Die Zukunft von Amazon Ads meistern: Zielgerichtete Messung mit ML/KI
Amazon Ads entwickelt sich weiter. Entsprechend wird die Umstellung auf eine zielgerichtete Messung Sie für den Erfolg im Zeitalter des maschinellen Lernens und der KI rüsten. So können Sie ein vollständigeres Bild der Performance Ihrer Kampagnen durch genaue Kampagnenmessung, effiziente Strategieentwicklung und Budgetzuweisung erhalten.
Die Umstellung auf eine zielgerichtete Messung bedeutet, dass Sie sich auf die vollständige Performance konzentrieren und nicht nur auf die Last-Touch-Attribution. Jetzt ist es für Werbetreibende an der Zeit, sich mit Tools wie Amazon Marketing Cloud (AMC) vertraut zu machen und diese zu nutzen.
Vorbereitung auf die Zukunft
Die Umstellung auf eine zielgerichtete Messung bedeutet, dass man sich auf die Gesamtbetrachtung der Leistung und nicht nur auf die Last-Touch Attribution konzentriert. Jetzt ist es für Werbetreibende an der Zeit, sich mit Tools wie Amazon Marketing Cloud (AMC) vertraut zu machen und damit zu beginnen, diese zu nutzen. Denn dadurch können Werbetreibende das ultimative Ziel erreichen, die Leistung einzelner Kampagnen zu messen.
Normale Such- und Display-Reports zeigen Konversionen nur auf der Basis der letzten Interaktion. Kurz gesagt, jeder Kauf wird als Conversion der letzten Kampagne zugeschrieben, mit der der oder die Kund:in interagiert hat. Mit AMC ist es möglich, Kundeninteraktionen mit Ihren Kampagnen in allen Phasen zu messen und nicht nur den letzten Touchpoint.
Diese ganzheitlichere Sichtweise ermöglicht es, die Effektivität auf einer zielgerichteten Basis zu messen.
Die Messung der letzten Interaktion eignet sich für Low Funnel-Kampagnen wie z. B. gesponserte Produktanzeigen, da diese zur Förderung der Konversion durchgeführt werden. Wir erwarten, dass sie die letzte Interaktion sind.
Die Messung einer Awareness-Kampagne anhand der Anzahl der Conversions der letzten Interaktion ist jedoch nicht sinnvoll. Dieser Kampagnentyp ist nicht für diesen Zweck eingerichtet und optimiert. Ihre Messung sollte dies widerspiegeln. Bei Kampagnen für den Upper Funnel gibt ein auf der ersten Interaktion basierender Bericht die tatsächliche Effektivität dieser Kampagnen besser wieder.
Wenn Sie unsicher sind, wo Sie anfangen sollen, gibt es ein paar unfehlbare Schritte für den richtigen Start:
1. Machen Sie sich mit Amazon Marketing Cloud (AMC) vertraut – und zwar jetzt
Auch wenn Sie noch nicht zu 100 % auf AMC vorbereitet sind (vielleicht kennen Sie sich noch nicht so gut mit SQL aus), sollten Sie mit dem Sammeln der Daten beginnen. AMC ist nicht rückwirkend. Alles, was vor dem jetzigen Zeitpunkt passiert ist, ist weg und kann später nicht mehr abgerufen werden. Beginnen Sie mit nur einer Instanz und verbinden Sie Ihre Such- und Anzeigeentitäten, damit Sie die Gelegenheit nutzen können, wertvolle Daten zu sammeln.
2. Wenn Sie AMC bereits gut beherrschen, können Sie damit eine umfassende Analyse durchführen
Unabhängig davon, ob Sie selbst über SQL-Kenntnisse verfügen oder ein internes Team oder eine Agentur haben, die Ihnen bei der fortgeschrittenen Verwendung von SQL hilft, kann AMC für eine vollständige Bewertung Ihrer Customer Journey verwendet werden. Nutzen Sie die spezifischen Analysefunktionen, um festzustellen, ob Ihre einzelnen Kampagnen das tun, was Sie mit ihnen erreichen wollen. Mit AMC können Sie nach Kampagnentyp, Zieltyp und erster bzw. letzter Interaktion auswerten.
3. Die Erkenntnisse aus dem zweiten Schritt können bei der Festlegung realistischer Ziele helfen
Die mit AMC durchgeführten spezifischen Analysen können Ihnen helfen, die wahren ROAS-Werte für verschiedene Kampagnentypen zu ermitteln. Beispielsweise könnte die mit AMC verfügbare tatsächliche Attribution zeigen, dass Ihre Sponsored Brands-Kampagnen 50 % der Conversions ausmachen, obwohl ihnen nur 10 % der gemeldeten Conversions (letzte Interaktion) zugerechnet werden. Daraus könnten Sie schließen, dass diese Kampagnen einen “echten” ROAS erzielen, der 5x so hoch ist wie der in der Anzeigenkonsole gemeldete ROAS. Dieses Wissen können Sie nutzen, um die Ziele für diesen Kampagnentyp anzupassen.
Der Schlüssel hier ist, dass AMC ein Verständnis für die Performance jeder Kampagne auf der Grundlage der beabsichtigten Ergebnisse und nicht nur der Last-Touch-Attribution bietet. Von hier aus können Sie weitaus genauere Ziele festlegen.
Integration von maschinellem Lernen und KI
Tools für maschinelles Lernen sind darauf ausgelegt, Muster in Daten viel schneller und effektiver zu finden als Menschen, sind aber auf historische Daten, relevante KPIs und Ziele angewiesen, um optimal zu funktionieren. In Kombination mit zielgerichteten Messungen können Werbetreibende damit genaue Vorhersagen über künftige Ergebnisse treffen – was dazu beiträgt, das Targeting zu verbessern, das Bidding effizienter zu gestalten und eine datengesteuerte Strategie zu optimieren.
Die zielorientierte Messung führt zu realistischen Zielen, die die Grundlage für Algorithmen des maschinellen Lernens bilden.
Bei der Integration von Tools für maschinelles Lernen in Ihre Werbestrategie, sei es durch ein 3P-Tool oder die nativen ML-unterstützten Funktionen in der Anzeigenkonsole, ist es wichtig, Folgendes zu beachten:
1. Sie benötigen ausreichende und idealerweise stabile Daten
Eine gute Faustregel für Werbung ist ein Datenbestand von 60-90 Tagen, idealerweise 100 Conversions pro Monat (mindestens 30). Dies kann variieren, je nachdem, wofür Sie die Daten einsetzen.
Der Algorithmus lernt aus historischen Daten, um das Bidding zu optimieren, daher sollten Ihre anfänglichen Ziele die aktuelle Performance widerspiegeln. Wenn Sie Ziele festlegen, die weit über der vergangenen/aktuellen Performance liegen, führt dies häufig zu Underperformance, da der Algorithmus gezwungen ist, zu raten, da keine früheren Daten vorliegen, aus denen er lernen kann, wie diese Performance in der Vergangenheit erzielt wurde.
2. Langsam im Wandel, langsam im Urteil
Es ist wichtig, daran zu denken, dass das maschinelle Lernen ebenso wie der Mensch Zeit zum Lernen braucht. Planen Sie für die anfängliche “Trainingsphase” bei der Einführung etwa 2-3 Wochen ein und achten Sie darauf, kritische Parameter nicht öfter als einmal pro Woche zu ändern. Planen Sie außerdem mindestens sieben Tage ein, um Performance-Veränderungen zu beobachten, und bleiben Sie geduldig – wir lernen alle gemeinsam!
3. Maschinelles Lernen ist am besten, wenn es mit menschlichem Wissen ergänzt wird
Der letzte und wichtigste Punkt, an den Sie denken sollten, ist, dass Sie der oder die Expert:in sind. Es gibt bestimmte Dinge, die Menschen tun können, Maschinen aber nicht.
Maschinelles Lernen und KI werden zu einem größeren Teil unserer Arbeit als je zuvor, aber das bedeutet nicht, dass wir uns zurücklehnen und entspannen können. Jetzt ist es an der Zeit, Ihre Messungen zu verschärfen, denn was in den letzten fünf Jahren funktioniert hat, wird in den nächsten fünf Jahren nicht mehr gelten.
Die Fortschritte bei den Messfunktionen von Amazon Ads sind ein großer Schritt nach vorn – das vollständige Bild der Performance kann endlich sichtbar gemacht werden. Verstehen Sie, welche Arten von Daten Sie tatsächlich erfassen können und wie diese Ihnen helfen können, die KI-Tools für maschinelles Lernen, die jetzt verfügbar sind, vollständig zu nutzen. Arbeiten Sie als effektiver “Coach”, der maschinelles Lernen und KI auf die richtigen Datensätze anwendet und sicherstellt, dass diese vollständig und genau sind, damit Sie nie wieder im Dunkeln tappen.
Als Amazon Partner können wir Ihnen bei allen Fragen rund um Amazon und Marketplaces helfen.
Fragen?
Principal Paid Advertising at DEPT®