Wie wir bereits im vergangenen Beitrag über die Rolle der künstlichen Intelligenz in der Suchmaschinenoptimierung gesehen haben, setzt Google auf „AI First“. Dass dies auch den Bereich SEA beeinflusst, ist nicht verwunderlich, schließlich stammt ein erheblicher Anteil des Unternehmensumsatzes aus Google Ads-Einnahmen. Automation spielt schon seit Jahren für Google eine wichtige Rolle, der Einsatz vom maschinellen Lernen und AI-Systemen ist der logische nächste Schritt dieser Entwicklung. Wo dies bereits jetzt Anwendung findet und was es für die Zukunft des Kanals SEA bedeutet, beleuchten wir in diesem Artikel.
Smart Bidding in Google Ads
Machine Learning spielt schon seit vielen Jahren eine Rolle in der Entwicklung der Google Ads, beispielsweise in der Berechnung des Qualitätsfaktors. Bereits 2016 stellte Google mit Smart Bidding für Google Ads und Google Search Ads 360 (vormals DoubleClick Search) die Gebotsautomatisierung auf der Basis maschinellen Lernens vor. Wer ein Google Ads-Konto ab einer bestimmten Größe verwaltet, weiß aber schon länger, wie Google sich bemüht Werbetreibende zur Automatisierung ihrer Konten zu motivieren. An Stelle der manuellen Gebotsabgabe möchte Google das Bid Management anhand bestimmter KPIs selbst übernehmen.
Mit Smart Bidding treibt Google diese Entwicklung weiter voran. Auf der Basis von Conversions werden Gebote automatisch angepasst. Das System analysiert eine Fülle unterschiedlicher Daten und erkennt zum Beispiel Muster und Ähnlichkeiten zwischen Landing Pages, Anzeigentexten oder Keywords. Das optimale Gebot wird anhand einer Vielzahl von Signalen ermittelt, etwa auch das Gerät oder den Standort.
Google Ads Gebotsstrategien
Kampagnen in Google Ads lassen sich auf unterschiedliche Ziele automatisiert aussteuern. Der Google Gebotsalgorithmus greift dabei neben vorhandenen Conversion-Daten auf Machine Learning zurück, um die Leistung der Kampagnen sukzessiv zu steigern.
- Ziel-CPA / Target CPA (Cost-per-Akquisition):
Google versucht die Kampagne so auszusteuern, dass der anvisierte Ziel-CPA nicht überschritten wird. Dabei drückt der CPA Werte aus, wie teuer eine Conversion bzw. Akquisition im Schnitt sein darf.
- Ziel-ROAS / Target ROAS (Return-on-Advertising-Spend)
Diese Bid Strategie berücksichtigt den Wert der erzielten Conversions (bei einem Onlineshop z.B. der Warenkorbwert der jeweiligen Bestellung). Der Algorithmus versucht die Gebote der Kampagne optimal auf den Ziel-ROAS einzustellen. Ziel ist also unter Berücksichtigung des Ziel ROAS maximalen Umsatz (einen maximalen Conversion Wert) zu erzielen.
- Klick maximieren / Maximize Clicks:
Mit dieser Einstellung wird Google versuchen aus dem angegebenen Kampagnenbudget die maximale Anzahl an Klicks zu erzielen.
- Conversions maximieren / Maximize Conversions:
Hier versucht das Smart Bidding aus dem Kampagnenbudget die maximale Anzahl von Conversions herauszuholen. Ähnlich wie bei Ziel-CPA und Ziel-ROAS wird durch Machine Learning und künstliche Intelligenz auf eine möglichst hohe Conversionrate optimiert.
- Ausrichtung auf Suchseitenposition / Target Search Page Location:
Diese Option eignet sich gut für Brandingkampagnen, da durch die Suchseitenposition die Sichtbarkeit der Anzeigen gewährleistet werden kann. Die Ausspielung wird dabei nur durch das Kampagnenbudget begrenzt. Mögliche Zielpositionen sind die Top Positionen (1-4) und die erste Suchergebnisseite.
- Kompetitive Auktionsposition / Target Outranking Share:
Die Positionssteuerung wird in diesem Fall abhängig vom Anzeigenrang des Wettbewerbers gemacht. Der Algorithmus wird versuchen die eigene Anzeige über der Anzeige der konkurrierenden Domain zu schalten.
- Angestrebter Anteil an möglichen Impressionen / Target Impression Share:
Der Anteil an möglichen Impressionen drückt prozentual aus, wie oft die eigene Anzeige für ein Keyword ausgespielt wurde und setzt dies ins Verhältnis zur absoluten Anzahl von möglichen Ausspielungen. Ein Impression Share von 50% bedeutet also, dass die eigene Anzeige nur für jede zweiten Suchanfrage ausgespielt wurde. Mit der Gebotsstrategie lässt sich dieser Prozentwert als Ziel vorgeben.
- Auto-optimierter CPC:
Durch diese Option erhält Google die Kontrolle über eine automatische Gebotsanpassung von bis zu 30 % nach oben und bis zu 100 % nach unten (gemessen am maximalen CPC Gebot). Das bedeutet, dass das Gebot für Klicks mit einer höheren Conversionwahrscheinlichkeit bis zu 30 % über dem tatsächlich eingegebenen Gebot liegen kann. Berechnet das System dagegen aus semantischen Signalen für bestimmte Klicks eine geringere Wahrscheinlichkeit, dass eine Conversion erzeugt wird, kann das Gebot um bis zu 100 % gesenkt werden. Die Anzeige wird somit seltener oder gar nicht erst angezeigt. Durch diese Funktion sollen Conversions erhöht und das Budget effektiver genutzt werden.
Automatisierung bietet viele Chancen, doch ist es entscheidend, das System dahinter zu verstehen und für mögliche Probleme sensibilisiert zu sein. Und letztendlich stellt sich auch die Frage des Interessenskonfliktes, wenn Google selbst Bids und Ausgaben bestimmt und anpasst. Möchte man Kontrolle hierüber tatsächlich komplett abgeben?
Attribution: Datengetriebenes Modell
Nicht nur bei der Steuerung der Gebote kommen mittlerweile Automatisierungen und Artificial Intelligence zum Einsatz. Wo bisher verschiedene fest definierte Attributionsmodelle (First Click, Last Click oder das sogenannte Badewannen-Modell) zum Einsatz kamen, ermöglicht Google in Google Ads die datengetriebene Berechnung des Conversionwertes. Anhand von Performancedaten lernt das System den Wert der verschiedenen Kanäle einzuschätzen und entwickelt das Attributionsmodell fortlaufend selbständig weiter.
Hierzu werden Conversionpfade miteinander verglichen, Muster erkannt und Wahrscheinlichkeiten für die Conversions nach einzelnen Klicks berechnet. Es ist jedoch eine festgelegte Menge an Daten notwendig, weshalb die datengetriebene Attribution nicht allen Werbetreibenden zur Verfügung steht.
Da Nutzer lediglich das Endergebnis der Berechnung sehen, bleibt unklar, wie dieses zustande kommt. Wir müssen uns also darauf verlassen, dass das System korrekte Wahrscheinlichkeiten ermittelt und deren Genauigkeit erheblich von der verfügbaren Datenmenge abhängt. Und letztendlich darauf, dass Google im Sinne der Advertiser agiert. Auch dies ist ein möglicher Interessenskonflikt. Im Vorteil sind hier große Unternehmen, die ausreichend Daten und Ressourcen zur Verfügung stellen und schon jetzt AI-gestützte Attributionsmodelle selber aufbauen. Kleinere Unternehmen haben diese Möglichkeit nicht und müssen auf das Googles System vertrauen.
Weitere Einsatzgebiete für Artifical Intelligence
Auch für die Anzeigen-Optimierung im Display (und Affiliate Marketing) bieten sich Einsatzgebiete für künstliche Intelligenz. Ein Beispiel ist das Unternehmen Jivox, das in 2016 eine Technologie namens „Neuron“ vorstellte, die durch maschinelles Lernen Anzeigen vorschlägt. Empfehlungen werden anhand einer Sammlung an Daten generiert, die beispielsweise Angaben darüber beinhalten, welche Farbe ein bestimmter User bevorzugt oder wie er auf animierte Anzeigen reagiert. Auch Mediaagenturen wie Havas Media, um perspektivisch effizienter Medien einkaufen und Content produzieren zu können.
Zukünftig könnte also jeder genau die Banner angezeigt bekommen, auf die er oder sie am wahrscheinlichsten klicken (und anschließend konvertieren) wird. Personalisierung in Perfektion und höchster Effizienz.
Herausforderungen: Der SEA Manager der Zukunft
Wohin führt der Trend zur Automatisierung für Online Marketing Agenturen und SEA-Experten? Wie sieht das Berufsfeld des SEA Managers in Zukunft aus? Google zumindest drängt darauf, weniger manuell zu optimieren und mehr zu automatisieren. Einstellungsmöglichkeiten verschwinden oder werden eingeschränkt, die Kontrolle des SEA Managers schwindet zunehmend. Die operative Arbeit an Google Ads Accounts wird weniger, vielleicht verschwindet sie sogar vollständig, sodass Google künftig Konten selbständig verwaltet und fortlaufend selbstlernend optimiert: für eine größtmögliche (Kosten-)Effizienz für Advertiser und einen höchstmöglichen Gewinn für Google selbst.
Bis zu einer vollständigen Automatisierung ist es aber noch ein weiter Weg. Die manuelle Optimierung ist und bleibt kurz- bis mittelfristig sehr wichtig. Insbesondere für neue Accounts, für die noch keine Daten zur Verfügung stehen, gibt es keine Alternative zur manuellen Einrichtung und Betreuung. Dies gilt auch für bestimmte Szenarien wie saisonale Schwankungen oder andere vorhersehbare Peaks. Die Arbeitserfahrung eines SEA Managers wird auch ein intelligentes System in naher Zukunft nicht ersetzen können.
Was sich jedoch jetzt schon feststellen lässt:
Wie auch im Kanal SEO liegt die Rolle des SEA Managers immer mehr in der Strategieentwicklung, im Verständnis der Kanäle und deren Interaktion. Auch bei AI-basierten Lösungen und zunehmender Automatisierung sind und bleiben Experten notwendig, die das System verstehen und es so „trainieren“ können, dass die Ergebnisse verlässlich sind. Auch hier ist also die Angst unbegründet, die intelligenten Maschinen könnten uns Online Marketing Experten zukünftig die Jobs kosten. Immer mehr operative Prozesse werden automatisiert ablaufen. Die Menschen, die dies alles verstehen und überwachen, bleiben aber wichtig. Notwendig sind qualifizierte Digital Marketers, die sich nicht mehr nur als Experte eines bestimmten Kanals begreifen, sondern ein umfassendes Verständnis und Erfahrung für Online Marketing vorweisen können.
Was können wir für Sie tun?
Brauchen Sie Unterstützung bei der Wahl und Implementierung der richtigen automatisierten Gebotsstrategie für Ihre Kampagnen? Haben Sie Fragen zum passenden Attributionsmodell für Ihre Strategie? Gerne unterstützen wir Sie bei Ihrem Anliegen.
Wir freuen uns auf Ihre Anfrage.