Gepp's

Für diese Challenges haben wir passende Lösungsansätze entwickelt und umgesetzt, um starke Performance zu generieren und die gesetzten Umsatzziele zu erreichen.

Zielgruppenanalyse

Am Anfang jeder Zusammenarbeit machen wir eine tiefgehende Zielgruppenanalyse, um ein erstes Verständnis für die Zielgruppe zu gewinnen. Wir wollen die Wünsche und Probleme der Kund:innen verstehen, um die richtigen Produkte mit der richtigen Ansprache zu bewerben.

Aus unserer ersten Analyse können wir außerdem einen Startpunkt und erste Hypothesen für unsere Testing Roadmap ableiten. Mithilfe der Roadmap verstehen wir die Zielgruppe dann immer besser und können somit die Performance hebeln.

Erste signifikante Ergebnisse waren, welche Kategorien am häufigsten verkauft werden und aus welcher Motivation Kund:innen in eben diesen Kategorien kaufen.

Produkt- und Offer-Testing

Um in diesem breiten Produktkatalog genau die Produkte zu finden, die auf Facebook und Instagram stark performen (Produkt-Channel-Fit), haben wir die Verkaufsdaten und Zielgruppenanalyse als Startpunkt gewählt. Daraus konnten wir erste Tests für Produkte aus den Kategorien Saucen, Essige, Öle und Gewürze & Dips einleiten.

Der erste Produkt-Testing-Durchlauf hat noch keine starke Tendenz in Richtung einer Kategorie oder bestimmten Produkten aufgezeigt. Daher sind wir einen neuen Weg gegangen und haben Angebote für bestimmte Use Cases getestet, die wir auf Basis der vorangegangenen Zielgruppenanalyse erstellt haben: Burger/USA, Grillen und Italien. Für diese Use Cases haben wir auf entsprechende Produktseiten oder Kategorieseiten geleitet, wo man einzelne Produkte oder Bundles kaufen konnte. Der Italien Use Case hat sich dabei als klarer Best-Performer herausgestellt.

Zudem haben wir auf Saisonalität getestet, da die bisherigen Daten vermuten ließen, dass diese eine Rolle spielen könnte. Die Daten der Tests zeigen ganz klar, dass es einen sehr großen Einfluss hat. Während im Sommer noch Use Cases und Produkte, die in die Jahreszeit passen, besser konvertiert haben, zeigen aktuell Geschenkboxen, Wundertüten und Adventskalender eine sehr starke Performance. Das Ergebnis könnte man erwarten, aber der Hebel ist noch größer, als wir angenommen hatten. Daher werden wir die Produkt- und Angebotsstrategie über Paid Social in Zukunft stark mit Saisonalität und Feiertagen verknüpfen.

Durch unser strategisches Testing konnten wir performante Angebote finden, die wir ausspielen. Um trotzdem die volle Breite des Produktkatalogs über Facebook Ads abzubilden, nutzen wir einen Teil des Budgets für Dynamic Product Ads.

Average Order Value

Um den Average Order Value zu steigern, haben wir zwei konkrete Empfehlungen gegeben: Den Mindestbestellwert und die Versandkostenfreigrenze anheben. Mit diesen Änderungen konnten wir den AOV vom Juli zum September um 36% steigern. Im Oktober kam dann noch der starke Abverkauf der Adventskalender hinzu, wodurch der AOV seit Beginn der Zusammenarbeit um insgesamt 59% gestiegen ist.

Wenn der AOV steigt, muss man immer schauen, wie sich die Conversion Rate entwickelt. Falls diese stärker fällt, als der AOV steigt, hat man nichts gewonnen. Die Conversion Rate ist aber nur leicht gesunken und somit ist der RPU (Revenue per User = Umsatz pro Shopbesucher) gestiegen.

Creative-Testing & UGC 

Das Creative ist ein extrem großer Hebel in jedem Ad Account, weshalb auch in diesem Case das Creative-Testing einen großen Anteil in unserer Testing Roadmap eingenommen hat. Für starke Performance müssen wir genau die Ansprachen & Botschaften finden, welche die Zielgruppe zum Kaufen bewegen.

Kund:innen kaufen, wenn ein Produkt die Lösung für ihr Problem ist oder einen Wunsch erfüllt. Auf Basis der Zielgruppenanalyse haben wir ein Claim-Testing aufgesetzt, sprich kurze Ansprachen auf Statics (Bilder) gelegt. Anhand der Klickpreise konnten wir dann herausfinden, welche Botschaften gut bei der Zielgruppe ankommen. Nach und nach konnten wir mithilfe der Daten die Zielgruppe besser verstehen und ansprechen und zum Beispiel herausfinden, dass der Use Case Italien gut performed und wie wir diesen ansprechen müssen, damit der Scroll gestoppt, geklickt und gekauft wird.

Scroll Stop, Klick und Conversion werden aber vor allem auch durch das Visuelle beeinflusst. Daher haben wir fortlaufend verschiedene Ad Konzepte mit mehreren Variationen für die Use Cases getestet, um die besten Starts und Call to Actions zu finden und die Scroll-Stopper-Raten (SSR) und Klickkosten (CPC) zu optimieren. Wir konnten die SSR in den besten Ad Sets auf einen Durchschnitt von über 40% anheben und die CPC im Account-Durchschnitt um 28% senken.

Zuletzt testen wir immer wieder unterschiedliche Creator:innen für unseren User Generated Content und bewerten auch diese nach denselben KPIs. Die Zielgruppe jeder Brand bevorzugt gewisse Creator:innen - dabei spielen Authentizität und Identifikation eine große Rolle. Bislang konnten wir zwei top-performing Creator:innen finden, dessen Content starke Scroll-Stopper-Raten, Klickraten und Umsätze bringen.

Account-Struktur & Datenauswertung

Die Account- bzw. die Kampagnenstruktur hat sich seit Beginn der Zusammenarbeit deutlich verändert. Während wir am Anfang viel mit unterschiedlichen SKU-Kampagnen gearbeitet haben, um erste Offer, Ansprachen und technische Einstellungen zu testen, haben wir inzwischen ein Setup, welches aus verschiedenen Kampagnentypen besteht.

Wir haben eine Testing-Kampagne laufen, wo wir auf Add to Cart (Warenkörbe) statt auf Kauf optimieren, um günstig Daten für unsere Test-Hypothesen zu sammeln. Absolute Winner-Ads werden dann in der Evergreen-Kampagne skaliert.

Den starken Faktor der Saisonalität decken wir mit einer Saison-Kampagne ab, wo aktuell Adventskalender Ads ausgespielt werden. Die Saison-Kampagne haben wir auch mit der neuen Meta Funktion Advantage Shopping Plus laufen und sehen erste gute Ergebnisse: Klickkosten und Kosten pro Warenkorb unterhalb des Account-Durchschnitts.

Um die gesamte Breite des Produktkatalogs abzubilden, haben wir zusätzlich eine Kampagne mit Dynamic Product Ads aufgesetzt. Außerdem läuft mit den Best-Performern auch eine View-Content-Kampagne, weil wir damit zuletzt in verschiedenen Accounts Uplifts in Bezug auf die Gesamtperformance, gemessen am MER sehen konnten.

Damit wir datengetrieben Entscheidungen treffen können, haben wir ein Daten-Setup bestehend aus Y42, Google Analytics und Data Studio aufgesetzt und alle Quellen sauber miteinander verknüpft. 

Multi Channel Strategie

Wir konnten Facebook, Instagram und Google in eine holistische Strategie zusammenführen, sodass sich die Channel gegenseitig unterstützen. Das Budget stimmen wir dabei zwischen Social und SEA immer so ab, dass wir optimale Performance erreichen. Aktuell geben wir etwas mehr Geld auf Google, als auf den Meta-Plattformen aus.

Wir können aber deutlich erkennen, wie die Google Performance mit steigendem Ad Spend auf Facebook und Instagram ansteigt.

Google PMax

Wir haben das Ad Account Setup gänzlich überarbeitet und unser Modern Search Setup aufgebaut. Das heißt, wir haben Smart Shopping Kampagnen entfernt und arbeiten nur noch mit den Kampagnentypen “PMAX” und “Search” (nur eine Standard Shopping Kampagne läuft noch als Fallback nebenher). 

Im Testing konnten wir zudem schon erste große Learnings sammeln: Die Search Kampagnen “Brand” und “Brandkombi” liefern stärkere Performance mit der Gebotsstrategie Ziel-ROAS, statt Impression Share (“Angestrebter Anteil an möglichen Impressionen”). Außerdem performen Competitor Kampagnen in diesem Vertical nicht gut.

Durch das neue Setup, die Umstellung auf PMAX und die Optimierung auf Ziel-ROAS bei den Brand-Kampagnen hat sich die Performance bereits deutlich verbessert. Wir konnten den Ad Spend auf Google vom Juli zum Oktober um 114% erhöhen und damit eine Steigerung des Google-Umsatzes um 139% erreichen. Im selben Zeitraum ist der Google-ROAS um 12% gestiegen.