Der Geldbeutel der deutschen Verbraucherinnen und Verbraucher saß schon einmal lockerer. Die unsichere wirtschaftliche Lage und inflationsbedingt hohe Preise für Lebensmittel, Energie, Kraftstoffe oder Baumaterialien führen dazu, dass Konsumentinnen und Konsumenten stärker sparen als in der Vergangenheit. Wer sie zum Kauf animieren und eigene Lagerbestände abbauen will, muss oft mit Rabatten arbeiten. Auch der oberfränkische Versandhändler für Mode, Wohnen und Elektronik Baur Versand spürt die Kaufzurückhaltung seiner Kundschaft. „Wir haben noch ein gutes Grundniveau. Aber Aktionen sind auch wichtig für unser Geschäft“, sagt Michael Bräutigam-Groß, Online-Marketing-Manager bei Baur.
Um auch in wirtschaftlich herausfordernden Zeiten profitabel zu bleiben, sucht die Tochter der Otto Group kontinuierlich nach neuen Wegen, um bei gleichbleibendem Budget die Performance ihrer Marketingmaßnahmen zu erhöhen und damit Umsatz und Ertrag zu steigern. Mit Google Analytics 4 (GA4) und Predictive Audiences hat der Versandhändler für Mode und Home & Living eine einfache und kosteneffiziente Lösung gefunden, um neue Zielgruppen anzusprechen und bestehende Kundinnen und Kunden immer wieder neu zu aktivieren.
GA4 erweitert die bisherigen First-Party-Daten um Analysen zum Nutzungsverhalten
Baur nutzt bereits seit mehreren Jahren First-Party-Daten im Performance Marketing. Mithilfe einer hauseigenen Business-Intelligence-(BI)-Lösung hat das Unternehmen eigene Zielgruppensegmente definiert und seine Kundinnen und Kunden basierend auf ihren Customer Lifetime Values (CLV) beispielsweise in Top-A-, Top-B- und Top-C-Spenderinnen und -Spender unterteilt. Der Versandhändler nutzt Google Analytics als Data Hub, spielt dort die BI- und CRM-Daten ein und spricht diese Zielgruppen dann über Retargeting wie z. B. mit Display-Ads erneut an. Die interne BI berücksichtigt bei der Bildung der Kundensegmente jedoch nur die reinen Kaufdaten, nicht aber das Nutzungsverhalten im Webshop oder in der App.
Mit dem Einsatz von GA4 und Predictive Audiences ging Baur deshalb den nächsten logischen Schritt. Denn mit der neuesten Version von Google Analytics ist es nicht nur möglich, das Verhalten der Nutzerinnen und Nutzer auf der eigenen Website oder in der App datenschutzfreundlich zu tracken, sondern mithilfe von KI auch Vorhersagen über unerwartetes und zukünftiges Verhalten von Nutzerinnen und Nutzern zu treffen und sogenannte Predictive Audiences zu erstellen.
So ist es zum Beispiel möglich, mithilfe der Metrik „Kaufwahrscheinlichkeit“ eine Predictive Audience zu bilden, die aus den Kundinnen und Kunden besteht, die in den kommenden sieben Tagen die höchste Wahrscheinlichkeit haben, einen Kauf zu tätigen. In einem sechswöchigen Testzeitraum rund um den Black Friday 2022 wollte Baur die Predictive Audiences von Google gegen die intern von der BI identifizierten Zielgruppen testen. Der zu dieser Zeit hohe Traffic im Shop sollte die KI von GA4 kurzfristig mit vielen Daten füttern, sodass sie schneller lernen konnte.
Einfache Überführung der Daten in verschiedene Systeme
Das Kampagnen-Setup hatten die Baur-Marketingverantwortlichen schnell eingerichtet: „Da wir schon sehr lange mit verschiedenen Google-Plattformen und -Systemen arbeiten, ist bei uns mittlerweile alles gut verzahnt“, sagt Alexander Bauernfeind, Team Lead Display Advertising & Retargeting bei Baur. „Das macht es uns natürlich leichter, neue Produkte von Google zu testen.“ Dass sich durch diese Verzahnung Daten einfach und unaufwendig in verschiedene und auch neue Systeme von Google überführen lassen, sieht auch Online-Marketing-Manager Michael Bräutigam als echten USP von Google. „Im Endeffekt sind es drei bis vier Klicks und dann hat man die neuen Zielgruppen in allen angebundenen Google-Systemen und kann damit arbeiten“, sagt er.
Um Bestandskundinnen und -kunden mit der höchsten Ausgabenbereitschaft und Neukundinnen und -kunden mit der höchsten Kaufbereitschaft gezielt ansprechen zu können, haben die Marketingverantwortlichen in GA4 vier Predictive Audiences als Kernzielgruppen definiert, welche Google AI bilden sollte:
- Wahrscheinliche Sieben-Tage-Erstkäuferinnen und -käufer: potenzielle Neukundinnen und Neukunden, die in den kommenden sieben Tagen voraussichtlich einen Kauf tätigen werden
- Wahrscheinliche Sieben-Tage-Käuferinnen und -Käufer: Bestandskundinnen und Bestandskunden, die wahrscheinlich in den kommenden sieben Tagen einen Kauf tätigen werden
- Wahrscheinliche Sieben-Tage-Churning-Käuferinnen und -Käufer: Nutzerinnen und Nutzer, die in den kommenden sieben Tagen wahrscheinlich abspringen werden
- Wahrscheinliche Nutzerinnen und Nutzer mit den höchsten Umsätzen über 28 Tage: Käuferinnen und Käufer, die in den kommenden 28 Tagen die höchsten Umsätze generieren werden
In den meisten Fällen lieferten die Standardeinstellungen und Events von GA4 gute Ergebnisse. Die Marketer tarierten anschließend nur noch die Balance zwischen möglichst guten Prognosewerten und möglichst großer Reichweite aus.
Die Informationen aus GA4 nutzte die Otto-Tochter, um ihre dynamischen Display-Kampagnen noch effizienter auszusteuern. Auch hier verließen sich die Performance-Marketer auf Google AI, um die richtigen Nutzerinnen und Nutzer mit den richtigen Produkten und Botschaften anzusprechen. Bereits nach einigen Wochen wechselte das Team im Bid Manager das Ziel von maximalen Conversions auf einen optimierten Target-CPA, um die Performance noch weiter zu verbessern.
Predictive Audiences identifizierte 70 Prozent mehr kaufbereite Kund:innen
Der Abgleich mit den eigenen BI-Audiences über ein Google-Tool in Display & Video 360 (DV360), mit dem Baur reguläre Google-Kampagnen steuert, zeigte: 70 Prozent der neu gewonnenen Kundinnen und Kunden mit hoher Kaufwahrscheinlichkeit waren nicht durch bestehende Audiences abgedeckt. „Ohne Predictive Audiences hätten wir diese Zielgruppen nicht adressieren können“, so Bauernfeind. Armin Philipp, Head of Customer & Sales bei Baur, fügt hinzu: „Der Einsatz von AI bringt uns viele Vorteile: Mit Google Analytics 4 konnten wir nicht nur zusätzliche High-Performance-Zielgruppen erreichen, sondern auch unseren Umsatz um 56 Prozent steigern – und das bei 35 Prozent geringeren Kosten pro Bestellung.“ Dabei sind gerade rund um den Black Friday die Preise generell eher hoch, weil jeder Werbetreibende Kampagnen schaltet.
„Dennoch konnten wir unsere Sales zu einem Bruchteil der Kosten erzielen. Das ist aus meiner Sicht die wahre Meisterleistung von Google AI“, bringt es Bauernfeind auf den Punkt.
Dank GA4 und Predictive Audiences kann Baur künftig neue Interessentinnen und Interessenten ansprechen, ohne jedes Mal die interne BI beauftragen zu müssen. „GA4 entlastet unsere BI-Abteilung. Man braucht nicht immer ein zehnköpfiges Team, sondern kann das Tool einfach nutzen und selbst sehen, welche Werte dabei herauskommen“, freut sich Bauernfeind.
Aus diesem Grund werden die Predictive Audiences von GA4 bei Baur zum festen Bestandteil der Marketingstrategie. Darüber hinaus erlaubt GA4 in einer First-Party-Welt eine neue Form der Datennutzung. Online-Marketing-Manager Bräutigam will im nächsten Schritt über neue Use Cases nachdenken oder GA4 mit bestehenden Zielgruppen kombinieren. Darüber hinaus könnte Google AI auch dabei helfen, schnellere Prognosen zu erstellen. Statt wie mit der BI zwölf Monate zurückblicken zu müssen, um den Customer Lifetime Value eines Nutzers oder einer Nutzerin zu prognostizieren, reichen bei GA4 30 bis 90 Tage, um das Potenzial zu analysieren.
Und auch neuen Ideen für künstliche Intelligenz von Google stehen die Marketer offen gegenüber: „Wenn da etwas Neues kommt, sind wir natürlich dabei“, so Bauernfeind.
