AI graver guldet frem blandt kunder og leads
Brug af machine Learning og kundedata gør muligheder inden for CLV-prædiktion større end nogensinde.
Kigger man i merchantcenteret – der hvor Google godkender og håndterer dit feed, så kan man se hvilke fejl og anbefalinger Google har til dit feed. Disse fejl og mangler skal du eller din udvikler rette, så Google har det bedst mulige data at arbejde med.
Hvis Google skal vise en række produkter og sammenligne dem med hinanden – så kræver det at Google ved 100% at de sammenligner de rette produkter og er de i tvivl om dit produkt, så kommer du ikke med i kapløbet.
Når du er logget ind i dit merchantcenter så ser du straks en status. Klikker du på ”Gå til diagnostik” er der meget mere viden og hente.
Her ligger der svar på de varer der kunne være problemer med:
Du kan vælge konto eller produkt niveau – Start med kontoniveau. Hvis der er meget graverende fejl her, kunne det ende med at din konto suspenderes.
Errors: Disse skal du rette med det samme! Varer der får errors bliver afvist i shopping og kommer derfor ikke med i auktionen, når der søges efter dine varer.
Warnings: Disse skal selvfølgelig også tages seriøst. Dog er retningslinjen fra Google at disse fejl primært går ud over performance af dine varer.
Notifications: Disse anbefalinger skal du følge for at hæve din performance endnu mere.
Der er masser af muligheder for at lave fejl og har du shopping i flere lande kan du risikere at reglerne varierer fra land til land.
De fejl vi oftest støder på er:
Den 26. februar i år blev det et krav fra Google at alle varer skulle have et GTIN nummer (Global Trade Identifier Number) på – det kendes også som EAN nummer og er et 13 cifret tal der identificerer varen. Du kan læse Googles definition af GTIN her.
Er der ikke tilføjet GTIN så bliver varen afvist – derfor giver det virkelig god mening at sikre sig at dette er på plads.
Der er en lang række scenarier som der ofte er tvivl om fx.:
Pakker: Her skal man bruge GTIN for hele pakken og ikke de enkelte produkter der er i pakken.
Varianter: Hvert produkt og varianter (forskellige størrelser og farver) har deres eget GTIN nummer og de skal indsendes.
Egen produktion: Hvis man fx producere sine egne varer er der ikke krav om GTIN – dog vil du blive mødt med krav om GTIN hvis der er andre der sælger dine produkter.
Antikke varer: Hvis du sælger varer der blev lavet før GTIN
I de to sidstnævnte tilfælde anbefaler vi, at man i sit feed definere at attributten ikke findes.
Tilbud: Det der kan være udfordringen her er at der er tilbud og man ikke har defineret sin sales price ordenligt i feedet. Google er ligeglad med om prisen er billigere og at kunder nok bliver positivt overrasket over at finde varen billigere – prisen skal passe 100 % eller bliver varen afvist.
Varevælger på side: Den pris der er i feedet skal være den pris kunden møder på siden og man skal ikke risikere at prisen bliver en anden. Der opstår udfordringen med varianter af varer. Sælger du en small, medium og large model og du viser prisen på small modellen som default, så kan dine varer blive afvist hvis nu kunden vælger “Large” og prisen så stiger. Hver vare og hver variant skal have sin unikke url.
Google har en lang række regler for hvad der er tilladt – hvis man mener at det er en fejl kan man nogengange få lov til at indsende varen til manuel gennemgang.
I dette eksempel mener Google at der tale om “andre typer våben” og den beder vi så om manuel gennemgang af.
Manglende billeder: Logisk nok vil Google gerne have billeder med i annoncen og hvis disseaf en eller anden grund ikke er tilgængelige for feedet, så afvises de varer.
For små billeder: Billeder for tøj (apparel) skal minimum være 250 x 250 pixels og for andre varer minimum 100 x 100 pixels. Det kan kun betale sig at fremvise varerne bedst muligt, da det er det første potentielle kunder ser.
Det er som sagt på ingen måde en udtømmende liste over fejl – men blot nogle af de oftest sete. Kigger du på den mængde af trafik som genereres via shopping og væksten, så kan det ikke andet end betale sig at optimere sit feed til det absolut bedst mulige.
Der er så mange muligheder for at lave en god forretning ud af shopping og vi vil gerne hjælpe dig på vej, hvis du har brug for det.
Brug af machine Learning og kundedata gør muligheder inden for CLV-prædiktion større end nogensinde.
SEAT casen “Hands on the wheel settles the deal” vandt BRONZE i kategorien Data Science. Lige en af de kategorier hvor vi elsker at være med helt fremme i finalen. Sammen med Ambition valgte SEAT at tage en helt ny vej, ved at benytte en kombination af datadrevet modellering, Machine learning, en stærkt 1:1 tilgang via postale udsendelser og e-mailkommunikation, samt en veltilrettelagt digital kampagne der endte med et øget salg på 371 % blandt dem, der havde modtaget en direct mail, i forhold til dem, der var udenfor målgruppen.