Jeder Marketer möchte die Leistung seiner Kampagnen optimieren und dadurch den Return on Investment maximieren. Während der Algorithmus von Nexoya stets darauf abzielt, die Leistung zu verbessern, indem Budgets optimal verteilt werden, macht er manchmal Empfehlungen, die überraschen können. Diese unerwarteten Vorschläge sind keine Fehler – sie sind oft die bestmöglichen Schritte innerhalb der gegebenen Einschränkungen. In diesem Artikel werden wir erläutern, warum das passiert, und einige Beispiele aus der Praxis betrachten, die zeigen, wie diese scheinbar kontraintuitiven Entscheidungen tatsächlich zu besseren Ergebnissen führen können.

Was ist der % Uplift bei einer Optimierung?

Lass uns aufschlüsseln, wie der Uplift berechnet wird. Viele gehen vielleicht davon aus, dass wir einfach neue Vorhersagen mit der aktuellen Leistung vergleichen, aber unser Ansatz ist etwas raffinierter. Unsere Baseline sind nicht nur die aktuellen Ausgaben – es handelt sich um eine proportional skalierte Version der bestehenden Budgetaufteilung. 

Der Grund, weshalb das so wichtig ist: Wenn wir das Gesamtbudget um 20 % erhöhen möchten, vergleichen wir unsere optimierten Empfehlungen nicht mit den aktuellen Ausgaben. Stattdessen vergleichen wir sie mit dem, was passieren würde, wenn das Budget jeder Kampagne einfach um 20 % erhöht werden würde.

Diese Methode stellt sicher, dass wir faire Vergleiche stellen und echte Verbesserungen liefern, anstatt einfach nur von der Erhöhung des Budgets zu profitieren.

  1. Angenommen, das neue Optimierungsbudget wird von 900$ auf 1’200$ erhöht.
  2. Mit diesem neuen Budget findet Nexoya die ideale Budgetaufteilung für alle Kampagnen und prognostiziert die erwartete Performance für jede Kampagne. In diesem Beispiel würden wir insgesamt 34’500 Leads mit der neuen Optimierung erreichen.
  3. Um den Uplift zu berechnen, muss eine Baseline definiert werden. Diese Baseline wird durch lineares Reskalieren erreicht. Da es diese Woche eine Gesamtbudgeterhöhung von +33 % gibt, müssen alle Kampagnen zuerst reskaliert werden.
  4. Die erwarteten Leads werden nun auch mit den linearen, reskalierten Budgets prognostiziert, was insgesamt 33’000 Leads ergibt.
  5. Der letzte Schritt ist die Berechnung des Uplifts. Die Zahlen des Basisszenarios werden mit den Zahlen des Optimierungsvorschlags verglichen, was für jede Kampagne im Einzelnen durchgeführt wird und den prozentualen Uplift ergibt, wie im oben genannten Beispiel gezeigt.

Einschränkende Faktoren zur Maximierung des Optimierungspotenzials

Verschiedene Faktoren können den Algorithmus daran hindern, die Kampagnenperformance zu maximieren und einen positiven Uplift zu erzielen. Dies sind Business-Entscheidungen in Form von Mindest- und Höchstbudgets, aber auch Umweltfaktoren. Die Skalierung der perfromance-stärksten Kampagnen wird eingeschränkt und eine weitere Skalierung verhindert: 

  • Manuell festgelegte Mindest-/Höchstbudgets: Wenn für eine Kampagne Budgetlimits im UI festgelegt wurden, kann der Algorithmus nicht mehr als das Maximum oder weniger als das Minimum zuweisen, was die Flexibilität der Optimierung einschränkt.
  • Underspending des Budgets im vorherigen Zeitraum: Wenn eine Kampagne im vorherigen Zeitraum ihr vollständiges Budget nicht ausgeben konnte, kann der Algorithmus in der nächsten Optimierung möglicherweise kein zusätzliches Budget effektiv zuweisen.
  • Hoher Impression Share: Wenn eine Kampagne bereits einen hohen Anteil an Impressionen erzielt hat, kann eine weitere Budgeterhöhung möglicherweise nicht zu zusätzlichen Leistungsverbesserungen führen.
  • Konservatives Risikoniveau bei erheblicher Budgeterhöhung: Der Algorithmus ist an den Betrag der Budgetverschiebung gebunden, der zwischen den Kampagnen erlaubt ist. Dies wird als Risikoniveau bezeichnet. Wenn das Risikoniveau konservativ festgelegt ist und eine grosse Budgeterhöhung von einer Woche zur anderen erfolgt, wird der Algorithmus dennoch vorsichtig vorgehen, was das Optimierungspotenzial einschränken kann.

Beispielszenario

Wir haben beispielsweise diese Woche aufgrund einer Promotion ein 87% höheres Budget zur Verfügung. Zwei wichtige Einschränkungen beeinflussen jedoch die Optimierung:

  • Eine andere performante Kampagne hat bereits einen hohen Impression Share erreicht und kann daher nicht weiter skaliert werden.
  • Eine der leistungsstärksten Kampagnen hat aufgrund von Produktverfügbarkeitsproblemen eine Höchstbudgetbeschränkung.

Obwohl die Gesamtbudgeterhöhung erheblich ist, wird das Budget aufgrund dieser Einschränkungen auf weniger effiziente Kampagnen verteilt. Dies mag weniger effektiv erscheinen, aber der Algorithmus sorgt weiterhin für die bestmögliche Zuweisung unter Berücksichtigung dieser Einschränkungen.

In dem obigen Beispiel erhalten die beiden eingeschränkten Kampagnen in absoluten Zahlen ein leicht höheres Budget. Im Vergleich zur Gesamtbudgeterhöhung von +87% wird jedoch ihr Anteil am Budget relativ reduziert. Dieser wahrgenommene Budgetkürzung für die beiden besten, aber eingeschränkten Kampagnen führt zu weniger prognostizierten Verkäufen als im Basisszenario. Infolgedessen fällt der gesamte Uplift negativ aus.

Abschliessende Gedanken

Die Optimierung in Nexoya ist darauf ausgelegt, die Performance innerhalb der gegebenen Einschränkungen zu maximieren. Obwohl einige Einschränkungen möglicherweise einen positiven Uplift verhindern, stellt der Algorithmus sicher, dass die bestmögliche Budgetverteilung vorgenommen wird, während sowohl kundenseitig definierte Grenzen (z. B. Höchstbudgets) als auch externe Faktoren (z. B. hoher Impression Share) berücksichtigt werden.

Indem wir diese Faktoren berücksichtigen, können wir die Optimierungsmöglichkeiten von Nexoya maximieren und gleichzeitig strategische und operative Grenzen respektieren.

Was this post helpful?