Home » AdWords en Display advertising » AdWords automatisering: Tips voor een CPA biedstrategie met soft conversies

AdWords automatisering: Tips voor een CPA biedstrategie met soft conversies

AdWords wordt veelal gebruikt als een keihard conversiekanaal met strakke ROAS-, ROI- of CPA doelstellingen. Recente grote ontwikkelingen in de kwaliteit van geautomatiseerde biedstrategieën voor AdWords bieden hierin uitkomst. Een met data onderbouwde inzet van AdWords automatisering kan leiden tot zowel kostenefficiënter adverteren, als tijdsefficiënter onderhoud van jouw AdWords account.

Helaas is het niet altijd mogelijk om een biedstrategie in te stellen op basis van een harde conversiedoelstelling. Enerzijds zou het zo kunnen zijn dat er te weinig harde conversiedata is voor de biedstrategie. Biedstrategieën binnen DoubleClick Search (DS3) bijvoorbeeld hebben minimaal 20 conversies per dag nodig voor effectieve optimalisatie, terwijl een doel CPA in AdWords minimaal 30 conversies per maand nodig heeft. Anderzijds is een harde conversie zoals een winkelbezoek wel te meten en terug te vinden binnen de alle conversies kolom in AdWords, maar kan er momenteel nog geen AdWords of DS3 biedstrategie op aangestuurd worden.

AdWords biedstrategie op basis van soft conversies

Als oplossing adviseert de helpdesk van Google om soft conversies te gebruiken om de data van de biedstrategie te verrijken. Stel, je wilt een biedstrategie aansturen op aankopen, dan zou je als soft conversie een klik op de knop “Stop in mijn winkelmandje” mee kunnen nemen of in het geval van winkelbezoeken zou je het gebruik van een routebeschrijving tool kunnen gebruiken als soft conversie.

Om tot een biedstrategie op basis van soft conversies te komen gebruiken marketeers vaak een correlatieanalyse om te kijken in hoeverre de soft conversie en harde conversie zich tot elkaar verhouden. Bij een positieve correlatie bewegen de soft en harde conversie in dezelfde richting, zoals dat des te warmer en zonniger de dag, des te meer ijsjes er verkocht worden (↑ temperatuur, ↑ ijsjes verkopen). Bij een negatieve correlatie bewegen de soft- en harde conversie in tegenovergestelde richtingen, bijvoorbeeld als de prijs van kipnuggets bij de McDonalds omhoog gaat, gaat de hoeveelheid genuttigde nuggets naar beneden (↑ Nugget prijzen, ↓ Nugget consumptie).

AdWords automatisering voorbeeld correlatie producten in winkelmand tov aankopen
Een praktijkvoorbeeld van een hoge positieve correlatie tussen het stoppen van producten in het winkelmandje en het doen van een aankoop.


Op basis van een hoge positieve correlatie wordt er vaak besloten om een biedstrategie in te zetten op basis van de verhouding tussen de soft conversie en de harde conversie. Stel: een aankoop mag €100,- kosten. Voor elke 4 mensen die producten in het winkelmandje stopt, wordt er 1 daadwerkelijke aankoop gedaan. Een logische aanname is om dan de CPA-biedstrategie op basis van de soft conversie op €25,- in te stellen.

Problemen met een correlatieanalyse

Helaas blijkt een dergelijke analyse in de praktijk vaak niet te leiden tot effectieve AdWords automatisering. Hoewel de AdWords biedstrategie perfect het CPA doel van €25,- per soft conversie behaalt, blijven de aankopen achter. De moedige marketeer gaat nog misschien 1 of 2 maanden door met de strategie, want “er mag best een beetje speling zitten in de verhouding”. Na 3 maanden tegenvallende resultaten wordt toch de stekker getrokken uit de test met soft conversies. Waar gaat het mis?

Optie 1: De soft conversie is alleen verantwoordelijk voor een deel van de harde conversies.

Neem het voorbeeld van het winkelbezoek. Gemiddeld werd er iedere maand 300 keer gebruik gemaakt van de online routeplanner, en kwamen er gemiddeld 150 mensen naar de winkel volgens AdWords. Stel de verhouding tussen de online routeplanner en winkelbezoeken is 2:1 en een winkelbezoek mag €30,- kosten. De marketeer concludeert dan op basis van deze verhouding dat de soft conversie €15,- mag kosten. In realiteit gebruikte maar 100 van de 150 winkelbezoekers die via AdWords bereikt werden de online routeplanner, de overige 50 mensen hadden de locatie van jouw winkel al in hun TomTom staan. De soft conversie “online routeplanner” kwam dus niet in een 2:1 verhouding voor, maar leidde maar in een 3:1 verhouding tot harde conversies. De soft conversie mocht dus maar €10,- zijn.

Optie 2: De soft conversie in Analytics gebruikt een ander attributiemodel dan de soft conversie in DoubleClick.

Neem wederom het voorbeeld van de verhouding tussen producten in het winkelmandje met daadwerkelijke aankopen. Na analyse blijkt er geen andere factor te zijn die de aankopen beïnvloed, dus de verhouding van 4:1 blijft ook constant als het aantal mensen dat een product in het winkelmandje doet toeneemt. Toch blijkt iedere maand de CPA van aankopen te hoog. Waar gaat het mis?

DoubleClick Search gebruikt standaard een ander attributiemodel dan AdWords en Analytics. Waar AdWords en Analytics standaard last click attributie gebruiken, gebruikt DoubleClick last AdWords click attributie. DoubleClick Search kent dus een floodlight conversie toe bij iedere transactie waar AdWords voorkwam in het conversiepad, niet alleen als AdWords de laatste conversie was.

 AdWords conversies en floodlights side by side
Hoewel de twee grafieken in eerste instantie gelijkend zijn, verraden de assen het verschil.


In het bovenstaande voorbeeld komt de AdWords bezoekers met producten in hun winkelmandje in een 4:1 verhouding voor met AdWords conversies, terwijl bij de Floodlight conversie de verhouding 5:1 is. Als DoubleClick perfect stuurt op een CPA van €25,- kost een aankoop dus €125,-, terwijl er op basis van de AdWords data €100,- werd verwacht.

Optie 3: De soft conversie en harde conversie verhouding zich wel tot elkaar, maar niet lineair.

Deze situatie komt voor in technische markten, neem bijvoorbeeld het verkopen van een AdWords automatiseringssysteem dat alleen geschikt is voor grote bedrijven. Doordat in deze situatie de doelgroep gelimiteerd is, leidt het bereiken van meer mensen misschien wel tot meer demo aanvragen, maar het aantal grote bedrijven dat binnen deze doelgroep valt neemt af naarmate meer grote bedrijven zich aansluiten. De kwaliteit van de soft conversies neemt dan af (zie de wortelfunctie). Er zijn ook situaties bij luxeproducten, waarbij de kwaliteit van soft conversies juist toeneemt als meer mensen het product via soft conversies erkennen als een statussymbool. In dergelijke situaties, waarbij de verhouding tussen de soft conversie en de harde conversie niet stabiel is, is het niet te adviseren om deze soft conversie te gebruiken als input voor AdWords automatisering.

Type relaties binnen AdWords
Een praktijkvoorbeeld van een s-curve is de verhouding tussen omzet en biedingen binnen een shopping campagne en een voorbeeld van een wortelfunctie is de hoeveelheid conversies naarmate je steeds generieker gaat adverteren

 

Optie 4: De soft conversie correleert wel met aankopen, maar is niet de reden dat aankopen plaatsvinden.

Dit geval betreft de beroemdste zin in statistiek en analyses: “Correlatie betekent geen causatie”. Laten we teruggaan naar het voorbeeld van de aankopen. Dezelfde winkel die de soft conversie “Producten in het winkelmandje” doormeet, meet ook “Helpdesk live chat sessies”. Na analyse blijkt er een hoge correlatie te zijn tussen de helpdesk live chat sessies en de winkelaankopen. In maanden met veel winkelaankopen zijn er ook veel live chat sessies. Als je dit navraagt bij de klantenservice blijkt dat dit allemaal vragen zijn van mensen die een andere, niet ondersteunde, betalingsmethode willen gebruiken. Deze mensen doen allemaal uiteindelijk geen aankoop. Er is dus wel sprake van correlatie, maar geen causatie. Live chat sessies en aankopen komen wel samen voor, maar door live chat sessies te targetten met een biedstrategie zul je niet meer aankopen krijgen.

AdWords automatisering correlatie en causatie

De beste tool voor AdWords automatisering is statistiek

Voor de mensen die het liefst de statistiekvakken uit hun opleiding vergeten, heb ik slecht nieuws. De oplossing voor de bovenstaande problemen is een betere statistische onderbouwing van AdWords automatisering strategieën. De simpelste manier om een accurate verhouding te berekenen tussen harde en zachte conversies is het gebruik van een lineaire regressie analyse. Een lineaire regressie analyse berekent de best verklarende verhouding tussen twee variabelen door 1 cruciale aanname toe te voegen aan een standaard verhouding: niet alle harde conversies worden verklaard door soft conversies.

Om deze aanname anders te formuleren: er is een baseline aan harde conversies die ook zou plaatsvinden als er 0 soft conversies waren geweest. In het voorbeeld van een winkelbezoek: hoewel er veel mensen zijn die een routebeschrijving check doen, zullen er ook mensen zijn die jouw winkel al lang in hun TomTom hebben staan en jou ook hadden gevonden als er geen soft conversies hadden plaatsgevonden. Kort door de bocht, de eerste groep trek je aan door te optimaliseren voor soft conversies, de tweede groep blijft onbeïnvloed door deze soft conversie te optimaliseren.

statistische onderbouwing automatisering AdWords

Regressie analyse voor AdWords automatisering

Hieronder volgt een stap voor stap beschrijving van hoe je de verhouding tussen een soft conversie en harde conversie kan analyseren met als doelstelling antwoord op de vragen:

  • Welke verhouding tussen soft conversies en harde conversies moet ik aanhouden?
  • Welke CPA volgt er uit deze verhouding?

Stap 1: maak een Excel met de harde en zachte conversies uitgedraaid op dag- of op weekbasis. Let hierbij op een aantal punten:

  • Bundel voldoende data samen om trends te kunnen analyseren. Voor vele accounts zal dit betekenen: werk met data per week.
  • Werk je met DoubleClick for Search? Gebruik Floodlight data of data uit het last AdWords click attributiemodel in Analytics.
  • Neem geen merknaam data mee aangezien de soft conversies op merknaam vaak de relatie tussen harde en zachte conversies vertekenen.
AdWords automatisering: voorbeeld uitdraai voor regressie analyse
Voorbeeld uitdraai die geschikt is voor regressie analyse.


Stap 2:
activeer de data analyse toolpak in Excel ( File > Options > Add-ins > Analysis ToolPak ).

Excel toolpak voor regressie analyse
Het instellen van de Excel Analysis ToolPak in de opties.


Stap 3:
run een regressie analyse met de volgende instellingen:

  • De harde conversie als y-data
  • De zachte conversie als x-data
  • Een 90%/95%/99% zekerheidsinterval
  • Kies ook de data grafieken om een visueel begrip te krijgen van het resultaat
Data analysis toolpak
Als het toolpak actief is verschijnt er een knop “Data Analysis” binnen de dataweergave.
Regressie AdWords automatisering
Run een regressie met het gewenste zekerheidsinterval.


Stap 4:
beoordeel de onderstaande uitkomsten van de regressie analyse:

Adwords automatisering: Regressie Analyse AdWords

  • Multiple R (correlatie): indicatie van de kracht van de lineaire relatie tussen de harde en zachte conversie. Wenselijk is als er een hoge positieve correlatie is (richtlijn afhankelijk van de industrie en het type conversie,  > 0.7). Als er een correlatie is dicht bij 0 ligt is het niet aan te raden deze soft conversie te gebruiken om op harde conversies te sturen.
  • R Square: de hoeveelheid van de variatie in harde conversies, die verklaart wordt door de zachte conversies op een schaal van 0 tot 1, waarbij 0 betekent dat 0% van de harde conversielijn wordt verklaart door soft conversies, 1 betekent dat 100% wordt verklaart. In het geval van 100% liggen alle datapunten exact op de lijn. Des te meer verklaart wordt, des te zekerder de analyse als input kan bieden voor het bouwen van een biedstrategie. Gebruik dus een soft conversie die veel van de variatie in de data verklaart.
AdWords automatisering: Verschillende R-squared voorbeelden
Twee voorbeelden van uiteenlopende waardes van R Squared
  • Significance F en de p-values: de significance F geeft aan of de functie als geheel significant is, de p-waardes geven aan of de achterliggende coëfficiënten ook significant zijn. In het geval van 95% significanties moeten deze waardes kleiner zijn dan 0.05. Als de uitkomst niet significant is, gebruik de analyse dan niet als input voor een biedstrategie.

Stap 5: als alle waardes voldoen aan de vooraf gestelde richtlijnen (bijv: Multiple R > 0.7, R Squared > 0.6, Significance F & p-values < 0.05) dan kan de uitkomst omgerekend worden naar de verhouding die nodig is om de biedstrategie aan te sturen. In het voorbeeld is de formule als volgt:

Harde conversie = 0.36 * zachte conversie + 12.45

De verhouding die hieruit volgt is 1 harde conversie staat tot 2.78* zachte conversies (*1 / 0.36). Stel de harde conversie mag uiteindelijk 50 euro kosten, dan zou kunnen worden aangestuurd op een CPA van afgerond 50 / 2.78 = 20 euro. In dit bovenstaande voorbeeld was een standaard verhouding zonder regressie 1:2 geweest, waarbij de zachte conversie was aangestuurd op een CPA van 25 euro, met als resultaat naar alle waarschijnlijkheid een harde conversie die 70 euro kost.

Uiteindelijk kan dus met een regressieanalyse inzicht gecreëerd worden voor het opzetten van een goed onderbouwde biedstrategie in AdWords of DoubleClick for Search. Hiermee vormt statistische analyse de hoeksteen van jouw nieuwe AdWords automatisering strategie.

Statistische Analyse AdWords Automatisering

Heb jij nog andere onderwerpen binnen AdWords waar statistische analyse goed kan worden toegepast, laat het ons weten! Heb je nog meer vragen over het opzetten van een biedstrategie in AdWords, lees dan ook dit blog van Cliff. Meer weten over de beste soft conversies voor de AdWords automatisering van jouw bedrijf? Of heb je vragen over dit onderwerp? Neem contact met ons op of stel je vraag onder dit blog. We horen graag van je!


Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Verplichte velden zijn gemarkeerd met *

Mis geen blogartikel meer!

Ontvang onze blogartikelen gewoon in jouw mailbox

Gerelateerde diensten
Interessante onderwerpen
Tim Keegstra
Wij geloven dat ons team uniek is

Maak kennis met Tim

Tim is als Digital Advertising Consultant – SEA werkzaam bij Traffic Builders. Hij is een ontzettende nerd als het gaat om data analyses & statistiek en vind veel plezier in woorden als ROAS, K/O en online omzet. In zijn vrije tijd speelt Tim graag een potje basketbal of gaat hij naar de sportschool.

Neem contact op met Tim
Blijf op de hoogte van

De laatste trends & ontwikkelingen

Mis geen blogartikel meer!

Ontvang onze blogartikelen per mail