Packlinq przeprowadził test A/B ze strategią Labelizer

Wyzwanie: Szeroka gama produktów - wpływ na reklamy Google Ads

Packlinq jest znany z opracowywania, produkcji, sprzedaży i dystrybucji ekologicznych materiałów opakowaniowych, dekoracji i produktów hobbystycznych, koncentrując się na biodegradowalnym plastiku pod marką Ecolinq. Organizacja stanęła w obliczu wyzwań związanych z kampaniami Google Ads ze względu na złożoność zarządzania ponad 20 000 produktów.

Niektóre kampanie prowadziły do niepotrzebnych wydatków, szczególnie na produkty hobbystyczne, podczas gdy inne przedmioty o wysokiej wartości nie otrzymały wystarczającej uwagi. W rezultacie założyciele Packlinq zwrócili się o pomoc do Olifant Media, agencji marketingu cyfrowego doświadczonej w pomaganiu organizacjom w rozwoju poprzez strategiczne rozwiązania marketingu cyfrowego.

Podejście Olifant Media

Rowan Jacobs, doświadczony specjalista SEA, kierował działaniami optymalizacyjnymi dla Google Ads. Zaproponował czteromiesięczny test A/B w celu segmentacji kampanii w oparciu o wydajność produktu w Google Ads, koncentrując się na dwóch regionach: Holandia Północna i Holandia Południowa. Regiony te zostały wybrane, ponieważ miały równy rozkład odwiedzających witrynę i konwersji.

W jednym regionie zastosowano klasyczne podejście polegające na tworzeniu kampanii reklamowych opartych na kategoriach produktów (co skutkowało licznymi kampaniami). Natomiast w drugim regionie zastosowano Strategię Labelizer Productheroktóra dzieliła produkty na cztery grupy kampanii:

• Heroes: produkty o wysokiej konwersji i wolumenie
• Sidekicks: produkty o wysokiej konwersji, ale niższym wolumenie.
• Villains: produkty o niskiej konwersji, ale wysokiej liczbie kliknięć, a więc kosztowne.
• Zombies: produkty o niskiej konwersji i niskim wolumenie.

Podejście to zapewniło lepszy wgląd w wydajność produktu, automatycznie wykluczyło niektóre produkty i pozwoliło specjaliście SEA skupić się bardziej na analizie i ulepszaniu grup produktów.

Pozytywne wyniki testów

Klasyczna metoda nie zawsze efektywnie wykorzystywała budżet, często przeznaczając więcej środków na produkty, które nie konwertowały. Dodatkowo wiele produktów nie wyświetlało się w reklamach GoogleZombies).

Okres testowy przyniósł pozytywne wyniki, z ogólnym wzrostem ROAS o 93% dla kampanii Labelizer . Kampanie Labelizer pochłonęły większy budżet (700 euro), ponieważ produkty Heroes cieszyły się większym zainteresowaniem. Co więcej, ręczne konfiguracje pozwoliły zaoszczędzić czas, umożliwiając inne optymalizacje.

Po tych pozytywnych wynikach Rowan Jacobs zdecydował się zastosować dalsze optymalizacje strategii.

Dalsza segmentacja produktów

Biorąc pod uwagę dużą liczbę produktów, Rowan Jacobs z Olifant Media postanowił rozszerzyć strategię Producthero Labelizer . Oprócz rozszerzenia jej na wszystkie regiony, przeanalizował i podzielił grupy produktów na dwie kategorie w oparciu o marżę zysku: wysoką i niską. Zaowocowało to czterema kategoriami na grupę produktów, co jeszcze bardziej udoskonaliło alokację budżetu i zmniejszyło liczbę produktów Zombie (np. Heroes o wysokiej i niskiej marży zysku).

Współpraca i zaufanie

Olifant Media ściśle współpracował z Packlinq w celu dostosowania celów i jasnego przedstawienia wyników. Silna więź zaufania rozwinęła się dzięki skupieniu się na innowacjach, wyjaśnianiu testów z wyprzedzeniem i przejrzystym dzieleniu się zarówno wyzwaniami, jak i pozytywnymi wynikami.

Automatyzacja działań w celu większego skupienia się na strategii

Dzięki strategicznym wysiłkom Olifant Media, kierowanym przez specjalistę SEA Rowana Jacobsa, Packlinq znacznie poprawił swoje wyniki Google Ads, osiągając wzrost ROAS o 93%. Wdrożenie Labelizer i skupienie się na konkretnych grupach produktów doprowadziło do zwiększenia wydajności i rentowności, umożliwiając firmie Packlinq osiągnięcie celów w zakresie marketingu cyfrowego.

Rola specjalisty ds. SEA

Rowan Jacobs, z dużym doświadczeniem jako starszy specjalista SEA, wniósł nie tylko wiedzę techniczną, ale także strategiczne podejście. Dzięki wykorzystaniu analizy danych i ograniczeniu zadań wykonywanych ręcznie, takich jak automatyczne wykluczanie nierentownych produktów, możliwe było bardziej efektywne wykorzystanie budżetu marketingowego.