Lesedauer: 3 Minuten
KI ist aktuell in aller Munde. Auch bei der Optimierung des Google Shopping Feeds kann uns künstliche Intelligenz unterstützen. Wir haben getestet, welche Maßnahmen am nützlichsten sind und wie sie umgesetzt werden können.
1. Zielsetzung: Optimierung des Google Shopping Feeds
Das Hauptziel des Tests war die Optimierung des Google Shopping Feeds durch Erhöhung der Sichtbarkeit der Google Shopping-Produkte. Zusätzlich sollte die Klickrate (CTR) durch verbesserte Titel gesteigert werden. Diese Google Shopping-Optimierungen sollten letztlich zu mehr Impressionen und höheren Klickzahlen führen.
2. Strategie und Implementierung
Um diese Ziele zu erreichen, wurde über mehrere Kunden hinweg eine Auswahl an Produkten getestet. Die Produkte wurden in Test- und Kontrollgruppen aufgeteilt, basierend auf ähnlichen historischen Performancedaten. Die Vergleichbarkeit innerhalb der Gruppen sollte auf jeden Fall gegeben sein.
Die Testgruppe erhielt durch KI optimierte Titel und Beschreibungen, welche mit Hilfe des Google Tools FeedGen generiert wurden.
FeedGen nutzt neben einem LLM KI-gestützte Funktionen, um Texte basierend auf Informationen von Landing Pages und Bilderkennung zu verbessern.
Zur Bewertung der Effektivität wurden A/B-Tests durchgeführt. Saisonalitäten wurden ausgeschlossen.
3. Ergebnisse der Product Feed-Optimierung mit KI
Die Ergebnisse der Kampagne zeigten eine deutliche Verbesserung in der Testgruppe im Vergleich zur Kontrollgruppe.
Die Testgruppe verzeichnete einen Anstieg der Impressionen um 8 %, eine Steigerung der Klicks um 19 %, eine Erhöhung der CTR um 10 % und eine Reduktion der CPC um 2 %.
Die Kontrollgruppe hingegen zeigte eine Abnahme der Impressionen um 13 %, eine Reduktion der Klicks um 5 %, eine Zunahme der CTR um 9 % und eine Reduktion der CPC um 2 %.
Während die Kontrollgruppe also Impressionen und Klicks einbüßte, konnte die Testgruppe beide KPIs deutlich verbessern. Die CTR und CPCs blieben stabil.
Dass die Klickrate nicht wie erwartet gestiegen ist, liegt vermutlich an der mittlerweile sehr verkürzten Darstellung der Produkttitel bei Google Shopping. Da sich die Titel optisch für die Nutzer nicht verändert haben, blieb die CTR unverändert.
4. Erkenntnisse und Learnings
Die Analyse der Ergebnisse zeigt, dass die KI-basierte Feed-Optimierung des Google Feeds besonders im Bereich der Reichweite sehr gute Resultate erzielt.
Obwohl FeedGen als Proof of Concept funktionierte, stellte sich heraus, dass die Bedienung des Tools zu starr ist. Es können bisher nur Titel und Beschreibungen optimiert werden, während andere wichtige Felder im Feed unberücksichtigt bleiben. Zudem ist die Lösung umständlich in der Implementierung, noch sehr fehleranfällig in der Bedienung und weder schnell noch flexibel genug.
Fazit der Google Shopping-Optimierung mit FeedGen
Wir sind von den Ergebnissen der KI-basierten Feed-Optimierung begeistert und sehen großes Potenzial, diesen Bereich weiter voranzutreiben.
Wir haben jedoch festgestellt, dass FeedGen von Google unseren Anforderungen nicht ganz gerecht wird.
Deshalb haben wir beschlossen, unsere eigene Lösung zu entwickeln, zugeschnitten auf die Bedürfnisse unserer Kunden und so schnell und flexibel, wie notwendig.
Bleib auf dem Laufenden und melde Dich zu unserem Newsletter an!
Ramón Rupp ist Supervising Senior PPC Manager bei der xpose360 und verantwortlich für die fachliche Weiterentwicklung der PPC Abteilung. Seit 2016 betreut er PPC Kampagnen verschiedenster Skalierung: von kleinen, regionalen Unternehmen bis hin zu großen internationalen Playern mit Multi-Millionen Budgets.
Neben der operativen und strategischen Betreuung von PPC Kampagnen, interessiert er sich für Themen rund um Automatisierung und Technisierung sowie Omnichannel Tracking Lösungen.
