Marco Frighetto (Booster Box): “Het is cruciaal om first-party data te verzamelen”
Marco Frighetto over de verschuiving van automatisering naar machine learning, en over het belang van first party data.
Volgens Marco Frighetto, Head of MarTech bij Booster Box en een van de sprekers van de aankomende editie van Friends of Search Fest 2023, is de verschuiving naar het verzamelen en werken met first-party data een belangrijke verandering in de wereld van PPC. In dit interview geeft Frighetto meer inzicht hierover en bespreken we zijn visie op Performance Max en een aantal persoonlijke prestaties. Frighetto spreekt op de komende editie van Friends of Search, aanstaande 23 maart in Amsterdam.
Hoe ziet een dag eruit als Head of MarTech bij Booster Box?
Frighetto: “Allereerst zijn er natuurlijk de interne vergaderingen om de voortgang of status van specifieke projecten te bespreken en eventuele obstakels te verwijderen. Hoewel het grootste deel van wat we doen al gestandaardiseerd en bewezen is, kunnen we obstakels tegenkomen die afhankelijk zijn van een bepaald type innovatie of oplossing die we proberen te implementeren. Daarom moeten we samen de best mogelijke aanpak zoeken.
“Een ander belangrijk onderdeel van mijn functie is het voorstellen van nieuwe oplossingen aan klanten. Veel van het werk hierbij bestaat uit het uitleggen van complexe technologie op een eenvoudige en directe manier en het benadrukken van de zakelijke voordelen.
“Het derde aspect van mijn job is het controleren van de projectplanning. Veel is al besloten, projecten gaan vooruit en we moeten alles in de gaten houden. We hebben aan het begin van het jaar een strategie en voeren wekelijks en maandelijks controles uit om ervoor te zorgen dat we op koers liggen met de levering.
“Tot slot is het belangrijk om op de hoogte te blijven van al het nieuws in de branche. Dit houdt in dat ik mezelf up-to-date hou door middel van de talloze bronnen die beschikbaar zijn. En uiteraard het opbouwen van een netwerk. Dit is waarschijnlijk een van de belangrijkste aspecten van mijn baan.”
Op welke ‘SUPER SCI-FI TECH’ waar je aan hebt gewerkt, ben je het meest trots?
“Ons e-commerce tech package is waar ik het meest trots op ben. Het heeft onze klanten veel waarde opgeleverd. Het pakket bestaat uit 3 producten. Het eerste product wordt van oudsher gedefinieerd als profit-bidding, intern noemen we het MOAS (Margin on Advertising Spend). Deze technologie is eigenlijk in staat om de winst en marge van elk item bij te houden en dit terug te importeren in het advertentieplatform. Het punt van waarde is hierbij niet alleen de technologie op zich, maar ook de procedure. Het doel is om de noordster-metrics voor een bedrijf te veranderen van wat eerder de ROAS was, naar nu MOAS.
“Het tweede product in dit pakket is de productclustering, wat we de naam “Galileo” hebben gegeven. Het heeft een enorm positieve impact op de performance omdat het je in staat stelt om dynamisch verschillende producten over verschillende campagnes te verplaatsen en te lokaliseren. Tot slot hebben we ook onze intern ontwikkelde feed management tool die ons de mogelijkheid geeft om enorme inventaris te beheren en specifieke feeds voor een klant te creëren.”
Welke veranderingen hebben er de afgelopen jaren plaatsgevonden binnen PPC Management en welke is daarvan het belangrijkst gebleken?
“Ik denk dat er in de loop der jaren een aantal belangrijke veranderingen zijn geweest, maar de belangrijkste is de verschuiving van automatisering naar machine learning. Laat me dit goed uitleggen. Vijf of zes jaar geleden was de sleutel tot schaalvergroting en het leveren van beter werk voor klanten de introductie van automatisering bij het maken en beheren van campagnes. Ik herinner me nog de populaire SKAG-structuur – één zoekwoord per advertentiegroep. Maar het beheren van die complexiteit vereiste een laag automatisering.
“Vandaag de dag ligt de focus anders. Wat het verschil maakt, is het hebben van een solide herziening van de gegevens die worden gedeeld met het advertentieplatform en het correct modelleren van relevante bedrijfsinformatie. De input die je deelt met het platform maakt het verschil. Deze verandering heeft onze aanpak drastisch veranderd in de loop van de tijd. We concentreren ons nu op het leveren van datagedreven inzichten die de strategie veranderen en op platformniveau moeten worden geïmplementeerd.
“Deze verschuiving brengt me bij twee belangrijke punten. Ten eerste is het essentieel om te werken in overeenstemming met privacyregelgeving omtrent het behandelen en delen van gegevens met derden. Je moet je bewust zijn van wat mogelijk is en wat niet, en wat de beperkingen zijn. Ten tweede is het van cruciaal belang om CRM-gegevens of first-party data in het algemeen te verzamelen en te gebruiken. Dit is een aanzienlijke verandering ten opzichte van het PPC-scenario van slechts een paar jaar geleden.
Wat zijn de meest succesvolle PPC use cases die je hebt gezien op het gebied van branche, audiences, creativiteit en dergelijke?
“Ik heb er twee die ik graag wil toelichten. Satispay, een mobiele betaal-app opgericht in Italië, richtte zich op het vergroten van de naamsbekendheid onder Gen Z in Italië en het evalueren van de impact van TikTok-advertenties. We stelden voor om incrementele tests te gebruiken om data te vergelijken tussen een behandeling-groep (met toegang tot TikTok-advertenties) en een controlegroep (zonder TikTok-advertenties) om het verschil te bepalen. De resultaten toonden aan dat TikTok 434 extra app-registraties genereerde met een vermindering van 50% in de kosten per actie ten opzichte van het doel. Dit toonde ook de effectiviteit van incrementele tests in het analyseren van advertentie-inspanningen en suggereerde hoe alternatieve meetkaders, vooral voor Top of Funnel-activiteiten, uiterst waardevol kunnen zijn bij het beoordelen van de return on marketing effort.
“De andere casestudy komt van de collega’s bij Precis Digital. Een Deense e-commerce worstelde met een afnemende groei in Search, terwijl hun Shopping goed presteerde. De digitale strateeg van Precis besloot een nieuwe aanpak te proberen voor zoekcampagnes om marktpositie en groei terug te winnen door gebruik te maken van machine learning. Ze gebruikten data-aggregatie op basis van waarde per klik om zoekwoorden te groeperen, automatiseerde de analyse van zoekopdrachten op adgroup- en campagneniveau om verspilling van uitgaven te beperken, en gebruikte op maat gemaakte campagne-specifieke doelgroepen om het smart-bidding-algoritme te voeden. Deze aanpak leverde een verdubbeling van de omzet op met behoud van een stabiele ROAS (hier).”
Heb je Performance Max-campagnes volledig omarmd? Waarom (niet)?
“Dit is een grappige vraag. Denk je echt dat we hier een keuze in hebben? Maar zonder grappen… Ja. Dit is iets dat we gebruiken en benutten om de prestaties te verbeteren. We benaderen het echter met een kritische mindset en nemen niet alles wat van Google komt voor lief. Ik geloof dat er geen echte keuze is dan om in de richting te gaan die Google opgaat. Je hebt twee mogelijkheden: het volledig uitdagen of proberen te begrijpen wat er kan worden gedaan op basis van de opzet en het raamwerk dat Google met je deelt. In het begin, toen de technologie nog onvolwassen was, hebben we dit niet volledig omarmd. Maar nu, na het uitvoeren van enkele tests, hebben we gezien dat PMax goede resultaten oplevert met een paar aanpassingen en gezond verstand.
“Een paar best practices die ik hier zie, met name voor geavanceerde e-commerce, is om de levering van PMax-campagnes alleen te beperken tot shopping-assets, bijvoorbeeld. Wat we proberen te doen, is het nabootsen van wat ooit de slimme Shopping-aanpak was, nog steeds met de mogelijkheid van krachtigere targeting die uit dit type campagne komt.
“Wel denk ik nog steeds dat testen nog steeds ‘king’ is. De aanpak die wij volgen als het gaat om dit soort verschuivingen en vernieuwingen, is niet om volledig in te stappen, maar om bewust te zijn van de nadelen en voordelen. En dat we concrete use cases definiëren om dit uit te testen. Dit hebben we toen ook gedaan met onze Shopping-campagnes.”
Heb je nog meer best practices die je kunt delen als het gaat om pMax?
“Ja, ik heb een paar suggesties. Waarschijnlijk de krachtigste die we zien, met name voor e-commerce, is het hebben van een specifieke aanpak voor de manier waarop je de structuur van de PMax-campagnes op accountniveau creëert. Het kernidee is om producten in verschillende categorieën te segmenteren en dezelfde structuur op accountniveau te repliceren door die categorieën te matchen met verschillende campagnes geoptimaliseerd tegen verschillende prestatiedoelen. Op deze manier zullen prestaties verbeteren en heb je meer controle over de segmentatie.
“Een andere best practice is om je copy en andere creatieve content af te stemmen op specifieke asset group. Natuurlijk bepaalt de asset group de targeting. Als je de kwaliteit van de creatieve inhoud en copy verbetert op basis van gebruikersonderzoek en deze elementen koppelt aan de daadwerkelijke zoekopdrachten van de gebruiker, kun je mogelijk betere prestaties behalen, de CTR verhogen en uiteindelijk de conversieratio.
“Tot slot iets wat we pas recentelijk zijn gaan gebruiken: audience signals. We proberen first-party data en CRM-doelgroepen te gebruiken en deze te koppelen aan de asset group, zodat de campagne duidelijker gericht is.”
Moeten we al onze first-party data delen met Google?
“Over het algemeen is het logisch om first-party data te delen met Google omdat het je onderscheidend vermogen kan opleveren voor je digitale marketingstrategie en daarmee voordeel op je concurrenten. Er zijn echter twee potentiële risico’s waarvoor je moet waken en die je vanaf het begin in de gaten moet halen.
“Ten eerste is er een privacyrisico, waarbij transparantie en beleid cruciale overwegingen zijn. Wij zorgen ervoor dat we alleen delen wat strikt is overeengekomen met gebruikers op basis van het privacybeleid dat onze klanten gebruiken. Het is belangrijk om dit risico te beoordelen, omdat onderschatting ervan kan resulteren in te weinig verzamelde gegevens voor optimalisatiedoeleinden.
“Ten tweede is er een zakelijk risico, met name voor grote adverteerders zoals Amazon. Dit soort bedrijven, die qua business al dicht bij partijen als Google of Meta zitten, overwegen waarschijnlijk zorgvuldig wat ze wel en niet delen.
“Al met al kan het delen van first-party data je strategie zeker versterken en onderscheiden omdat alleen jij je marge kent en zicht hebt op LTV. Als je het platform kunt voeden met dit soort informatie, kan het Google ook helpen om betere resultaten te leveren volgens je eigen doelstellingen.”
Als adverteerder, hoe kan ik mijn first-party data delen met Google en wat zijn de voordelen?
“Je kunt op twee hoofdmanieren first party data met Google delen. De eerste is offline conversie data uploaden (en we kunnen nu twee verschillende manieren van conversie onderscheiden – daar ga ik zo meteen op in) en het klassieke audience-gedeelte. Voor de tweede is het vrij eenvoudig. Je uploadt simpelweg audience-informatie – essentieel is alleen het e-mailadres, maar je kunt ook andere info als telefoonnummer, de geografische informatie, etc. Dit is iets dat je direct met het platform kunt inrichten. Een fun fact is dat de match-rates meestal hoger zijn als je alleen het e-mailadres doorgeeft in plaats van het te koppelen aan andere datapunten.
“Dan is er nog de offline conversie: de informatie die je deelt, heeft meer betrekking op de conversiewaarde voor de specifieke acties van de gebruiker. Tot een paar maanden geleden was dit alleen mogelijk via het uploaden van de gclid-code (de klik-ID-code die verbonden is met de specifieke conversie). Nu geeft de zogenaamde verbeterde conversie voor leads je de mogelijkheid om die gegevens op een iets andere manier te uploaden om zichtbaarheid te delen met Google over de offline reis van je gebruiker. Ik ga hier tijdens Friends of Search dieper op in, dus ik ga niet alles verklappen 🙂
“Wat betreft de voordelen, zoals ik al eerder zei, is first-party data een echte superkracht voor adverteerders in deze tijd en dit gaat in de toekomst alleen nog maar toenemen. Om je een voorbeeld te geven van hoe dit daadwerkelijk een verschil kan maken: denk aan wat we een paar jaar geleden deden. Bijvoorbeeld, bij Booster Box werkten we veel aan het definiëren van het beste biedingsmodel. We probeerden deze input aan te passen om de campagnes beter te laten werken. Deze methode presteerde goed tot waarschijnlijk drie jaar geleden en toen kwam machine learning binnen. Nu richten we ons niet alleen op de mogelijkheid om de biedstrategie te automatiseren, maar vooral op de output die we kunnen verzamelen. Dit zit bij de mogelijkheid om te werken met je first-party data en deze informatie correct te delen met het platform, dat vervolgens het harde werk doet en begint te zoeken naar gebruikers waarbij de kans op het behalen van je doelstellingen groter is. Dit is een zeer duidelijk voordeel; het geeft je de mogelijkheid je te onderscheiden van je concurrenten en wat niet zomaar kan worden gekopieerd.”
Wat kunnen mensen verwachten van jouw sessie op Friends of Search?
“Ik ga me tijdens mijn sessie sterk richten op first-party data en de integratie ervan. Ik geef praktisch advies en suggesties voor de strategieën en implementaties die je kunt gebruiken om deze inzichten te benutten, evenals enkele van de nadelen en mazen in de wet die we onderweg zijn tegengekomen. Ik ga ook een strategisch overzicht geven van hoe je dit type data kunt benaderen, inclusief praktische voorbeelden van hoe je bijvoorbeeld UTM- en click-ID-informatie kunt opslaan in een CRM met behulp van Google Tag Manager. Het wordt een zeer nerdy sessie, dus bij voorbaat excuses, maar bij Booster Box houden we van dit soort dingen! 🙂 Ik kijk ernaar uit om iedereen in Amsterdam te ontmoeten.”