Anmeldung Newsletter

Case Study: Sportswear-Händler – Neukunden durch Lookalikes auf Social Media, powered by AutoML

Posted by Maxim Drejdink on 06.08.2020 16:55:00

Wie ein Sportswear-Händler mithilfe von AutoML den Return on Advertising Spend (ROAS) um 713% gesteigert hat

 

Der Kunde vertreibt hochpreisige Fashion-Produkte in Exklusivgeschäften und hunderten Bekleidungshäusern in Deutschland sowie einem Onlineshop. Gemäß seiner Multi-Channel-Strategie sollten neben Print- und Newsletter-Mailings, SEA- und SEO-Maßnahmen nun auch gezielte Kampagnen über Werbenetzwerke wie Facebook und Criteo ausgesteuert werden. Aufgrund der zunehmenden Online-Affinität der Zielgruppe über die letzten Jahre wurden gute Klick- und Conversion-Rates erwartet.

Effiziente und budgetoptimale Kundenbewertung durch AutoML 

Doch wie konnte der Händler eingrenzen, für welche Nutzer aus dem großen Pool an potentiellen Neukunden sich der Werbeeinsatz wirklich lohnt? Es wurden zunächst Lookalikes auf Grundlage der bisherigen Top-Bestandskunden des Unternehmens erstellt, die eine budgetoptimale Bewertung der potentiellen Neukunden ermöglichten. Um dabei den Streuverlust auf ein Minimum zu reduzieren, kam das CLV-Prognosemodell ins Spiel.

Wie der Sportwear-Händler durch dieses Vorgehen das Neukundenmarketingbudget optimal verteilen konnte und innerhalb von 1,5 Jahren den Return on Advertising Spend (ROAS) auf bis zu 713% gesteigert hat, lesen Sie hier.

Topics: AI, Marketing Automation, CRM, Künstliche Intelligenz, Neukundengewinnung, Deckungsbeitrag, AutoML, ConversionRate, Multichannel, Marketingkanal, Budgetoptimierung, social media

SOMETHING TO SAY?