Value-Based Bidding: slimmer en winstgevender adverteren

Minder productretouren kan tot meer winst leiden, en dat geldt ook voor Google Ads. Door retourpercentages met machine learning te voorspellen en die voorspelling mee te nemen in je Value-Based Bidding-strategie, kun je je winst verhogen.

In e-commerce, en vooral in de mode, zijn de vele retouren een groot probleem. Meestal komt 10 tot 35 procent van de bestellingen terug. Dat heeft grote gevolgen voor de winst en belast daarnaast het milieu. Alles wat het aantal retouren verlaagt, is daarom belangrijk.

Biedalgoritmen met rijke first-party data, oftewel Value-Based Bidding, hebben een aantoonbaar positief effect op winst en retouren. In dit artikel leg ik uit hoe je dit kunt gebruiken.

Value-Based Bidding in Google Ads uitgelegd

Voor veel bedrijven is Google Ads onmisbaar. Een groot deel van het marketingbudget gaat daarom naar dit platform. Het is belangrijk dat dat budget zo effectief mogelijk wordt besteed.

Value-Based Bidding, een van de Smart Bidding-strategieën in Google Ads, is een automatische biedstrategie op waarde die je kunt gebruiken om effectiever te adverteren en meer op te halen. Bij deze strategie wordt direct na een transactie een conversiewaarde voor die transactie met Google Ads gedeeld.

Die conversiewaarde wordt gebruikt om de conversiewaarde te maximaliseren door de biedstrategie en het conversiepercentage te optimaliseren. Veel bedrijven gebruiken Value-Based Bidding in Google Ads als een van hun best practices en gebruiken de omzet van transacties om hun biedingen te optimaliseren. Zo optimaliseren ze de ROAS (Return on Ad Spend).

Winst optimaliseren met conversiewaarde

Meer omzet leidt niet vanzelf tot meer winst. Het is cruciaal om je op de customer lifetime value te richten, zeker als je Google Ads gebruikt. Die aanpak geeft voorrang aan winstgevendheid op lange termijn boven omzet op korte termijn.

Dat doe je door de omzet per transactie te combineren met first-party data zoals productmarges en afhandelingskosten. Door winst als andere waarde voor de conversieactie te gebruiken, stem je de strategie af op het maximaliseren van de POAS (Profit on Ad Spend).

Neem als voorbeeld twee klanten, Irene en Tineke, die allebei via de website iets kopen. De bestelling van Tineke levert meer omzet op dan die van Irene. De bestelling van Tineke bestaat echter vooral uit producten die de webshop inkoopt, terwijl die van Irene meer producten van het eigen merk bevat. Daardoor levert de bestelling van Irene een hogere marge (winst) op dan die van Tineke.

De transactie van Tineke heeft daarom een hogere waarde met een lagere marge. Als de geautomatiseerde biedstrategie op omzet wordt geoptimaliseerd, zou de CPC (Cost per Click) bij vergelijkbare signalen hoog zijn. Kijk je naar de marge in plaats van de omzet per transactie, dan is de CPC laag. Een lagere marge is immers minder interessant.

Irene koopt een aantal producten met een relatief lagere verkoopwaarde. De producten die ze koopt hebben echter een hoge marge, zodat de uiteindelijke marge hoger is dan die van de bestelling van Tineke. Dat signaal wordt met Google Ads gedeeld, waardoor het model van Google Ads zich richt op bestellingen met een hoge winst. In de nieuwe situatie is de CPC hoog bij vergelijkbare signalen. Die hogere CPC verdient zichzelf ruimschoots terug.

Productretouren voorspellen

De winst die je direct na een transactie kunt berekenen, is vaak niet de winst die uiteindelijk overblijft. Klanten kunnen bestelde producten nog terugsturen.

Om de conversiewaarde preciezer te maken, is het waardevol om productretouren mee te nemen. Het probleem is alleen dat retouren niet direct na het plaatsen van een bestelling bekend zijn. Het retourgedrag van klanten moet daarom worden voorspeld op het moment dat ze bestellen.

We gebruiken een voorspellend model op basis van machine learning om het retourpercentage van de producten in een transactie te voorspellen. Belangrijke kenmerken die het model kan gebruiken zijn bijvoorbeeld het aantal producten in de transactie, het aantal gelijke producten in een transactie, de retourgeschiedenis van de klant, en ook de betaalmethode, zoals achteraf betalen, zijn voorspellers van retourgedrag.

Neem weer het voorbeeld van Irene en Tineke. Ze plaatsen allebei een bestelling met dezelfde geschatte waarde. Irene kiest één product en betaalt direct met iDEAL, terwijl Tineke meerdere varianten van hetzelfde product bestelt en met Klarna achteraf betaalt.

Stel voor dit voorbeeld dat de marge van beide bestellingen gelijk is. Naast de marge heeft ook de kans op retouren invloed op de verwachte winst. Door de kans op retouren te voorspellen en mee te nemen in de conversiewaarde, biedt Google Ads een hoge CPC voor signalen die op Irene lijken en een lage CPC voor signalen die op Tineke lijken. De kans dat Tineke producten terugstuurt is namelijk vele malen groter dan de kans dat Irene dat doet, en dat heeft invloed op de winst die uiteindelijk overblijft.

Value-Based Bidding goed inzetten

Overstappen van een biedstrategie op omzet naar een biedstrategie op winst, met Value-Based Bidding, levert een flinke stijging op van de marge die je uiteindelijk haalt. Uit eigen ervaring durf ik te zeggen dat een stijging van 15% of zelfs meer realistisch is. Al verschilt dat per markt en zelfs per merk.

Omdat de investering relatief laag is en de hogere advertentiekosten ruimschoots worden gecompenseerd door de hogere marge, is een positieve business case snel rond.

Bovendien heeft deze aangepaste Smart Bidding-strategie een positief effect op het aantal retouren. In het voorbeeld van Irene en Tineke zie je dat er lager wordt geboden op bestellingen met een grotere kans op retouren. Ook hier durf ik te zeggen dat 5% minder retouren niet onrealistisch is. Deze aanpak legt echt de nadruk op de waarde van een conversie.

Meer resultaat door technologie te combineren

Het centraliseren van data voor deze use case(s) in Google Cloud staat centraal in de ontwikkeling. Ben je nog niet actief op Google Cloud, dan gebruiken we alleen de data en de Google Cloud-technologie die nodig zijn om deze use case te realiseren. Er is geen licentie nodig en geen technisch beheer, want dat doet Google. Je kunt CDP-functionaliteit stap voor stap ontwikkelen zonder licentie.

First-party data is onmisbaar om de marge per transactie te berekenen en retourgedrag te voorspellen. Het correct verzamelen en verwerken van first-party data is daarom een voorwaarde. Daarvoor zijn specifieke vaardigheden in data engineering en data science nodig.

Om het proces verder te verbeteren, richt je Value-Based Bidding in op basis van de waarde van elke transactie en wat die voor je organisatie waard is.

Vertex AI, het AI-platform van Google, wordt gebruikt om voorspellingen te doen en meer inzicht uit de data te halen. Uiteindelijk worden de conversiewaarden via een directe koppeling met Google Ads gedeeld. Ook daarvoor zijn specifieke vaardigheden in data engineering nodig.

Goed om te vermelden: we gebruiken alleen anonieme ID's en geen e-mailadressen of andere persoonsgegevens. En we werken alleen met data waarvoor de juiste rechtsgrond bestaat.

Conclusie

Wil je meer uit Google Ads halen, dan is Value-Based Bidding op basis van winst onmisbaar. Zorg voor conversietracking die retourgedrag meeneemt in de winstberekening. Deze strategische aanpak is erop gericht de conversiewaarde te maximaliseren door de margestijging te optimaliseren en het aantal retouren te minimaliseren. Het mooie van deze strategie is dat ze zonder veel moeite een positieve business case oplevert, dankzij de beperkte investering en het positieve effect op de marge.

Mis je de benodigde vaardigheden en ervaring, overweeg dan samen te werken met Crystalloids. Met onze expertise kun je aan de slag en snel profiteren van deze strategieën.