2023-01-03 | Article | Insights
Was ist Predictive Marketing? Dank Predictive Marketing können vorhandene Daten verwendet werden, um auf zukünftiges Nutzerverhalten zu schließen (Prognosen). Die Erhebung von Nutzerdaten auf Webseiten, um sie für unterschiedliche Aktivierungszenarien in Google Ads oder Display & Video 360 einzusetzen, kann ein Anwendungsfall von Predictive Marketing sein. Hierbei geht es darum, Nutzerverhalten wie Käufe oder bevorstehende Kündigungen auf Basis vorhandener Daten vorherzusagen.
Derzeit werden Standard Predictive Audiences für Kauf- und Stornowahrscheinlichkeit sowie für den zu erwartenden Umsatz von GA4 unterstützt. Weitere Predictive Audience Typen könnten in der Zukunft folgen. Google hat noch keine Ankündigungen diesbezüglich gemacht. Falls der Setup von Audiences basierend auf anderen Metriken benötigt wird, muss ein Custom Prediction Modell in Betracht gezogen werden. Darüber hinaus müssen Käufer und abgewanderte Nutzer in einer Stichprobe von mindestens 1000 Personen erfasst werden und Predictive Audiences müssen diese Anforderung erfüllen. Die Verfügbarkeiten von Traffic von mindestens vier Wochen ist ebenfalls erforderlich, damit das Modell eine gute Qualität aufweisen kann.
Die obige Abbildung zeigt den Predictive Audience Builder in GA4. Im Folgenden finden Sie einen Auszug der möglichen Predictive Audiences, die erstellt werden können:
Die obige Tabelle zeigt, wie Predictive Audiences beschrieben und konfiguriert werden. Sie können in den Einstellungen auch die Verweildauer der Nutzer in der Audience festlegen, die aus ihrer Datenstrategie abgeleitet werden sollte. Sie können z.B. eine Liste mit einer Dauer von sieben Tagen, vierzehn Tagen, einundzwanzig Tagen oder die maximal verfügbare Dauer festlegen.
Darüber hinaus ist es möglich, weitere Einstellungen mit Bedingungen und Sequenzen vorzunehmen. Für diese Aufgabe wird ein Spezialist für Google Analytics 4 benötigt, den Digitl zur Verfügung stellen kann.
Dank der direkten Integration von GA4 mit BigQuery, die sowohl Kunden mit Nutzung der kostenlosen GA4-Version als auch für GA4 360-Kunden zur Verfügung steht, können Sie über die in GA4 standardmäßig bereitgestellten Predictive Audiences hinausgehen. Mit der BigQuery-Integration können Rohdaten aus Google Analytics 4 in BigQuery exportiert werden, um mit Google Cloud eigene, auf Ihr Unternehmen zugeschnittene Predictions zu erzeugen.
Auf diese Weise können zum Beispiel benutzerdefinierte Conversion Probability Predictions (CPP) erstellt werden. Die Vorteile dieser bestehen darin, dass ein besseres Datenverständnis gewonnen werden kann und eine bessere Kontrolle über die Erstellung der Predictions möglich ist. Die Standard Predictions wie die oben Beschriebenen sind oft eine Blackbox. Bei den eigenen Predictions geht es darum, tiefer in die Daten einzudringen und sie zu analysieren, um spezielle, erweiterte Anwendungsfälle damit zu bedienen.
Für die Durchführung eines solchen Projektes kann der Cross Industry Standard Process for Data Mining (CRISP-DM) angewendet werden, der häufig als Grundlage für Data-Science-Projekte verwendet wird. Der Prozess umfasst die folgenden sechs Hauptphasen:
Die Abbildung zeigt, wie ein marktbekanntes Data-Mining-Modell aussehen und umgesetzt werden könnte. Wie gezeigt, ist die Modellierung nicht der einzige zu berücksichtigende Aspekt. Der Prozess beginnt damit, ein Verständnis für das Geschäft des Kunden zu entwickeln, um dann mit einer Phase des Datenverständnisses fortzufahren. Er kann auch Empfehlungen für zusätzliches Tracking und/ oder Anpassungen des bestehenden Trackings beinhalten, wenn wichtige Daten nicht genau oder zumindest nicht in dem Umfang und auf die Art und Weise getracked werden, die für ein vollständiges Verständnis des relevanten Nutzerverhaltens erforderlich sind. Dies wird mittels eines Tracking Health Check aufgedeckt.
Ein Projekt zur Erstellung von Predictions und deren Verwendung zur Erstellung von Predictive Audiences ist ein funktionsübergreifendes Projekt, an dem mehrere Fachbereiche beteiligt sind: Digital Analytics für die oben genannten Aufgaben, Data Science, um mit den Daten zu arbeiten und die Predictions zu erstellen, Cloud Engineers, um die Pipelines zu automatisieren, und das AdTech-Team, um die Zielgruppen einzurichten und Beratung zur Aktivierungsstrategie zu leisten. Die Advanced Predictive Use Cases erfordern viel mehr Zeit und erzeugen mehr Aufwand, da sie den Einsatz mehrerer Lösungen von Google und die abgestimmte Arbeit mehrerer Abteilungen erfordern.
Predictive Audiences sind im Vergleich zu den traditionelleren Retargeting-Methoden eine hervorragende Möglichkeit, Ihre Kampagnenausgaben auf wertvolle Nutzer auszurichten und Ihre Zielgruppen auf Nutzer mit ähnlichen Eigenschaften wie diese zu erweitern. Sie sollten bedenken, dass Sie für eine gute Modellleistung genügend Daten benötigen. Google bietet eine vereinfachte Möglichkeit, solche Zielgruppen zu erstellen und sie dann in den verschiedenen Tools wie Google Ads und DV360 zu verwenden, während Sie sie in SA360 monitoren können. Wenn Sie daran interessiert sind, erweiterte und anspruchsvollere Optionen zu erkunden, sollten Sie sich die Google Cloud-Lösungen ansehen und an ein Data Science-Projekt denken. Dank der nativen Integration zwischen BigQuery und Google Analytics 4 und Lösungen wie Vertex AI stehen Ihnen mehr Möglichkeiten denn je zur Verfügung. Digitl kann Ihnen dabei helfen, eine passende Lösung für Ihre Geschäftsanforderungen zu finden - entweder mit den Standardoptionen in GA4 oder mit einem Data Science-Projekt, um tiefer in das Thema einzutauchen.