Google Ads-Kampagnenperformance und Regressionsanalysen
Die Regressionsanalyse bietet die Möglichkeit, aufgrund von historischen Daten der Kampagnenleistung bessere Schlüsse und Vorhersagen zu treffen, welche über einfache Vermutungen und Schätzungen hinausgehen.
Wir zeigen an einem Beispiel einer Google Ads Kampagne, wie man mit einer einfachen Regressionsanalyse die Anzahl Conversions in Abhängigkeit vom Medienspending herleiten kann.
Was ist eine Regressionsanalyse
Die Regressionsanalyse ist ein statistisches Analyseverfahren mit dem Ziel, den Zusammenhang zwischen einer abhängigen und einer bis mehreren unabhängigen Variablen zu erklären. Die daraus resultierte Regressionsgerade ermöglicht eine Prognose für die abhängige Variable zu treffen, und zwar für unterschiedliche Werte der unabhängigen Variablen.
Schritt 1: Download Report
Auf der Google Ads Oberfläche zu den Reports → Vordefinierte Berichte → Zeit → Tag
Danach gibt man den gewünschten Zeitraum mit den KPIs an. Im Idealfall 3 – 6 Monate, um aussagekräftige Daten zu erhalten.
Schritt 2: Erstellen des Streudiagrammes
Hier werden im Excel die relevanten Spalten markiert. In diesem Fall die Conversions und Kosten. Danach wird ein Punkt-Diagramm eingefügt.
Schritt 3: Erstellung der Regressionsgeraden
Dazu wird ein Datenpunkt des Streudiagrammes angeklickt und eine Trendlinie hinzugefügt.
Wichtig dabei ist, eine Trendlinie zu wählen, bei der mit der R² am höchsten ist. Der Einfachheit wählen wir hier eine logarithmische Trendlinie. Ebenfalls wichtig ist die Optionen „Formel im Diagramm anzeigen“ und „Bestimmtheitsmass im Diagramm darstellen“ zu wählen.
Auswertung der Regressionsanalyse
Die Darstellung zeigt uns nun, welche Anzahl an Conversions wir mit welchem Medienspending erwarten können. Das Bestimmtheitsmass „R²“ gibt an, wie genau die unabhängige Variable (Kosten), die abhängige Variable (Conversions) vorhersagen kann. Grundsätzlich gilt hier, je höher R² desto besser, wobei das Maximum bei 1 liegt.
Y = 4.0529*ln(x) – 19.362, x=monatliches Medienspending in CHF
Im konkreten Beispiel würde man mit einem täglichen Medienspending von 10‘000 CHF rund 17.97 Conversions erhalten und mit einem täglichen Medienspending von 300 CHF rund 5.76 Conversions erzielen.
Y1 = 4.0529*ln(300) – 19.362 = 5.76
Y2 = 4.0529*ln(1000) – 19.362 = 8.63
Schön zu erkennen ist hier die konkave Trendlinie, bzw. der abnehmende Grenzertrag mit zunehmenden Medienspedning, was in der Realität bei Google Ads Kampagnen Gang und Gäbe ist:
Cost-per-Conversion Y1: 300 CHF / 5.76 = 52.08 CHF
Cost-per-Conversion Y2: 1000 CHF / 8.63 = 115.87 CHF
Kritik
Im genannten Beispiel konnte das Modell rund 22% der Kosten und der Einfluss auf die Anzahl Conversions erklären. So existieren noch eine Vielzahl an weiteren Faktoren, welche das Resultat der Anzahl Conversions beeinflussen.
Ebenfalls würde laut Modell bei einem Einsatz von nur 1 CHF eine negative Anzahl an Conversions resultieren (-19.362). Dies ist in der Realität selbstverständlich nicht möglich.
Fazit
Nichtdestotrotz kann die Regressionsanalyse wertvolle Informationen liefern, welche KPIs in welcher Weise zusammenhängen. Wichtig dabei ist, die Daten möglichst aussagekräftig aufzubereiten und gleichzeitig die Aussagekraft der Statistik richtig bewerten und einschätzen zu können.
keine Kommentare