adidas Case Study: Zarządzanie i optymalizacja plików danych

adidas-se-dung-nhu-a-tai-che-cho-ta-t-ca-san-pha-m-tu-na-m-2024

 

adidas jest jedną ze 100 najbardziej wartościowych marek na świecie.  Produkty sportowe i odzieżowe dwóch marek: adidas i Reebok sprzedają na wszystkich kontynentach. Przychody z handlu elektronicznego stanowią znaczącą część rocznego obrotu firmy, a marketing online ma kluczowe znaczenie dla ich sukcesu. adidas dołączył do DataFeedWatch aby mieć większą kontrolę nad plikami danych i zapewnić lepszą skuteczność kampanii poprzez ich ulepszenie. 

Wychert Oskam jest globalnym menedżerem kampanii płatnego wyszukiwania w adidas Group i nadzoruje aktywność plików we wszystkich państwach.

 


Optymalizacje mające na celu poprawienie skuteczności kampanii

 

Obsługujemy setki plików danych w dziesiątkach państw. Optymalizacja tych plików jest procesem ciągłym; codziennie wprowadzamy w nich zmiany. Ulepszamy pliki naszych kanałów także po to, by mieć bezpośredni wpływ na ROI naszych kampanii.  Oto kilka przykładów:

 

Lepsza Kategoryzacja [popraw współczynnik konwersji]

 

Każdy kanał handlowy ma własne kategorie produktów. Bardzo ważne jest, aby przyporządkować produkt do odpowiedniej kategorii kanału; to pomoże kanałom dopasować nasze produkty do wyszukiwanych zapytań. Ponieważ większość porównywarek umożliwia konsumentom także wyszukiwanie według (pod)kategorii, ważne jest, aby nasze produkty były wyświetlane w odpowiedniej podkategorii.

DataFeedWatch utworzył pole dodatkowe: “ulepszony typ produktu”, które łączy wartości kilku pól; dane w tym polu są wystarczająco istotne, aby odpowiednio zmapować nasze produkty do odpowiedniej kategorii w Google lub innych kanałach.

 

Dodaj brakujące wartości [Zredukuj odrzucenia]

 

Posiadanie pełnych danych dla wszystkich produktów ma kluczowe znaczenie; produkty, w których brakuje kilku pól, będą skutkować reklamami o niższej jakości lub, co gorsza, odrzuceniem.

Niektóre pola w naszych plikach źródłowych nie mają wartości dla pewnych produktów. W DataFeedWatch używamy reguł celem zapewnienia produktom odpowiednich wartości. Przykłady: dodaj “unisex” do wszystkich produktów bez przypisanej płci lub “męski” jeżeli odpowiada to typowi produktu.

 

Etykiety własne niestandardowe [Optymalizuj stawki]

 

Czasem chcielibyśmy wyregulować stawki (CPC) dla pewnych produktów. Można to zrobić tylko poprzez etykiety niestandardowe. Utworzyliśmy etykiety niestandardowe dla kilku ważnych dla nas atrybutów, na przykład : w jakim sporcie używany jest dany produkt, jaką jest częścią garderoby, itd. To pozwala nam bardzo optymalnie ustawić stawki w Zakupach Google.

 

Usuwanie nierentownych produktów [Optymalizuj ROI]

 

Zarządzamy naszymi kampaniami głównie przez pod-kategorie. Wiemy, że w każdej kategorii są produkty, które sprawdzają się lepiej niż inne. Nie wiemy jednak, które dokładnie produkty nie radzą sobie dobrze. Nawet, gdy przy niektórych kanałach wiemy, to wciąż, przy dziesiątkach tysięcy produktów w każdym sklepie, optymalizacja jest niewykonalna.

Dzięki DataFeedWatch-Analytics możemy analizować koszty i przychody poszczególnych produktów na każdym kanale. Nierentowne produkty mogą być usunięte z plików poprzez jedno kliknięcie: produkty z wieloma kliknięciami a bez konwersji, produkty ze zbyt wysokim CPA lub zbyt niskim ROAS), itd.

 


Optymalizacja scentralizowana

 

Część optymalizacji danych odbywa się na poziomie regionalnym. Na przykład adidas w Europie zachodniej składa się z dziesiątek sklepów online, które często potrzebują podobnych korekt. Bardzo czasochłonnym jest dokonywanie prostych zmian dziesięciokrotnie, ale DataFeedWatch posiada funkcję Enterprise, która pozwala na wprowadzenie jednej zmiany do wielu sklepów i kanałów.

Przykłady:

  • Niektóre produkty muszą być (tymczasowo) usunięte ze wszystkich plików danych Reebok. Można to zrobić pojedynczą akcją dla wszystkich państw i kanałów.
  • Niektóre kanały w wielu krajach mają dokładnie takie samo „mapowanie”. Jeśli coś trzeba zmienić lub zoptymalizować, można to zastosować do wszystkich plików jednocześnie.
  • Kategoryzacja jest często taka sama lub bardzo podobna w krajach o tym samym języku (np. w Ameryce Łacińskiej). Kategorie można kopiować między kanałami w różnych krajach.

Wprowadzanie zmian do wszystkich plików jednocześnie oszczędza dużo czasu (zarówno na poziomie regionalnym, jak i lokalnym), daje nam kontrolę na wyższym poziomie i pozwala poruszać się dużo szybciej.

 


Globalna implementacja

 

Menedżerzy PPC na pięciu kontynentach optymalizują w tej chwili swoje pliki danych.

Dla wielu z nich było to nowe doświadczenie. Istotnym było to, aby narzędzie do plików danych było intuicyjne, a implementacja była szybka i bezproblemowa. DataFeedWatch okazał się bardzo łatwy w użyciu; szkolenie zostało przeprowadzone online i to w ciągu 30 minut; to pozwoliło na szybkie wdrożenie. Dział pomocy był dostępny niemal przez całą dobę, aby odpowiedzieć na pytania kierowników kampanii adidasa i doradzić im w zakresie najlepszych praktyk.