Fallstudie: Promotion des Infobusiness-Verkaufstrichters

Es wurde vorgeschlagen, zu experimentieren, den Text neu zu schreiben und verschiedene Conversion-Buttons zusammen mit informativen zu testen. Während der Analyse der Werbekampagne stellten wir fest, dass die KI-Zielgruppe breit und mit verschiedenen Interessen genutzt wurde. Hätten die Zielgruppen gut funktioniert, hätten wir nicht verstanden, welches Interesse positive Ergebnisse lieferte. Daher wäre Geld für unnötige Maßnahmen ausgegeben worden.

Unsere gesamte nachfolgende Strategie zielte darauf ab, maximal zwei breite Interessen für Tests zu nutzen.

Während der Analyse der Daten sahen wir, dass eine Person ihre Entscheidung am selben Tag trifft. Sobald sie auf eine Werbeanzeige stößt, sollte sie sich registrieren. Die 7-Tage-Verifizierungsstrategie oder die 1-Tages-Strategie nach dem Klick wurde in „1 Tag nach dem Klick oder der Anzeige“ geändert. So erkannten wir, dass die Zielgruppe schnell verbraucht wird und es notwendig ist, Creatives so oft wie möglich auszutauschen.

Der Kunde stimmte dem zu, und wir starteten unsere erste Werbekampagne. Im Durchschnitt waren unsere Zielgruppen nicht groß, etwa 250.000–500.000 Personen. Im Jahr 2018 hatte Facebook die Kosten pro tausend Impressionen noch nicht wesentlich gesenkt, sodass die Zielgruppe so weit wie möglich reduziert wurde.

Gleichzeitig bestand 50 % der gesamten neuen Zielgruppe, die wir für Tests starteten, aus „Look-a-like“-Zielgruppen. Zunächst wurden diese gezielt aus Personen erstellt, die Zahlungen geleistet hatten, und erst danach wurden weniger gezielte Zielgruppen einbezogen, etwa Personen, die mit uns interagierten, z. B. durch das Senden einer Nachricht auf Instagram.

Es gab viele verschiedene Zielgruppen, und sie funktionierten einige Tage lang gut, da das Projektbudget dies zuließ.

Der Funnel war als Lead-Magnet aufgebaut, bei dem wir Unternehmern ein System zur Skalierung ihres Geschäfts anboten. Der Nutzer musste drei Felder ausfüllen: Name, Telefonnummer und E-Mail-Adresse. Alle drei Felder waren Pflichtangaben. Während der Funnel-Analyse wurde vorgeschlagen, die Anzahl der Felder auf zwei (Name und Telefonnummer) zu reduzieren, aber nach dem Start der Werbekampagne sahen wir keinen signifikanten Anstieg der Conversion-Rate. Gleichzeitig hatte der Kunde keinen einheitlichen Kommunikationskanal mit den Leads. Der Kunde entschied, diesen Test abzubrechen, und wir setzten die Werbung mit drei Feldern auf der Landingpage fort.

Zusätzlich erhielt der Nutzer nach der Anmeldung eine E-Mail-Serie, die ihn auf eine Danke-Seite führte, wo er eingeladen wurde, einem Telegram-Kanal beizutreten, in dem er eine Checkliste erhielt.

Nach dem Versand dieser E-Mail-Serie testete das Team verschiedene Angebote und E-Mail-Sequenzen, um den Traffic in zahlende Kunden umzuwandeln. Unsere Aufgabe bestand ausschließlich darin, Traffic zu generieren, daher waren wir nur indirekt an diesem Prozess beteiligt. Alle internen Arbeiten übernahm das Team des Kunden.

Nach einigen Monaten wurde Analytics zu einem entscheidenden Faktor. Vor unserem Einsatz gab es kein digitales Tracking der Werbeergebnisse. Wir haben jede Zielgruppe mit eindeutigen Kennungen (Unique Identifiers) versehen. Der erste Schritt bestand darin, UTM-Tags zu entfernen, die zuvor nur für internes Tracking genutzt wurden. Unser Ziel war es, mit UTM-Tags zu analysieren, welche Zielkunden das Produkt kaufen würden.

Nachdem wir eine ausreichende Datenmenge gesammelt hatten, begannen wir, unsere Zielkunden genau zu identifizieren. Nach sechs Monaten konnten wir jede Zielgruppe detailliert auswerten. Wir sammelten für jede Zielgruppe das gesamte ausgegebene Budget und die damit erzielten Einnahmen aus diesem Funnel.

Da der Funnel als Lead-Magnet funktionierte, bestand der Nachteil in einem langen Entscheidungsprozess. Einige Kunden brauchten bis zu 4 Monate, um eine Kaufentscheidung zu treffen. Das stellte eine Herausforderung für die Werbekampagne dar, da Personen, die wir vor vier Monaten angesprochen hatten, möglicherweise bereits aus den Zielgruppen ausgeschlossen wurden.

Nachdem wir die ersten positiven Ergebnisse präsentierten, schlug der Kunde vor, die Werbekampagne zu skalieren. Als Ergebnis beschlossen wir, Facebook und Instagram zusammenzuführen, da dies Teil eines neuen Facebook-Updates war und wir eine Zielgruppe von über 1 Million Personen benötigten, um die Traffic-Kosten zu senken.

Wir haben die Platzierungen zusammengelegt und die Anzeigen gestartet, aber die Effizienz nahm ab. Vor dem Start hatten wir bereits gesehen, dass ein gewisser Traffic von Facebook kam und dessen ROMI (Return on Marketing Investment) etwas höher als der von Instagram war.

Nachdem wir die Zielgruppen zusammengelegt hatten, konnte Facebook frei entscheiden, ob es den Traffic eher von Facebook oder Instagram holt. Wenn Facebook sah, dass mehr Leads über Instagram generiert wurden, lenkte es mehr Traffic dorthin. Dies führte dazu, dass unser Funnel teurer wurde:

• Kosten pro Lead auf Facebook: 5 $
• Kosten pro Lead auf Instagram: 1,2 $

Ein weiteres Problem war, dass die Creatives mindestens zweimal pro Woche „verbrannten“. Manche Creatives liefen jedoch über einen längeren Zeitraum gut. Wir suchten regelmäßig Stock-Materialien, die dann von der Video-Produktionsabteilung bearbeitet wurden, um neue Videos zu erstellen.

Letztendlich lief das Projekt über einen langen Zeitraum. Dieser Fall hatte einen positiven Einfluss auf unsere langfristigen Aktivitäten im Infobusiness-Sektor.

Der Kunde war bereit, Hypothesen anhand von Kernansätzen zu testen, ineffektive sofort zu verwerfen und erfolgreiche Lösungen zu skalieren und zu optimieren.

Als Ergebnis betrachten wir die Promotion als erfolgreich. Unser Kunde ist der Meinung, dass wir die uns gestellten Aufgaben erfolgreich bewältigt haben.