AI Automation Kit
– Ads Automations
Das AI Automation Kit dient dem Aufbau von Inhouse-Kompetenzen für AI-Automatisierungen mit Make, sodass ein Team in den Stand versetzt wird, eigenständig Workflows aufzusetzen.
Schnellstart
Das sind die Ziele
Kernfunktionen
Über AI-Automationen
Template Library
Anwendungsälle
Bist du bereit?
Jetzt einsteigen
Der Schnellstart für AI-Prozesse in Werbesystemen
Das Thema der AI-Implementierung mit Make ist mittlerweile immer unabdingbarer geworden: Vielen Unternehmen und Organisationen ist bewusst geworden, dass ihnen Chancen entgehen, wenn sie keine Automatisierungen in Kombination mit AI-Anwendungen Inhouse implementieren. Auf der anderen Seite ist es sehr verlockend:
- Teamressourcen durch Automatisierungen einzusparen, sodass sich das Team auf die Geschäftsentwicklung konzentrieren kann, statt auf Routine-Tasks
- 30% bis 40% mehr Conversion-Werte und Conversions aus Werbesystemen durch AI-Anzeigenalternativen zu gewinnen
- durch Business Intelligence automatisiert noch mehr Rückschlüsse aus den Daten zu ziehen, und automatisch darauf basierend stärker konvertierende Website-Texte und Anzeigentexte generieren zu lassen
- Automationen für Entscheidungsträger zu verwenden, sodass automatisch Report-Daten zu wesentlichen Ads-Metriken verschriftlicht und per E-Mail verschickt werden
Generelle Funktionsweise von AI-Automatisierungen
Bevor du direkt loslegen kannst, solltest du verstehen, wie die nachfolgenden AI-Automatisierungen funktionieren: Es handelt sich hierbei um Befehlsketten mit Make und AI-Modulen – speziell in diesem Fall Gemini Pro. Dabei werden Plattformen oder Daten miteinander verbunden, und zwar in Form eines Triggers als Startpunkt, der die Automatisierung auslöst, bis hin zu einem Endpunkt, bei dem eine Arbeit ausgeführt oder Daten abgelegt werden.
Dann kommt der zweite Teil, nämlich die AI: Dabei wird in der Befehlskette ein AI-Modul angeschlossen (Gemini Pro, ChatGPT oder Claude). Hierbei wird eine AI-Operation vorgenommen, was es dir ermöglicht:
- AI-Kampagnen, Content, Social-Media-Beiträge und Nachrichten zu erstellen
- Datenbanken zu durchsuchen. Beispiel: Es werden automatisch über 600 Zielgruppenoptionen bei Google Ads durchsucht und du erhältst für jede neue erstellte Kampagne passende Zielgruppenvorschläge mit Begründung
- Automatische Reporterstellung durch Rohdatenverschriftlichung: Rohdaten aus allen Bereichen des Online Marketings können direkt als treffsicherer Bericht erstellt und per Mail, WhatsApp, Slack oder Asana verschickt werden unter Berücksichtigung von Entwicklungsdynamiken
Infrastruktur für einen AI-Agent
Die nachfolgenden AI-Automatisierungen für Werbesysteme können an einen AI Agent angeschlossen werden, der eigenmächtig Entscheidungen darüber trifft, welche Automatisierung gestartet werden soll – basierend auf den Daten aus Google Ads, Meta Ads, der Google Search Console und Google Analytics. Dabei wird mit einem Anforderungskatalog für Gemini Pro gearbeitet, und sofern die Anforderungen erfüllt sind, wird für die jeweilige Automatisierung ein “Ja” ausgegeben, welches wiederum durch die Filter das betreffende Make-Szenario startet. Dabei gibt es mehrere Ebenen: Einen AI Main Agent, der darüber entscheidet, ob der Gesamtprozess initiiert werden soll, sowie für jede Make-Automatisierung die entsprechenden AI Sub Agents, die aufgrund der Datenbasis bewerten, ob der konkrete Einzelprozess aktiviert werden muss – je nach Handlungsbedarf.
Abbildung: Beispiel für das Zentral-Modul in Make, das über einen AI Agent (in diesem Fall: Gemini Pro) eigenständig die Entscheidung über die Aktivierung von Marketing-Prozessen trifft.
Abbildung: Beispiel für einen AI Agent in Make, der auf mehrere Automatisierungen im Bereich Asset Creation und Kampagnenerstellung bei Google Ads zurückgreift.
Abbildung: Beispiel für das Zentral-Modul in Make, das über einen AI Agent (in diesem Fall: Gemini Pro) eigenständig die Entscheidung über die Aktivierung von Marketing-Prozessen trifft.
Welche AI-Automationen im Marketing gibt es?
Du findest im AI-Automation Kit eine Reihe spannender Anwendungen. Wichtig ist, dass es sich in erster Linie um AI-Automatisierungen für Werbesysteme handelt. Es geht also um Hebelwirkungen für die Gewinnung von Leads und Reichweiten, sowie Auswertungen von Report-Daten. Wie sehen solche Hebelwirkungen aus? Beispielsweise durch Automatisierungen für die Asset Creation von AI-Anzeigenalternativen für das algorithmische Lernen bei Google Ads und Meta Ads bei konsolidierten Kampagnen. Dadurch erhalten deine Kampagnen mehr Futter für das algorithmische Lernen – und es würde andernfalls große personelle Ressourcen erfordern, diese Assets selbst zu erstellen.
All diese AI-Automatisierungen können Ausgangspunkte für deinen eigenen Iterationen sein, denn jeden Workflow kannst du beliebig oft klonen, um eigene Kreationen daraus zu machen. Ein guter Schnellstart in den AI-Automatisierungsmarkt durch Hands-On-Praxis!
Google Ads Automation Series
Als Trigger für die Asset Creation gibt es eine Reihe von Make-Automatisierungen, die auf die unterschiedlichen Ebenen der Reporting-Module der Google Ads API zugreifen und Daten für weitere Prozesse verwenden können. Dabei gibt es standardmäßig diese Report-Ebenen mit Metriken: Kampagnen, Anzeigengruppen, Asset-Gruppen, responsive Suchanzeigen, Landingpages, Video-Kampagnen, Placements, Keywords, Search Terms, Impression Shares und Bid Strategies.
AI Asset Library Google Ads
Die AI Asset Library für Google Ads zieht Headlines und Descriptions von responsiven Suchanzeigen direkt aus der Google Ads API, um daraus AI-Anzeigenalternativen zu erstellen.
Nutzen: Maximales Futter für das algorithmische Lernen bei konsolidierten Kampagnen mit der Gebotsstrategie Conversion-Wert maximieren in Kombination mit Ziel-ROAS-Tests durch eine hohe Abdeckung an Tonalitäten, Ansprachen und Needs für Leads auf unterschiedlichen Lifecycle-Stages. Eignet sich für dauerhafte, monatliche Asset-Creation durch die Automatisierung.
Google Ads MVPs & Blue Oceans
Diese Make-Automatisierung hat zum Ziel, konzeptionelle Strategievorschläge aus Consulting-Frameworks zu erstellen.
Auf dieser Basis gibt es folgende Vorschläge für AI-Anzeigenideen: Blue Ocean Strategies im Gegensatz zu Red Ocean Strategies, Copywriting-Tests (Paradox, Beweis, Vorteil, Neugier, Dringlichkeit), sowie Mininum Viable Products (MVPs), für die beim Launch verschiedene Pivots ausgerollt werden können, wie etwa: Zoom-In Pivot, Zoom-Out Pivot, Customer Segment Pivot, Customer Need Pivot oder Platform Pivot.
Erstellung von Angles
Statt nur AI Assets über eine Make-Automatisierung mit Gemini Pro an sich zu erstellen (als Futter für das algorithmische Lernen), kannst du auch eine Grid-Struktur aufbauen, die die generierten responsiven Suchanzeigen und PMax Asset-Gruppen nach Angles sortiert, mit je mehreren Anzeigenvorschlägen (Hooks) auf Basis der Frameworks: Blue Ocean Strategy, DISG-Grundtypen, Big Five (OCEAN-Modell), 5 Copywritings und MVP Pivots.
Abbildung: Erstellung von Anzeigentexten aus Customer Pain Points und Solution Frames (Angles).
Grid-Struktur Angles
Jeder Angle wird dabei aus einem identifizierten Customer Pain Point mit Solution Frame gebildet (jeder Angle bekommt mehrere RSAs / Asset Groups). Das ermöglicht es, die Angles (aus Customer Pain Points und Solution Frames) mit ihren zugeordneten RSAs / PMax Asset Gruppen auf Kampagnen- und Anzeigengruppen zu verteilen, um daraus zu ermitteln, welchen Rücklauf was brachte – und was nicht.
Abbildung: Transponierte Struktur in GSheet, formatiert mit=SPLIT() und =IMPORTRANGE() aus einem Template im Make-Prozess.
Kampagnen: Bulk-Erstellung
Es gibt auch eine automatisierte Kampagnenerstellung für Google Ads in Make. Dabei wird aus Themen eines Eingabeblattes in Google Sheets (Custom Table) pro Zeile eine Kampagne, eine Anzeigengruppe und eine responsive Suchanzeige erstellt, sowie das Fokus-Keyword hinzugefügt.
Abbildung: So sieht die komplette Automatisierung zur Bulk-Erstellung von Search-Kampagnen bei Google Ads aus.
Historical Asset Performance
Es gibt hierbei noch den Abruf historischer Performances der erfolgreichsten Anzeigentexte (wahlweise gemessen an Kosten pro Conversion oder Conversion-Wert), um diese Auswertung mit Gemini in die Erstellung der neuen Assets einfließen zu lassen, sofern sie inhaltlich zum beworbenen Gegenstand aus dem Custom Table passen.
Abbildung: Über die Google Ads API wird eine neue Kampagne über ein Make-Modul angelegt.
Google Ads Audience Finder (RSA)
Mit dieser Make-Anbindung kannst Du Zielgruppenvorschläge für im Google Ads Suchnetzwerk erstellte AI-Anzeigen erhalten.
Die über 600 verschiedenen Google Ads-Zielgruppen sind in einem eigenen Google Sheets-Dokument gespeichert. Ein Gemini Pro-Modul in der Make-Befehlskette gleicht die Zielgruppentabelle ab mit den responsiven Suchanzeigen ab und macht einige Vorschläge, welche Zielgruppen in der Suchnetzwerk-Kampagne eingesetzt werden sollten. Dies kann den Auswahlprozess bei Massenbearbeitungen etwas beschleunigen.
Google Ads Bid Strategy Report
Uber das Make-Modul “Make an API Call” im Google Ads Campaign Management kannst du Reporting-Daten abrufen – mit dem richtigen Custom Request.
Es gibt mehrere Reporting-Entitäten in der Google Ads API, wie etwa den Bid Strategy Report: Dabei werden Report-Daten zur Performance der Bid Strategies gezogen und als Report verschriftlicht. Diese Automatisierung kann zudem verwendet werden für eine Case-Schmiede zusammen mit anderen anderen Report-Automationen, sowie als Startpunkt für automatische Bid Adjustments.
Google Ads Keyword Report
Ebenfalls interessantes Reporting-Modul der Google Ads API: Die Keyword-Reports.
Dabei werden Metriken auf Keyword-Ebene abgerufen und es wird eine AI-Rohdatenverschriftlichung mit Gemini Pro vorgenommen. Diese Automatisierung kann ein Ausgangspunkt für einen AI-Agent sein, der Keyword Adjustments vornimmt, wie etwa das pausieren und aktivieren von Keywords basierend auf Performance-Filtern.
Google Ads Search Term Report
Ein weiteres spannendes Reporting-Modul der Google Ads API als Trigger für AI-Automatisierungen ist der Search Term Report:
Hier finden AI-Auswertung mit Report-Rohdatenverschriftlichung zu den Search Terms statt. Diese Komponente kann als Startpunkt für automatische Änderungen in Google Ads genutzt werden, wie etwa dem automatischen Entfernen von zu unpassenden Suchbegriffen durch einen trainierten AI Agent.
Meta Ads Automation Series
Je mehr Futter es für das algorithmische Lernen gibt, desto mehr und bessere Leads können generiert werden. Doch dafür müssen zunächst viele stichhaltige Anzeigentexte vom Stapel gelassen werden, um zu identifizieren, welche Anzeige die meisten oder qualifiziertesten Leads bringt. Hierfür gibt es nicht nur die Make-Automatisierungen zum Bilden von Copywriter-Anzeigen für Massen-A/B-Tests, sondern zusätzlich eine Reihe von Business-Consulting-Frameworks:
Competitor Analysis Meta Ads
Mit Meta Ads Competitor Analysis kannst du Anzeigen eines Unternehmens auf Facebook und Instagram über die Meta-Anzeigenbibliothek mit Apify scrapen.
Das geht bereits mit einem kostenlosen Apify-Account mit dem Facebook Ads Scraper, der ebenfalls keine Renting-Kosten hat. Dazu schreibt Gemini Pro eine Zusammenfassung des Inhalts, der wahrscheinlichen Zielgruppe und des wahrscheinlichen Werbeziels der Anzeige. Mit Reichweitendaten in der EU. Ideal nicht nur für Mitbewerberanalysen, sondern auch für erste Auswertungen für Prospects.
Sentiment Analysis for Meta Ads
Finde mit Sentimentanalysen via Google Cloud Natural Language heraus, ob eine bessere Anzeigen-Performance auch mit einer positiveren Tonalität korrelierte.
Bei Sentimentanalysen werden Score-Werte für die positive oder negative Tonalität eines Textes in Prozentpunkten wiedergegeben (-100% bis +100%) Anschließend schreibt die Automatisierung mit Gemini Pro eine Zusammenfassung zur Begründung und Ursache der Sentimentwerte, sowie Verbesserungsideen, um einen Anzeigentext mit höheren Sentiments zu erzielen.
AI Framework: DISG-Grundtypen
Hierbei werden die Bestandsanzeigen aus Meta Ads importiert, woraufhin mit Gemini Pro AI Assets erstellt werden. Dabei greift dieses Make-Szenario auf den Make Data Store zu, in dem ein Trainingsdatensatz zu den DISG-Grundtypen hinterlegt ist.
AI Framework: MVP Pivots
Eines von vielen Frameworks zum Bilden von AI Assets für Meta Ads Ads sind die MVP Pivot Tests aus dem Buch “The Lean Startup”. Dabei werden Zoom-In-Pivots, Zoom-Out-Pivots oder Customer Segment Pivots gemacht.
Angles Generation
In der Serie der Meta Ads AI-Automatisierungen auf Basis von Customer Pain Points sind mehrere Datenquellen wählbar, wie etwa Landingpages, Custom Sheets und Meta Ads Anzeigentexte.
Angles Zoom-In Pivots (Assets)
Auch spannend: Dabei gibt es Zoom-Ins in die einzelnen, mit Gemini Pro identifizierten Customer Pain Points, um mehr in die Tiefe der einzelnen Solution Frames in der Anzeigenkommunikation zu gehen.
Angles Transposed & CSV
Die AI-Anzeigentexte werden aus Gemini Pro in einem via Make replizierten GSheet-Template eingespeist, und zwar Semikolon-getrennt. In einem weiteren Blatt des Templates erfolgt die Formatierung per SPLIT-Funktion.
Hooks zu jedem Angle
Zu jedem ermittelten oder manuell festgelegten Customer Pain mit Solution Frame werden wird eine Anzeigenserie mit mehreren Hooks ausgegeben, auf Basis der Copywriting- und Business-Frameworks oben.
GSC Automation Series
Mit dieser Reihe für die Google Search Console kannst du auf Basis von Long Tail Keywords Blogartikel und FAQ-Artikel erstellen lassen. Dabei gibt es mehrere Refinery Steps, Reporting-Module, einen automatischen WordPress-Blogartikel-Launcher, sowie die Integration von People-Also-Asked-Keywords und Autocomplete-Keywords via Apify-Scraping.
Search Console Content Creator
Mit dieser Automatisierung kannst du dir Artikel zu Suchbegriffen aus der Google Search Console schreiben lassen – um mit Gemini Pro beispielsweise Long-Tail-Keywords angehen.
Diese Artikel lassen sich als Blogartikel oder FAQ-Artikel verwenden, um diese mit CTA-Sektionen für die organische Leadgenerierung anzureichern. Mit Trainingsdaten, Daten zur Blue Ocean Strategy und mehreren Refinery Steps. Mit Performance-Filter, wie beispielsweise: Der Workflow soll erst getriggert werden, wenn ein Suchbegriff >100 Impressionen in den letzten 28 Tagen hatte, aber 0 Klicks.
GSC Query & Strategy Report
Damit kannst du aus der Google Search Console Report-Daten direkt pullen, und zwar beispielsweise für Pages (deine URLs mit Klicks, CTR, Impressionen, Position) und Queries (deine Suchanfragen, ebenfalls mit den entsprechenden Metriken).
Anschließend wird ein schriftlicher Report über Auffälligkeiten mit Gemini Pro erstellt, der im wöchentlichen Turnus rausgeht, basierend auf Informationen, auf welche Metriken besonders Wert gelegt werden soll und was die Benchmarks mit oberen, mittleren und unteren Werten für die jeweilige Metrik in diesem Fall sind.
People Also Asked Keywords
Es können in die Blogartikel-Erstellung noch People-Also-Asked Keywords aufgenommen werden – via Apify-Scraping. Gerade für FAQ-Artikel ist das sehr spannend. So kann zu jedem Blogartikel mit Oberthema und Fokus-Keywords eine Zusammenstellung der wichtigsten People-Also-Asked-Fragen in die Content-Erstellung mit Gemini einfließen.
Autocomplete Keywords
Nach einem ähnlichen Verfahren können via Apify-Scrapings Autocomplete-Keywords in die Blogartikel-Erstellung einfließen. Das geht für die Autocomplete-Vorschläge aus Google, Amazon oder Youtube. So kannst du eine noch reichhaltigere Abdeckung in der Content-Erstellung erzielen, da die Themen angesprochen werden können, nach denen Nutzer suchen.
WordPress Auto-Launcher
Damit nicht jeder einzelne Artikel aus den Refinery Steps manuell auf die Website mit vielen Klicks übertragen werden muss, gibt es einen WordPress-Auto-Launcher, der die Artikel als Entwurf für den Review direkt in WordPress einstellt.
HTML-Integration in WordPress
Bei der Erstellung von WordPress-Blogartikeln direkt aus der AI-Automatisierung heraus wird der Text im HTML-Format ausgegeben, wodurch die Überschriften und fett gedruckten Teile automatisch im WordPress-Artikel formatiert werden.
Kernfunktionen im AI Automation Kit
Mit dem AI Automation Kit kannst du einen Schnellstart in die Welt der AI-Automatisierungen machen, denn es sind die wesentlichen Kernfunktionen enthalten, um mit Make Prozesse zu automatisieren: Vom Trigger einer Befehlskette, über Loops, Variablen, Router und Data Storages. Damit kannst du beispielsweise für A/B-Tests automatische Alternativen für Ads Copies schreiben lassen, einen Hot Lead Launcher für dein CRM aufsetzen oder Sentimentanalysen mit verbesserten Texten für deine Werbeträger durchführen.
Sheets Creations & Data Storage
Wie können neu generierte Daten automatisch abgespeichert werden? Klar, die Endpunkte für die Promptausgaben der AI-Module können auch bei jedem Durchlauf eines Szenarios manuell konfiguriert werden. Damit der Prozess aber vollautomatisiert ist, sollte beispielsweise die Erstellung eines neuen Google Sheets Dokuments standardmäßig implementiert werden. Am Ende eines AI-Durchlaufs werden die Promptausgaben dann in das neu erstellte Dokument gehievt und du kannst in Google Drive die Ergebnisse der jeweiligen Automation einsehen.
Variablen & Router
Um eine AI-Automatisierung mit Make durchzuführen, benötigst du immer Dateneingaben. Wenn beispielsweise ein Website-Scraping-Prozess mit Apify durchgeführt werden soll, auf dessen Basis ein AI-Modul eine Auswertung macht, brauchst du eine URL. Selbiges gilt auch für die Analyse der URL der Meta-Werbebibliothek eines Unternehmens. Statt diese Eingaben jedes Mal manuell inmitten der Automatisierung im jeweiligen Scraping-Modul zu tätigen, kannst du die Eingabe einer Variable als Trigger-Modul hinterlegen.
AI Module & Actions
Basierend auf einem Trigger-Modul – wie beispielsweise dem Abruf eines Datensatzes – können mit Make Actions eingestellt werden. Im Bereich der AI-Automationen lassen sich somit Module mit Gemini Pro, ChatGPT oder Claude verwenden, die wiederum Daten analysieren, matchen oder verschriftlichen können. Auf diese Weise kannst du beispielsweise basierend auf deinen Ads AI-Anzeigenalternativen mit Copywritings erstellen.
429 Error & Sleep Module
Bei der Bedienung von AI Modulen gibt es eine besondere technische Nuance: Wenn zu viele Abrufe über die API hintereinander geschehen, wird ab einer gewissen Dauer die Automatisierung unterbrochen und es wird ein 429 Error ausgegeben. Damit die AI-Automatisierung bei Make nicht unterbrochen wird, wurden Sleep-Module eingebaut, bei denen eine kleine zeitliche Verzögerung zwischen den API Calls für das AI-Modul platziert wird.
