Zuerst veröffentlicht auf Think with Google.
Wenn sich Fußballfans für die Europameisterschaft in Deutschland bei einem Elektronikhändler einen neuen Fernseher oder eine neue Surround-Sound-Anlage gekauft haben, könnte es sein, dass bei diesem Verkauf künstliche Intelligenz mit im Spiel war. Zumindest bei MediaMarktSaturn (MMS). Europas führende Elektrofachmarktkette nutzt KI, um vor allem ihre High-Value-Produkte online zu bewerben. Also solche, die für das Unternehmen den höchsten Wert haben. Dazu nutzt MMS eine cloudbasierte KI-Plattform, die in die Google Cloud integriert ist und mit Google AI in Google Ads zusammenarbeitet. Aber der Reihe nach.
Hochwertige Daten kombiniert mit künstlicher Intelligenz entfalten Super-Power
Noch vor wenigen Jahren lag der Schlüssel zur nächsten Erfolgsebene für MMS in der Schnittstelle zwischen KI-getriebener Kampagnensteuerung in Google Ads und der Relevanz hochwertiger Daten. Immer im Blick: die Geschäftsziele des Unternehmens, um im weiteren Verlauf auf diesen komplexen Zielkanon optimieren zu können. Deswegen entschied sich MMS gemeinsam mit seiner Agentur PIA Media dazu, eine cloudbasierte Plattform zur Analyse aller internen und externen Daten zu schaffen, die messbar und holistisch auf die Erreichung der unterschiedlichen Ziele des Unternehmens einzahlt.
Mit PIPA (Product Insights & Performance Automation) erfassen wir bei PIA Media mithilfe künstlicher Intelligenz relevante Daten aus der Kostenstruktur individueller Produkte, aus dem Fulfillment, aus der Webanalyse und anderen Bereichen, um das Ergebnis von Google Shopping Ads- und Display-Kampagnen durch die gezielte Aktivierung dieser Insights erfolgreich auf die konkreten Geschäftsziele von MMS optimieren zu können.
Als technische Basis für PIPA haben wir Google Cloud empfohlen. „Google ist seit Jahren Vorreiter in Sachen künstlicher Intelligenz“, begründet Bastian Tränkle-Dettinger, Senior Consultant bei PIA Media, die Wahl. „Zudem funktioniert die Verzahnung der Google-Produkte, von Big Query über Analytics bis in die Ads Accounts, über Google Cloud nahtlos und ohne die Notwendigkeit der Verarbeitung personenbezogener Daten.“
Wichtig zu verstehen: Ohne den intelligenten Einsatz von Daten bliebe der reale Mehrwert des Verkaufs individueller Produkte hinter einer stark vereinfachenden Absatz- oder Profitabilitätsbetrachtung maskiert. Das primäre Ziel von PIPA ist es also, den Budgeteinsatz für Google Shopping- und Display-Kampagnen zu optimieren, indem der Fokus auf Produkte gelegt wird, die für MMS den höchsten Return on Advertising Spend (ROAS) versprechen. Dazu nutzt PIPA die angebundenen Daten und erstellt Prognosen zur Kaufwahrscheinlichkeit für solche High-Value-Produkte. Mit PIPA können wir für MMS die gewonnenen Insights und Prognosen direkt in Google Ads aktivieren und dort mit Google AI für KI-basierte Kampagnenformate wie Performance Max (PMax) oder KI-gestütztes Gebotsmanagement (Value Based Bidding mit Ziel-ROAS) weiter nutzen.
Damit dies funktioniert, wurde eine komplexe Logik aus Datenquellen und produktspezifischen KPIs zusammengeführt, um belastbare Vorhersagen zur Kaufwahrscheinlichkeit für die Ausspielung individueller Produkte in Google Ads treffen zu können. Hierzu gehören auf Produktebene unternehmensinterne Informationen zu Profitabilität, Relevanz für Aktionen, Nutzerverhalten auf der Website, Lagerbeständen und noch vieles mehr. Weiterhin werden auch externe Faktoren wie Preise und Verfügbarkeiten bei Wettbewerbern, Saisonalitäten und Wetterdaten sowie Wechselwirkungen in den Performance-Daten in den jeweiligen Kanälen berücksichtigt.
Diese zusätzliche Ebene an intelligenten Prognosen verbessert auch die Effizienz im Einsatz von Google AI in der Ausspielung und Steuerung der Produkte auf die MMS-Geschäftsziele über Google Shopping Ads und Display Ads hinweg. „Wenn wir beispielsweise erkennen, dass Produkt A eine hohe Kaufwahrscheinlichkeit hat, können wir dieses Produkt mit einem sehr niedrigen Ziel-ROAS in den Kampagneneinstellungen pushen“, erklärt Bastian Tränkle-Dettinger das Prinzip. „Produkte, die eine geringe Relevanz haben, werden wir hingegen sehr viel schärfer und gezielter mit sehr hohen Ziel-ROAS-Werten ausspielen, um so mit der Stärke der KI in Google Ads das Optimum aus dem Budget herauszuholen.“
Optimales KPI-Framework für den Erfolg
Eine der größten Herausforderungen im PIPA-Projekt war es, intern die richtigen KPIs zu definieren, um wertvolle Produkte effizient zu priorisieren. Denn naturgemäß verfolgen die verschiedenen Abteilungen bei MediaMarktSaturn unterschiedliche Ziele in Bezug auf Reichweite und Umsatz. „Wir haben uns intern abteilungsübergreifend an einen Tisch gesetzt und auf Basis verschiedener KPIs ein Scoring-System entwickelt, mit dem wir die Produkte für uns in wertvoll und nicht wertvoll clustern können“, erzählt Elke Fuchs, Teamlead Digital Media bei MMS. „PIPA macht dann den Feinschliff, weil unsere Daten sehr statisch sind und PIPA quasi in Echtzeit arbeitet. So geben wir dem noch den letzten Push.“
Insgesamt waren in den vergangenen vier Jahren viele Abteilungen an der Entwicklung und kontinuierlichen Verbesserung von PIPA beteiligt – vom Marketing über die operativen Teams bis hin zu den Data Engineers und Data Scientists. Wertvolle Unterstützung erhielt MMS dabei nicht nur von PIA Media, sondern auch von Google. Unter anderem berieten die Tech-Spezialisten von Google MMS und PIA Media dabei, wie die Datenanbindungen an PIPA robust und zukunftssicher realisiert werden können, und zeigten Optionen für den Datentransfer auf.
Automatisierung mit Google Studio spart einen Arbeitstag pro Monat
Darüber hinaus unterstützte Google auch bei der Erstellung dynamischer Banner-Templates für Google Studio, einer Webanwendung, mit der Kreativagenturen Rich Media-Creatives testen, freigeben und ausliefern können. Und die haben sich für das Unternehmen als echter Gewinn entpuppt. Denn früher war es für die Marketer mit sehr viel Analysearbeit und hohem manuellen Aufwand verbunden, die Display-Banner zielgenau mit den richtigen Produkten zu befüllen. Heute werden die Templates über einen Feed automatisiert mit Produkten befüllt, die die PIPA-KI nach Kriterien wie Umsatz, Profitabilität oder Preisentwicklung als besonders relevant ermittelt. So sparen die Marketer einen Arbeitstag pro Monat, den sie in strategische Arbeit investieren können.
Doch das ist bei Weitem nicht der größte Erfolg des KI-Projekts. Über alle Kanäle hinweg generiert MMS dank PIPA und Google AI bis heute deutlich zweistellige Wachstumsraten und Effizienzgewinne. Der Return on Advertising Spend legte um 22 % zu, der Cost per Click reduzierte sich um 21 %. Nach vier Jahren Projektlaufzeit kumulieren sich die Effekte bis heute und tragen maßgeblich zum Erfolg bei. In Summe hat die Verantwortlichen weniger überrascht, dass die Verbindung von PIPA und Google AI aufgegangen ist, als vielmehr das Ausmaß der Effekte. Elke Fuchs berichtet: „Angesichts der Herausforderungen im Markt sind die Effizienzgewinne, die wir mit PIPA und Google AI erzielt haben, für uns natürlich sehr wertvoll. Es war genau der richtige Schritt, dass wir uns so aufgestellt haben und nun immer weiter entwickeln können.“
Retourenbereinigte Umsatzprognosen als nächstes Datenprojekt
Unterdessen planen die Marketer bei MMS gemeinsam mit ihrer Agentur bereits die weitere Verknüpfung von KI und First-Party-Daten, um beispielsweise auf Basis von Produkt- und Kundendaten retourenbereinigte Umsätze besser vorhersagen und für das Kampagnen-Setup und -Reporting nutzen zu können. Pia Media selbst arbeitet inzwischen auch an der Übersetzung von PIPA in andere Bereiche wie Travel oder Finance. Elke Fuchs ist überzeugt, dass künstliche Intelligenz und GenAI ein entscheidender Wettbewerbsfaktor sein werden und nur Unternehmen zukunftsfähig sind, die KI in ihr Business integrieren. „Künstliche Intelligenz hilft uns, die Bedürfnisse unserer Kundinnen und Kunden besser zu verstehen und zu erfüllen“, sagt Fuchs. „Das erhöht die Kundenzufriedenheit und die Kundenbindung. Gleichzeitig können wir Prozesse automatisieren und unsere Produktivität deutlich steigern.“
Die wichtigsten Takeaways aus dem MMS-Case auf einen Blick:
- Zentralisierung durch Technologie:
Um eine Operationszentrale für Kampagnenmanagement, Analyse, Prognose und Asset-Erstellung zu schaffen, sollten sämtliche KI- und Automatisierungsdienste im Idealfall auf einer Plattform wie Google Cloud zentralisiert werden.
- Datenqualität sichern:
Ein selbstlernendes System ist nur so gut wie die Daten, mit denen es gefüttert wird. Die Sauberkeit der Daten und die Nutzung aller relevanten Insights aus anderen Quellen sind erfolgsentscheidend.
- Fokussierung auf Schnittstellen:
Auch die richtigen Schnittstellen für die Aktivierung sind wichtig, um höhere Conversions, eine bessere Zielgruppenansprache und ein optimales Asset-Management zu ermöglichen.
