1. Hintergrund der Case Study
Da immer mehr Personen Ihre Produkte online verkaufen, wird der Konkurrenzkampf auf den Online Marktplätzen immer härter. Vor allem als Amazon Händler müssen Sie sicherstellen, dass Ihre Produkte genug Personen erreichen, damit sich Ihr Geschäft überhaupt lohnt. Um gegenüber der Konkurrenz bestehen zu können, müssen Sie die Rentabilität Ihrer Anzeigen und Ihrer Werbeausgaben verbessern.
In unserer Scheduling Case Study zeigen wir Ihnen, wie Sie die Rentabilität Ihrer Werbeanzeigen durch zeitliche Anpassungen, auch bekannt als “Dayparting”, verbessern können.
Alle wichtigen Erkenntnisse der Case Study können Sie in unserem Factsheet nachlesen!
Dayparting bedeutet, dass die Gebote und Budgets an bestimmten Tagen und zu bestimmten Zeiten erhöht oder gesenkt werden, abhängig davon, wie aktiv Kunden zu diesen Zeiten Online shoppen. So werden hohe Werbekosten vermieden, die nicht zu einer Conversion führen, und gleichzeitig genügend Budget für die Zeiträume bereitgestellt, in denen eine Konversion wahrscheinlich ist.
Die Case Study fokussiert sich auf Sponsored Product Ads, die auf der Suchergebnisseite und auf Produktdetailseiten ausgespielt werden.
2. Kaufverhalten beim Online Shopping
Die Firma workarea hat das Einkaufsverhalten im Online-Handel im Laufe der Woche untersucht, um herauszufinden, zu welchen Zeiten die Umsätze und die Besucherzahlen im e-Commerce am vielversprechendsten sind. Während sonntags und montags die meisten Besuche stattfinden, ist Freitag der schlechteste Tag für den Online Handel. Der Grund dafür könnte sein, dass die Menschen freitags eher ihren Freizeitaktivitäten nachgehen und daher weniger einkaufen, während sie sonntags eher zu Hause bleiben und Zeit für Online-Einkäufe haben.
Denselben Effekt kann man auch auf Amazon beobachten. Im Durchschnitt ist der Umsatz von Amazon-Verkäufern an Sonntagen und Montagen am höchsten und an Freitagen am niedrigsten.
Montags liegt der durchschnittliche Umsatz 6% über dem allgemeinen durchschnittlichen Tagesumsatz. An Sonntagen liegt er sogar 13% über dem Durchschnitt, während freitags der niedrigste Wert mit 15% unter dem Durchschnitt erreicht wird.
3. Grundlagen der Case Study
Um fundierte Daten für die Analyse zu erhalten, nutzen wir die Amazon Marketplace Web Services (MWS) und die Daten aus der Amazon Ads API.
Wichtig: Amazon stellt aktuell noch keine Echtzeitdaten zur Verfügung, was bedeutet, dass Sie heute nur die Daten von gestern erhalten können. Die Daten, die Sie für gestern erhalten, sind aber zu diesem Zeitpunkt immer noch nicht akkurat, da Amazon verschiedene Attributionsfenster nutzt. Das bedeutet, dass Amazon Zeit braucht, um einen bestimmten Klick einem Produktverkauf zuzuordnen. In unserer Case Study gehen wir von einem 7-tägigen Attributionsfenster aus.
Die Case Study wurde durchgeführt von Nadine Schöpper, einer der Gründerinnen von BidX, die jahrelange Erfahrung mit Amazon Advertising hat.
3.1 Festlegung des richtigen Produkt Test-Sets
Zur Kontrolle der Ergebnisse wurden zwei Produkttestsets von derselben Marke definiert. Wir haben uns in dieser Case Study auf Kampagnen fokussiert, die bereits existiert haben. Insgesamt wurden 7702 Keywords festgelegt, die für die jeweiligen Test Kampagnen hinterlegt und aktiv sind. Jeden Freitag wurden die Gebote und Budgets der Test Sets durch unsere Scheduling Funktion um 50% gesenkt.
Jeden Sonntag und Montag wurden die Gebote und Budgets der Test Sets hingegen um 50% von unserem System erhöht. Am Ende des Tages wurden die Gebote und Budgets wieder auf die Initialwerte zurückgesetzt. Dieser Prozess wurde einen Monat lang durchgeführt, bevor die Ergebnisse daraufhin mit dem Monat vor der Case Study verglichen wurden. Außerdem wurde ein Validierungstestset, bei dem keine Änderungen vorgenommen wurden, in die Analyse miteinbezogen, damit die Ergebnisse des Testsets aussagekräftig sind. Während der gesamten Testperiode wurden keine weiteren Änderungen an den Geboten und Budgets vorgenommen, um die Ergebnisse nicht zu verfälschen.
3.2 Methoden zur Evaluierung
Um die Ergebnisse auszuwerten, vergleichen wir die wichtigsten KPIs der Keywords der Testprodukte für den Monat vor Beginn der Case Study mit dem Monat, in dem die Case Study stattgefunden hat. Um besser beurteilen zu können, ob die zeitlichen Anpassungen einen Einfluss auf die Ergebnisse haben, werten wir auch die Performance der Keywords des Validierungstestsets aus. Wir beziehen dabei den ACoS, den Total ACoS, die Conversion Rate sowie die Return Rate für beide Produkt Testsets und Zeiträume mit ein.
4. Ergebnisse der Case Study
4.1 Auswirkungen auf den ACoS
Der ACoS konnte durch die zeitlichen Anpassungen der Werbeanzeigen gesenkt werden. Die Case Study zeigt somit einen positiven Effekt auf die Effizienz der Werbeanzeigen und damit auch auf den Gewinn.
Der ACoS ist insgesamt von 39,5% auf 33,1%, also um 16% gesunken, wenn man den Monat vor der Case Study mit dem Monat, in dem die Case Study stattgefunden hat, vergleicht. An den Tagen, an denen die Gebote und Budgets angepasst wurden, ist der ACoS sogar um 19%, von 43% auf 35% gesunken.
Wenn man einen genaueren Blick auf die Tage wirft, an denen Änderungen vorgenommen wurden - Montag, Sonntag und Freitag - dann sehen die Ergebnisse wie folgt aus:
Montags ist der ACoS von 56,2% auf 53,7% gesunken und freitags von 67% auf 41,9%. Sonntags ist der ACoS gestiegen, von 28,8% auf 49,2%.
Der ACoS des Validierungstestsets, das die Keywords von zwei vergleichbaren Produkten enthält, ist um 13% angestiegen, von 36,6% auf 41,2%. Betrachtet man nur die Tage, an denen die Gebote und Budgets geändert wurden, ist der ACoS um 11% von 37,9% auf 42% gestiegen. Montags ist der ACoS um 15%, freitags um 1% und sonntags um 25% gestiegen.
4.2 Auswirkungen auf die Conversion Rate
Die Ergebnisse werden auch durch die Conversion Rate unterstrichen. Verglichen mit dem vergangenen Monat ist die Conversion Rate der Testsets im Monat der Case Study um 50% gestiegen, von 13,2% auf 19,8%.
Die Conversion Rate der Validierungsprodukte ist dagegen nur um 30% gestiegen.
4.3 Auswirkungen auf den Total ACoS
Der Total ACoS des Testsets ist von 13% auf 11,9% gesunken. An den Tagen, an denen die Gebote nicht angepasst wurden (alle Tage außer Montag, Freitag und Sonntag), ist der Total ACoS von 12,7% auf 13,3% gestiegen.
4.4 Auswirkungen auf die Return Rate
Die Return Rate der Testprodukte ist von 3,1% auf 2,2% gesunken. An jedem Tag, an dem die Gebote angepasst wurden, ist die Return Rate ebenfalls gesunken. Montags von 2% auf 1,9%, freitags von 2,7% auf 2% und sonntags von 2,8% auf 1,6%.
Beim Validierungstestset ist die Return Rate mit 2% gleich geblieben.
5. Fazit
Die Case Study hat gezeigt, dass das Scheduling einen Effekt auf den ACoS, den Total ACoS und damit auch auf die Rentabilität und den Gewinn hat. Vor Allem das Senken der Gebote zu Zeiten, an denen wenige Nutzer online shoppen (in unserem Fall freitags), hat einen positiven Effekt - und das bei gleichen oder steigenden Umsätzen. Dieser positive Effekt wird auch von der Conversion Rate unterstrichen. Die erhöhte Conversion Rate lässt darauf schließen, dass die Werbeanzeigen für Shopper relevanter waren und daher zu mehr Conversions geführt haben. Im Vergleich dazu ist der ACoS der Validierungsprodukte sogar angestiegen - insgesamt und auch für die einzelnen Tage, an denen Anpassungen erfolgt sind.
Mit gezielt geplanten Werbeanzeigen ist es also möglich, sowohl die Profitabilität in Zeiten, in denen wenig Traffic auf Amazon herrscht, als auch die Reichweite und Sichtbarkeit zu den Zeiten, zu denen viele Shopper aktiv sind, zu erhöhen, was einen klaren Wettbewerbsvorteil ermöglicht. Als Seller sollten Sie die Zeiten identifizieren, zu denen Ihre Produkte oft oder weniger oft verkauft werden, um Ihre Ads und die Sichtbarkeit Ihrer Marke zu verbessern und auch Ihre Verkäufe zu steigern.
Alle Ergebnisse aus der Case Study auf einen Blick in unserem kostenlosen Factsheet.
Scheduled Ads mit BidX
Im BidX Tool können Sie Ihre Kampagnen ganz einfach basierend auf den Wochentagen und der Tageszeit oder saisonal planen. Sie können dabei die Kampagnen entweder pausieren (außerhalb der Saison) und wieder reaktivieren (während der Saison), oder einen Boost für spezielle Kampagnen setzen.
Wenn Sie beispielsweise ein Produkt verkaufen, welches sich hervorragend als Geschenk eignet, kann es sinnvoll sein, vor Weihnachten einen Boost dafür einzustellen. Diesen Boost können Sie im Tool jährlich einstellen, damit Sie nie vergessen, Ihr Produkt zu diesem Zeitraum zu pushen.
Wenn Sie mehr über die Scheduling Funktion im BidX Tool wissen wollen, können Sie einen Demo Call buchen oder uns an hello@bidx.io kontaktieren.
