Når datamengde er avgjørende for suksess, hvordan rigger du betalt søk for å hente ut mest mulig verdi?

0 minute read
Fridtjof Hødnebø
April 21, 2021

Ved å ta i bruk et annet konverteringspunkt med mer data kunne vi bedre utnytte algoritmiske budoptimaliseringer, som igjen ga økning i konverteringer på 33% fra betalt søk.

Mer data = større testbudsjett

Data er alltid en mangelfull ressurs, og dette er noe vi kjenner på enda mer i små markeder som Norge. De digitale supermaktene (Big G, Mark & co) jobber hele tiden med å forbedre sine algoritmer for å automatisk kunne optimalisere plattformene sine (ref Social Dilemma).
Disse algoritmene gjør det best når de har mye data å jobbe med. Mer data betyr flere mulige tester som kan ha signifikante resultater. Det handler derfor i stor grad om å tilgjengeliggjøre data for monsteralgoritmene slik at de kan levere så bra som mulig. Forspranget ligger i datatilgjengeliggjøring.


I betalt søk (Google og Bing) handler dette om i hovedsak om å tilgjengeliggjøre data i to kategorier: 

  • Målgruppedata: informasjon om brukerne og hva de gjør. 
  • Konverteringsdata: informasjon om brukerne når de gjør akkurat det vi vil at de skal gjøre (strengt tatt bare en underkategori av målgruppedata).

I denne artikkelen skal vi se nærmere på hvordan vi flyttet konverteringspunktet for betalt søk for en av våre kunder, nettopp for å få mer data til algoritmene, og hva slags fordeler dette gir oss i optimaliseringen av annonseringen.


En kundes utgangspunkt

I brukeropplevelsen til en av våre kunder går brukerne gjennom et steg for å regne ut pris, for så å kunne komme til checkout for produktet som er et abonnementsprodukt med årlig fornyelse. Dette prisestimatet er et helt nødvendig steg og man kan ikke se noen priser på produkter uten å gå igjennom dette steget. 


Verdien av investering i betalt søk ble vurdert hos denne kunden, som hos de aller fleste, på generert omsetning i form av transaksjoner i nettbutikken. Dette er på ingen måte noe komplett bilde av kundeverdien av 3 grunner:

  • Kundene beholder abonnementet sitt i flere år i de fleste tilfeller og har derfor en mye høyere livstidsverdi enn første transaksjon.
  • Det er høy grad av oppsalg på kundeporteføljen etter første kjøp.
  • Kundedata for de som gjennomfører et prisestimat men ikke kjøper blir fanget opp og brukt utenfor den digital kundereisen. 


For å kompensere for dette ble det satt høyere mål for CPA (Cost Per Acquisition) nettopp for å ta inn denne utvidede kundeverdien, men allikevel er det et upresist bilde av total kundeverdi. Det er også, til en viss grad, feil å legge hele ansvaret for konverteringen på kanalen når det er det er en såpass lang vei inn til konverteringen fra landingsside.


Lurer du på hva du kan gjøre for å bli mer synlig – vi tar gjerne en uforpliktende prat
Kontakt oss

Hva med å flytte konverteringspunktet opp i kjøpsflyten?

I diskusjoner rundt manglende presisjon i omsetning fra nettbutikk og ønske om større datamengde til algoritmisk optimalisering undersøkte vi trakten og identifiserte raskt prisberegningen som et veldig viktig steg i kjøpsprosessen med mange verdifulle sider:

  • Det er mange flere prisberegninger enn kjøp: mer data. 
  • Priseberegningene inneholder kjøpesum-data. 


Basert på interne prioriteringer rundt prisberegninger og de fordelene vi så for datamengde og kvalitet la vi frem forslag om å flytte verdisporingen for betalt søk fra transaksjoner (antall og verdi) til prisberegninger (antall og verdi). 


Kunden lener seg på Google Analytics for sporing av omsetning på nett, mer spesifikt Google Analytics Ecommerce. Disse tallene ble så brukt som grunnlag for å vurdere effekt fra Betalt Søk. For å bytte til å bruke priseberegninger kunne vi ikke lenger bruke ecommerce-rapporten, og vi kunne heller ikke endre ecommerce-sporingen til å kunne ta inn priseberegninger i stedet for transaksjoner. 

Vi valgte derfor å bruke event-baserte målsporing (Goals) med dynamisk verdi for å spore priseberegninger. Dette lot seg relativt enkelt gjøre ved å plukke opp allerede eksisterende verdier i Google Tag Managers datalayer. 

Når dataen var klar sikret og klar til bruk byttet vi budstrategiene til å optimalisere mot mål-ROAS (Return On Advertising Spend = Revenue/Cost) med total verdi fra prisberegningene i telleren.


Resultatet: en databoost

Umiddelbart fikk vi mellom 5x og 20x mer data å jobbe med, og vi så fort at algoritmene kunne teste og justere oftere, og derfor raskere. Vi kunne derfor jobbe mer effektivt med testing av budgivingsstratetgier. 

Resultatmessig klarte vi å levere følgende forbedringer for non-brand betalt søk (i samme attribusjonsmodell): 

+33% økning mot fjoråret i prisberegninger selv om trafikkøkningen kun økte med 7.8% - altså en økning i konverteringsrate på trafikken på 23%.



Oppsummert

Etter å ha identifisert utfordringer med eksisterende verdisporing tok vi et dramatisk grep og flyttet målet for annonseringen lenger opp i kjøpstrakten. Dette ga en veldig boost i datamengde som over tid viser seg å gi betydelig forbedring i resultater. Utfordringen med dette er å sikre at man baserer seg på å betale for noe som faktisk ikke gir revenue, så det vil alltid være viktig å holde øynene på faktisk omsetning samt å vurdere effekten i en bredere kontekst som inkluderer hva man gjør i andre. Allikevel vil vi oppfordre til å revurdere hvilket datapunkt man bruker for å styre annonseringen i alle kanaler. Denne vurderingen burde gjøres på følgende basis: 

  • Hvor mye mer data får jeg?
  • Hvor langt ned i kjøpsflyten skal kanalen være ansvarlig for å levere resultater?

Lurer du på hva du kan gjøre for å bli mer synlig – vi tar gjerne en uforpliktende prat
Kontakt oss