Mit der Implementierung des Google-Tags bzw. Google Tag Managers legen Marketer den Grundstein für eine zukunftssichere Messbarkeit digitaler Kampagnen. Noch tiefergehende Insights können Unternehmen darauf aufbauend mit Google Analytics 4 (GA4) erhalten und wertvolle First-Party-Daten auf der eigenen Website und sammeln. So lässt sich das Fundament für eine robuste Datenstrategie erweitern.
Die Herausforderung:
Ein Unternehmen möchte sicherstellen, dass seine Online-Kampagnen möglichst effizient an kaufaffine Zielgruppen ausgespielt werden. Wie kann das Unternehmen potenzielle Käuferinnen und Käufer überhaupt erkennen?
Die Lösung:
Die Analyse des Nutzerverhaltens auf der eigenen Website und in der App liefert viele aufschlussreiche Daten für das Online-Marketing. Dieses Verhalten lässt sich datenschutzfreundlich mit GA4 nachverfolgen. Das Tool sammelt First-Party-Daten darüber, wie Nutzerinnen und Nutzer mit einer Website interagieren, welche Seiten sie besuchen und welche Aktionen sie ausführen. Im Gegensatz zu Cookies, die häufig verwendet werden, um Nutzerinnen und Nutzer zu identifizieren und ihre Präferenzen zu speichern, arbeitet GA4 ereignisbasiert. Das heißt, das Tool konzentriert sich darauf, bestimmte Aktionen oder Ereignisse wie Klicks, Seitenaufrufe oder Downloads auf einer Website oder in der App zu verfolgen – unabhängig von der Identität der Nutzerinnen und Nutzer.
GA4 kann aber nicht nur das Verhalten der Besucherinnen und Besucher auf der Website und in der App analysieren. Mithilfe künstlicher Intelligenz ist das Tool auch in der Lage, zukünftiges Nutzerverhalten vorherzusagen, indem es Muster und Trends aus den vorhandenen Daten analysiert. Beispielsweise kann Google AI anhand von Website-Ereignisdaten aus der Vergangenheit prognostizieren, welche Zielgruppen voraussichtlich am ehesten einkaufen werden.
Diese Daten können genutzt werden, um mit dem Audience Builder n Google Ads KI-gestützt maßgeschneiderte Zielgruppen zu erstellen oder den Lifetime-Wert von Kundinnen und Kunden zu analysieren. Und je besser die KI trainiert ist, desto granularer werden die Zielgruppenprognosen. Mit den sogenannten Predictive Audiences ist es beispielsweise möglich, gezielt Zielgruppen zu definieren, die voraussichtlich in den nächsten sieben Tagen zu Erstkäufer*innen werden oder nicht die eigene Website/App besuchen werden. Diese Konsumentinnen und Konsumenten können dann gezielt mit Kampagnen über das gesamte Google-Inventar angesprochen werden – von Such- und Shopping-Anzeigen über Display- und Discovery-Anzeigen bis hin zu YouTube-Werbung.
Detaillierte Informationen zur Implementierung von Google Analytics 4 gibt es im Google Help Center.
Die Vorteile auf einen Blick:
- kanalübergreifendes und datenschutzfreundliches Tracking des Nutzerverhaltens auf der Website und in der App
- umfassende Verhaltens-Reportings und eine ganzheitliche Kundensicht durch KI-gestützte Modellierung
- nahtlose Integration und Aktivierung der Daten in Systemen wie beispielsweise die Media-Buying-Plattformen von Google oder BigQuery
Der Praxistest:
Der Modeversand Baur verglich in einem Pilotprojekt die intern von einer Business Intelligence (BI) generierten Zielgruppen des Unternehmens mit den Predictive Audiences von GA4. Das Resultat: 70 Prozent der neu gewonnenen Kundinnen und Kunden mit hoher Kaufwahrscheinlichkeit waren nicht durch bestehende Audiences abgedeckt. Durch die zusätzliche Reichweite stieg der Umsatz um 56 Prozent, bei gleichzeitig 35 Prozent geringeren Kosten pro Bestellung.
Ähnliche Erfahrungen machte Bayer Consumer Health. Der Pharmakonzern testete GA4, Search Ads 360 und Value Based Bidding, um gezielt Kundinnen und Kunden mit Kaufabsicht für das Produkt Iberogast anzusprechen. Dazu wurde das Verhalten der Konsumentinnen und Konsumenten auf der Iberogast-Website mit GA4 getrackt und bestimmten Ereignissen – Aktivitäten auf der Website bis zum Klick auf den „Jetzt kaufen“-Button – ein Wert zugeordnet. Auf Basis dieser Daten wurde die Kampagne nicht nur effizient an eine potenziell werthaltige Zielgruppe ausgespielt, sondern auch das Gebotsmanagement an den potenziellen Wert der einzelnen Kund*innen angepasst. Auf diese Weise konnte Bayer die Anzahl der High Value Conversions um 108 Prozent steigern, den Conversion Value um 39 Prozent erhöhen und den CPA um 42 Prozent senken.
