Von Ben Jeger (AppsFlyer)
App-Marketer investieren – völlig zurecht – stark in Retargeting-Kampagnen. Allerdings wird ihr Return on Investment oftmals falsch gemessen. Schauen Werbetreibende dabei auf den Return on Advertising Spend (ROAS), bleibt ungeklärt, wie viele Käufe auch ohne Werbemaßnahmen zustande gekommen wären. Die momentan präziseste Methode zur Beurteilung des Retargeting-Effekts ist das Incrementality-Testing, bei dem die Ergebnisse der Retargeting-Zielgruppe mit denen einer Kontrollgruppe ohne Werbewirkung verglichen werden. Damit erfährt der Vermarkter, wie seine App ohne Retargeting-Maßnahme performt hätte und erhält dank des Vergleichs valide Aussagen zu Kaufabschlüssen, die tatsächlich auf das Retargeting zurückzuführen sind. App-Marketern ermöglicht das, den Erfolg oder Misserfolg von Kampagnen klar zu beurteilen, Kannibalisierungseffekte auszuschließen und Budgets besser zu allozieren. Incrementality-Testing ist vielleicht noch relativ unbekannt, wird für die App-Vermarktung aber mehr und mehr zum Standard.
Kein differenziertes Ergebnis ohne Kontrollgruppe
Was steckt hinter der Methodik, die testet, ob Kampagnen inkrementell, also „schrittweise aufbauend“, zum Umsatzwachstum beitragen oder sich kannibalisieren? Ihr Ziel ist es, den Zusammenhang zwischen Marketingkampagnen und dem Gesamtwachstum eines Produkts zu verstehen. Dabei vergleichen Vermarkter eine Basislinie der erwarteten beziehungsweise organischen Aktivität und isolieren dann den Nutzen des Marketings für diese Aktivität.
Warum das sinnvoll ist, veranschaulicht dieses einfache Beispiel einer nicht-inkrementellen Marketingmaßnahme, die organische Effekte kannibalisiert: Gibt ein Nutzer das Schlagwort „Facebook“ auf Google ein, wird das erste angezeigte Ergebnis eine Anzeige für Facebook und erst das zweite ein organisches Ergebnis – sprich der Link zu Facebook selbst – sein. Mit großer Wahrscheinlichkeit wollte der Nutzer aber direkt zur Website von Facebook gelangen und hätte das auch ohne Anzeige getan.
Ein solches Ergebnis für das Verhalten und die Absicht eines Nutzers vorherzusehen, ist im App-Marketing-Business aber weitaus komplizierter. Wie hoch ist die Wahrscheinlichkeit, dass Nutzer eine bereits installierte und mindestens einmal verwendete App von sich aus wieder öffnen und sich damit beschäftigen? Wann genau ist eine Retargeting-Kampagne sinnvoll, wann zunächst überflüssig und wann schreckt sie Nutzer ab?
Denn tatsächlich haben Untersuchungen von AppsFlyer gezeigt, dass Retargeting sogar einen negativen Einfluss auf die Nutzungswahrscheinlichkeit einer App haben kann. Mittels A/B-Tests haben wir festgestellt, dass Retargeting bei bereits mit dem Angebot vertrauten Nutzern zu einer abwehrenden Haltung führen kann – was wohl jeder aus persönlicher Erfahrung heraus nachvollziehen kann.
Inaktivität ist kein Garant für Desinteresse – aber auch nicht für Interesse
Ein Verständnis für die Incrementality ermöglicht es Werbetreibenden, ihre Werbebudgets zu optimieren, indem sie Retargeting-Werbeausgaben so effektiv wie möglich verteilen – in den richtigen Segmenten, zur richtigen Zeit und über mehrere bewährte Netzwerke hinweg. Diesen Rückschluss bestätigte auch eine unserer Untersuchungen zum Verhalten ruhender, inaktiver Benutzer einer globalen Shopping-App. Konkret analysierten wir die Zeit zwischen der letzten Interaktion eines Benutzers mit der App und dem Kontakt mit einer Retargeting-Kampagne. Im ersten Schritt isolierten wir die Nutzer, die sich 14, 30, 60 und 90 Tage nicht mit der bereits installierten App beschäftigt haben. Die vier Gruppen wurden dann in je zwei Untergruppen unterteilt, von denen jeweils eine Gruppe mit einer Retargeting-Kampagne kontaktiert wurde, die andere jedoch nicht. Die Differenz zwischen den Gruppen im Hinblick darauf, wie oft während des Zeitraums mit der App interagiert wurde, stellt den sogenannten inkrementellen Lift der Retargeting-Kampagne dar, der über den A/B-Test gemessen wird. Von den Nutzern, die mehr als 90 Tage vor der Retargeting-Kampagne aktiv waren, aber in den letzten 90 Tagen vor der Kampagne ruhten, konnten 13 Prozent reaktiviert werden. In der Kontrollgruppe ohne Retargeting-Maßnahmen wurden hingegen nur 2,6 Prozent wieder aktiv – fünfmal weniger.
Bei einer weiteren untersuchten Shopping-App konnten wir zudem sehen, dass ab 60 Tagen Inaktivität ein positiver Effekt für Retargeting-Maßnahmen messbar wurde. Reaktivierungsversuche gegenüber Nutzern, die weniger lang inaktiv waren, hatten sogar negative Auswirkungen. Es liegt auf der Hand, dass das Retargeting ruhender Nutzer eher später als früher im Vergleich zum vorherigen Engagement von großem Vorteil war. Dies liegt wahrscheinlich daran, dass kürzlich aktive Benutzer organischen Benutzern ähneln, die sich eher ohne Zutun einer Marketingaktivität mit einer App beschäftigen.
Entscheidend ist also ein übergreifender Ansatz, der sowohl organische als auch bezahlte Reaktivierungsimpulse bedenkt. Denn App-Vermarkter verfügen über eine Vielzahl geeigneter Aktivierungsmaßnahmen: Sollten sie nach einem durchgeführten Incrementality-Test zu ähnlichen Ergebnissen kommen wie im oben genannten Beispiel, wird die Kampagne sinnvoll angepasst. Es kann sich durchaus lohnen, Benutzer über eigene Kanäle wie E-Mail oder Push-Benachrichtigungen wiederzugewinnen, kurz nachdem sie inaktiv geworden sind; bezahltes Retargeting betreibt man strategischer nach einer längeren Zeit der Inaktivität.
Learnings: Strenge Segmentierungen und Tests mit verschiedenen Netzwerken
Incrementality-Tests verfügen über eine kaum zu überbietende Aussagekraft. Kampagnenanalysen, die Incrementality als Faktor berücksichtigen, zeigen, dass es kleinteilig abgegrenzte Untergruppen braucht. Diese sollten in separate Segmente – etwa nach Dauer der Inaktivität – eingeteilt werden. Die Nutzer haben unterschiedliche Bedürfnisse und Anforderungen an Inhalte und Reaktivierung. Incrementality ist ein relatives Konzept. Um sie zu messen, müssen A/B-Tests, etwa nach Ort, Zeit oder demografischen Faktoren, vorgenommen werden. Segmentierungen müssen sich zudem gegenseitig ausschließen. Wird eine Zielgruppe etwa nach NBA-Fans und Fußballfans unterschieden, sind Überschneidungen nicht auszuschließen – diese müssen aber unbedingt vermieden werden.
Zusätzlich zu den Tests verschiedener Segmente, um diejenigen mit dem höchsten inkrementellen Lift zu identifizieren, ist es für Vermarkter ebenso wichtig, mehrere Retargeting-Netzwerke zu überprüfen. Unsere Untersuchungen haben gezeigt, dass verschiedene Netzwerke unterschiedliche inkrementelle Anstiege für das gleiche Segment lieferten – treue Nutzer, die vor und nach dem Kontakt mit einer Retargeting-Kampagne einen Kauf tätigten.
Das Verständnis der Inkrementalität ermöglicht es Werbetreibenden, ihren ROI präziser zu messen und ihre Werbebudgets zu optimieren, indem sie Retargeting-Werbeausgaben so effektiv wie möglich verteilen – mit den richtigen Segmenten, zur richtigen Zeit und über mehrere bewährte Netzwerke hinweg.
Über den Autor:
Ben Jeger leitet als Managing Director die DACH-Geschäfte von AppsFlyer. Vom Standort Berlin erschließt er mit seinem Team zudem die zentraleuropäischen Märkte für die Plattform für Attribution mobiler Werbung und Marketing-Analytics. Datengetriebene Vermarkter unterstützt AppsFlyer als unabhängiger Partner für Werbemessung. Mit „Protect360“ stellt der Technologieanbieter seinen Kunden eine effektive Lösung für die Abwehr von allen Formen von Mobile-Fraud zur Verfügung, die auf einer einzigartigen Skalierung, maschinellem Lernen, DeviceRankTM und Verhaltensanalysen basiert.
