De invloed van marketing automation op advertising

De invloed van marketing automation op advertising

  •  8 februari 2019

Machine learning, marketing automation en artificial intelligence. Hoe vaak worden deze buzz woorden door marketeers misbruikt zonder concreet te worden? We (denken te) weten wat het betekent en wat het voor effect heeft op ons dagelijkse en toekomstige werk. Echter, weten we dit wel écht?

Ben je nieuwsgierig wat de invloed van automatisering is op advertising campagnes? En hoe je het succes of falen kan verklaren van campagnes waarbij een vorm van machine learning wordt toegepast? Hier ga ik je de komende 10 minuten in meenemen. Voordat ik verder ga, zet ik kort de definities voor je op een rij.

Machine learning is een techniek waarbij algoritmes kunnen leren op basis van data en menselijke input. Je kiest zelf de kenmerken die iets moeten voorspellen. Een voorbeeld is ‘slim bieden’ binnen Google Ads. Hier kom ik later op terug.

Er zijn veel definities van marketing automation. In mijn optiek is de volgende het meest accuraat: het automatiseren van marketing werkzaamheden om de effectiviteit van marketing te verhogen. Dit heeft als gevolg dat marketing beter in staat is om op het gewenste moment en op de juiste plaats in de behoefte van de consument te voorzien.

Ten slotte artificial intelligence, ook wel AI of kunstmatige intelligentie. Dit is een verzamelnaam van software op apparaten die reageren op data of impulsen uit hun omgeving. Op basis van machine learning neemt het apparaat zelf beslissingen.

Machine learning draagt bij aan een effectievere inzet van SEA

Een veel gehoorde uitspraak over adverteren is: ‘’de helft van mijn budget is weggegooid geld, ik weet alleen niet welke helft’’. Door de toepassing van machine learning wordt dit steeds minder het geval. Echter, het is dan wel belangrijk om de campagnes met de juiste ingrediënten (budget, creatives, bids) te voeden en dus te begrijpen wat de invloed van techniek is op de campagnes.

De onderstaande biedstrategieën binnen SEA leren ons dat machine learning een steeds groter effect kan hebben op campagne resultaten. Allereerst is het belangrijk om bewust te zijn van de mogelijkheden van ‘slim bieden’.

Mogelijkheden van ‘slim bieden’ strategieën:

Met automatische biedstrategieën wordt het werk van de SEA specialist uit handen genomen. Er worden biedingen ingesteld die aansluiten op de ingestelde prestatie doelen. Klinkt eenvoudig toch? De praktijk is alleen wat weerbarstiger.

Op zoek naar conversiepatronen

Met ‘slim bieden’ zoekt het systeem naar conversiepatronen en vergelijkt deze met eerder behaalde resultaten. Wanneer hetzelfde pad tot conversie meerdere malen door de techniek wordt gedetecteerd dan wordt er op geboden om de prestaties te optimaliseren. Daarbij worden de algoritmen voor machine learning steeds slimmer door de input en grote hoeveelheden gegevens. Het systeem wordt dus steeds slimmer om vraag en aanbod op het juiste moment bij elkaar te brengen.

Totale klantwaarde vs. directe bijdrage

Een belangrijk aandachtspunt: het systeem optimaliseert alleen op het ingestelde conversiepunt. Maar hoe ga je dan om met zoekwoorden die hoger in de funnel vallen en een ander doel dienen? Het systeem zal de biedingen voor deze zoekwoorden afschalen omdat het niet direct bijdraagt aan bijvoorbeeld online transacties. Terwijl relevante traffic naar de webshop het hoofddoel van deze zoekwoorden is. Dit is een mogelijke valkuil van selffulfilling prophecy. Door ‘’blind te staren’ op de lower-funnel wordt de inzet effectiever, maar kunnen de totale aantallen over alle kanalen tegenvallen.

Wat is de waarde van traffic dat niet direct bijdraagt aan een aankoop?

De toekomst van match types

Iedere SEA specialist heeft de werking van de match types (broad, broad match modifier, phrase en exact) moeten leren. Een Google AdWords (toen nog) account met alleen maar broad zoekwoorden leverde op zijn tijd grappige situaties op. Voor de specialist dan.

Door de groeiende input van data wordt de zoekmachine steeds slimmer en slimmer. Exact is niet meer exact. De zoekmachine weet namelijk steeds beter de zoekintentie van de consument te achterhalen en hier passende content voor te serveren. Dit zal betekenen dat binnen nu en 3 jaar de match types zoals marketeers die nu kennen verleden tijd zijn.  De ontwikkeling van geautomatiseerde zoekcampagnes op basis van website content zal een verdere groei doormaken. Dynamische zoekcampagnes zijn hier een mooi voorbeeld van. Om nog maar te zwijgen over de impact van voice.

1. Een recent praktijk voorbeeld: Smart Shopping (doel ROAS)

Voor een klant van ons hebben we getest met Smart Shopping. De campagne maakt gebruik van diverse netwerken (Display, Shopping, YouTube en Gmail), automatische biedingen en automatische plaatsingen. Dit met als doel de juiste boodschap, aan de juiste persoon, op het juiste moment te tonen. Je hebt geen inzicht in zoektermen en plaatsingen.

De vraag die je jezelf moet stellen is in hoeverre je nog in controle kunt en wilt zijn. Het bovenstaande voorbeeld toont aan dat het rendement op investering gestegen is met 156%. Natuurlijk is het appels met peren vergelijken. Het leert ons alleen wel dat de techniek steeds beter in staat is om potentiële klanten te vinden, waar je met handmatig bieden niet tegenop kan.

2. Nog een recent praktijk voorbeeld: Search Experiment (doel CPA versus eCPC)

Hieronder staan de resultaten van een search experiment over een looptijd van 30 dagen. De hypothese is dat door het toepassen van een doel CPA (oorspronkelijk: verbeterde CPC) biedstrategie de kosten dalen tegenover een gelijkblijvend aantal conversies. Er zijn geen bodlimieten ingesteld. Het experiment is succesvol omdat de techniek in staat is de meest relevante bezoekers aan te trekken (toename CTR 25%) dat leidt tot een toename van de kwaliteitsscore en dus een verlaging van de klikprijs (-44%). Dit met een kleine stijging van het aantal conversies. Door de toepassing van een CPA strategie zijn de kosten gedaald met €0,96 per conversie.

Is het allemaal dan zó eenvoudig?

Het probleem van het algoritme is dat het alleen naar één enkel conversiepunt kijkt. Het is geen mens die meerdere punten meeneemt, maar is slechts geprogrammeerd voor één enkele taak. Dit roept een aantal vragen op:

  • Niet elke klant levert evenveel waarde op. Hoe gaan de huidige algoritmes om met de customer lifetime value?
  • Algoritmes optimaliseren op één enkel conversiepunt lager in de funnel (doel ROAS, target CPA). Dit heeft gevolgen voor de midfunnel zichtbaarheid van de oriënterende consument. Hoe richt je hier je campagnestructuur op in? Hoe pas je hier je conversiedoelen op aan? Denk hierbij aan de mogelijkheden om engagement score toe te passen binnen campagnes.
  • Welke biedstrategie pas je toe in welke situatie? En wanneer is een biedstrategie een succes? Welke learnings neem je mee voor toekomstige campagnes?

Hoe start je met het automatiseren van jouw advertising campagnes?

De mogelijkheden van automation binnen Google Ads lijken nu al eindeloos en nemen alleen maar toe. De belangrijkste vraag die je jezelf als SEA specialist moet stellen is hoe je hiermee omgaat, nu en in de toekomst. Wat kan deze ontwikkeling bijdragen aan de resultaten van de businesscase? Om je op weg te helpen geef ik een aantal kaders:

  1. Bewustwording: wees bewust van de randvoorwaarden waaronder bepaalde ‘slim bieden’ strategieën en campagnes optimaal kunnen presteren. Denk na over wat dit voor effect heeft op de zichtbaarheid van productsegmenten voor de oriënterende consument.
  2. Stel hypotheses op: pas automatische biedstrategieën niet klakkeloos toe in iedere situatie (punt 1). Denk vooraf na over een hypothese. Wat zijn je verwachtingen? Vervolgens kan je de opgestelde hypothese toetsen en vervolgstappen zetten op basis van data gedreven inzichten.
  3. Neem de tijd: neem de tijd om na te denken over de lange termijn strategie. Hoe richt ik mijn campagnestructuur futureproof in? Wat voor rol speelt automation hierin? En nog belangrijker: hoe realiseer ik een full funnel zichtbaarheid voor zowel de oriënterende als converterende consument?

Hulp nodig bij het automatiseren van jouw advertising campagnes?

Ik heb hierboven een aantal kaders geschetst waarmee je rekening moet houden bij het automatiseren van advertising campagnes. Klinkt dit voor jou makkelijker gezegd dan gedaan, heb je behoefte aan een specialist op dit gebied of wil je hier gewoon eens met ons over sparren? Wij helpen je graag! Neem gerust contact op.

Auteur

Jelle de Vent is Online Advertising Consultant binnen De Nieuwe Zaak met een sterke focus op feedmanagement en automation plus de daarbij horende performance kanalen zoals SEA, Google Shopping en Vergelijkers. Hij heeft een sterke drive om gevonden oplossingen uit data analyses te vertalen naar de dagelijkse praktijk. Het resultaat is het enige dat telt. De bijnaam van Jelle binnen De Nieuwe Zaak luidt dan ook ''rendement met de Vent''.
Blijf op de hoogte

Meld je aan voor onze 2-wekelijkse nieuwsbrief en blijf op de hoogte van het laatste commerce nieuws!

© 2019 De Nieuwe Zaak