Google PMax, BI E Feed Management: Un Mix Vincente Per Massimizzare Le Performance Degli Ecommerce

28 Giu

Ottimizzazione feed e performance

Come riuscire a massimizzare le entrate lavorando sulla gestione del feed

Un caso studio interessante mostra come siamo riusciti a aumentare le entrate delle nostre PMAX del +80% grazie all’integrazione di dati di Business Intelligence con un tool di feed management.

In un contesto digitale sempre più orientato all’automazione, anche il mondo dell’advertising sta abbracciando il cambiamento, affidandosi a strumenti di intelligenza artificiale e machine learning.

Sulla base di questa premessa sono infatti nate su Google Ads le Performance Max: campagne intelligenti, che sfruttano il potere delle tecnologie di automazione per massimizzare le performance delle aziende.

Tuttavia, se da un lato l’automazione rappresenta un atteso traguardo in termini di ottimizzazione delle performance, dall’altro il poco controllo nella gestione di queste nuove campagne spaventa gli inserzionisti, che temono che le minori attività manuali possibili possano ostacolare il raggiungimento degli obiettivi desiderati.

Per questo motivo in Studio Cappello abbiamo scelto, dove possibile, di adottare una strategia basata sui dati di Business Intelligence (BI): questi dati ci permettono infatti di guidare il machine learning di Google, fornendogli le informazioni necessarie al raggiungimento dei reali obiettivi di marginalità dei nostri clienti.

In questo articolo andiamo a spiegare come, grazie al supporto dei dati di BI, siamo riusciti a incrementare i risultati delle nostre Performance Max, ottenendo un +80% nelle vendite del cliente preso in esame.

Problema: come ottimizzare le campagne attive?

La situazione in cui si trovava l’account ADV del nostro cliente era la seguente: tutte le campagne pubblicitarie di Google Ads erano in ottima salute, ottimizzate al meglio sia a livello di impostazioni, che di struttura e contenuti degli annunci. 

Trattandosi di un cliente e-commerce le campagne in account erano principalmente Performance Max operanti in rete Shopping, con un ricco catalogo prodotti spinto con campagne diversificate per categorie e rilevanza dei prodotti. 

Sapevamo però che c’era ancora margine di miglioramento: se infatti fossimo riusciti ad utilizzare i i dati CRM dell’azienda saremmo stati in grado di fornire all’algoritmo dati di maggiore qualità, che il sistema avrebbe potuto utilizzare per ottimizzare i risultati delle nostre campagne.

Il problema era che l’estrazione di dati dal CRM del cliente e la loro analisi avrebbe richiesto un’enorme quantità di tempo e impegno. Inoltre, non sarebbero stati raccolti dati in tempo reale, comportando per noi una perdita di numerose opportunità di miglioramento.

Il nostro obiettivo era riuscire a migliorare il ROI del nostro cliente andando ad aumentare l’investimento solo sui prodotti con le migliori performance.

Per fare questo però avevamo bisogno di utilizzare in maniera immediata e scorrevole i dati aggiornati del CRM del nostro cliente.

Soluzione: integrare i dati di BI con tool di feed management

Per supportarci nell’utilizzo dei dati di BI e l’integrazione del CRM del cliente abbiamo puntato in questo caso sull’utilizzo di DataFeedWatchuno dei più noti strumenti di Data Feed Management di cui Studio Cappello è agenzia partner qualificata.

Volevamo assicurarci di ottenere l’effetto desiderato senza compromettere la qualità dei risultati delle campagne.

Cosa abbiamo fatto? 

Abbiamo attuato una strategia di segmentazione dei dati basata sul CRM del nostro cliente.

Per farlo abbiamo utilizzato un foglio di calcolo di Google che, gestito in maniera automatica da DataFeedWatch, ci ha fornito informazioni sempre aggiornate sulla performance dei prodotti dell’e-commerce.

Tramite DataFeedWatch abbiamo poi creato un’etichetta personalizzata associata ai singoli prodotti per diversificarli in base al loro rendimento storico, un’informazione molto efficace per ottimizzare poi le nostre campagne Performance Max. 

Nella foto sotto potete vedere un esempio di regola utilizzata su DataFeedWatch, che assegna un valore statico “Top” alla colonna custom_label_4 ogni volta che l’ID prodotto viene individuato in un foglio specifico di Google contenente tutti i prodotti con le migliori prestazioni in base ai dati BI.

Lo stesso schema è stato applicato ai prodotti “High” (articoli più performanti ma con un margine inferiore), “Middle” e “Low”. 

Utilizzando quindi un sistema di etichettatura personalizzata, le nostre campagne PMax sono state così segmentate:

  1. Top Performance
  2. High Performance
  3. Middle Performance
  4. Low Performance

In secondo luogo è stato distribuito più budget alle campagne che spingevano i prodotti “Top” e “High”.

Risultati: +80% di entrate a pari investimento

I risultati ottenuti dal nuovo mix di campagne parlano chiaro: l’utilizzo di uno strumento di ottimizzazione dei feed, l’integrazione dei dati di BI sull’ecommerce del cliente e l’impostazione della corretta struttura di campagne su Google Ads ha portato a un aumento esponenziale delle entrate.

Nonostante un aumento di solo il 7% della spesa pubblicitaria, le entrate sono infatti cresciute dell’80% rispetto al periodo precedente alla modifica.

Il grafico riportato in seguito evidenzia un andamento pressoché stabile dei costi dopo l’ottimizzazione della PMax (29/9), mentre le entrate sono in crescita. 

È importante sottolineare che durante il periodo analizzato non ci sono stati cambiamenti nelle politiche commerciali.

Le performance positive ottenute hanno portato DataFeedWatch a pubblicato un caso studio sul suo sito, scoprilo qui.

Altre funzionalità per ottimizzare le campagne

Il caso in esame è solo un esempio di come Studio Cappello ha utilizzato DataFeedWatch per migliorare i risultati della campagna PMax. 

Introduciamo successivamente altre modalità di ottimizzazione.

Analisi delle scorte

La strategia di “analisi delle scorte” prevede l’utilizzo di un nuovo canale dedicato per esportare i dati di inventario e-commerce. Il feed generato contiene solo i campi necessari per l’analisi, come ad esempio l’ID e la quantità dello stock, e permette di individuare i prodotti con la massima disponibilità e valutare lo stock medio per prodotto.

Analisi Canali Datafeedwatch

Le informazioni sullo stock medio sono state utilizzate dal team per creare un’etichetta personalizzata. Nel caso seguente, “30” e “-30” sono i parametri dello stock medio. Una quantità maggiore o uguale a “30” o minore o uguale a “-30” identifica un prodotto con buona disponibilità e che vale la pena spingere.

etichette disponibilità prodotti DataFeedWatch

Creazione di feed privi di errori 

La corretta compilazione dei campi obbligatori del feed è fondamentale affinché la campagna raggiunga i risultati sperati e per evitare che Google rifiuti i prodotti con indicazioni non esaustive. Talvolta gli inserzionisti dimenticano di inserire tutte le informazioni necessarie, come ad esempio il costo di spedizione per ogni prodotto.

In questo caso DataFeedWatch rappresenta una soluzione efficace per creare facilmente un feed privo di errori per ogni canale. Sebbene esistano alcune differenze tra i requisiti di ciascuna piattaforma, le logiche di base per la creazione dei feed sono per molti versi simili. I campi interni di DataFeedWatch consentono quindi di creare e salvare regole che possono essere applicate facilmente a più di un canale.

Ciò si traduce in un notevole risparmio di tempo e nella possibilità di garantire che i prodotti vengano etichettati correttamente per le migliori e peggiori prestazioni, indipendentemente dalla piattaforma utilizzata.

Conclusione: sfrutta i dati di BI nelle tue campagne!

Se è vero che l’automazione guadagna terreno e il controllo manuale degli inserzionisti è sempre più limitato è vero anche che resta a loro il ruolo strategico di guida e indirizzamento del sistema. 

Fornendo i giusti dati al sistema possiamo guidare il machine learning verso performance di successo.

In questo contesto i vantaggi derivanti dall’applicazione di strumenti di feed management ben strutturati come DataFeedWatch alle campagne PMax o shopping appaiono davvero numerosi.


Studio Cappello | Feed Management


Condividi: