Werbeaktion für Fallinformationen im Vertriebstrichter

Ein großer Vorteil war die Kreativität im Videoformat. Bei der Analyse der Werbekampagne stellten wir jedoch mehrere Schwachstellen fest, die unserer Meinung nach kein gutes Ergebnis lieferten.

Erstens gab es Fehler im Text der Creatives selbst. Zweitens war der Text sehr trocken und knapp geschrieben, ohne Emojis und mit vielen Rechtschreib- und Gestaltungsfehlern. Die Creatives hatten keine Überschriften oder auffällige Call-to-Action-Buttons – es war lediglich der Button „Mehr erfahren“.

Es wurde vorgeschlagen, zu experimentieren: den Text umzuschreiben und parallel zum Informationsbutton verschiedene Conversion-Buttons zu testen.

Bei der Analyse der Werbekampagne bemerkten wir, dass der AI-Auditor hauptsächlich breit mit verschiedenen Interessen eingesetzt wurde. Wenn diese Zielgruppen gut funktioniert hätten, hätten wir nicht verstanden, welches Interesse das positive Ergebnis geliefert hatte. Das Budget wäre dann für ineffektive Maßnahmen verschwendet worden.

Unsere gesamte weitere Strategie wurde darauf ausgerichtet, maximal zwei breit gefasste Interessen zu testen.

Bei der Auswertung der Analytik sahen wir, dass die Entscheidung einer Person am selben Tag getroffen wird. Sobald er auf einen Creative stößt, sollte er sich registrieren. Die ursprüngliche Strategie „7 Tage nach der Ansicht“ oder „1 Tag nach dem Klick“ wurde auf „1 Tag nach Klick oder Ansicht“ geändert. So verstanden wir, dass das Publikum schnell „ausbrennt“ und Creatives so oft wie möglich erneuert werden müssen.

Der Kunde stimmte dem zu, und wir starteten unsere erste Werbekampagne. Im Durchschnitt waren unsere Zielgruppen nicht sehr groß – etwa 250.000 bis 500.000 Personen. Im Jahr 2018 hatte Facebook die Reichweitenkosten noch nicht stark erhöht, daher wurde das Targeting so weit wie möglich eingegrenzt.

Gleichzeitig bestand 50 % der neuen Testzielgruppe aus Lookalike-Audiences. Anfangs basierten diese Lookalikes auf zahlenden Kunden, später auch auf Personen, die qualitativ mit uns interagiert hatten – z. B. durch eine Nachricht auf Instagram.

Es gab viele Zielgruppen, und sie liefen über mehrere Tage, da das Projektbudget dies zuließ.

Der Funnel war im Lead-Magnet-Format aufgebaut, in dem ein System für Unternehmer zur Skalierung ihres Geschäfts angeboten wurde. Eine Person musste drei Felder ausfüllen: Name, Telefonnummer und E-Mail-Adresse. Alle Felder waren verpflichtend.

Bei der Analyse des Funnels wurde vorgeschlagen, die Felder auf zwei zu reduzieren (Name und Telefonnummer), aber beim Start der Kampagne sahen wir keinen signifikanten Anstieg der Conversion-Rate. Außerdem hatten die Kunden keinen einheitlichen Kommunikationskanal. Der Kunde entschied sich, diesen Test abzulehnen, und wir fuhren mit der Landingpage mit drei Feldern fort.

Zusätzlich erhielt die Person nach der Anmeldung eine E-Mail-Serie und wurde auf eine Danke-Seite weitergeleitet, auf der sie eingeladen wurde, sich für Telegram anzumelden, um dort eine Checkliste zu erhalten.

Nachdem sie diese E-Mails erhalten hatten, testete das Team verschiedene Angebote, Inhalte und E-Mail-Serien, um den Traffic zu konvertieren. Unsere Aufgabe war es lediglich, Traffic zu generieren, daher waren wir nur indirekt in diesen Prozess eingebunden. Die interne Arbeit übernahm das Team des Kunden.

Nach einigen Monaten wurde die Analyse zu einer wichtigen Aufgabe. Vor unserer Arbeit gab es keine detaillierte Erfassung der Werbeergebnisse. Wir unterteilten jede Zielgruppe mit einer eindeutigen Kennung.

Als Erstes bereinigten wir die UTM-Tags. Früher wurden sie nur für buchhalterische Zwecke oder von externen Abteilungen genutzt. Unsere Aufgabe bestand darin, die UTM-Tags so zu nutzen, dass wir erkennen konnten, welche Zielgruppen zu Käufern wurden. Wir standardisierten das UTM-Tagging und sammelten damit strukturierte Daten.

Etwa ein halbes Jahr später konnten wir beginnen, unsere Zielkunden zu identifizieren. Jede Zielgruppe hatte eine eigene Kennung. Für jede Audience wurden sowohl das ausgegebene Budget als auch die erzielten Einnahmen aus dem Funnel erfasst. Da es sich beim Funnel um einen Lead-Magnet handelte, bestand der Nachteil in langen Entscheidungsprozessen – manchmal dauerte es bis zu vier Monate, bis ein Kunde sich entschied. Das ist schlecht für die Kampagne, denn ein Nutzer, den wir vor vier Monaten geworben haben, kann inzwischen aus der Zielgruppe ausgeschlossen worden sein.

Nachdem wir die ersten positiven Ergebnisse zeigten, schlug der Kunde vor, die Kampagne zu skalieren. In diesem Zusammenhang beschlossen wir, Facebook und Instagram zu kombinieren. Das passte zur nächsten Facebook-Änderung – man musste nun Zielgruppen von über einer Million erreichen, um geringere Klickpreise zu erhalten.

Wir kombinierten die Platzierungen und starteten die Anzeigen. Doch wir erlitten Verluste, da wir bereits vor dem Start gesehen hatten, dass der Traffic von Facebook bessere ROMIs lieferte als von Instagram. Nach der Zusammenlegung konnte Facebook frei entscheiden, ob Anzeigen bei Facebook oder Instagram ausgespielt wurden. Wenn das System mehr Leads auf Instagram sah, wurde der Fokus dorthin verschoben.

Unser Funnel wurde dadurch teurer: Ein Lead auf Facebook kostete 5 $, auf Instagram 1,20 $. Zusätzlich bestand die Herausforderung darin, dass Creatives mindestens zweimal pro Woche „ausbrannten“. Manchmal funktionierte ein Creative länger, aber das war selten.

Wir waren ständig auf der Suche nach geeignetem Videomaterial, das an die Videoproduktion geschickt wurde, um neue Spots zu schneiden.

Als Ergebnis lief das Projekt über einen sehr langen Zeitraum. Dieser Case hatte einen positiven Einfluss auf all unsere langfristigen Aktivitäten im Infobusiness.

Der Kunde war bereit, Hypothesen mit grundlegenden Ansätzen zu testen und nicht funktionierende sofort zu verwerfen, während effektive Lösungen weiterentwickelt und skaliert wurden.

Insgesamt betrachten wir die Promotion als erfolgreich. Unser Kunde ist der Meinung, dass es uns gelungen ist, die gestellten Aufgaben zu bewältigen.