

Mira nuestro vídeo de caso de éxito de Semetis y DM Lights aquí.***

Channable, el primer hito

En Semetis queríamos desbloquear los cuellos de botella en el diseño. Ponemos a prueba nuestras habilidades de resolución de problemas: ¿cómo podemos agilizar este proceso y maximizar el retorno de la inversión? La primera parte de la respuesta está en la publicidad basada en feeds. Usamos Channable como herramienta de gestión de feeds, lo que nos permitió:

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. Optimizar el catálogo de productos

En el segundo paso, limpiamos y adaptamos el catálogo de productos. El sistema de reglas de Channable te permite enriquecer, filtrar y optimizar el feed para que se ajuste a los requisitos de los canales publicitarios, como Google Ads, Facebook, Criteo y Amazon. Estos son algunos ejemplos útiles:

• Utilizar los datos promocionales con el fin de aplicar reglas que cambien automáticamente el mensaje de nuestras marcas en la promoción. Por ejemplo: «Semanas escandinavas -20%» en marcas específicas.

• Utilizar los datos de precios para mostrar el precio exacto en cada país, sin necesidad de un feed por país.

• Utilizar los datos de rendimiento de nuestras plataformas en nuestro feed principal, como los volúmenes de búsqueda por producto (véase la sección de SKU zombi más adelante en este caso) y los ingresos por producto, que pueden utilizarse para una mayor segmentación.

Debido a que conectamos los diferentes feeds dentro de una herramienta de administración de feeds, estas reglas se podían copiar y compartir fácilmente entre los diferentes países. Gracias a ello, hemos podido trabajar con un enfoque gradual e iterativo.

Nuestro enfoque iterativo significó que solo tuvimos que mejorar nuestras reglas y la calidad de nuestro feed con el tiempo. En resumen, logramos reducir el desfase temporal para penetrar en un nuevo país a solo unas horas. El tiempo que se ahorró fue una segunda iteración que tuvo un impacto directo en el ROI.

3. Activar el feed de marketing

En el tercer y último paso, nos centramos en activar los datos de nuestro feed. Para maximizar el impacto, aprovechamos diferentes canales:

Anuncios de búsqueda automatizados de Google: La estructura completa de la cuenta de Google Ads se rediseñó y se basó en las herramientas de gestión de feeds. Incluso los anuncios de búsqueda responsivos, la última función de Google Ads, fueron diseñados de forma masiva por Channable. Todas las mañanas se actualizaba la estructura de la cuenta (diseño de campaña, anuncio de texto, palabras clave y páginas de destino personalizadas) teniendo en cuenta los datos más recientes y las promociones actuales (véase el anexo 2).

Campañas inteligentes de Google Shopping: aquí nos centramos en la publicidad a nivel de producto. El feed de productos limpio, utilizado para los casos prácticos de los anuncios de búsqueda, se podía adaptar fácilmente a la publicidad de Display y Shopping. Las campañas inteligentes nos permiten mostrar todos nuestros productos en stock a los usuarios en cuanto buscan alguno de ellos. Combina el poder del remarketing dinámico de productos y también hace un seguimiento de los usuarios en caso de que no hayan comprado el producto en el plazo de los 7 días siguientes.

Bing Ads: dado que Bing sigue siendo responsable del 3% de todo nuestro tráfico de búsqueda, nos pareció imprescindible prestarle también la atención necesaria. Para seguir siendo eficientes, creamos un conector entre Bing y Google Ads. De este modo, Channable actualiza Google Ads y Google Ads actualiza Bing Ads a diario, una práctica ultraeficiente.

Anuncios dinámicos de Facebook: también queríamos estar presentes con nuestro feed de productos para el remarketing dinámico de productos en redes sociales.

Este tercer paso nos permitió distribuir experiencias publicitarias mucho más relevantes. Mientras que los dos primeros pasos se centraron en reducir los costes para maximizar el ROAS, este paso está orientado a aumentar la rentabilidad. Sin embargo, vimos la oportunidad de ir aún más lejos en la creación de valor activando nuestros datos al siguiente nivel: pasar del ROAS al POAS (Profit on Ad Spend).

POAS - El segundo hito

En el mundo actual, necesitamos grandes volúmenes de datos para alimentar eficazmente los algoritmos de Smart Bidding (es decir, maximizar los valores de conversión en Google). Estos algoritmos de pujas inteligentes tienen en cuenta todo tipo de señales a la hora de pujar más por los usuarios que tienen más probabilidades de convertir. Son cajas negras que incorporan señales como el comportamiento de búsqueda, el uso del dispositivo, los grupos de audiencia, la hora del día, la participación en el sitio web, etc., y crean perfiles avanzados de usuario.

Nuestras campañas automatizadas fueron un gran comienzo para generar toneladas de datos.
Gracias a todas las campañas cualitativas y autogeneradas, pudimos obtener una gran cantidad de ingresos con menores costos de mantenimiento.

Pero tener campañas de búsqueda automatizadas y ofertas inteligentes no nos bastaba. Después de funcionar durante algunas semanas, medimos y analizamos los resultados y notamos que esta configuración logra fácilmente nuestros objetivos de ROAS, pero a menudo impulsa a las marcas más populares con mayor demanda, pero no necesariamente mayor rentabilidad.

Si has trabajado en el mundo digital, sabrás lo difícil que es encontrar un ROAS objetivo sólido para tu campaña. Lo cual es lógico si lo piensas. Los ingresos puros no significan nada en términos de la salud de una empresa. La clave es la estructura de costes que está vinculada a ella. Me explico: algunas marcas son más conocidas y, en consecuencia, son más buscadas (por ejemplo, Philips). El sistema tiende a gastar más de la cuenta en estas marcas cuando también aportan muchos ingresos, lo que se traduce en un alto ROAS.

Sin embargo, el beneficio de algunas es muy bajo. Al hacer este ejercicio, quedó claro que teníamos que dar el siguiente paso en nuestro flujo de automatización del rendimiento de los datos para transformar nuestros ingresos, en un motor de beneficios. Ese eslabón perdido se llamaba datos de margen de beneficio.

Lo que hicimos fue implementar datos cifrados de margen de beneficio a nivel de producto en nuestra capa de datos en la web. A continuación, inyectamos estos datos de beneficios a través de Google Tag Manager en Google Ads, creando una conversión de beneficios independiente (véase el anexo 3).

Al cifrar estos datos, se hizo imposible que los competidores abusaran de ellos. Los desciframos en nuestra plataforma de Google Ads para poder utilizar el valor tanto para la generación de informes como para la optimización. Estos datos sagrados, en combinación con las ofertas inteligentes y el aprendizaje automático, nos permitieron optimizar nuestro conjunto masivo de campañas hacia los beneficios.

SKU zombi - El último hito

A partir de este momento, nuestro motor de beneficios se puso en marcha y mostró buenos resultados. Naturalmente, analizamos nuestros datos y descubrimos nuestro último problema: cada vez que se añadía un nuevo producto o volvía a estar disponible, a menudo tenía una exposición limitada. Este es uno de los escollos de las estrategias de pujas inteligentes. Tan pronto como la máquina esté en marcha y el algoritmo elija los productos más exitosos que impulsar, es difícil para los nuevos productos luchar por su puesto.

Eventualmente, el algoritmo de Smart Shopping los incluirá mientras estén disponibles, pero a menudo a un volumen muy bajo y pueden pasar algunas semanas antes de que aparezca ese producto. Para compensar esto, hemos creado un informe automatizado, utilizando una secuencia de comandos de Google Ads, que almacena los SKU de todos los productos que recibieron menos de 1 clic.

Esta lista de SKU se comparte luego con Channable, de modo que la herramienta puede aplicar la etiqueta «SKU zombi» a todos los productos del feed (véase el anexo 4).

Ahora es más fácil: solo necesitamos crear una campaña de compras inteligentes independiente que sirva únicamente a los SKU zombi para darles la exposición que se merecen, antes de que la campaña principal de compras inteligentes los tenga en cuenta unas semanas después.

Resultados y conclusión

Los resultados se dispararon. Hoy tenemos un motor de conversión que se mantiene en la North Star metric: la rentabilidad. Todos los días se actualizan los precios y el inventario de todos los productos, se añaden nuevas colecciones y categorías, y todo esto se adapta dentro de nuestra plataforma casi en tiempo real para cada país de venta.

Las marcas menos rentables desaparecen poco a poco y dejan sitio a las marcas propias de DM Lights sin interferencia humana. Además, los productos recién añadidos también tienen una oportunidad justa de demostrar su valor añadido gracias a los SKU zombi.

Las cifras hablan por sí solas:

• El beneficio respecto al gasto en publicidad (POAS) aumentó un 70% interanual
• Mientras que los valores de beneficio totales aumentaron un 130% interanual

Todo esto fue posible gracias a la adopción de una tecnología que facilitara trabajar de forma más inteligente en lugar de obligar a esforzarse más. Hoy en día, esto nos permite trasladar nuestros recursos de las operaciones pesadas a las tareas que realmente importan: el análisis avanzado y la estrategia a largo plazo.

Con este caso hemos demostrado:

• El valor añadido de las herramientas: le hemos sacado todo el partido a Channable, nuestra herramienta de gestión de feeds y automatización de PPC. Reducir todo el trabajo manual de configuración y mantenimiento de la campaña.

• El valor añadido de la medición: contar con la medición de conversiones correcta para detectar el problema de las marcas populares y menos rentables y los SKU zombi.

• El valor añadido de la experiencia en medios: desafiando nuestra propia implementación. No podemos estar quietos.

Como hemos ilustrado anteriormente, hemos visto tres grandes hitos que han mejorado nuestro caso paso a paso (y, además, nos ahorran 5000€ en gastos de tecnología cada año). Todo esto se logra siguiendo de cerca nuestros datos y tomando las decisiones correctas en colaboración con nuestro cliente. Los resultados lo demuestran: mayores volúmenes (beneficio) y mejor calidad (POAS).

• El valor añadido para nosotros mismos: se trata de un marco para el futuro. Se han implementado todas las reglas para que esto funcione en todo el mundo con medidas adicionales limitadas.