Florian Nottorf erklärt welcher Optimierungsansatz zu Ihrem Business passt

Regelbasiert oder Machine Learning

Immer mehr Seller und Vendoren setzen auf Amazon Advertising, um mehr Sichtbarkeit für ihre Produkte und Marke zu gewinnen. Ohne Automatisierung ist es jedoch kaum mehr möglich, die Menge an Optimierungsmöglichkeiten der Amazon Werbeplattformen auszuschöpfen und dem Wettbewerbsdruck standzuhalten. Für die Automatisierung von Amazon Advertising existieren regelbasierte und Machine-Learning-basierte Systeme. Was sind die Vorteile und Nachteile der beiden Ansätze?

Gebote sind die wichtigste Stellschraube in der Performance-Optimierung

Die von Amazon zur Verfügung gestellten Werbetypen – die Sponsored Ads , bestehend aus den Amazon Sponsored Products , Sponsored Brands und Sponsored Display Ads – basieren auf dem Pay-per-Click ( PPC ) Prinzip. Jedem Klick geht eine Auktion um die verfügbaren Anzeigenplätze voraus: Wer auf Amazon eine Anzeige schalten möchte, gibt ein Gebot (eng. Bid ) für die Ausspielung der Anzeige ab. Tippt ein Amazon User nun eine Suchanfrage in die Suchleiste, lösen die eingegebenen Suchbegriffe die Auktion um den Anzeigenrang aus. Alle Advertiser, die ein Gebot für ein relevantes Keyword oder Produkt abgegeben haben, buhlen dabei um einen der begehrten Anzeigenplätze in den Suchergebnissen des Users. Ob und wo die Anzeige ausgespielt wird, wird also maßgeblich über die Höhe des Gebots entschieden.

So viel Umsatz wie möglich zu den gegebenen Werbekosten

Das Gebot ist dabei für jedes Keyword und Produkt so zu setzen, dass es zu einem maximal wirtschaftlichen Ergebnis führt. Ist bei Produkten mit einer hohen Marge der erwartete Umsatz entsprechend hoch, darf i.d.R. auch das Gebot höher sein, um trotz der investierten Werbekosten noch von der Werbeschaltung zu profitieren.
Wie kann ich jedoch im Detail prüfen, ob ich mit meinen Bids das Maximum aus meinen Kampagnen heraushole?
Gemessen wird die Werbeeffizienz bei Amazon zumeist mit dem ACoS (“Advertising Cost of Sales”) – der wichtigsten KPI im Amazon Advertising, die das Verhältnis aus Kosten zu Umsatz abbildet. Möchte ich die Sales meiner Kampagne verbessern, sind die Gebote meine Stellschraube, mit der ich sicherstellen kann, dass ich nur profitable Anzeigenplätze einkaufe. Tägliche Performance-Checks und die kontinuierliche Optimierung der Bids sind dabei unerlässlich.

Regelbasierte Ansätze

Ihr Vorteil: Einfach in der Anwendung

Wir werfen einen prüfenden Blick in die bisherigen Performance-Daten der Keywords, suchen nach Mustern und konfigurieren auf dieser Basis Wenn/dann-Regeln zur Anpassung der Gebote. Hat ein Keyword bspw. Kosten verursacht aber bisher zu keinem Kauf geführt, senken wir das Gebot. Eigentlich ein No-Brainer – häufig ist es jedoch schwierig über alle Keywords zu entscheiden, ob das tatsächlich das richtige Vorgehen ist. Welche Betrachtungszeiträume sind bspw. heranzuziehen? Wie lange sollten wir abwarten, ob sich die Performance verbessert? Solche Anpassungen sind häufig nur bei Keywords sinnvoll möglich, auf denen wir viele Klicks sehen – dem sog. Keyword Head.

Nachteil 1: Für 90% der Keywords ungeeignet

Häufig finden sich aber tausende Keywords in einem Account – viele darunter tauchen selten oder nie in einer Suchanfrage auf – die sog. Longtail Keywords . Regelbasierte Optimierungen greifen aufgrund der geringen Datenbasis im Mid- und Longtail nicht. Oder erst sehr spät, wenn über lange Zeiträume nicht-optimierte Anzeigen zu hohen Kosten geschaltet werden müssen, um Daten zu sammeln. Dennoch müssen wir bestimmen können ob es sich lohnt, für diese dennoch Anzeigen zu schalten: Da für diese Keywords deutlich günstigere Klickpreise erzielt werden können, verbirgt sich hier der wahre Keyword-Schatz: Erst wenn es gelingt, selten gesuchte Keywords sinnvoll zu steuern, lässt sich das Verhältnis von Werbekosten zu Umsatz optimal ausnutzen.

Nachteil 2: Regeln = Arbeit

Regeln für die eigenen Kampagnen aufzustellen, sie zu monitoren und zu prüfen, ob sie wie erwünscht in der Gebotsoptimierung greifen, ist aufwändig. Als Amazon Seller oder Vendor bleibt häufig wenig Zeit für die Detailoptimierung der Amazon Ads. Die wenige Zeit die bleibt, steckst du besser in die wesentlich wichtigere Strategie-Planung.

Nachteil 3: Reaktive Optimierung

Wir können in diesem Optimierungsansatz nur rückwirkend sagen, ob ein Keyword zu den erhofften Conversions geführt hat, oder nicht. Regeln lassen keine Prognosen über zukünftige Entwicklungen wie saisonale Performance-Schwankungen oder Trends zu.

Machine Learning Ansätze: Intelligente Anreicherung der Datenbasis

Machine Learning Ansätze stellen datenbasierte Prognosen über die zukünftige Conversionrate , zukünftige Warenkörbe und viele weitere Faktoren an. Auf dieser Grundlage passen sie die Gebote für jedes Keyword vollautomatisiert und intelligent an.

Vorteil 1: Frühe Prognosen = Kein verschwendetes Budget

Auch wenn wenige Daten vorliegen, erhalte ich sofort für jedes Keyword und Produkt eine Voraussage für ein optimales Gebot. Die Datenbasis wird instant statistisch angereichert: Die Algorithmen nutzen bis zu 1 Jahr zurückliegende Daten und lernen durch statistische Verrechnungen aus allen Keywords und Produkten in dem Account. Dadurch sind Machine Learning Ansätze extrem früh in der Lage, sichere Voraussagen über die zukünftige Performance von Keywords und Produkten zu treffen und die richtigen Gebotsanpassungen zu setzen.

Vorteil 2: O ptimale Gebote für jedes Keyword (Head, Mid- und Longtail)

Der Lerneffekt kommt besonders bei den Mid- und Longtail Keywords zum Tragen, deren Schwierigkeit in der geringen Datengrundlage aufgrund fehlender Click- und Conversionzahlen liegt. Machine Learning Algorithmen machen sich hier die historischen Performance-Zahlen ähnlicher Keywords zunutze. Jedes Keyword unterläuft so täglich einem 360°-Performance-Check – egal ob es sich um ein Star-Keyword handelt, oder eines, das noch auf den ersten Klick wartet.

Vorteil 3: Saisonalitäten und Trends werden erkannt

Machine Learning Ansätze erkennen und reagieren sofort auf Aufwärts- oder Abwärtstrends. Unterscheiden sich die Prognosen für die Conversionrate und Warenkörbe von den tatsächlich gesehenen Daten für diesen Tag, fließen die neuen Performance-Zahlen unmittelbar in die tägliche Bid Optimierung ein. Durch die unterschiedliche Gewichtung der betrachteten Zeitfenster werden aktuelle Trends besonders schnell in der Gebotsanpassung reflektiert.

Ihr Nachteil: Komplexe Anpassungen

Im Detail sind die einzelnen Anpassungen der Gebote in der Optimierung von außen mitunter schwierig nachzuvollziehen. Obwohl die datenbasierte Optimierung viele Vorteile bietet, sind eine Reihe komplexer, statistischer Berechnungen nötig um jederzeit optimale Ergebnisse in den Kampagnen zu erzielen.

Fazit

Machine Learning Systeme haben viele Vorteile. Sie sind für Seller und Vendoren ein Shortcut zu mehr Umsatz und einem niedrigeren ACoS:

  • Im Gegensatz zu regelbasierten Systemen reichern sie die Datenbasis statistisch an. Dadurch sind sie besonders früh in der Lage ein optimales Gebot zu setzen – vollautomatisch und ungeachtet der tatsächlichen zur Verfügung gestellten Datenmenge.
  • Die Automatisierung bedeutet außerdem eine immense Zeitersparnis für Seller und Vendoren: Die Anpassung der Gebote läuft im Hintergrund ab – dabei behält der Advertiser jedoch die volle Kontrolle: Die Basis jeder Anpassung sind die vom Seller oder Vendor vorgegebenen Performance-Ziele.

Während regelbasierte Ansätze Vorteile für kleinere Accounts bieten können, in denen jedes Gebot manuell überwacht und angepasst werden kann, bieten Machine Learning Ansätze ein im Amazon PPC bisher ungesehenes Maß an Werbeeffizienz. Für viele Seller und Vendoren sind Machine Learning Ansätze unverzichtbar geworden, um das volle Potential ihrer Amazon Advertising Kampagnen auszuschöpfen.

 

Unser Experte Florian Nottorf, CEO bei Adference GmbH

Über Adference

Das innovative Amazon PPC Tool von Adference unterstützt Werbetreibende dabei, automatisiert Kampagnen und Keyword- sowie Produkttargets zu erstellen sowie die richtigen Gebote für Millionen von Keywords und Produkten zu setzen. Wir schöpfen jede Werbekampagne in Amazon Advertising maximal aus, indem wir verschiedene Faktoren mittels wissenschaftlich entwickelter Machine Learning Algorithmen zu einem jederzeit optimalen Setup zusammenführen. Das bedeutet für dich: mehr Performance und weniger manuellen Aufwand für deine Kampagnen.