Google Shopping ist heutzutage bei E-Commerce Adwords Accounts meist für mindestens 50% des Umsatzes verantwortlich. Dementsprechend groß ist in der Regel auch Potenzial von Google Shopping Optimierungen.
Tausende, häufig wechselnde Produkte, viele Produktgruppen und Kampagnen, und immer stärker werdender Wettbewerb führen aber dazu, dass das Management von Google Shopping häufig chaotisch verläuft. Zudem sind Optimierungspotenziale aufgrund der Menge und Unübersichtlichkeit der Daten schwer zu erkennen. Mal ehrlich – wann hast du dich das letzte Mal gefragt:
Welche meiner Produkte bringen den meisten Umsatz? Welche Produkte verursachen nur Kosten?
In diesem Beitrag werden wir etwas Licht ins Dunkel bringen, wie man die schwarzen Schafe im Shopping Bereich entdeckt und wie man sie nach und nach weißer machen kann. Im Folgenden zeigen wir Schritt für Schritt wie das riesige Potenzial zur Google Shopping Optimierung gehoben werden kann.
Best Practice Google Shopping Optimierung:
Regelmäßig schwarze Schafe identifizieren & Gebote reduzieren
In der Regel sind in einem Google Shopping Account mehrere tausend Produkte enthalten. Diese ändern sich zudem je nach Branche mitunter mehrfach im Jahr. Meist sind dabei zahlreiche Produkte unrentabel, während die meisten durchschnittliche Performance zeigen und einige wenige besonders rentabel sind.
Der Managementaufwand, für alle Produkte jeweils individuelle Gebote festzulegen, wäre aufgrund der vielen Produkte und Änderungen meist viel zu hoch. Das führt häufig dazu, dass man Produkte gruppiert (z.B. nach Marken, Produkttypen oder Preisbereichen) und dann für die jeweilige Gruppe bietet.
Dieser Ansatz bietet zwar eine bessere Lösung als gar keine Gruppierung – es ist aber leicht nachvollziehbar, dass es innerhalb dieser Produktgruppen dann signifikante (z.T. 100% und mehr) Abweichungen in der Rentabilität zwischen den Produkten gibt. Diese Abweichungen werden dann aber in den Geboten nicht berücksichtigt und dadurch Kostensenkungspotenzial verschenkt.
Entsprechend können durch das einzelne Management aller Shopping Produkte nach Rentabilitätskriterien Ausgaben deutlich gesenkt werden und die Adwords Account Rentabilität erhöht werden. Sinnvoll ist es daher, die schwarzen Schafe, d.h. unrentable Produkte, regelmäßig zu identifizieren und für diese eigene Knoten (Produktgruppen) anzulegen, um die Gebote für jedes Produkt individuell herabzusetzen.
Unrentable Produkte in Shopping identifizieren
Was recht einfach klingt ist bei tausenden Produkten und vielen Daten gar nicht so leicht – die Identifikation der Produkte deren Gebote man reduzieren sollte. Standardmäßig stehen einem in der Google Adwords Shopping Oberfläche dazu meist viele Datenfelder zur Auswahl zur Verfügung – am meisten genutzt werden traditionell Costs per Order / Cost per Conversion.
Nachteil dieser Betrachtung ist, dass der mit einem Produkt erzielte Umsatz keine Berücksichtigung findet. Aber selbstverständlich hat eine Sandale für 19,99 € in der Regel weniger Ertrag als ein Marken-Sneaker für 139 €. Dieser Ertragsunterschied findet jedoch bei der Bewertung der Artikel und Gebote mittels den immer noch gängigen CPO (Kosten pro Conversion) keinerlei Berücksichtigung. Daher sollte in die Bewertung der Produkte unbedingt auch der erzeugte Umsatz entsprechend einfließen.
Jedes Produkt mittels KUR Analyse nach Rentabilität bewerten
In Google Adwords bietet sich zur Betrachtung des Conversion-Werts im Verhältnis zu den Kosten der Wert „Conversion-Wert/Kosten (ROAS)“ an. Dieser ist über die individuellen Spalten anzeigbar, wenn Umsätze importiert werden. Wir selbst nutzen für die Berechnung die KUR Analyse – den Kehrwert des ROAS. Für mehr Infos zu ROAS und KUR gibt es detaillierte Erklärungen in unserem Glossar.
Die grundlegende Idee unserer heutigen Analyse ist es also, schwarze Schafe über eine
Kosten-Umsatz-Relation (KUR) Analyse
zu identifizieren.
Dazu berechnen wir zunächst an Hand der Gesamtkosten und des Gesamtumsatzes im Bereich Shopping unsere durchschnittliche KUR. Die KUR gibt damit den Anteil der Kosten an unserem erzielten Umsatz an und ist ein guter Indikator dafür, wie teuer unsere Shoppingmaßnahmen sind.
KUR = Kosten / Umsatz * 100.
Zu diesem Durchschnittswert tragen Produkte bei, die schlechter als der Durchschnitt sind, Produkte, die durchschnittlich sind und Produkte, die überdurchschnittlich rentabel sind. Da wir die schwarzen Produkte identifizieren möchten, nehmen wir die deutlich unterdurchschnittlichen Produkte (d.h. die Produkte mit einer KUR unter dem Accountdurchschnitt oder KUR Zielwert). Die so ermittelten Produkte sind für den Händler unrentabel, denn die durchschnittliche Account KUR sollte die maximal akzeptable KUR des Händlers reflektieren.
Best Practice Google Shopping Optimierung:
Gebote für unrentable Produkte senken und Geld sparen
Wenn wir nun die KUR jedes Produkts einzeln mit dem Durchschnittswert vergleichen, können wir unrentable Artikel in Google Shopping zuverlässig identifizieren. Das Gebot dieser Produkte sollte nun entsprechend der Abweichung der KUR von der durchschnittlichen KUR gesenkt werden.
Auf diese Weise erhalten die unrentablen Produkte weniger Klicks, und die Klicks, die sie erhalten sind günstiger. Günstigere Klicks führen zu geringeren Kosten, so dass insgesamt die KUR dieses Produkts verbessert werden sollte.
Vorteile der Best Practices: Kosten senken, Umsatz an anderer Stelle steigern
Die durch diese Optimierung eingesparten Kosten sind über tausende Produkte und einen längeren Zeitraum hinweg gesehen erheblich. Sie können zudem genutzt werden, um an anderer Stelle (z.B. bei den Produkten, die rentabler als der Durchschnitt sind) Gebote zu erhöhen, mehr Geld auszugeben und damit mehr rentablen Umsatz zu erzielen.
Umsetzung in Google Adwords
Die Berechnung ist an sich nicht kompliziert und der Indikator für den KUR ist mittlerweile auch in Google Adwords direkt enthalten. Allerdings muss man sich die durchschnittliche KUR für Shopping berechnen, indem man die Kosten und den Umsatz über alle Shopping Kampagnen aggregiert und schließlich die summierten Kosten durch den summierten Umsatz teilt.
Anschließend kann man an Hand des ermittelten Wertes nach Produkten schauen, die besonders weit entfernt von der durchschnittlichen KUR sind.
Ist die durchschnittliche KUR etwa 20%, dann ist ein Produkt mit 60% KUR ein Kandidat für ein schwarzes Schaf (es gibt natürlich Ausnahmen).
Unsere Empfehlung
Aufgrund des hohen Einsparpotenzial empfiehlt es sich aber, diese Analyse mindestens einmal pro Monat zu machen, um immer wieder neu hinzukommende (oder neuerdings schlechter laufende) Produkte zu identifizieren.
Problem: manuelle Umsetzung im Tagesgeschäft
ist sehr schwierig
Die Hauptschwierigkeit für das Tagesgeschäft liegt im sehr hohen Zeitaufwand. Bei tausenden Shopping Produkten und 20-100 Produktgruppen ist die manuelle, regelmäßige Gebotsanpassung einzelner Artikel nahezu unmöglich.
Dieser ist neben der Vielzahl an Produkten auch in zwei unterschiedlichen Arbeitsansichten in Google Adwords begründet – erstens der Produktansicht und zweitens der Produktgruppenansicht. Erstere ermöglicht die Analyse der Performancedaten wie der KUR und letztere erlaubt die Anpassung der Gebote. Da beides nicht gleichzeitig in einer Oberfläche machbar ist, entsteht weiterer Zeitbedarf für ohnehin zeitaufwendige Optimierungen.
Wer schafft es schon bei tausenden Produkten regelmäßig zu ermitteln in welcher Produktgruppe sich schwarze Schafe befinden und dort neue ID Knoten für die Produkte anzulegen, um dann individuell Gebot zu senken. Auch ist es mühsam, ständig zu schauen, ob eine Produktgruppe auf Grund einzelner schwarzer Schafe heruntergezogen wird und die Gebote der entsprechenden Produkte über eigene ID Knoten zu senken.
Wesentlich schlimmer aber ist zudem, dass selbst „gut“ laufende Produktgruppen, einzelne unrentable Produkte mitziehen können, die aber durch andere „sehr gute“ Produkte kompensiert werden. Diese Fälle werden in der manuellen Betrachtung häufig gar nicht erkannt.
Lösung: automatisierte Google Shopping Gebotsanpassungen
mit ProAdly
Unser Adwords Management Tool ProAdly kann die beschriebenen Probleme lösen, indem es diese schwer manuell machbare Aufgabe automatisiert. Aber wie funktioniert das konkret?
Automatische Prüfung aller Google Shopping Produkte
Zunächst errechnt ProAdly wie oben beschrieben die Kosten und den Umsatz im Bereich Shopping und ermittelt daraus die durchschnittliche Kosten-Umsatz-Relation (KUR). Angenommen diese läge bei 20%.
Als zu verbessernde Produkte sehen wir Produkte an, die deutlich oberhalb dieses Durchschnitts liegen wie z.B. ein Produkt mit einer KUR von 60%.
Wir ermitteln daher im nächsten Schritt alle Produkte, die deutlich vom Accountdurchschnitt abweichen und sortieren diese nach Dringlichkeit – je höher die Abweichung, desto höher das Einsparpotenzial und schneller sollte gehandelt werden. Desto höher ergibt sich zudem die Senkung des Gebots des jeweiligen Artikels.
Die auf diese Weise in Sekunden identifizierten Produkte werden übersichtlich in einer durchsuch- und sortierbaren Tabelle aufgelistet. So erhält man man auf einen Blick alle schwarzen Schafe, d.h. unrentablen Produkte:
Individuelle Produktgruppen automatisch anlegen und individuelle Gebote pro Produkt abgeben
Der Clou liegt nun neben der Ermittlung darin, dass wir auch ermitteln in welcher Produktgruppe sich das Produkt aktuell befindet. Zur Senkung des Gebots legen wir dann ggf. neue Produktgruppen (z.B. einen Knoten mit ausschließlich der Produkt ID eines einzelnen Produktes) an und befreien so die bisherige Produktgruppe von der Last dieses Produktes. Darüber hinaus können die Produkte dann auch manuell besser beobachtet werden. Zudem rechnet ProAdly dynamisch das passende neue Gebot aus und ermöglicht die Ausführung der Anpassungen mittels eines einzigen Klicks.
Leistungen des ProAdly Tools kurz zusammengefasst:
- Ermittlung von Produkten, die eine deutlich schlechtere KUR aufweisen, als der Durchschnitt der Shopping Produkte
- Pro Produkt Ermittlung der aktuellen Produktgruppe
- Strukturelle Anlage neuer Produktgruppen, um produktindividuell bieten zu können
- Senkung der Gebote individuell pro Produkt -> je nachdem wie stark es abweicht
- Automatische Wiedervorlage und Überprüfung nach ca. einem Monat -> ggf. werden Produkte noch weiter gesenkt
- Ergänzung durch analogen Report, der die deutlich besser performenden Produkte ermittelt und die Gebote erhöht
- Insgesamt somit Senkung der Kosten für Produkte, die zu wenig Conversions führen
- Erhöhung des Umsatzes durch Produkte mit vielen Conversions
Vorteile der Automatisierung gegenüber manueller Optimierung
Erkennung größerer Einsparpotenziale durch Analyse aller Produkte
Enorme Zeitersparnis
Dynamische Anpassung aller Gebote auf Einzelprodukt Ebene
Fazit: Automatische Optimierung für schwarze Schafe,
d.h. unrentable Shopping Produkte
In diesem Blogbeitrag haben wir aufgezeigt, wie man mit Hilfe einer KUR Analyse unrentable Produkte in Google Shopping ermitteln kann. Diese „schwarzen Schafe“ bieten ein hohes Einsparpotenzial.
Die Ermittlung und Berechnung ist dabei theoretisch relativ einfach, die Schwierigkeit besteht jedoch in der Menge der Daten und der Überführung der Erkenntnisse in Google Shopping Gebote auf Produktebene, da hierfür die Produktgruppen strukturell angepasst werden müssen.
Teste jetzt unser neues Tool in ProAdly aus, um diese wiederkehrende Aufgabe zu automatisieren
und folgende Unterstützung zu erhalten:
- Regelmäßige automatisierte Überprüfung aller Shopping Produkte
- Gebote auf Produktebene anstatt Produktgruppenebene steuern
- Individuelle Gebotsvorschläge pro Produkt erhalten (regelmäßig, bei tausenden Produkten!)
- Gebote per One-Click direkt in Google Adwords überführen
[…] Startseite/Events/Recap SEAcamp Jena 2018 | ProAdly war dabei Zurück […]
[…] dir auch unseren Blog Post Google Shopping Optimierung – Schwarze Schafe entdecken […]