Modellierung von bezahlten Suchanzeigen

Das Google-Suchvolumen (Google Query Volume, GQV) ist oft ein wichtiger Störfaktor zwischen Media und Umsatz. Das gilt insbesondere für die bezahlte Suche, da das Suchvolumen unter bestimmten Kampagneneinstellungen, etwa wenn die Budgetobergrenze dies nicht verhindert, das Anzeigenvolumen beeinflussen kann. Wenn das GQV ein Störfaktor ist, müssen Sie es kontrollieren, um unvoreingenommene kausale Schätzungen für alle Media zu erhalten, mit denen es in Verbindung steht. Andernfalls kann es zu einer Überschätzung der kausalen Wirkung von bezahlten Suchkampagnen führen.

Meridian bietet eine Lösung, da Daten zum GQV als Kontrollvariable einbezogen werden können. Beachten Sie die folgenden Empfehlungen:

  • Am besten skalieren Sie Daten zum GQV nach der geografischen Bevölkerung. Dazu können Sie das Argument control_population_scaling_id verwenden.

  • Bezahlte Suchkampagnen, die auf markenspezifische Suchanfragen ausgerichtet sind, unterscheiden sich stark von solchen mit Targeting auf allgemeinere produktbezogene Suchanfragen. Es empfiehlt sich, diese Kampagnen als separate Media-Channels in das Modell aufzunehmen.

  • Markenspezifische Keyword-Kampagnen werden häufig anhand von Klicks modelliert, da sie den direkten Webtraffic steigern sollen. Für andere Kampagnen werden oft Impressionen verwendet, da diese auch dann effektiv sein können, wenn sie nicht zu einem Klick führen.

  • Am besten beziehen Sie die Anzahl von Anfragen ein, die den Suchanfragen entsprechen, auf die die einzelnen Media-Channels für die bezahlte Suche, die im Modell enthalten sind, ausgerichtet sind. Wenn beim MMM beispielsweise markenbezogene bezahlte Suche und allgemeine bezahlte Suche als separate Media-Channels berücksichtigt werden, sollten Sie auch das markenspezifische GQV und allgemeine GQV als zwei separate Kontrollvariablen einbeziehen.

Weitere Informationen finden Sie unter Suchvolumen als Kontrollvariable einbeziehen.

Daten zu GQV, bezahlter Suche und Häufigkeit sowie andere Google-bezogene Daten für Ihre Organisation können Sie über die MMM Data Platform von Google abrufen. Informationen zum Zugriff auf diese Daten finden Sie unter MMM Data Platform verwenden.

Klicks oder Impressionen für Suchanzeigen verwenden

Wenn Sie entscheiden, ob Sie Klicks oder Impressionen für Suchanzeigen verwenden möchten, sollten Sie folgende Aspekte berücksichtigen:

  • Die Entscheidung zwischen Klicks und Impressionen hat zwar Auswirkungen, die Messpartner sind sich jedoch weder untereinander noch intern einig, welche Option die beste ist.

  • Als Werbetreibender sollten Sie überlegen, was Sie besser kontrollieren können. Weil das Modell Aufschluss darüber gibt, wie sich die Media-Ausführung (nach Klicks oder nach Impressionen definiert) auf einen KPI auswirkt, haben Sie mit einer Variablen, über die Sie mehr Kontrolle haben, auch mehr Kontrolle über die Auswirkungen auf den KPI.

  • Klicks sind mit größerer Wahrscheinlichkeit mit dem KPI korreliert, Impressionen eher mit dem GQV. Markenspezifische Keyword-Kampagnen werden häufig anhand von Klicks modelliert, da sie den direkten Webtraffic steigern sollen. Für andere Kampagnen werden oft Impressionen verwendet, da diese auch dann effektiv sein können, wenn sie nicht zu einem Klick führen.

Suchvolumen als Störfaktor für Suchanzeigen

Die wohl größte Herausforderung bei der kausalen Inferenz im Marketing besteht darin, dass Werbetreibende tendenziell mehr für Marketing ausgeben, wenn es eine stärkere Nachfrage nach ihrem Produkt gibt. Bei der Analyse der kausalen Auswirkungen von Marketingausgaben ist es wichtig zu unterscheiden, ob eine Steigerung des KPI auf eine Erhöhung der Marketingausgaben oder auf eine Steigerung der Nachfrage zurückzuführen ist.

Die starke Beziehung zwischen inhärenter Nachfrage und Marketingausgaben fällt besonders bei Suchanzeigen auf. Das liegt daran, dass eine Suchanzeige nur dann auf der Seite ausgeliefert wird, wenn eine Suchanfrage mit bestimmten Keywords übereinstimmt, die von einer Gruppe von Werbetreibenden festgelegt wurden. Wenn die Nachfrage hoch ist, sind auch das Volumen der organischen Suchanfragen und damit die Gesamtausgaben für Suchanzeigen hoch. Daher ist das Volumen der organischen Suchanfragen ein wichtiger Störfaktor für Suchanzeigen, ohne den es schwierig ist, gute Rückschlüsse für Suchanzeigen zu ziehen.

Dies ist besonders problematisch für Werbetreibende mit hohen Suchbudgets, da das Volumen ihrer Anzeigen in der bezahlten Suche tendenziell enger mit dem organischen Suchvolumen korreliert. Allerdings sind auch Werbetreibende mit kleineren Budgets betroffen, die ihr Budget in Zeiten hoher Nachfrage erhöhen oder nur dann Suchkampagnen einsetzen.

Mit Meridian kann das organische Google-Suchvolumen als Störfaktor für Google-Suchanzeigen im Modell berücksichtigt werden. Das organische Suchvolumen für Suchmaschinen, die nicht Google gehören, ist oft nicht verfügbar. Wenn Sie Daten für bezahlte Suchanzeigen von anderen Anbietern als Google modellieren möchten und das organische Suchvolumen der entsprechenden Suchmaschine nicht verfügbar ist, schafft vielleicht eine der folgenden Alternativen Abhilfe:

  • Der Bias kann reduziert werden, wenn das organische Google-Suchvolumen ein guter Proxy für das Suchvolumen außerhalb von Google ist. Wir empfehlen, diese Annahme zu prüfen. Dazu können Sie z. B. folgendes Diagramm erstellen:

    Korrelation zwischen Media-Impressionen und organischem Google-Suchvolumen

    Im Diagramm oben wird die Korrelation zwischen Media-Impressionen und dem durchschnittlichen organischen Google-Suchvolumen der Marke auf der y-Achse und die Korrelation zwischen Media-Impressionen und dem generischen Suchvolumen auf der x-Achse dargestellt.

  • Wenn Sie nicht davon ausgehen möchten, dass das organische Google-Suchvolumen ein guter Proxy für das Suchvolumen bei anderen Suchmaschinen ist, müssen Sie die Suchmaschine, die nicht Google gehört, möglicherweise aus dem Modell ausschließen.

Weitere Informationen zu den Herausforderungen durch Auswahlverzerrung aufgrund des Anzeigen-Targetings finden Sie unter Bias Correction For Paid Search In Media Mix Modeling.