Management Summary - In dieser Mail erfährst Du:

- Wie der ADO Mechanismus funktioniert 💡

- Wie wir gemeinsam mit Meta als erstes Europäisches Tool den neuen Meta Bid-Multiplier für Shops ohne Developer einführen 🤝🏼

- Verpasse nicht unsere Live-Demo am 18. September um erste direkte Einblicke in Mable 2.0 zu erhalten - hier kannst Du Dich anmelden: 🍿https://zoom.us/webinar/register/WN_K7saZwalQEK3jh-ZdZmeXw

Hey!

In unserer letzten Mail haben wir Dir die ersten zwei spannenden ADO-Use Cases präsentiert. In dieser Mail wollen wir Dir etwas tiefere Einblicke geben, wie wir das ganze technisch umsetzen und was das abseits von unseren Use-Cases generell für neue Möglichkeiten eröffnet.

Denn diese Möglichkeiten lassen sich nicht nur auf Neukunden, oder Attributionsprobleme anwenden sondern auch zur Optimierung Deines LTV, der Reduzierung der Return Rates, der Optimierung auf Subscriptions und der Maximierung Deiner Profit Margin - und das sind nur die Use-Cases die wir mit Mable 2.0 einführen, die Möglichkeiten des ADO-Mechanismus gehen weit darüber hinaus.

Aber wie funktioniert das Ganze nun eigentlich❓

Im wesentlichen nutzen wir für unsere ADO Features vier einzigartige Mechanismen:

Filtern bestehender Events ⭐

Der einfachste und effektivste Weg den Algorithmus zu beeinflussen ist das Herausfiltern von unterwünschten beziehungsweise nicht repräsentativen Informationen. D.h. wie Ihr bereits beim Neukunden-Feature gesehen habt, kann z.B. das Filtern von Bestandskunden-Daten den Algorithmus dazu zwingen verstärkt auf Neukunden zu optimieren. 🔍

Dabei machen wir uns die notwendige Mustererkennung des Algorithmus zu nutze, denn dieses versucht basierend auf allen Daten die Ihr mit dem Tracking übermittelt eure Zielgruppe zu verstehen, um anschließend Eure Anzeigen nur noch an die Personen auszuspielen, die Eurer Zielgruppe am ähnlichsten sind. Beeinflussen wir nun den Dateninput, lernt der Algorithmus entsprechend auch nur auf diesen Daten die Muster, die ihr wünscht. Filtert man Käufe von Audiences heraus, denen man keine Ads ziegen möchte, lernt der Algorithmus zusätzlich das Muster, dass die Audiences wohl eine schlechte Zielgruppe sind, sodass er diesen Audiences weniger Ads zeigt.

Was man an dieser Stelle immer beachten sollte ist, dass das ganze ein Trade-Off zwischen der größt möglichen Menge an Daten und den “richtigen” Daten ist. Je mehr Käufe ihr im Shop habt, desto weniger beeinträchtigt es die generelle Performance des Algorithmus, wenn einige davon herausgefiltert werden.

Erstellung neuer Events ⭐

In den meisten Fällen, kann man aber nicht alle Kampagnen bzw. den Ad-Account über einen Kamm scheren. Das bedeutet manchmal gibt es auch Fälle in denen eine Optimierung auf Bestandskunden Sinn macht.

Um nun nicht mehrere Pixel kreieren zu müssen, bieten wir Euch die Möglichkeit zu jedem Use-Case Custom Events zu erstellen. Das bietet den Vorteil nur einzelne Kampagnen auf spezifischere Ziele zu optimieren. Wollt Ihr z.B. nur eine spezielle Kampagne gezielt auf Neukunden ausspielen, könnt Ihr für diese einzelne Kampagne das Custom Event hinterlegen.

Das Prinzip ist dabei das gleiche wie beim Filtern der Events generell, nur, dass es eben nur auf das Custom Event angewendet wird und nicht auf den Purchase generell. Mit dem Neukunden Custom Event ist es so also möglich den Algorithmus in einer spezifischen Kampagne auf Neukunden optimieren zu lassen, während andere Kampagnen weiterhin auf alle Kunden optimieren. Manche unserer Shops konnten auf diese Weise Ihren NC-CAC um bis zu 30% senken.

Veränderung des Payloads ⭐

Unser dritter Mechanismus konzentriert sich darauf, die in den Events enthaltenen Informationen anzupassen, um so den Algorithmus auf die für Euch wertvollsten Zielgruppen optimieren zu lassen.

Um das besser zu verstehen, hilft ein Beispiel. Das Standart-Tracking funktioniert immer auf die gleiche Weise: Mit jedem Kauf-Event wird einfach der Warenkorbwert, bzw. der Umsatz der Bestellung übermittelt. Ist die Gebotsstrategie “Max. Value” eingstellt, versucht der Algorithmus dann anhand dieser Daten den Umsatz zu maximieren. In vielen Fällen sind zwei Bestellungen mit dem gleichen Umsatz aber nicht unbedingt auch gleich wertvoll für eine Brand. Das kann z.B. der Fall sein, wenn die Bestellungen unterschiedlich große Margen haben, wenn eine der beiden Bestellung zurückgeschickt wird, wenn mit einer der Bestellungen ein Abo abgeschlossen wurde usw. Von all diesen Dingen weiß der Algorithmus aber nichts, sondern behandelt beide Bestellungen gleich.

Um das zu lösen, bieten wir mit Mable die Möglichkeit die Payloads von Events anzupassen, also die mitgeschickten Informationen wie z.B. den Warenkorbwert. Übermittelt man dann nämlich z.B. den Deckungsbeitrag 2 statt des Warenkorbwertes ist es Möglich den Algorithmus auf die Marge optimieren zu lassen und gleichzeitig bessere Insights in Meta hinsichtlich der Profitablität der Kampagnen zu erhalten. 📈

Das gleiche Prinzip lässt sich auch auf Subscriptions anwenden bei denen man z.B. den durchschnittlichen LTV einer Subscription übergibt und nicht nur den Warenkorb Wert der aller ersten Bestellung. In diesen Fällen erhält der Algorithmus nämlich sonst überhaupt kein Feedback über den Überproportionalen Wert der Subscription ggü. eines Einmal-Kaufs.

Meta Bid Multiplier ⭐

Der vierte und letzte Mechanismus ist zugleich auch das von Meta neu eingeführte Feature, was wir über Mable mit einer einfachen Nutzeroberfläche erstmals einfach zugänglich machen. 

Der Bid Multiplier setzt dabei direkt am Grundprinzip von Meta an - der Auktion. Jeder Werbeplatz in den Reals, Stories oder im Feed eines Nutzers wird intern bei Meta in Echtzeit unter den Werbetreibenden versteigert. Dafür bietet der Algorithmus automatisch in Eurem Namen. Je wertvoller der Algorithmus den Nutzer für Euch einschätzt, desto mehr bietet er. 

Die Einschätzung, wie wertvoll der Nutzer für die Brand ist trifft der Algorithmus basierend auf den durch das Tracking gelernten Mustern. Hier fehlen aber, wie zuvor gesehen, manche Informationen, wie z.B. die Information, dass Neukunden wertvoller sind als Bestandskunde, wie hoch die Marge oder der erwartete LTV ist usw.
    
    Diese Informationen könnt Ihr dem Algorithmus dann über den Bid-Multiplier mitteilen. Das bedeutet Ihr setzt im Mable 2.0 Dashboard einen Faktor, der bestimmt, wie viel Euch diese speziellen Nutzer mehr/weniger Wert sind (z.B. Ein Neukunden-Kauf ist 2x so wertvoll, wie ein Bestandskunden-Kauf). Mable erstellt dann automatisiert in Eurem Werbekonto die entsprechenden Custom Audiences und verteilt über die API die Bid Multiplier für diese Audiences, die ihr eingestellt habt. 
    
    Das Ergebnis ist dann, dass der Algorithmus bei Nutzern dieser Audiences in seinem automatischen Gebot mehr / weniger Spielraum hat und so z.B. öfter sicherstellt, dass Ihr bei den wertvollsten Nutzern auch tatsächlich im Feed erscheint. Nutzt man den Mechanismus geschickt kann man so z.B. den Anteil an Kunden mit hohen LTVs erhöhen und den mit niedrigen reduzieren bei gleichen Werbekosten. 💰

Wer gerne mehr über den Bid-Multiplier in Aktion verstehen will, kann die Meta eigene Case-Study lesen ➡️ Meta for BusinessQuince

Ich hoffe das ganze war Euch heute nicht zu technisch aber ich denk es hilft besser den Raum der Möglichkeiten mit Mable 2.0 zu verstehen. Wir erweitern unsere Use-Cases in Zukunft natürlich gerne und sind dabei gespannt auf Euer Feedback bzw. Euren Input! 🙌🏼

Wir wünschen Euch ein schönes Wochenende im Namen des Mable Teams und möchten Euch nochmal herzlich zu unserer Live-Demo am 18. September einladen!

Hier könnt Ihr Euch anmelden:

➡️ https://zoom.us/webinar/register/WN_K7saZwalQEK3jh-ZdZmeXw

Liebe Grüße,

Nils