Nordic Choice Hotels: erfolgreichere Suchnetzwerk-Kampagnen dank Attribution und Automatisierung

Nordic Choice Hotels ist mit rund 200 Betrieben eine der größten Hotelketten in Skandinavien und hat es auf einem hart umkämpften Markt mit starken Mitbewerbern zu tun. Mithilfe von maschinellem Lernen hat das Unternehmen die Automatisierung ausgebaut und die Attribution verbessert. Das Ergebnis: Die allgemeinen Suchnetzwerk-Kampagnen brachten mehr Buchungen und sorgten für eine Zunahme des Gesamtumsatzes aus allen Kanälen.

ÜBER NORDIC CHOICE HOTELS
Skandinavisches Unternehmen mit rund 200 Hotels in dieser Region
DIE ERGEBNISSE
Der durch allgemeine Suchnetzwerk-Kampagnen generierte Umsatz stieg um 45 %.
Der ROAS (Return on Advertising Spend) für allgemeine Suchnetzwerk-Kampagnen verbesserte sich um 22 %.
Durch die Investitionen in allgemeine Suchnetzwerk-Kampagnen und das starke Einnahmenwachstum erhöhte sich in dem betreffenden Zeitraum der Gesamtumsatz aus allen Kanälen.
DIE ZIELE
Mehr Kunden zu direkten Buchungen über die Unternehmenswebsite bewegen
Ausgefeilteres digitales Marketing
Bei allgemeinen Suchnetzwerk-Kampagnen die Wettbewerbsfähigkeit in Auktionen verbessern, um mehr Buchungen zu erzielen
DER ANSATZ
Kanal- und geräteübergreifende Attribution mit der Betaversion von Google Attribution
Analyse des zugeordneten realen Werts allgemeiner Kampagnen
Auf dem Ziel-ROAS basierende automatische Gebotseinstellungen, um in Echtzeit auf die Daten reagieren zu können

In der skandinavischen Hotelbranche herrscht ein starker Wettbewerb: Hotelketten und Onlinereiseportale kämpfen um die gleichen Kunden. Eine besondere Herausforderung für Hotelketten besteht darin, Nutzer zu Direktbuchungen zu bewegen. Denn Zimmer werden gern über Reiseportale gebucht. Diese bieten normalerweise eine größere Auswahl und eine vertrautere Benutzeroberfläche. Wenn Buchungen über Mittler erfolgen, entgehen den Hotels aber Einnahmen und Möglichkeiten, engere Bindungen zu ihren Gästen aufzubauen.

Bei Nordic Choice Hotels hat man erkannt, dass die Lösung darin besteht, bei Auktionen für allgemeine Begriffe in der bezahlten Suche wettbewerbsfähiger zu werden und so mehr Direktbuchungen zu erzielen. Das ist aber leichter gesagt als getan. Reiseportale haben große Budgets für Performance-Marketing und Mitarbeiter mit umfangreicher Auktionserfahrung. Deshalb setzte Nordic Choice Hotels in den Bereichen Attribution und Automatisierung auf maschinelles Lernen, um die Erfolgschancen zu verbessern und bestmöglich von den Werbeinvestitionen zu profitieren.

Bessere Attribution

Ursprünglich verwendete das Unternehmen in Google Ads das Attributionsmodell "Letzter Klick". Dabei wird der gesamte Conversion-Wert dem letzten Klick im Kaufprozess zugeordnet. Das war aber problematisch. Denn aus den Daten der Hotelkette ging hervor, dass allein in der bezahlten Suche bei 38 Prozent der Conversions mehrere Anzeigenklicks im Spiel waren.

Deshalb setzte Nordic Choice Hotels die Betaversion von Google Attribution ein, bei der der Wert jeder Marketinginteraktion mithilfe eines datengetriebenen Modells ermittelt wird. Die Pfade von Nutzern, die eine Conversion ausführen, werden denen gegenübergestellt, bei denen es zu keiner Conversion kommt. Es erfolgt dann eine geräte- und kanalübergreifende Zuordnung der Conversion-Beiträge. Dadurch erhält der Werbetreibende genauere und praktisch verwertbare Informationen.

Intelligentere Gebote

Durch den Import von Google Attribution-Daten in Google Ads war das Team von Nordic Choice Hotels in der Lage, die tatsächliche Wirkung seiner allgemeinen Kampagnen zu bewerten. Der nächste Schritt bestand darin, anhand der zugrunde liegenden Daten Gebote bei Auktionen abzugeben. Hierzu setzte das Team die automatische Gebotsstrategie "Ziel-ROAS" ein.

Bei der Gebotsoption "Ziel-ROAS" wird mithilfe des maschinellen Lernens die Conversion-Wahrscheinlichkeit für den jeweiligen Nutzer prognostiziert, der geschätzte Conversion-Wert ermittelt und auf Basis dieser Daten das optimale Gebot für jede Auktion festgelegt. Der Algorithmus ist noch effektiver, wenn nicht nur der letzte Klick berücksichtigt wird, sondern umfassende Attributionsdaten zur Verfügung stehen. Das Team von Nordic Choice Hotels hat den Gebotsalgorithmus daher mit den Daten von Google Attribution (Beta) "gefüttert" und ein realistisches ROAS-Ziel für die allgemeinen Kampagnen festgelegt. Mit dem Attributionsmodell und der automatischen Gebotseinstellung war das System in der Lage, die Media-Ausgaben in großem Umfang und in Echtzeit zu optimieren.

Mehr Direktumsatz

Dieses Projekt hat zu deutlich besseren Ergebnissen bei den allgemeinen Suchnetzwerk-Kampagnen des Unternehmens geführt. Wenn man die Resultate für die drei Monate nach der Umstellung mit denen im entsprechenden Vorjahreszeitraum vergleicht, zeigt sich: Mit den neuen Kampagnen wurde in den norwegischen und schwedischen Konten 45 Prozent mehr Umsatz generiert als mit denen des Vorjahrs und der Return on Advertising Spend (ROAS) war um 22 Prozent höher. Außerdem nahm durch die sehr erfolgreichen Suchnetzwerk-Kampagnen der Gesamtumsatz aus allen Kanälen zu.

Mit Google Attribution und der Strategie "Ziel-ROAS" sind wir in der Lage, das Marketing effektiver zu gestalten und bessere Daten zu liefern. Die Steigerung des ROAS um 22 % und des Umsatzes um 45 % ist ein beeindruckendes Ergebnis.

– Henrik Zahl Andersen, Digital Marketing Specialist

Attributionsmodelle sind bei Nordic Choice Hotels von etwas sehr Theoretischem plötzlich zu einem integralen und automatisierten Bestandteil unserer Strategie geworden.

- Björn Alvarsson, Director of Digital Sales & Marketing

Durch die Kombination von Google Attribution (Beta) mit der Gebotsoption "Ziel-ROAS" hat sich die Leistung der Suchnetzwerk-Kampagnen von Nordic Choice Hotels verbessert und es bleibt mehr Zeit für die wesentlichen Tätigkeiten. Da die groben Aufgaben dank des maschinellen Lernens automatisch erledigt werden, kann sich das Team stärker der Zielgruppenstrategie sowie der Markt- und Wettbewerbsanalyse widmen.

TUI profitiert beim Rebranding von der Reichweite auf YouTube