Estudo de caso adidas: Gestão e otimização de feed de dados

Estudo de caso adidas_ Gestão e otimização de feed de dados

A adidas está entre as 100 marcas mais valiosas do mundo. Ela vende seus produtos e vestuários esportivos em todos os continentes para duas marcas: a adidas e a Reebok. Os rendimentos vindos do e-commerce compõem uma parcela significativa do faturamento total da companhia, e a publicidade online é essencial para o seu sucesso. A adidas entrou no DataFeedWatch para ficar mais ativa com seus feeds e garantir que feeds melhores levassem a performances melhores em suas campanhas.

Wychert Oskam é o gestor global de buscas pagas no grupo adidas e supervisiona as atividades de feeds em todos os países.

 

Otimizações para melhorar o desempenho das campanhas

Nós gerenciamos centenas de feeds de dados em dezenas de países. A otimização desses feeds é um processo contínuo; alteramos nossos feeds todo dia. Também otimizamos nossos feeds para ter um impacto direto no ROI das nossas campanhas. Aqui estão alguns exemplos.

 

Melhor categorização [Melhora a taxa de conversão]

Cada canal de compras tem suas próprias categorias de produtos. É importante fazer com que cada produto corresponda à categoria mais apropriada no canal em questão, já que isso ajuda os canais a ligarem nossos produtos às pesquisas relevantes. Dado que a maioria dos sites de compras também permite aos consumidores pesquisar por subcategoria, é importante que nossos produtos apareçam na subcategoria certa.

DataFeedWatch has created an additional field ‘enhanced product type’ that combines values of several input-fields; the data in this field is relevant enough to properly map our products to the matching category on Google or other channels.

O DataFeedWatch criou um campo adicional, “tipo de produto avançado”, que combina valores de diversos campos de entrada. Os dados nesse campo são relevantes o suficiente para permitir que o Google ou outros canais identifiquem nossos produtos com a categoria certa.

 

Adicionando campos faltantes [Reduz a desaprovação]

Ter dados completos para todos os produtos é essencial; produtos com campos não preenchidos resultam em anúncios de qualidade inferior ou, ainda pior, na desaprovação do produto.

Alguns campos em nossos feeds originais não têm valores para certos produtos. Usamos regras no DataFeedWatch que garantem que todos os produtos tenham um valor adequado. Por exemplo, adicionando “unisex” a todos os produtos a que não seja atribuído a um gênero específico ou “masculino”, caso esse seja o caso do tipo de produto.

 

Etiquetas personalizadas [Otimizam os lances]

Às vezes é do nosso interesse ajustar nossos lances CPC (Custo por clique) para determinados produtos. Isso só pode ser feito mediante etiquetas personalizadas. Criamos etiquetas personalizadas para diversos atributos que são importantes para nós como, por exemplo: para qual esporte um determinado produto é utilizado, que tipo de vestimenta ele é, etc. Isso nos permite adaptar nossos lances no Google Shopping de forma extremamente específica.

 

Removendo produtos pouco lucrativos [Otimiza o ROI]

Gerenciamos as nossas campanhas primariamente no nível de subcategoria. Sabemos que dentro de cada categoria certos produtos apresentam desempenho melhor do que outros. Só não sabemos exatamente quais produtos não estão tendo bom desempenho. Ou até podemos saber, mas com dezenas de milhares de produtos por loja, simplesmente não é factível realizar a otimização.

Com o DataFeedWatch Analytics, podemos revisar o custo e os rendimentos de cada produto individualmente em cada canal. Produtos de lucro baixo podem ser removidos dos nossos feeds de compras com um único clique: produtos com inúmeros cliques e poucas conversões, com um CPA (Custo por ação) alto demais ou cujo ROAS (Retorno sobre o gasto com anúncio) é alto demais, etc.

 

Otimização central

Parte da otimização de dados acontece em nível regional. A adidas da Europa Ocidental, por exemplo, contém dezenas de lojas online que com frequência requerem ajustes similares. Fazer alterações simples dezenas de vezes consome tempo demais, mas o DataFeedWatch tem uma funcionalidade de Empresa (Enterprise) que nos permite aplicar uma única alteração a diversas lojas e canais.

Exemplos são:

  • Alguns produtos precisam ser (temporariamente) removidos de todos os feeds da Reebok. Isso pode ser feito com uma única ação para todos os países e canais.
  • Alguns canais em diversos países têm “localização” idêntica. Se algo precisa ser alterado ou otimizado, isso pode ser aplicado a todos os feeds ao mesmo tempo.
  • A categorização frequentemente é ou a mesma ou muito similar em países com a mesma língua (por ex., entre os países que falam espanhol da América Latina). Categorias podem ser copiadas entre canais em diferentes países.

Ao fazer alterações em todos os feeds ao mesmo tempo, economizamos um tempo considerável (tanto em nível regional quanto local), obtemos um nível maior de controle e conseguimos agir com maior rapidez.

 

Implementação global

Temos gerentes de CPC (Custo por clique) em 5 continentes gerenciando seus feeds de dados. Para muitos deles, isso era uma nova experiência. Era crucial que a ferramenta de feeds de dados fosse intuitiva, de forma que a implementação pudesse ser rápida e simples. O DataFeedWatch se mostrou extremamente fácil de usar; o treinamento foi feito online e em meia hora, o que nos permitiu ter uma implementação bastante ágil. A assistência do DataFeedWatch estava disponível 24 horas por dia, respondendo as questões dos gerentes de campanhas da adidas e aconselhando-os sobre práticas recomendadas.