Upthrust » Cases

Torfs ist ein führender Modeeinzelhändler in Belgien, der sich auf den Verkauf von Schuhen konzentriert. Das Unternehmen verfügt über 76 lokale Boutiquen und einen zentralen Online-Webshop und bietet 685 Mitarbeitern Arbeitsplätze. Angesichts des jüngsten Booms im E-Commerce und der anhaltenden COVID-Pandemie suchte Torfs nach einem externen Partner, der sie dabei unterstützt, ihren E-Commerce-Trichter fehlerfrei und hocheffizient zu gestalten.

Die Herausforderung

Die Herausforderung war dreifach:

In erster Linie wollte Torfs neue Zielgruppen ansprechen und bestehende Zielgruppen an sich binden, ohne dabei die bestehenden Markenrichtlinien zu verletzen.
Die Rückgabequote von Produkten war relativ hoch und musste auf kreative Weise gesenkt werden, da das Kundenerlebnis oberste Priorität hat.
Es bestand eine große Nachfrage nach relevanten Werbeinhalten, um die Konversionsraten und den ROAS (Return on Ad Spend) zu erhöhen

Ansatz

Um Torfs zu helfen, seine Ziele zu erreichen, wählten wir folgenden Ansatz:

Eine Reihe von kurzen Bemühungen, um den Sektor/das Segment und die aktuelle digitale Struktur zu ergründen.
Workshop-Reihe, in der wir digitale Wachstumsbarrieren, Treiber und Ideen, die die Konversion beeinflussen, definiert haben.
Detaillierte Aufstellung der Prioritätenliste und Entwicklung von Sicherheiten, um Experimente in Gang zu bringen.
Die Assets wurden erstellt und zudem verbesserten wir die Einrichtung und Konfiguration der digitalen Kanäle und Tools.
(Zwei)-wöchentliche Sprints mit insgesamt 84 Wachstumsexperimenten.
Wir erstellten ein detailliertes Cookbook, in dem erfolgreiche Techniken und Taktiken erläutert werden, die skalierbar sind und ein kontinuierliches Wachstum ermöglichen.

Drei Experimente, die zu hohen Ergebnissen führten

1. Dynamischer Katalog

Das erste Experiment, das wir testen wollten, war, ob wir den Katalog nutzen können, um verschiedene Zielgruppen mit dynamischen Produktanzeigen anzusprechen. Auf diese Weise wären wir in der Lage, personalisierte Werbekampagnen in großem Umfang anzubieten.

Einrichtung + Tools

Natürlich brauchte es an einigen Hilfsmitteln, um dieses Experiment durchführen zu können. Hierfür nutzten wir hauptsächlich die Facebook-Katalog-Option in den FB-Anzeigen und mehrere Zielgruppensegmentierungs-Tools.

Lernkurve und Optimierung

Während dieses Experiments lernten wir Wertvolles! Dinge, die für jede zukünftige Kampagne hilfreich sein werden und die man stets im Hinterkopf behalten sollte.

Es gibt einen signifikanten Unterschied in der Markenbeliebtheit bei französischen Nutzern (z. B. Tommy Hilfiger & Nerogiardini) gegenüber niederländischen Nutzern (z. B. Adidas).
Das Retargeting von Personen, die ihren Warenkorb während des Bezahlvorgangs verlassen haben, führte mit Retargeting-Kampagnen für Einzelprodukte zu großartigen Ergebnissen.
Die Verwendung der richtigen, ähnlich aussehenden Zielgruppen für das Cold Targeting funktioniert hervorragend.
Das Retargeting von Webseiten-Besuchern auf der Grundlage der spezifischen Marke führte zu großartigen Ergebnissen.

Ergebnis

Dieses Experiment führte zu einem +149 % höheren ROAS gegenüber dem Durchschnitt

2. Automatisierte Regeln

Wir wollten auch testen, ob wir eine Reihe von Regeln erstellen können, um Gebote automatisch zu erhöhen oder zu senken, Kampagnen zu stoppen oder sogar das Budget zu erhöhen und zu senken. Dies würde auf der tatsächlichen Performance basieren, sodass wir die Kosten pro Aktion einer Anzeige optimieren könnten.

Einrichtung + Tools

Für das Experiment mit den automatisierten Regeln haben wir ein Google Sheet mit einer Regelarchitektur verwendet. Diese Regeln wurden in Facebook implementiert. Anschließend wurden alle Kampagnen einem Split-Test unterzogen, bei dem zwischen „Kampagnen mit Regeln“ und „Kampagnen, die wir manuell optimiert haben“ unterschieden wurde.

Lernkurve und Optimierung

Bei diesem Experiment durften wir feststellen, dass die Verwendung von Regeln besser in einer späteren Phase als zu Beginn einer Kampagne eingesetzt werden sollte. Wir kamen zu dem Schluss, dass ein zu früher Einsatz von Regeln nicht funktioniert, aber später ein wertvolles Instrument sein kann, mit dem wir im Vergleich zur manuellen Anzeigenoptimierung erhebliche Kosteneinsparungen erzielen konnten.

Ergebnis

-20 % niedrigere Kosten pro Aktion für Anzeigen, die Regeln verwenden und bereits seit einiger Zeit laufen.

3. Mobile Etiketten

Als Nächstes wollten wir ein Experiment durchführen, um zu testen, ob das Hinzufügen des Etiketts „Torfs Topper“ auf bestimmten Schuhen die allgemeine Konversionsrate und die Verkäufe erhöhen würde. Dazu haben wir A/B-Tests mit den beschrifteten Schuhen und der Standardversion durchgeführt.

Einrichtung + Tools

Die Insider-Plattform und eine Liste mit SKUs (Stock Keeping Units) von Torfs mit Schuhen, die sie mit einem Etikett versehen wollten, gefolgt von der weiteren Gestaltung und Implementierung des Etiketts.

Lernkurve + Optimierung

Das Hinzufügen des Etiketts hat nur dann eine Wirkung, wenn die Produkte weit genug oben auf der Seite stehen, also nur dann, wenn sie für den Nutzer sofort sichtbar sind. Das bedeutete, dass wir ständig neue Artikel hinzufügen mussten.

Ergebnis

Dieses Experiment führte zu einem Anstieg der Konversionsrate (CR) um 4,55 %, einem inkrementellen Wert von 19.200 und einem Anstieg des durchschnittlichen Bestellwerts (AOV) um 3,77 % während des Versuchszeitraums.

Das Ergebnis

Wir startete 84 Wachstumskampagnen für 185 verschiedene Zielgruppen und erstellten und in 12 Wochen 576 Anzeigen.
Die monatlichen Transaktionen stiegen um einige Tausend
Die Einnahmen stiegen deutlich
Wir erreichten einen durchschnittlichen ROAS von 7,21
Wir erreichten eine CPA von 11,57 Euro

Wünschen Sie weitere Informationen oder benötigen Sie Hilfe bei Ihren eigenen Kampagnen?

Lesen Sie hier unsere neuesten Artikel über iOS 14 und Google Analytics 4.0.
Setzen Sie sich mit uns in Verbindung und erfahren Sie mehr darüber, was wir Ihnen bieten können. Hier klicken