Ein namhafter Schweizer E-Commerce-Player und langjähriger Kunde von Webrepublic setzt seit Jahren auf Digitalmarketing, um bestehende sowie potenzielle Neukundinnen und -kunden von seinem Produktsortiment zu überzeugen. Dank den Digitalmarketing-Aktivitäten sammelte der Händler auf verschiedenen digitalen Kanälen wertvolle Daten über das Userverhalten. Diese kommen nun plattformübergreifend zum Einsatz: Um die Facebook-Ad-Performance zu optimieren, testet Webrepublic erstmalig einen innovativen Targetingansatz basierend auf Google-Daten. Der Test zeigt das Potenzial von plattformübergreifenden Targeting-Möglichkeiten: die Kosten pro getätigtem Einkauf fallen tiefer aus und der Return on Ad Spend wird erhöht.

Case Study herunterladen

Das Projekt im Überblick

Ausgangslage

Aufgrund der hohen Reichweite und guten Performance stellen Social Media einen wichtigen Bestandteil des Marketingmix des E-Commerce-Händlers dar. Wichtig dabei ist die stetige Weiterentwicklung der Kampagnen. Das Unternehmen verfügt dank langjährigem Bewerben von Produkten auf Social Media und Google Ads über grosse Mengen an Daten zum Verhalten der  Userinnen und User. Diese Daten will der E-Commerce-Händler über die digitalen Kanäle hinweg gewinnbringend einsetzen, um die richtige Zielgruppe mit möglichst geringen Kosten zu erreichen.

Ziele

  • Vorhandene Nutzerdaten von Google und Facebook effizient über verschiedene digitale Kanäle hinweg einsetzen
  • Cost per Purchase auf Facebook senken und Return on Ad Spend erhöhen

Massnahmen

Das Social-Media-Team von Webrepublic möchte die plattformübergreifenden Targeting-Möglichkeiten ausschöpfen und deren Performance evaluieren. Dazu testet es ein Targeting basierend auf dem Google Click Identifier (gclid) sowie Facebook-Pixel-Daten. Durch die grosse Anzahl an bereits getätigten Käufen über Facebook Ads eignet sich der Anzeigenmanager des E-Commerce-Händlers für diesen Test besonders. Der Algorithmus von Facebook reagiert dank den vorhandenen Daten sehr schnell auf Änderungen, was zu deutlichen Testresultaten führt. 

In Zusammenarbeit mit der SEA- und der Digital-Analytics-Abteilung von Webrepublic werden GDPR-konforme Zielgruppen auf Facebook aufgesetzt, welche auf gclid-Daten basieren.

 

Das Targeting Setup im Detail

Mit dynamischen Produktanzeigen auf Facebook spricht der E-Commerce-Händler in der Regel mittels Retargeting Userinnen und User an, welche auf der Website des E-Commerce-Händlers ein Produkt in den Einkaufswagen gelegt, jedoch die Website ohne getätigten Kauf wieder verlassen haben. Weiter werden potenzielle Neukundinnen und -kunden mittels einer Lookalike Audience angesprochen. Die erstmalig neu angewandten Gclid-Zielgruppen werden gegen die bereits bestehenden Zielgruppen (basierend auf dem Facebook-Pixel) ausgespielt. So kann ein allfälliger Performanceunterschied bei Kampagnenende evaluiert werden. Das Targeting Setup sieht wie folgt aus: 

 

Testgruppe A: 

  • Gclid-Zielgruppe vs. Website Zielgruppe basierend auf dem Facebook-Pixel (ausschliesslich der Gclid-und Käufer Audience) 

 

Testgruppe B: 

  • Gclid-Lookalike (Website Besucher und Käufer des Facebook Pixels werden ausgeschlossen) vs. Lookalike der Website Käufer basierend auf den Daten des Facebook-Website-Pixels (ausschliesslich der Gclid-Audience sowie deren Lookalikes).

Um Überlappungen der Datenpunkte zu vermeiden, wurde mit einem Ausschlussverfahren der jeweiligen Zielgruppen gearbeitet. 

Die beiden Vergleiche innerhalb der Testgruppe A und der Testgruppe B sollen wichtige Erkenntnisse zur Verwendung der vier unterschiedlichen Zielgruppen liefern. Dabei soll gezeigt werden:

  • Ob die Verwendung der Zielgruppe basierend auf Gclid-Daten eine bessere Performance als die der Website Besucher basierend auf den Facebook-Pixel-Daten vorweist.
  • Ob die Gclid-Lookalike Zielgruppe im Vergleich zu den Lookalikes der Website Käufer basierend auf den Facebook-Pixel-Daten besser performen.

 

 

 

 

 

ÜBER DEN GOOGLE CLICK IDENTIFIER

Der Google Click Identifier (gclid)  wird nach dem Klicken auf eine Google-Ads-Anzeige an die URL gehängt. Dies ermöglicht Werbetreibenden, mit Trackingtools wie Google Analytics u.ä. nachzuverfolgen, welche Anzeige bei jedem Besuch der Website angeklickt wurde. 

Ergebnisse

Innerhalb der Testgruppe A zeigte sich, dass die Zielgruppe basierend auf den Gclid-Daten eine bessere Performance aufweist: Die auf Gclid-Daten basierte Zielgruppe führte zu einem höheren ROAS und zugleich tieferen Kosten pro Einkauf.

Der Test zwischen den potenziellen Neukunden (Lookalike Zielgruppen) lieferte keinen Gewinner: Es konnten zwar leicht tiefere Kosten pro Einkauf bei der Lookalike Zielgruppe basierend auf Gclid-Daten erreicht werden, jedoch weist die Lookalike Zielgruppe basierend auf Facebook-Pixel-Daten einen leicht höheren ROAS auf. Diese Resultate zeigen, dass durch das Ansprechen neuer potenzieller Kundinnen und Kunden die Verwendung beider Zielgruppen und damit beider Datenquellen hoch relevant sein können – je nachdem, welche Metrik die KPI der Kampagne darstellt.

Die Ergebnisse beider Tests zeigen, dass die zusätzliche Integration von Gclid-Daten innerhalb der Zielgruppen zur Verbesserung der Performance der Kampagne führt:

  • Senkung des Cost per Purchase um 45  %
  • Steigerung des ROAS um 125 % basierend auf 1-day Click Attribution
  • Der holistische Ansatz in der Kampagnengestaltung und der Zielgruppendefinition wird gefördert: Die Resultate der Kampagne gelten als Grundlage für künftige Targetingmöglichkeiten über SEA und Social Media hinaus.

Die Resultate basieren auf dem 1-Day Click Facebook-Attribution Fenster und wurden während dem 2. Und 16. März 2020 gewonnen. 

«Social Media ist ein mächtiger Performance-Kanal. Ein solcher Targeting-Ansatz könnte über diverse weitere Datenquellen hinweg skaliert werden. Gclid-Targeting ist hoffentlich erst der Anfang und eine Inspiration, wie wir plattformübergreifende Targeting-Optionen auf Social Media ausschöpfen.»
Portrait Melissa Guentharft

Melissa Günthardt

Consultant Social Media Marketing, Webrepublic AG

ERBRACHTE DIENSTLEISTUNGEN