Probleemstelling

Bij kleding-gerelateerde webshops is voorraadbeheer een belangrijk issue. Ook waar het aankomt op het bidmanagement in Google Shopping. Immers, als populaire maten van een kledingstuk reeds uitverkocht zijn, is het een logisch gevolg dat daarmee je conversieratio daalt en daarmee dus ook je ROAS. Je betaalt namelijk nog wel steeds het volle pond voor de klik in Google Shopping, maar het levert je minder op, omdat de populaire maten uitverkocht zijn.

Idealiter wil je als webshop ondernemer dus naar een biedstrategie waarbij de biedingen verlaagd worden als je vooraf al kunt verwachten dat conversieratio’s zullen dalen. Daar ontstaan echter wel een aantal uitdagingen. Enkele vragen die dan ontstaan zijn:

  • Wat zijn de populaire maten van een kledingstuk?
  • Hoe kan ik bewerkstelligen dat er een andere ‘zwarte galajurk’ wordt getoond in Google Shopping die wel een goede voorraad kent op de populaire maten?
  • Als ik meerdere ‘zwarte galajurken’ heb met goede voorraad, welke wil ik dan in Google Shopping als eerste getoond hebben?

Oplossing

Een klant van ons kampte met hetzelfde vraagstuk. De oplossing die wij hebben ‘bedacht’ voor hen is een maatscore welke we uiteindelijk koppelen aan een product (dus niet aan een afzonderlijke maat). Een product met goede voorraad krijgt dan een hoge productscore.  Daarin zijn we als volgt te werk gegaan.

Maat- en productscore

Voor het bepalen van de productscore hanteren we meerdere factoren. Als eerste kijken we – voor de maatscore – naar de totale verkopen van een product, want het product wordt ook verkocht in de winkels. Vervolgens kijken we naar de verkopen online van hetzelfde product. Door nu de totale verkopen per maat te delen door de totale verkopen van dat product in zijn geheel, weet je dus wat de populaire maten zijn van dat product. Dit druk je dan ook uit in een percentage (verkopen per maat / totale verkopen product * 100%).

Nu komt een belangrijk aspect kijken bij de bepaling van de productscore. Je gaat namelijk per maat kijken naar de actuele voorraad in relatie tot de verkopen online. Als de voorraad namelijk lager is dan de verkopen online, hoef je deze maat dus niet meer te promoten online. Immers, het product wordt wel in de winkel verkocht. Je sluit deze maten dus ook uit in je shopping feed. Voor het bepalen van de productscore ondervangen we dit door alle maatscores per maat op te tellen, maar alleen de maten te tellen waarvan de voorraad hoger is dan de verkopen online. Op die manier krijg je een optelsom van de percentages. Deze optelsom is de productscore van het totale product. Als populaire maten dus niet meer op voorraad zijn (of ze worden in de winkel wel verkocht) zal de productscore aanzienlijk lager zijn.

Uiteindelijk wordt de maatscore geclassificeerd in 10 klasses, 0-10, 10-20, …, 90-100. Deze klasse wordt als custom label toegevoegd bij iedere maat in de shopping feed.

Productpopulariteit

Maar wat als je meerdere ‘zwarte galajurken’ hebt met een goede productscore. Welke wil je dan getoond hebben in Google Shopping? Hiervoor kijken we naar de online verkopen per product in relatie tot de totale online verkopen van alle producten. De zwarte galajurk met de meeste verkopen krijgt dan automatisch de hoogste score (formule: totale online verkopen product / totale online verkopen *100%). Op basis van deze formule kun je dus ook ‘voorspellen’ welk product de hoogste conversiepercentages genereren en dus (bij ongeveer gelijke prijzen ook de beste ROAS). Afhankelijk van het aantal producten dat je hebt (hoe meer producten, hoe lager de percentages zijn) kun je ook hier weer een classificatie maken. Bijvoorbeeld

  • Hoger dan 50% = hoog
  • Tussen 30% en 50% = gemiddeld
  • Lager dan 30% = laag

Deze classificatie schrijf je in de Google Shopping feed weg als custom label.

Margescore

Eerder in dit blog gaf ik aan dat producten met hogere conversiepercentages ook een hogere ROAS behalen, mits de verkoopprijzen ongeveer gelijk zijn. Echter, dat is in de praktijk vaak niet het geval. Prijzen kunnen ver uiteen lopen. Voor de meest optimale ROAS wil je dus eigenlijk de zwarte galajurk met de hoogste verkoopprijs getoond hebben in shopping, mits de productscore en populariteitsscore ongeveer gelijk is. Immers, de klikkosten zijn (ongeveer) gelijk maar de opbrengst ligt dan hoger (bij een verkoop) en daarmee ook de ROAS.

Dus om te bepalen welke van de zwarte galajurken getoond moet worden, moeten we kijken naar de verkoopprijs, of beter nog de brutowinst op een product. Dit is relatief simpel. Je pakt de verkoopprijs en haalt daar de inkoopprijs vanaf. Vervolgens pak je de gemiddelde brutowinst van het product (als de brutowinst afwijkt per maat) en classificeert dit ook weer. De classificatie schrijf je wederom weg in een custom label in de shopping feed. Als de brutowinst per maat sterk afwijkt, dan is het beter om dit per maat in de productfeed in een custom label weg te schrijven.

Opbouw Google ads

We hebben dus nu 3 factoren die we moeten verwerken in de opbouw van Google Ads campagnes, te weten:

  1. Productscore
  2. Productpopulariteit
  3. Margescore

Campagnes

Om te beginnen hanteren we 3 shopping-campagnes, waarbij we de campagne prioriteit op respectievelijk hoog, gemiddeld en laag zetten. Ook de biedingen worden in die volgorde ingesteld. Hoog kent dus hogere biedingen dan gemiddeld en laag. Je hanteert dus geen automatische biedstrategie. Hooguit een verbeterde CPC bieding. Aan de hand van de productpopulariteit bepaal je welke producten in welke campagne komen. Dit doe je in Channable door regels in te stellen, waarbij je aangeeft wanneer een product, op basis van de waarde in het custom label, in campagne hoog, middel of laag moet komen.

Advertentiegroepen

Iedere campagne deel je in met advertentiegroepen aan de hand van de productscore. In ons geval kent iedere shopping campagne 10 advertentiegroepen. Iedere advertentiegroep krijgt een standaardbod (max. CPC). Houdt hierbij rekening met de opbouw tussen de campagnes. De advertentiegroep ’10-20’ moet in de campagne met prioriteit hoog dus een hoger bod krijgen dan de dezelfde advertentiegroep in de campagne met prioriteit middel of laag. Doe je dit niet, dan loop je nog het risico dat de minder populaire zwarte galajurk getoond wordt in Google Shopping.

Om dit te bewerkstelligen hanteer je in Channable ook hier weer regels die – aan de hand van het toegewezen custom label – bepalen wanneer een product in de betreffende advertentiegroep komt.

Productgroepen

Iedere advertentiegroep wordt op haar beurt weer ingedeeld in productgroepen. De productgroepen worden ingedeeld volgens de margescore en kent dus vaste waarden. De margescore koppel je weer aan het bod in de productgroep. Dit bod is helaas niet in Channable te bewerkstelligen. Je zult hiervoor dus in Google Ads voor iedere productgroep handmatig moeten aangeven wat het bod is per productgroep. Dit is in ons geval niet erg, aangezien we een vaste classificatie aanhouden en de groepen dus altijd gelijk zullen blijven. Alleen de producten die in elke productgroep komen varieert van dag tot dag (of van uur tot uur als je de Channable API voor Google Ads gebruikt). Houdt bij het instellen ook nu weer rekening met de campagneprioriteit. De biedingen in campagne laag liggen dus lager dan in campagne hoog.

Conclusie

Channable geeft ons veel mogelijkheden ten aanzien van bidmanagment in Google Ads. Let wel, dat ieder account uniek is. Ik wil dus ook absoluut niet beweren dat deze opzet voor iedere adverteerder werkt.

Ik besef mij dat bovenstaande nogal complex lijkt. Om iets meer inzicht te verschaffen in de opbouw heb ik een rekenvoorbeeld uitgewerkt die je kunt gebruiken.