Skai Labs ermöglicht schnellere, flexible Analysen für große Pharmaunternehmen
Herausforderung
Die Überprüfung der Leistung von Anzeigenerweiterungen in der bezahlten Suche ist von entscheidender Bedeutung, denn sie hilft Werbetreibenden zu verstehen, wie sich bestimmte Erweiterungen auf die Kampagneneffektivität und das Nutzerengagement auswirken. Die Überprüfung der Leistungsdaten hilft dabei, verschiedene Erweiterungen und Kombinationen zu testen. So können Werbetreibende ihr Budget und ihre Ressourcen auf die leistungsstärksten Erweiterungen verteilen, die die Rendite der Werbeausgaben (ROAS) maximieren. Diese Arbeit erfordert oft manuellen Aufwand, wodurch das Risiko steigt, wichtige Erkenntnisse zu übersehen. Außerdem kann sie zeitaufwändig sein und wertvolle Arbeitszeit des Teams in Anspruch nehmen, die für die Optimierung der Kampagnen verwendet werden könnte, um die besten Ergebnisse zu erzielen.
Das Marketingteam eines großen Pharmaunternehmens verbrachte jeden Monat Stunden damit, Rohdaten in farblich gekennzeichnete Pivot-Tabellen zu übertragen und zu formatieren, um Trends und Anomalien in mehreren Google-Konten aufzuzeigen. Nachdem die Erkenntnisse aufgetaucht waren, mussten sie darauf warten, dass weitere Beteiligte die Empfehlungen prüften und genehmigten. Erst dann konnten sie die Optimierungen vornehmen oder die Werbemittel aktualisieren. Das Team wollte den Zeitaufwand für diese Aufgabe deutlich reduzieren, indem es eine effizientere, automatisierte Lösung fand, um schneller von der Analyse zur Erkenntnis zu gelangen.
Lösung
Skai Labs – das Team aus erfahrenen Entwicklern, das maßgeschneiderte Erweiterungen für die genauen Anforderungen der Kunden entwickelt – und das In-Market Data Science (DS)-Team haben sich zusammengetan, um eine automatisierte Lösung zu entwickeln, die den Bedürfnissen des Kunden gerecht wird. Das Endziel? Eine profiil-, länder- und Anzeigenerweiterungsübergreifende Leistungsanalyse zu erstellen.
Das DS-Team entwickelte ein Skript, um die Analyse marken- und länderübergreifend in Snowflake Snowpark durchzuführen – einer intuitiven Bibliothek für die Abfrage und Verarbeitung von Daten in großem Umfang. Anschließend baute das Skai Labs-Team dieses Skript in einen vollautomatisierten monatlichen Prozess ein, um die Daten zu analysieren und sie in einer übersichtlichen, farbcodierten Tabellensammlung darzustellen, einschließlich einer Spalte mit leicht verständlichen Empfehlungen. Diese Erkenntnisse könnten zum Beispiel aufzeigen, welche Erweiterungen aktualisiert werden müssen, wenn die CPCs hoch, die Klickrate (CTR) aber niedrig ist. Oder sie könnten sicherstellen, dass leistungsstarke Anzeigenerweiterungen auf allen Ebenen vollständig abgedeckt sind – nicht nur auf Anzeigengruppenebene –, um die Sichtbarkeit zu verbessern und die Markenkonsistenz über Kampagnen und Konten hinweg zu gewährleisten.
Jetzt wird der automatisierte Bericht am Ersten eines jeden Monats automatisch zum Google Drive des Teams hinzugefügt. Das Team erhält außerdem eine automatische E-Mail mit der Analyse, einschließlich der gebrandeten und formatierten Excel-Datei und dem Google Sheet mit den Empfehlungen, die das Team überprüfen und genehmigen muss. Diese Vorgehensweise eignet sich gut für die Zusammenarbeit zwischen den Beteiligten, denn so hat jeder Zugriff auf den neuesten Bericht, kann Genehmigungen nachverfolgen und sieht Aktualisierungen sofort, um eine schnelle Entscheidungsfindung zu unterstützen.
Ergebnisse
Skai Labs hat eine automatisierte Lösung bereitgestellt, die dem Team nicht nur jeden Monat 4 bis 6 Stunden Zeit spart, sondern ihm auch mehr Kontrolle und Flexibilität bei der Berichterstellung und Analyse verschafft. Da die manuelle Datenerfassung entfällt, kann sich das Medienteam nun auf die Umsetzung von Optimierungen konzentrieren und effektiver mit den Beteiligten zusammenarbeiten. Dank eines Workflows, der keinen manuellen Aufwand erfordert, können sie diese Analyse so oft wie nötig durchführen – wöchentlich, täglich oder ad hoc –, was schnellere, datengestützte Erkenntnisse durch übersichtliche Grafiken ermöglicht, die Leistungstrends hervorheben und Maßnahmen vorschlagen.
Verwendete Lösung
