Online tweedehandsautoverkoper CarNext kampte met een unieke uitdaging rondom Google Ads: Google had te weinig conversiedata om mee te werken waardoor advertenties en de prestaties daarvan niet efficiënt geoptimaliseerd konden worden. Hierdoor waren de advertentiekosten hoog en vielen de resultaten tegen. Cmotions werd ingeschakeld voor raad en daad. Samen werkten de bedrijven aan het ontwikkelen van een volledig geautomatiseerde data science oplossing, zodat Google de advertenties en de prestaties daarvan beter kan optimaliseren. Met de inzet van de nieuwe oplossing kan CarNext nu efficiënter adverteren en meer engagement realiseren.
Te weinig conversiedata
CarNext is een vooruitstrevend bedrijf dat online tweedehandsauto’s verkoopt. Het pionierende karakter van dit businessmodel maakt het lastig om Google Ads in te zetten. Google gebruikt namelijk beschikbare conversiedata om het resultaat van advertenties continu te optimaliseren. Maar als er te weinig data is, werkt dit optimalisatiemechanisme van Google niet.
“Voor het optimaliseren van onze advertenties en het selecteren van de juiste doelgroep, had Google te weinig conversiedata” vertelt Senem Kirac, insights & analytics manager bij CarNext.
“Het online aankopen van auto’s staat immers nog in de kinderschoenen. Hierdoor spendeerden wij een hoog advertentiebedrag aan Google Ads zonder dat dit de gewenste resultaten opleverde. Door het gebrek aan data zat er geen kunstmatige intelligentie achter het tonen van de advertenties, waardoor de kosten per lead bovengemiddeld hoog waren. Aangezien Google ons niet verder kon helpen, gingen we zelf aan de slag met het vinden van een oplossing.”
Van eerste stap tot data science model
Voor betere doelgroeptargeting en het optimaliseren van de advertenties was meer data nodig.
“We onderzochten welke activiteiten, zoals het maken van een afspraak of het stellen van een vraag, correleerden met een transactie”, legt Senem uit.
“Aan iedere activiteit hingen we een bepaalde waarde. Deze informatie deelden we met Google, zodat de advertenties en de doelgroepen geoptimaliseerd konden worden. Dit leidde tot een verbetering, maar er was nog steeds sprake van relatief weinig data.”
CarNext schakelde de kennis en expertise van Cmotions in om het aantal datapunten flink te verhogen.
“Samen met Cmotions gingen we aan de slag om het gedrag van bezoekers te analyseren die via Google Ads op onze website terecht kwamen”, vertelt Senem.
“Dit deden we met een Markov Chain-model, een techniek die veel wordt gebruikt om attributie te analyseren. Op basis van historische data vanuit Google Analytics maakte en trainde Cmotions het data science model. Zo leerden we welke activiteiten bijdragen aan het maken van een (showroom) afspraak of het kopen van een auto. Voorheen deden we dit op basis van onderbuikgevoel. Nu doen we dit op basis van data.”
Feedbackloop met Google
Het resultaat was gigantisch. Waar CarNext voorheen slechts een paar honderd datapunten per maand verzamelde, waren dit er nu 600.000. Dit is precies de data die Google nodig heeft om de advertentieprestaties te optimaliseren.
Op basis van het model werd een feedbackloop gecreëerd richting Google”, legt Senem uit.
“Alle bezoekers die via Google Ads binnenkomen op de website, tonen bepaald gedrag. Het getrainde model hangt hier vervolgens scores aan. Deze scores sturen we terug naar Google via Search Ads 360. Zo krijgt Google feedback op de traffic die zij naar onze website sturen en optimaliseren ze onze advertenties.”
Uitdagingen
Tijdens het project werkte het team van CarNext nauw samen met het team van Cmotions. Ook was er goed contact met Google. “Voor Google was dit ook een nieuw probleem dus ze wilden graag helpen om tot een oplossing te komen”, vertelt Senem.
“Cmotions was aanjager van het project en stuurde de samenwerking tussen verschillende partijen aan, zoals de performance marketeers, data engineers en andere collega’s binnen CarNext. Daarnaast was Cmotions verantwoordelijk voor het bouwen, testen, optimaliseren en automatiseren van het model.”
“Er was een moment dat de prestaties tegenvielen”, gaat Senem verder.
“Aangezien we geen hard bewijs konden leveren dat het model werkte, was het lastig om het hoger management te overtuigen van de meerwaarde. Cmotions is hier erg goed mee omgegaan. We kregen regelmatig uitgebreide terugkoppeling van de resultaten. Dankzij duidelijke presentaties wisten we precies wat de status van het project was en wat we konden verwachten. Zo heeft Cmotions ervoor gezorgd dat er geen eind kwam aan het project toen het aan een zijden draadje hing, maar dat iedereen erin bleef geloven. Dat is een flinke uitdaging tijdens zo’n innovatief project als dit.”
Meer efficiëntie en hogere engagement
Om toch iets te kunnen zeggen over de resultaten van het model, werd gekeken naar de return on ad spend (ROAS).
“Ledere keer als we een hogere return wilde, kon het systeem moeiteloos volgen. Het resultaat is daarbij wel grotendeels afhankelijk van de input van de performance marketeers, maar het is ontzettend fijn dat we met dit systeem letterlijk in staat zijn om aan de knoppen te draaien. Nu is het zaak om de prestaties met inzet van het model verder te optimaliseren. We gebruiken het model nu alleen nog in Frankrijk. Als de resultaten volledig naar wens zijn, rollen we het ook uit in andere landen.”
Een grote meerwaarde van het project is dat het model CarNext niet alleen in staat stelt om het marketingbudget voor Google Ads efficiënter te besteden, maar ook om klantgedrag beter te begrijpen.
