<img height="1" width="1" style="display:none" src="https://q.quora.com/_/ad/8fb78ae898f448e9b008c905098c9da9/pixel?tag=ViewContent&amp;noscript=1">

[Case Study] Hvordan vi kontrollerede og maksimerede Google Shopping Profitten for både Brand Termer OG Ikke-Brand Termer

Udfordring

Løsning

Resultat

Om Easton Digital



Udfordring

 

Dette velkendte solbrille firma har en meget stærk brand tilstedeværelse, så mange af deres brand-relaterede målinger var forkerte. 

Deres organiske trafik, sociale medier og e-mail trafik havde stor succes med at drive salget med høj “return visitor rates” (genbesøg på hjemmesiden) og de havde høje CLV værdier, altså omsætning per kunde.

Så alle data indikerede at Google Shopping skulle være en profitabel kanal, men det var den bare ikke...

 

Problemet var, at hver gang de forhøjede deres bud for at øge trafikken og få højere annonceplacering, så faldt deres profit væsentligt. 

De vidste, at de gik glip af omsætning ved ikke at fange trafikken, og vidste også at de ikke kunne opgive en kanal med så stor volumen som Google Shopping.

Vi gravede dybere ned i deres data, og det gik op for os at deres reelle problem var, at de gik glip af den vigtige høje ROI trafik, og de brugte alt for mange penge på generisk trafik.  

 

Vores analyse viste at omkring 66% af annonce forbruget blev brugt på ikke-profitabel trafik, og det meste blev brugt på termer der relaterede til andres irrelevante brands, solbrille designs de ikke sælger og generelle solbrille termer der ikke var relateret til firmaets produkter.  

Så selvom trafikken havde en ret god click-through rate (CTR), så havde de også en høj afvisnings rate, der viste at det ikke var kvalitets trafik der blev ledt over på siden, - for de fleste forlod hjemmesiden igen næsten lige så hurtigt som de var kommet ind. 

 

Derudover viste analyserne at der kom meget lidt betalt trafik, og det var de organiske søgeord der drev 80% af den organiske, ikke-brandede profit.  Annoncerne blev enten vist for langt nede på siden til at få trafik der gav mening, eller så blev der annoncer slet ikke vist.

Så udfordringen var at definere hvordan vi bedst kunne øge både annoncernes placering og fik en trafik med høj ROI, mens der stadigt kom trafik fra den store volumen på lave ROI vilkår til den laveste udgift per klik.

 

 

Tilbage til toppen eller Download den Komplette Guide til Data Feed Optimering.

 


Løsning

 

Vores første ide var at opdele trafikken i tre segmenter og så optimere dem hver for sig. De tre segmenter var brand termer, profitable termer og generiske termer.  Men vi skulle komme op med den bedste strategi til at opnå det, og hvordan vi bedst kunne optimere hver af de tre segmenter. Løsningen blev en kombination af data feed optimering og keyword targeted campaigns (søgeords målrettede kampagner). 

 

Hvad angår data feed optimeringen, så brugte vi en kombination af Data Feed Watch’s merge file option (fletning af filer) og deres regel-baserede modifikatorer til at tilføje søgeord til titlerne og beskrivelserne. 

Resultatet var, at vi var i stand til at øge vores CTR og annoncerelevans på ikke-brandede, høj-volumens termer, som øgede både vores annonceplaceringer og trafik. Vi retter og tester selvfølgelig stadigt både titlerne foruden nye søgeorde og produkter, udover at vi tilpasser efter ferier og sæsoner.  

 

Et andet nøgleelement i data feed optimeringen var at vi automatisk kunne identificere og segmentere de bedst sælgende produkter, nye produkter, sæsonvarer og produkter der historisk set havde en høj CTR. 

Her brugte vi også Data Feed Watch’s regler, som vi programmerede til at tilføje custom labels (skræddersyede informationer), som så automatisk blev implementeret i Google Shopping kampagnerne. Resultatet var, at vi ret hurtigt kunne promovere produkter baseret på virksomhedens eksisterende data og kundeindsigt, og så optimere produkterne til at opnå en højere annonceplacering og dermed højere trafik der gav højere profit.

 

Data feed optimeringen hjalp, men vi skulle stadigt byde på forskellige termer baseret på den sprogbrug som den potentielle kunde brugte. 

For eksempel, så er sprogbrugen fra en person der søger efter dette specifikke firmas solbriller en anden end kunden der søger efter billige solbriller. 

 

Selvfølgelig ville vi gerne have trafikken på begge typer af termer til at vokse, men vi skulle også gøre det mens vi maksimerede profitten. Desuden ønskede vi at vise mange, mange annoncer for de brandede termer, for på den måde at overdøve markedspladserne og konkurrenterne, men vi havde simpelthen ikke mulighed for byde på de samme generiske termer som for eksempel “cheap sunglasses”.  Derfor var vi nødt til at byde forskelligt på termerne. 

 

For at løse det, brugtet vi en Keyword Targeted Campaign Strategy™, som tillader os at oprette kampagner for hver af de tre segmenter og deres søgeord. Vi gjorde det ved at bruge et system af prioriterede kampagne opsætninger og negative søgeord.

For eksempel gav det negative søgeord i deres brand, eller en af deres mest kendte modeller, to kampagner der drev trafik ind i en tredje kampagne.  

 

Men mest vigtigt, så tillod det os at have højere bud og en mere aggressiv optimering på de højeste ROI søgeord. Desuden gav det os mulighed for at have lavere bud og lavere annonce udgifter på søgeord af lavere kvalitet, dvs. de ord som er mere generiske og med en lavere sandsynlighed for konvertering. 

Det resulterede i større kontrol med annoncerne, vores bud og søgeord, og det ledte så til højere profit fra Google Shopping.

 

 

Tilbage til toppen eller Download den Komplette Guide til Data Feed Optimering.

 


performance-increase-results

Resultater

 

Resultatet var at vi fik en drastisk øgning i trafikken og revenuet. Så selvom udgifterne steg, så gjorde ROAS det også, altså indtægten på annoncerne, og det gjorde solbrille firmaets Google kampagner mere profitable end de var før. 

 

Desuden steg salget fra andre kanaler så firmaet fik et højere antal af genbesøg og forbruget per kunde steg, fordi vi fik flere kunden fra toppen af tragten, altså trafikken der kom fra generiske termer.

 

Vi har nu top placeringer for både brandede og ikke-brandede termer, mens vi får både kvalitets trafik og konverteringer.

 

 

Tilbage til toppen eller Download den Komplette Guide til Data Feed Optimering.

 


Om Easton Digital...

 

Easton Digital er Premier Google Ads Partner og et Shopify Expert Bureau, der ændrer måden som små til mellemstore Shopify butiksejere vækster deres salg og profit gennem Google Shopping.

 

Vores team af Google Shopping eksperter bruger avancerede ROAS-drevne eCommerce strategier til at vækste salget mens budgettet på annoncering minimeres. Vores performance baserede prisstruktur skaber et ægte partnerskab med kunderne og afstemmer forventningerne.

 

Tilbage til toppen

 


maximize profits on Google Shopping

 

Vi arbejder med et velkendt solbrille firma, som tilbyder originale billige solbriller i klassisk stil og i en lang række af farver.

Deres kvalitetsbriller starter ved bare 69 kroner. De er placeret i San Diego, Californien, og mens deres solbriller egentligt er tænkt til alle, så er målgruppen mest Millennials.

 

Hvor solbrille firmaet har stor succes med sociale medier og e-mail marketing, så havde deres annoncer på Google Shopping en udfordring.

Løsningen var en kombination af data feed optimering gennem Data Feed Watch og Søgeords Målgruppe kampagner, som førte til et drastisk øgning i både trafik og revenue:

Written by Kurt Prosser

Kurt Prosser is a former engineer and Ohio State MBA grad who turned analytic marketer. He owns multiple Amazon brands selling over seven figures annually, and currently is Managing Partner at Easton Digital. Easton Digital is a Premier Google Ads Agency and Shopify Expert Agency changes the way small to midsize Shopify stores grow their sales and profits with Google Shopping and Bing Shopping. Easton Digital’s performance based management fee and team of eCommerce experts using advanced ROI driven strategies and software has helped grow the profits of over 500 Shopify stores since 2013.

Comments

Skrevet med    af  DataFeedWatch

Skriv for os