Die wachsende Kultur der Marketingexperimente

Die Rolle von Daten, Messung und Analyse im Marketing hat in den letzten zwei Jahrzehnten an Einfluss und Wirkung zugenommen. In jüngerer Zeit ist das Experimentieren als wichtiges Marketing-Messinstrument wieder aufgetaucht.

Dieses Wiederauftreten wird teilweise durch Datenschutzbedenken getrieben, die es immer schwieriger gemacht haben, zusammenhängende Daten zu sammeln und Attributionsalgorithmen auf Benutzerebene anzuwenden.

Im weiteren Sinne ist es ein Produkt des Wunsches von Vermarktern, Hypothesen auf dem Markt durch Experimente aktiv zu testen, um beste Marketingprogramme zu erstellen.

Der Aufbau dieser Disziplin erfordert wirklich nur zwei Dinge: (1) zu erkennen, dass jedes Mess- oder Analyseprogramm ohne aktives Experimentieren unvollständig ist, und (2) zu verstehen, wie man Tests anhand von Schlüsselhypothesen erstellt und einsetzt.

In der Praxis erfordert es Engagement, Antworten von Google Analytics, Anbieterberichten, Steigerungsstudien, Media-Mix-Modellierung oder Multi-Touch-Attribution nicht als selbstverständlich hinzunehmen.

Unabhängig davon, ob diese Methoden übereinstimmen oder, was noch wichtiger ist, wenn sie nicht übereinstimmen, sollten Organisationen diese Ergebnisse als Ausgangspunkt für die Entwicklung von Schlüsselfragen und Hypothesen für Experimentierprogramme betrachten.

Die meisten Marketer beginnen mit den gleichen Fragen

Marketer fragen sich immer wieder dieselben Dinge:

• Führen Taktiken im unteren Trichter wie Branded Search und Retargeting zu inkrementellen Conversions?
• Gibt es Synergien zwischen Marketingfahrzeugen?
• Wird Marketing effektiver gegen Bestandskunden oder Neukundengewinnung eingesetzt?
• Welche Prospektionstaktiken steigern meine Neuakquisitionen wirklich?
• Welche Kundenmarketing-Taktiken bieten Mehrwert und brauche ich sie alle?

Dies sind grundlegende Fragen für jede Marke, und es gibt effektive Möglichkeiten, eine experimentelle Lernagenda gegen sie aufzubauen. Wenn Sie zum ersten Mal ein experimentelles Programm erstellen, implementieren Sie zunächst Inkrementalitätstests auf Kanalebene für wichtige Marketingtaktiken.

Basierend auf Ausgaben, strategischen Prioritäten oder aktuellen Leistungsbewertungen können Marken die Entwicklung und Implementierung von Inkrementalitätstests für wichtige Marketingkanäle wie Retargeting, Social, Paid Search oder Direct Mail/Katalog priorisieren.

Einschränkungen der Attribution des unteren Trichters

Jeder Marketingkanal erfordert einen sorgfältig konzipierten Ansatz, um sicherzustellen, dass die Zielgruppen in Test- und Kontrollgruppen unterteilt werden. Marketing muss dann der Kontrollgruppe vorenthalten werden, um als Grundlage für die Messung der Inkrementalität innerhalb der Testgruppe zu dienen.

Häufig bestätigen diese Tests auf Kanalebene lang gehegte Verdachtsmomente und liefern die Marktdaten, die für die Neuzuweisung von Budgets erforderlich sind.

Viele Vermarkter vermuten, dass Retargeting-Programme im unteren Trichter Kredite „stehlen“, indem sie sich an Konversionspfade klammern.

Soft Surroundings, ein Mode- und Beauty-Einzelhändler, hat kürzlich Retargeting-Inkrementalitätstests mit der Hypothese eingeführt, dass sie zu viel für Retargeting ausgegeben haben.

Umfangreiche Tests ergaben, dass dies tatsächlich der Fall war, sodass das Team das Retargeting-Budget sofort um 30 % reduzieren und über 120.000 US-Dollar pro Monat für leistungsstärkere Taktiken bereitstellen konnte, ohne dass das Retargeting oder die Website-Konvertierung signifikant zurückging.

Verschaffen Sie sich ein klareres Bild von der Facebook-Prospektion

Manchmal decken Inkrementalitätstests Möglichkeiten auf, die andere Messansätze noch nicht identifiziert haben.

Ich habe kürzlich mit einem Einzelhändler zusammengearbeitet, der Facebook-Werbung mit einer Kombination aus Google Analytics und von Facebook gemeldeten Metriken gemessen hat, die auf ein eintägiges Klick- und ein eintägiges Ansichtsfenster beschränkt waren.

Inkrementalitätstests ergaben, dass diese Methoden zwar für die Bewertung von Facebook als Ganzes einigermaßen genau waren, aber die Auswirkungen der Facebook-Promotionstaktiken deutlich unterschätzten.

Aktive Inkrementalitätstests haben gezeigt, dass View-through-Conversions, die nicht von Google Analytics erfasst wurden und die außerhalb ihres eintägigen View-through-Fensters liegen, zu inkrementellen und zuvor nicht gutgeschriebenen Conversions führten. Basierend auf dieser aktualisierten Ansicht hat das Unternehmen die Finanzierung der Prospektion neu zugewiesen.

Experimentelles Lernen endet nicht mit diesen Experimenten auf Kanalebene. Diese bilden häufig die Grundlage, indem sie Möglichkeiten für ein anspruchsvolleres experimentelles Design aufzeigen.

Für Soft Surroundings ergaben Inkrementalitätstests, dass die Neukundengewinnung auf Facebook die Zahl der Neukunden deutlich unter den internen Akquisitionszielen lag.

Anstatt die Ausgaben auf breiter Front zu erhöhen und abzuwarten, hat Soft Surroundings ein Experiment durchgeführt, um die Skalierung auf Anzeigenset-Ebene für alle Facebook-Werbeanzeigensets zu untersuchen, die unterhalb der Akquisitionsziele liegen.

Der Skalentest wurde entwickelt, um erhöhte Ausgaben, Häufigkeit und Zielgruppendurchdringung für jede dieser Anzeigengruppen mit einer kleineren Untergruppe ihrer potenziellen Zielgruppen zu simulieren.

Im Laufe einiger Wochen wurden sie auf Anzeigengruppenebene auf 1,5x, 2x, 3x und mehr skaliert, um die abnehmende Renditekurve für jede Gruppe effektiv zu zeichnen.

Basierend auf Skalentests, die im September durchgeführt wurden, konnte Soft Surroundings die Budgets für Facebook-Prospekte im Oktober um 61 % erhöhen, während der Cost-per-Acquisition nur um 22 % stieg und damit deutlich innerhalb der Zielvorgaben lag.

Ohne aktives Testdesign hätte es viele Monate gedauert, bis die gleichen Budgeterhöhungen erreicht wurden, während das Team kleinere Budgeterhöhungen vornahm und wartete, um ihre Auswirkungen auf die Anschaffungskosten zu beobachten.

Inkrementalitätsexperimente von AARP

In einem anderen Beispiel nutzte AARP Inkrementalitätsergebnisse auf Kanalebene, um aktiv zu testen, ob Budgets für bezahlte Markensuche besser für bezahlte soziale Netzwerke ausgegeben werden sollten.

Dieser radikale Wandel wurde außerhalb der Marketingorganisation mit Skepsis betrachtet, und das Team wollte überprüfen, ob die Beobachtungen auf Kanalebene bei der Umstellung auf bezahlte soziale Netzwerke Bestand haben.

Ein sorgfältig geplantes geobasiertes Experiment bestätigte die Hypothese, deckte aber auch zusätzliche Erkenntnisse auf. Die bezahlten sozialen Medien hatten mehr Vorteile, aber dies wurde am besten mit leichten (und nicht größeren) Kürzungen bei der bezahlten Suche aufgrund von Synergien zwischen den Kanälen erreicht.

Geos mit leichten Kürzungen bei der bezahlten Suche und starken Zuwächsen bei bezahlten sozialen Netzwerken zeigten ein zweistelliges Umsatzwachstum bei den Akquisitionen, während Geos mit erheblichen Kürzungen bei der bezahlten Suche einen Effizienzverlust von 19 % bei bezahlten sozialen Kanälen verzeichneten.

Der Nettogewinn war, dass bei der bezahlten Suche einige Kosteneinsparungen zu erzielen waren, aber die größte Aufwärtschance bestand darin, zusätzliche Budgets für bezahlte soziale Netzwerke zu sichern.

Es gibt weder eine Copy-Paste-Formel, um eine Experimentierkultur aufzubauen, noch gibt es eine einzige Lernagenda, die zu jeder Marke passt. Eine Kultur des Experimentierens erfordert eine organisatorische Verpflichtung, Annahmen ständig zu testen und lang gehegte Überzeugungen mit sorgfältig entworfenen Tests zu validieren.

Eine wirkungsvolle Lernagenda erfordert den Input von Führungskräften, Vermarktern und Datenwissenschaftlern und muss regelmäßig überprüft werden, um weiterhin den Wert zu steigern, aber der Vorteil ist real und wirkungsvoll.

Die Anwendung einer Test-, Lern-, Wachstums-Philosophie auf das Marketing ist der schnellste Weg, um Veränderungen voranzutreiben, die sich signifikant auf das Endergebnis auswirken.

Nick Stoltz ist Chief Operating Officer bei Measured . Er ist ein erfahrener Growth Hacker, der durch eine Kombination aus Führung, strategischer Vision, Marketing, Betrieb, Produktvermarktung und Geschäftsentwicklung Erfolg für wachsende Unternehmen, Teams und Technologieprodukte schafft.