Google Performance Max: Revolution in der Online-Werbung durch maschinelles Lernen

Im Zuge der fortschreitenden Digitalisierung und der sich ständig entwickelnden Online-Marketinglandschaft hat sich Google's Performance Max (PMax) zu einem zentralen Werkzeug für Werbetreibende entwickelt. Diese neue Art von Google Ads-Kampagne nutzt maschinelles Lernen, um Anzeigen automatisch über die verschiedenen Kanäle im Google-Netzwerk zu platzieren und zu optimieren, und verspricht eine Maximierung der Reichweite und Effizienz von Werbekampagnen. Die Segmentierung innerhalb von Performance Max-Kampagnen spielt dabei eine entscheidende Rolle. Durch die Aufteilung von Kampagnen in spezifische Segmente können Werbetreibende ihre Anzeigen strategisch ausrichten, um die richtigen Nutzer anzusprechen und gleichzeitig die Effektivität ihrer Werbeausgaben zu optimieren. Im Folgenden werden vier gängige Segmentierungsstrategien für Performance Max-Kampagnen und deren Nutzungsmöglichkeiten detailliert betrachtet. 1. Segmentierung nach Top-Performern und Produkten mit hoher Marge Diese Strategie konzentriert sich auf die Bewerbung von Produkten, die bereits am besten performen oder die höchsten Margen aufweisen. Der Vorteil dieser Strategie liegt auf der Hand: Werbetreibende können ihr Budget auf die Produkte konzentrieren, die den größten Umsatz oder Gewinn versprechen. Durch eine solche Fokussierung kann die Performance Max-Kampagne schneller lernen, welche Produkte "gut" oder "schlecht" performen, und die Ausgaben entsprechend anpassen. Allerdings kann diese Herangehensweise auch Nachteile mit sich bringen. Ein häufiges Problem ist, dass die Klicks nicht zwangsläufig zu den erwarteten Käufen führen. Cross-Selling-Raten können hoch sein, und die Anzeigen könnten Produkte bewerben, die nicht unbedingt die gesuchten der Nutzer sind. Außerdem besteht die Gefahr, dass bei der Anzeige für Top-Produkte möglicherweise andere Produkte im Suchergebnis ignoriert werden, was zu verpassten Verkaufschancen führen kann. 2. Produkttyp-Segmentierung Eine weitere verbreitete Segmentierungsstrategie gruppiert ähnliche Produkte zusammen. Das vereinfacht nicht nur die Verwaltung von Budgets und Aktionen, sondern gewährleistet auch, dass Anzeigen und Produktgruppen saisonalen Nachfrageschwankungen gerecht werden. Diese Strategie ist einfach umzusetzen und sorgt für saubere Daten und relevante Anzeigen. Dennoch kann sie wichtige geschäftliche Kontexte wie Margen oder Kundentypen vernachlässigen. Ein häufiger Fehler bei dieser Strategie ist die zu schnelle Segmentierung aller Produkte in Kampagnen basierend auf Produkttypen aus dem Feed, ohne vorherige Datenanalyse. Es ist ratsam, die historische Performance der Produkte zu analysieren, da einige Kategorien möglicherweise nicht genug Volumen haben, um alleine erfolgreich zu sein, und möglicherweise mit anderen Kategorien gruppiert werden müssen. 3. Marken- und Nicht-Marken-Segmentierung Diese Strategie wird in Kampagnen-Audits weniger häufig beobachtet, möglicherweise aufgrund ihrer Komplexität. Sie zielt darauf ab, Marken- und Nicht-Marken-Suchanfragen zu trennen. Die Herausforderung besteht darin, dass Performance Max auch auf Markeninhalte setzt, was zwar zu gutem Volumen führen kann, aber auch zu einer Kannibalisierung organischer Suchergebnisse. Einige Werbetreibende bevorzugen es, markenbezogene Textanzeigen über bestehende Suchkampagnen zu steuern, statt sie Performance Max zu überlassen. Diese Strategie kann hilfreich sein, um Probleme bei der Überschneidung von Performance Max- und Suchkampagnen in schlecht verwalteten Konten zu lösen. Es kann jedoch auch zu einer unnötigen Segmentierung von Daten zwischen mehreren Kampagnen führen, was oft zu weniger Umsatz bei gleicher Effizienz führt. 4. Kundensegmentierung basierend auf nCAC/LTV Die am wenigsten verbreitete Struktur in Kampagnen-Audits basiert auf einer Segmentierung nach Kundengewinnungskosten (nCAC) und Kundenlebenszeitwert (LTV). Diese komplexe Strategie zielt darauf ab, höhere CPAs zu rechtfertigen, indem der wahre Wert eines Kaufs über den durchschnittlichen Bestellwert hinaus verstanden wird. Die Algorithmen von Performance Max bieten in diesem Szenario Gebote für den Wert des Verbrauchers anstatt für den Wert der Transaktion an und unterstützen so langfristiges Geschäftswachstum. Diese Strategie kann jedoch die Margen erheblich unter Druck setzen und erfordert ein tieferes Verständnis der gesamten Verkaufspraxis. Werbetreibende, denen es gelingt, diese Strategie umzusetzen, können jedoch langfristig die besten Ergebnisse erzielen. Zwei unverzichtbare Elemente für Performance Max Unabhängig von der gewählten Strategie gibt es zwei unverzichtbare Elemente für den Erfolg von Performance Max-Kampagnen: Zombie SKU-Kampagnen: Diese Kampagnen beinhalten Produkte, die zwar verfügbar und einsatzbereit sind, aber kaum Klicks erhalten. Indem diese Produkte in eine eigene Kampagne ausgelagert werden, wird der Algorithmus gezwungen, sie zu testen, was zu neuen, erfolgreichen Produkten führen kann. Auffangkampagnen: Diese Kampagnen mit niedriger Priorität stellen sicher, dass keine Produkte in der Kampagnenstruktur übersehen werden. Manchmal werden neue Produkte nicht von der bestehenden Zielgruppenauswahl erfasst. Durch die Einbindung dieser Kampagnen und die Überwachung der Volumenzunahme können Produkte sofort nach ihrer Aufnahme in den Katalog genutzt werden. Schlussbemerkung Performance Max hat seit seiner Einführung Ende 2021 beachtliche Fortschritte gemacht. Als eine Art Lösung "aus der Box" funktioniert es für Werbetreibende recht gut. Smart Bidding und Smart Campaigns haben sowohl das Bieten als auch die Budgetzuweisung weitgehend vereinheitlicht. Ein wesentlicher Weg, um heutzutage bei Google Ads zu gewinnen, liegt daher in einer Strukturierung, die Performance Max die beste Signalqualität und -menge bietet. Es ist Zeit, die Chancen zu nutzen und Erfolge zu erzielen.