Hey!

In unserer letzten Mail haben wir Dir unseren “ADO” Mechanismus etwas genauer erklärt - in dieser Mail möchte ich Dir weitere Einblicke in unsere nächsten ADO-Use-Cases geben.

Live Time Value

Eine der stärksten Skalierungshebel eines Businesses ist der Live-Time-Value. Warum? Weil Dir eine Steigerung des Live-Time-Values ermöglicht mehr Umsatz pro Kunde zu generieren. So machst Du nicht nur mehr Umsatz, sondern Du kannst auf einmal deutlich höhere Akquisekosten pro Kunde verkraften, weil den höheren Marketing-Ausgaben auch direkt ein höherer Umsatz pro Kunde entgegensteht. Das ist ein absoluter Game-Changer in der Skalierung Deiner Brand.

Es gibt von Bundles, über Abos bis hin zu Cross-Selling diverse Strategien, den LTV zu steigern. Ein Weg, den aber bisher noch niemand umsetzen konnte, ist es, den Algorithmus in dieses Ziel miteinzubeziehen, sodass der Algorithmus Deiner Werbeplattform gezielt Neukunden sucht, die im Schnitt einen sehr hohen LTV haben. Mit “ADO” ermöglichen wir Dir nun genau das.

Alles beginnt dabei erstmal mit der Analyse wie der LTV aktuell in Deinem Business aussieht. Dazu stellen wir Dir wie immer jede Menge Analytics zur Verfügung, die Dich dabei unterstützen, genau das herauszufinden. Alles beginnt dabei, dass Du erstmal entscheidest, wie Dein LTV definiert ist. Willst Du zum Beispiel wissen, wie viel Umsatz die Neukunden, die Du in einem bestimmten Monat gewonnen hast, über die folgenden 30, 60 oder 90 Tage nach dem Kauf geniert haben, schaust Du Dir die Lifetime Revenue Entwicklung der Kunden-Kohorte dieses Monats an.

Alternativ kannst Du natürlich auch die Lifetime Order-Anzahl oder den Lifetime Deckungsbetrag 2 der Kunden betrachten.

Willst Du wissen, ob Du es schaffst, z.B. den 60 Day LTV zu steigern, musst Du Dir also die Entwicklung der 60 Day LTVs von mehreren aufeinanderfolgenden Monats Kohorten anschauen und vergleichen, ob sich der 60 Day LTV von Monat zu Monat steigert. Das herausfordernde ist, dass das natürlich nur für Kohorten gilt, die bereits 60 Tage her sind. Das heißt es ist immer ein gewisser Delay in dieser Betrachtung.

Hast Du genug historische Daten von Kunden mit einer starken Retention (hohem LTV), dann kannst Du mithilfe unseres ADO-Mechanismus einfach eine Custom & Lookalike Audience dieser Kunden kreieren und über einen Bid-Multiplier den Algorithmus darauf ansetzen, dieses Kundensegment der “High LTV Customers” mit mehr Fokus zu bewerben. Umgekehrt kannst Du ebenso einen negativen Bid-Multiplier auf die “Low LTV Customers” setzen. So steigerst Du Deinen durchschnittlichen LTV, was wie anfangs beschrieben nicht nur eine direkte Umsatz-Steigerung bedeutet, sondern ganz neue Skalierungsmöglichkeiten eröffnet.

Subscription

Ein anderer Use-Case setzt beim gleichen Thema an, aber ist sehr viel spezifischer auf den Case eines Abo-Modells zugeschnitten. Denn ein Kunde, der ein Abo mit einer gewissen Mindestlaufzeit abschließt, hat immer einen LTV der größer ist, als der initiale Warenkorbwert. Leider wird genau das standartmäßig vom Algorithmus nicht beachtet, denn jedes Standart-Tracking übermittelt auch bei einem Abo einfach nur den Warenkorbwert der ersten Bestellung. Da das nur der Wert des allerersten Intervalls eines Abos ist, denkt der Algorithmus bei einem Jahres-Abo z.B., der Kunde sei 12 mal weniger wertvoll, als er tatsächlich ist. Das ist nicht nur falsch sondern beeinflusst die Performance sogar negativ!

Denn in den meisten Fällen ist das gleiche Produkt als Einmal-Kauf im Shop sogar etwas teurer als der Abschluss eines rabattierten Abos. Das Tracking, welches aber in beiden Fällen nur den Wert der ersten Bestellung übermittelt, generiert so beim Algorithmus den Eindruck, dass er mit dem Einmal-Kauf einen höheren Umsatz generiert. Dadurch optimiert der Algorithmus im Schnitt sogar mehr auf Einmal-Käufer - handelt also genau gegensätzlich zu dem, was Du gerne hättest.

Um das zu lösen, habt Ihr wieder mehrere Möglichkeiten.

1. Anpassung des Übermittelten Warenkorbwertes Ihr könnt z.B. ganz einfach hingehen und bei Abos den durchschnittlichen LTV des spezifischen Abos hinterlegen und mit Mable an die Werbeplattformen übermitteln. Das hilft schonmal die Analysen in der Plattform zu berichtigen und andererseits dem Algorithmus zu verstehen, welche Kunden tatsächlich wie wertvoll für Euch sind.
   
   
2. Anpassung des Purchase Events Alle, die genug Events haben und primär auf Abo-Käufer optimieren möchten, können noch einen Schritt weiter gehen und Einmal-Käufe überhaupt nicht mehr an die Werbeplattformen übermitteln, sondern nur noch im Falle eines Abo-Kaufs ein Purchase Event triggern. Das hat den Vorteil, dass so weiterhin auf das am besten vom Algorithmus verstandene Event (das Pruchase Event) optimiert wurd und trotzdem der Fokus rein auf den Abos liegt.
   
   
3. Eine Custom Conversion verwenden Falls ihr nur bestimmte Kampagnen rein auf Abos optimieren wollt, könnt Ihr unser eigenes Subscription Event verwenden. Dieses enthält nur Daten von Kunden, die eine Subscription abgeschlossen haben und kann in einzelnen Adsets als Conversion Goal hinterlegt werden.
   
   
4. Einen Meta-Bid-Multiplier setzen Der letzte Weg geht wie immer über den Bid-Multiplier. Ihr nehmt ganz einfach die Daten bisheriger Subscription-Kunden und ermöglicht dem Algorithmus diese mit mehr Fokus zu bewerben.