Closed-Loop-Fragen und Antworten: Personalisierung, maschinelles Lernen und wie man die Ergebnisse von Werbekampagnen maximiert

Sie erinnern sich vielleicht an die Fragen und Antworten mit Elite SEM im Januar, in denen Google- und Facebook-Anzeigen-Taktiken besprochen wurden, auf die Werbetreibende achten sollten, und wie sich Personalisierung und maschinelles Lernen auf Kampagnen auswirken können.

Als nächstes in dieser Agenturserie ist Amanda Evans, Chief Advertising Officer, bei Closed Loop. Sie werden feststellen, dass die Antworten ziemlich von Elite SEM abweichen. Das ist zu erwarten und zeigt, dass digitale Werbung heute sehr komplex ist und Agenturen ihre Paid-Strategien ständig evaluieren sollten.

Welche Google Ads-Taktiken haben Ihrer Meinung nach in der Vergangenheit gut funktioniert, werden aber in Zukunft nicht mehr funktionieren?

AE: Es gibt drei, auf die ich aufmerksam machen möchte:

1. Single Keyword Ad Groups (SKAGs) – Diese Struktur funktioniert nicht mehr und verhungert einfach die maschinellen Lernalgorithmen. Stattdessen funktionieren thematisch eng gefasste Anzeigengruppen mit 10–15 Keywords am besten. Wir verwenden eine einzelne Keyword-Anzeigengruppe NUR für Keywords mit extrem hohem Volumen, aber das ist selten.
2. Echter A/B-Split-Test – Es ist praktisch nicht mehr möglich, einen echten A/B-Split-Test für Anzeigen durchzuführen, und das ist auch nicht nötig. Sowohl die Algorithmen von Google als auch die von Facebook leisten eine ziemlich erstaunliche Arbeit bei der Optimierung für die besten Performer.
3. Negative 100 %-Gebote für Geräte – Dies mag umstritten sein, aber Werbetreibende, die sich vollständig von Mobilgeräten abmelden, werden zurückgelassen. Die Verbraucher von heute (einschließlich B2B) wechseln schneller als je zuvor zwischen Geräten. Die Idee, dass Menschen nur auf dem Gerät suchen, auf dem sie konvertieren werden, ist kurzsichtig.

Gleiche Frage wie oben, aber für Facebook-Werbung…

AE: Ähnlich wie bei Google Ads ist ein echtes A/B-Split-Testing fast unmöglich. Die Anzahl der Werbeformate, Plattformen und Platzierungen im Facebook-Netzwerk ist exponentiell gewachsen. A/B-Tests würden jetzt die Leistung für das gesamte Konto zurückhalten. Und die Realität ist, dass der Algorithmus hervorragende Arbeit leistet, indem er den richtigen Gewinner „auswählt“, sodass keine A/B-Tests erforderlich sind.

Außerdem sehen wir, dass granulare Strukturen nicht mehr so ​​gut funktionieren wie früher. Der Erfolg stellt sich ein, wenn Sie „die Maschine füttern“ – geben Sie ihr so ​​viele Daten wie möglich, damit sie die besten Variationen zum Servieren herausfindet.

Was wird Ihrer Meinung nach in Google Ads übersehen, wird aber 2019 groß rauskommen?

AE: Zwei Dinge fallen mir ein…

1. Zielgruppen-Targeting / mehrschichtiges Targeting. Wir beginnen zu erkennen, wie unglaublich effektiv es ist, Zielgruppen, sowohl Erst- als auch Drittanbieter, auf Suchkampagnen zu schichten, um den Cost-per-Acquisition zu verbessern. Dies ist besonders wichtig für Kunden, bei denen es doppelte Bedeutungen ähnlicher Schlüsselwörter gibt. Wir sehen dieses Problem häufig im B2B-Bereich, und die Zielgruppenschichtung hilft uns, das Durcheinander zu durchbrechen.
2. Kampagnen so strukturieren, dass sie mit intelligenten Gebotsalgorithmen funktionieren, aber auch eine strengere Budgetkontrolle ermöglichen. Einige alte Praktiken zur Strukturierung von Kampagnen, insbesondere SKAG, arbeiten gegen Gebotsalgorithmen. Wir stellen fest, dass sich Strukturen ändern müssen, damit die Algorithmen so gut wie möglich funktionieren.

Dieselbe Frage wie oben, aber für Facebook-Werbung…

AE: Bei Facebook denke ich, dass Folgendes übersehen wird:

1. Die Möglichkeit, das Zielgruppen-Targeting von Facebook durch Datenintegration von Drittanbietern zu erweitern. Während die Zahl der Facebook-Zuschauer im vergangenen Jahr zurückgegangen ist, haben Datenanbieter von Drittanbietern nicht nur die Lücke gefüllt, sondern auch ihre Möglichkeiten erweitert. Wir können Anzeigen mit viel mehr Granularität als je zuvor an eine Zielgruppe anpassen. Es eröffnet Werbetreibenden völlig neue Möglichkeiten.
2. Für Mobilgeräte optimiertes Video. Im vergangenen Jahr griffen 95 % der Facebook-Nutzer über ein Smartphone auf Facebook zu. Während Vermarkter das Wachstum von Mobilgeräten verstehen, scheinen nur wenige Werbetreibende davon Gebrauch zu machen. Wir sehen unglaubliche Erfolge unserer für Mobilgeräte optimierten Videokampagnen mit erheblichen Steigerungen sowohl der CTR als auch der Konversionsraten.

Welche Rolle spielen Ihrer Meinung nach KI und maschinelles Lernen bei bezahlten Anzeigen in der Zukunft?

AE: Die Rolle von KI und maschinellem Lernen in bezahlten Anzeigen entwickelt sich noch weiter, aber wir erwarten, dass ihr Anteil im Laufe des nächsten Jahres erheblich zunehmen wird.

An der Gebotsfront sind die Algorithmen von Google und Facebook vielversprechend, aber es gibt einige kritische Lücken. Damit KI und maschinelles Lernen ihr Potenzial ausschöpfen können, müssen Facebook und Google denjenigen, die die Kampagnen verwalten, etwas Kontrolle und Flexibilität zurückgeben.

Es gibt zwei Schlüsselbereiche, von denen wir erwarten (hoffen?), dass sie dieses Jahr behoben werden:

1. Die von den Algorithmen verwendeten Daten sind möglicherweise nicht dieselben Daten , die dem Werbetreibenden wichtig sind. Im B2B-Bereich haben beispielsweise Google und Facebook Zugriff auf Leads, aber nur wenige Werbetreibende gewähren ihnen Zugriff auf MQLs. Maschinelles Lernen kann nur das optimieren, worauf es Zugriff hat. Es ist wahrscheinlich, dass Drittanbieter Integrationen erstellen, um interne Daten von Werbetreibenden in die Facebook- und Google-Plattformen zu leiten.
2. Die Algorithmen reagieren oft nur langsam auf groß angelegte Änderungen oder „Schluckauf“ bei Kampagnen. Wir stellen oft fest, dass große Budgets oder Zieländerungen einen großen Einfluss auf die Leistung beim maschinellen Lernen haben. Wenn beispielsweise das Tracking für ein paar Tage ausfällt, wirkt sich dies in den nächsten Wochen auf die Leistung aus. Ich erwarte, dass Google & Facebook Flexibilität bieten, um bestimmte Zeiträume aus dem Algorithmus auszuschließen.

In Bezug auf die Verwendung von maschinellem Lernen zum Erstellen von Anzeigen ist dies meiner Meinung nach länger hin. Wir sehen, dass Facebook und Google versuchen, in diese Richtung zu gehen, aber für große Werbetreibende wird dies schnell brenzlig. Die Leistung von Responsive Search Ads und Responsive Display war bestenfalls gemischt. Werbetreibende sind besorgt über Marken-Compliance und Botschaften. Während wir also davon ausgehen, dass die Suchmaschinen diesen Weg weiter gehen werden, sehen wir genug Zögern von Werbetreibenden, um zu glauben, dass dies etwas länger dauern wird, um zu wachsen.

Welche Rolle spielt Ihrer Meinung nach die Personalisierung bei bezahlten Anzeigen im Jahr 2019 und darüber hinaus?

AE: Wir gehen davon aus, dass sich die Personalisierung im Laufe des Jahres 2019 und darüber hinaus weiter verbessern wird. Soziale Werbenetzwerke, insbesondere Facebook, verfügen über die Daten, die Vermarkter benötigen, um personalisierte Marketinginhalte bereitzustellen, sind sich aber natürlich der Auswirkungen sehr bewusst. Das Gleichgewicht zwischen Personalisierung des Marketings und der Achtung der Privatsphäre eines Benutzers wird schwierig sein, insbesondere angesichts der jüngsten Probleme von Facebook.

Allerdings haben Social Marketer die Möglichkeit, mithilfe von Taktiken wie Custom Audiences und Account-based Marketing maßgeschneiderte Inhalte zu erstellen. Die Verwendung von Daten von Erst- und Drittanbietern und maßgeschneiderten Nachrichten bietet eine gute Balance zwischen der Wahrung der Privatsphäre eines Benutzers und der Bereitstellung personalisierter Anzeigen. Gute Daten und Segmentierung waren und sind der Schlüssel zur Nutzung der Personalisierung, und ich gehe davon aus, dass Marketer in den kommenden Jahren weiter in Data Science investieren werden.

Was sind 1-2 Möglichkeiten, wie digitale Vermarkter Personalisierung in bezahlte Anzeigen und Post-Click-Landingpages einfügen können?

AE: Ich denke, wir werden sehen, dass die Personalisierung dem Lebenszyklus oder Verkaufstrichter des Kunden folgt. Kluge Werbetreibende nutzen die Personalisierung nicht nur, um Werbekampagnen jeder Phase im Verkaufstrichter zuzuordnen, sondern vor allem auch der Tiefe der Daten, die der Werbetreibende über jeden Benutzer hat.

Die Technologie gibt Werbetreibenden jetzt die Möglichkeit, die ihnen zur Verfügung stehenden Daten zu verwenden, um ein aussagekräftiges Profil für jeden Benutzer zu erstellen und dieses Profil zu verwenden, um Anzeigen besser auszurichten und zu personalisieren. Das ist ein deutlicher Unterschied zu den „anonymen“ Zuhörern der Vergangenheit.

Jetzt haben wir einige Informationen über Benutzer, die genutzt werden können, um Anzeigen besser auszurichten und Nachrichten an diese Benutzer zu verfassen. Wir haben zwar noch nicht den Heiligen Gral der echten Personalisierung für jede einzelne Person erreicht, auf die wir abzielen, aber wir werden zumindest in der Lage sein, Benutzer in verschiedene Zielgruppen zu gruppieren und vielleicht eine Matrix verschiedener Targeting-Methoden einzusetzen, so dass wir uns dem personalisierten Marketing annähern können.

Wir können jetzt Creatives auf einer Post-Click-Zielseite auf einen Benutzer ausrichten und anpassen, basierend auf dem, was wir über ihn wissen. Durch die Verbindung dieser Fähigkeit mit Daten von Erst- und Drittanbietern sind die Möglichkeiten praktisch unbegrenzt.

Wir bei Closed Loop freuen uns darüber, weil nur sehr wenige Werbetreibende davon profitieren. Es fühlt sich also wie eine Gelegenheit auf der grünen Wiese an, und das ist immer aufregend, wenn Sie die Gelegenheit haben, einer der Ersten zu sein, der in ein so unerforschtes Gebiet eintaucht. Ein früher Einstieg schafft einen Wettbewerbsvorteil, da Sie den anderen Werbetreibenden in dieser Branche immer ein wenig voraus sein können. Im Wesentlichen verschafft es Ihnen den Vorteil, und das versuchen wir für unsere Kunden zu tun.

Welche Ergebnisse sehen Ihre Kunden nach der Personalisierung ihrer Anzeigen und der Post-Click-Landingpage?

AE: Erstaunliche Ergebnisse! Auch keine schrittweise Verbesserung um 10 bis 15 %.

Wir sehen eine exponentielle Verbesserung von 200 % bis 500 %, wenn wir ein Angebot in der Anzeige und auf der Zielseite nach dem Klick wirklich individuell ausrichten können. Das ist einer der Gründe, warum es für uns so aufregend ist.

Die Herausforderung besteht darin, Werbetreibende dazu zu bringen, personalisierte Anzeigen und Post-Click-Landingpages wirklich zu sehen und an sie zu glauben. Es klingt anfangs fast zu gut, um wahr zu sein (und wir waren selbst Skeptiker), aber die Daten sind klar und sprechen eine so laute Sprache, dass wir nachlässig wären, wenn wir nicht alle unsere Kunden dazu ermutigen würden, die Personalisierung mit allem, was sie haben, voranzutreiben .

Digitale Werbung und Post-Click-Optimierung

Unabhängig davon, ob Ihre Marke Google, Facebook (oder beides) für bezahlte Anzeigen verwendet, sind Sie es sich selbst und Ihren Kunden schuldig, die Ergebnisse aller Kampagnen zu maximieren. Die Post-Click-Optimierung ist heute für viele digitale Werbetreibende oft eine fehlende Komponente, aber eine entscheidende, da es das ist, was nach dem Klick passiert, das Conversions generiert.

Holen Sie sich weitere Informationen, indem Sie mit Instapage zusammenarbeiten, und sehen Sie, was Ihren Kampagnen fehlt.