Met een aantal scripts konden we de producten classificeren in een aantal categorieën op basis van hun prestaties: over-index, index, near-index, no-index en under-index. Dit script wordt dagelijks uitgevoerd en helpt bij het monitoren van de productprestaties in de loop van de tijd, om zo betere optimalisatiebeslissingen te kunnen nemen voor je campagnes.

Het script haalt de product-ID's op uit de Google Merchant Center-gegevens. Deze product-ID's worden gebruikt om prestatiegegevens op te halen en te analyseren. Het script haalt de prestatiegegevens op van de afgelopen dagen voor elk product. Deze gegevens omvatten onder andere impressies, klikken, kosten, conversies en conversiewaarde.

Kort samengevat, met een aantal scripts konden we de producten classificeren op basis van hun data uit Google Ads. We zijn eerst begonnen alle data uit GA4 te halen. Zo hebben we eerst een tweestap structuur campagne opgezet. De ROAS doelen hebben we eerst niet ingesteld. Eerst twee weken laten draaien met een budget.

Mensen die op zoek zijn naar exclusieve keukens gaan zelden tot aankoop bij een allereerste bezoek aan een website. Het kooptraject is lang en complex - klanten kunnen een website meerdere keren bezoeken en vaak wisselen tussen apparaten en browsers. Bovendien maken de moderne privacyregels en de beperkingen voor het bijhouden van cookies het onmogelijk om het volledige conversietraject te volgen.

Omdat het traject wat langer duurt dan normaal, slaan we middels een script in Google Tag Manager de UTM en GCLID op. Deze worden als extra velden toegevoegd in het CRM. Met een maandelijkse import wordt de data met behulp van Zapier als geconverteerde lead geïmporteerd naar Google Ads. Met de conversiewaarde. Zo kunnen we uiteindelijk op een ROAS-doelstelling sturen.

Belangrijke veranderingen

• Combinatie tussen Search en Performance Max. De Performance Max structuur op basis van THINK-CARE. En stuurden op asset performance en meerdere itemgroepen.
• Gebruikte weerdata en analyseerde met een script de correlatie tussen conversiepercentages en graden Celsius.
• Nieuwe doelgroepen gemaakt op basis van bezoekersgedrag.
• Volledige conversietracking opgezet (ook met offline conversies).
• Herstructureerde de campagnes en gaf de beste assets en signals een lagere ROAS mee.
• A/B-testen met verschillende landingspagina's in search. Ook in de Performance Max campagnes maakten we verschillende doelgroepen aan op basis van bezoekersgedrag. We hebben 4 verschillende soorten landingspagina's gemaakt: 1 hebben we volledig geoptimaliseerd voor de mobiele ervaring, voor terugkerende bezoekers, nieuwe bezoekers en nu werken we aan een pagina op basis van de verschillende assets in combinatie met post click ervaring (en testen we met verschillende CTA's).

In Semrush zagen we een groot zoekvolume op:

• [productcategorie] + grote maten
• [productcategorie] + kleine maten

Dit zagen we terug bij zowel heren, dames als baby's. Met in totaal 18 productcategorieën resulteerde dit in: 18 * 2 * 5 maten = 180 pagina's. Voor baby's gingen de maten net wat anders, maar we hadden uiteindelijk 76 pagina's. We wilden dat elke categorie en categoriepagina minstens 5 producten beschikbaar hadden.

De klant had 189 campagnes nog op de SKAG-wijze. De data van de afgelopen twee jaar geanalyseerd met behulp van een script. Op basis van alle conversiedata met een Python script worden de thema's bepaald per campagne. De top performer campagnes gingen verder met broad match. In combinatie met een tROAS.

Uitsluitingslijsten werden geïmplementeerd en alle irrelevante en niet-converterende N-grams van de afgelopen 2 jaar werden uitgesloten bij de start van de nieuwe campagnes. RSA's en DSA's werden geïmplementeerd. Alles herschreven rond het thema van de gestructureerde advertentiegroepen.

Door zoekwoorden en zoektermen data te koppelen aan specifieke deals konden we achterhalen welke deals het best presteerden bij welke zoekwoorden en zoektermen. Door de Google Ads API konden we deze data syncen naar ons dashboard en koppelen aan de UTM tags. Naast de harde conversies hebben we ook een OCT tracking template gemaakt om de daadwerkelijke aanmeldingen te meten. Zo konden we precies zien wat het percentage per campagne was dat aanmeldingen afronde en ook na 14 dagen bedenktijd zo bleef.

In Looker Studio konden we uiteindelijk de deals op basis van buckets en verbruik meten door het aanvullen van de dataLayer en terugkoppelen naar de specifieke deals. Zo hebben we op den duur de campagnes kunnen aanpassen naar een zogenoemde bucket structuur.

In de veiling werd geen rekening gehouden met de prijzen van de concurrenten. Een aantal producten die veel clicks opleveren, maar weinig tot geen transacties is het gevolg. Met behulp van dynamic pricing updaten we dagelijks de prijzen automatisch aan op basis van marktfluctuaties, concurrentiegedrag en vraag en aanbod. Hierdoor konden we snel reageren op veranderende omstandigheden en je concurrentiepositie behouden. Weerdata namen we mee, want we zagen dat tijdens slecht weer (onder de 9 graden) veel meer werd besteld.

Door slimme regels en het importeren van inkoopprijs en andere kosten (percentage retouren, verzendkosten en een fee) konden we per product de marges berekenen. Indien bleek dat het echt niet rendabel is om op producten te adverteren, brachten we deze producten in een reguliere shoppingcampagne met de biedstrategie: maximaliseren voor klikken en een max CPC. Zo konden we op grote schaal en met custom labels de campagnes instellen op basis van prijsconcurrentie en marges.

Voor een klant hebben we gebruikgemaakt van Google My Busines labels. Dit heeft geleid tot een flinke budget besparing terwijl de zichtbaarheid en prestaties aanzienlijk werden verbeterd.

Bij de implementatie hebben we Google My Business als de centrale 'feed' gebruikt, die rechtstreeks is gekoppeld aan Google Ads (locatie-extensies). Het voordeel was dat deze aanpak het automatisch verwerken van beschikbaarheid controleert. De klant had meerdere type diensten. Als een dienst vol zat bij een locatie, dan kon deze locatie het label verwijderen vanuit hun eigen Google My Business feed.

Dit zorgde ervoor dat Google Ads stopte met adverteren als een dienst gevuld was. Het resultaat? Een werkwijze die ons in staat stelt om complexe uitdagingen moeiteloos op te lossen. Met de mogelijkheid om campagnes, advertentiegroepn en advertenties te activeren en pauzeren via Google My Business Labels, konden we slim inkopen op basis van beschikbaarheid. Dit leidde tot een geoptimaliseerde budgetbesteding en resulteerde in kostenbesparingen.

Door gebruik te maken van Smart Bidding op filiaalniveau konden we specifieke locaties nauwkeurig afstemmen op de individuele doelen. Als bepaalde locaties meer aandacht nodig hadden en een grotere aanwezigheid in zoekresultaten vereisten, schakelden we moeiteloos over naar een portfolio-biedstrategie die gericht was op conversies.

Bovendien hadden we scherpe targeting mogelijk gemaakt door middel van radius-targeting rondom de filialen. Deze gerichte aanpak zorgt voor maximale relevantie en aanwezigheid in de buurt van de locaties, en bespaart aanzienlijk veel tijd vergeleken met traditionele methoden.

Met behulp van de Semrush API en een Python script konden we het zoekvolume in kaart brengen van een bulk aan interessante zoekwoorden. Zo kwamen we erachter dat het zoekwoord 'verlichte toetsenborden' een zoekvolume heeft van 2800 zoekopdrachten per maand.

Door de feed te koppelen aan de API konden we dit koppelen aan de database en op grote schaal categoriepagina's aanmaken. Tegelijkertijd werden de juiste producten gekoppeld aan deze categoriepagina.

Voor de quick wins schreven we content. Door de pagina's goed in de gaten te houden in GSC konden we de posities 5-20 verbeteren door het schrijven van goede content. En schreven we een aantal artikelen die we live konden plaatsen op andere websites.

Met een XML-feed van alle programma's op TV konden we de max CPC automatiseren op basis van aantal dagen voor populaire TV-programma's en voetbalwedstrijden. 3 dagen voor de wedstrijd werd het zoekvolume hoger. We wilden breed en exact targeten op zoekwoorden als: 'Manchester City kijken'. Ook op zoekwoorden als 'Premier Leage kijken', vlak voor een aantal interessante wedstrijden, zorgen dit voor veel extra abonnees per maand.

Met Channable konden we op basis van deze data meerdere search campagnes maken. Op basis van de wedstrijden en andere populaire programma's konden we budgetten alloceren naar de dagen vlak voordat het werd uitgezonden. We zagen in de data dat deze dagen ook resulteerden in abonnees.