Slava Wagner – SEA, CRO, Data & Forecasting

MarTech Award Winner (2024) – Innovation in Business

DE

EN

Forecast Frameworks  für Metriken im Online Marketing

Erstelle einen validierten Forecast für Online-Marketing-Metriken: Traffic, Conversion-Entwicklungen, Synergie-Effekte und Zielerreichungs-Roadmaps. 

Predictive Performance Marketing ist eine Methode, mit der du wahrscheinliche Marketing-Entwicklungen 6 – 12 Monate im Voraus monitoren kannst. Das nachfolgende Framework hilft dir dabei, das passende Messkonzept, die passende Metrik und die passende Technologie zu finden.

Was kannst du vorhersagen?

Conversions vorhersagen

Ein Kombinationsforecast für Conversions oder Leads aus bezahlter Werbung ermöglicht eine validierte, modulare Vorhersage der Conversion-Entwicklung zwischen mehreren Akquisitionskanälen (Module) im Online-Marketing. Der Fokus liegt hier auf den Synergieeffekten zwischen mehreren Akquisitionskanälen: Organische und bezahlte Entwicklung, Umwandlung von Neukunden in wiederkehrende Kunden und UX-Veränderungen.

Nutzer-Traffic vorhersagen

Der Forecast für Nutzer-Traffic zeigt uns, welche Schwellenwerte und Trends uns auf einzelnen Akquisitionskanälen erwarten. Geeignet für organischen Suchmaschinen-Traffic, bezahlten Ads-Traffic und organischen Social-Media-Traffic.

Technologie wählen

Wähle die Umgebung für Regressionsanalysen, mit der du den Forecast erstellen willst.

Forecast erstellen via Microsoft Power BI

Forecasts erstellen via Vertex AI auf der Google Cloud

Forecasts erstellen via IBM Cognos Analytics

Wähle einige Metriken aus, für die du einen Forecast erstellen willst

Forecasts können aus beliebigen Modulen an Metriken und Kanälen zusammengestellt werden – entweder einzeln oder aus allen mit verrechneten Synergieeffekten.

SEO-Forecast für organische Suchmaschinen-Metriken

Daten aus der Google Search Console, Bing Webmaster Tools, aus Google Analytics mit Segment für organischen Traffic, Matomo, Adobe Analytics.

  • Tageszugriffe als Datenset vorbereiten
  • Organische Conversions pro Tag als Datenset vorbereiten

Ads-Forecast für Metriken aus bezahltem Traffic

Daten aus Google Ads, Microsoft Ads, LinkedIn Ads, Facebook & Instagram Ads.

  • Conversions und Kosten pro Conversion als Datenset vorbereiten nach Tagen, Wochen oder Monat
  • Deals aus Paid-Search nach Tagen, Wochen oder Monaten vorbereiten

Social-Media-Forecast für organische Entwicklung

Daten aus Social-Media-Portalen als Datenset vorbereiten: Das können plattforminterne Daten sein, oder eigene Website-Metriken.

  • Impressionen und Klicks aus Beiträgen als Datenset vorbereiten nach Tagen, Wochen oder Monaten
  • Traffic-Entwicklung auf der Website mit Conversion-Rate für Traffic aus sozialen Medien verrechnen

Forecast für Customer Lifecycles

Daten aus Analytics- und CRM-Systemen.

  • Google Analytics: Wie viele neue Kunden werden zu wiederkehrenden Kunden (Quote)
  • Durchschnittliche Dauer der Umwandlung vom Lead zum MQL und zum SQL, sofern gegeben

UX-Forecast für UX-Metriken

Forecast für den Gesamteinfluss von UX-Optimierungen im Website-Nutzverhalten. Sinnvoll für Anwender, die viele A/B-Website-Tests,  beispielsweise mit Google Optimize, durchführen.

  • Verbesserte Conversion-Rates
  • Verbesserte Absprungraten oder Interaktionsraten
  • Verbesserte Scrolltiefen

Validierung

Vergangenheitsforecast als Prüfstein

Durch einen Vergangenheitsforecast – also der Prüfung bestehender Entwicklungen anhand vorangegangener Daten – lässt sich die Aussagekraft des Berechnungsmodells belastbar validieren. Bei der Validierung wird ein belastbarer Saisonalitätswert ermittelt, um einen realitätsnahen Forecast erstellen zu können.

Validierten Saisonalitätswert einsetzen und Forecast finalisieren

Sobald ein Saisonalitätswert ermittelt wurde, der im Vergangenheitsforecast realitätsnahe Trendentwicklungen im Abgleich mit der echten Entwicklung hergab, muss dieser nun für den echten Forecast eingerechnet werden. 

Validierung von Saisonalitäten mit Vergangenheitsforecast

Interpretation der Daten

Je weiterein Forecast reicht, desto geringer wird seine Realitätsnähe. Ein Modell, das auf einer Regressionsanalyse basiert, kann entsprechend nur teilweise bestimmte realitätsnahe Muster vorhersagen und selbstredend nicht die Realität selbst prognostizieren.

Vorhersagezeitraum: Am sichersten ist es eine Entwicklung bis zu 6 Monate im Voraus vorherzusagen, – mit geringerer Realitätsnäähe bis zu 12 Monate. Ein Vorhersagezeitraum von etwa 120 Punkten (Tage als Dateneinträge) ist ein guter Einstieg. Von da aus lässt sich das benutzerdefiniert testen.

Saisonalität: Eine Saisonalität von 200 Punkten ( Tage als Dateneinträge) ist ein guter Einstieg. Von da aus lässt sich das benutzerdefiniert testen.

Forecast-Daten interpretieren

Fertig: Jetzt können wir Schlussfolgerungen aus unserem Forecast gewinnen. Das gilt vor allem für das Erreichen bestimmter Schwellenwerte ab einem bestimmten Monat. Wenn ein Wert laut Forecast ab einem dauerhaft unterschritten werden wird, so könnte hier ein Handlungsbedarf enstehen.

Daraus können wir in einem Team auch ein manuelles Überwachungssystem mit Alerts einrichten. Wenn monatlich Forecasts zu ausgewählten Performances durchgeführt werden, und zum Beispiel die organische Entwicklung an Website-Klicks aus Google-Suche einen Schwellenwert zu unterschreiten droht, lässt sich direkt eine standardisierte E-Mail mit Handlungsempfehlung versenden.

Aufwärtstrends ausbauen

Aufwärtstrends erkennen und strategische Überlegungen über einen möglichen Ausbau des Vorsprungs.

Die prognostizierten Werte liegen rechts der roten Trennlinie und zeigen die potenziellen Möglichkeiten einer Erweiterung des Aufwärtstrend am Beispiel des organischen Traffics auf der Website. 

Abwärtstrends verhindern

Wir können Abwärtstrends präventiv vorgreifen, bevor sie eintreten und ein Monitoring mit Alert-Funktion aufsetzen, das uns für unsere Akquisitionskanäle rechtzeitig frühwarnt und Handlungsempfehlungen gibt.

Es ist möglich, Abwärtstrends zu vorauschauend vorzugreifen, bevor sie eintreten. Ein manuelles Überwachungssystem mit einem Team, welches die Wanrfunktion übernimmt, hilft,  frühzeitig für unsere Akquisitionskanäle vor einem drastischen Unterschreiten bestimmter Schwellenwerte in 6 – 12 Monaten zu warnen.

KPI-Zielerreichung planen

Wir können abschätzen, wie lange es dauert, bis wir mit einer Online-Marketing-Kampagne einen bestimmten Schwellenwert erreichen. Das ist vor allem dann wichtig, wenn wir wissen möchten, ob eine Zielmarke von zum Beispiel 10.000 organischen Zugriffen im Monat mit unserer Strategie in 6 Monaten erreicht werden kann, oder ob sie unter den gegebenen Umständen erst in 3 Jahren anzieht. In einem solchen Fall müssten wir nachkalibrieren.

Die Prognosewerte stehen rechts neben der roten Trennlinie. Wenn wir einen bestimmten Schwellenwert anstreben, können wir in diesem Beispiel abschätzen, wie lange es dauern würde, dieses Ziel zu erreichen oder zumindest anzureißen.

Szenario-Simulation

Zusätzlich zu den Forecast-Daten lassen sich außerdem spannende Szenario-Simulationen für KPI-Zielerreichungen durchführen: Welches Werbebudget unter welchen Bedingungen angewandt werden könnte, und welche Teamstärke in der Erstellung von organischem SEO-Content vonnöten wäre, um eine bestimmte Reichweite zu erhalten.

Mit Forecasts Team-Ressourcen im Online Marketing simulieren

Slava Wagner

Marketing & Leadgenerierung

SEA, Paid Media, Conversion-Rate-Optimierung, Markt- und Trendanalysen im Raum Berlin-Brandenburg.

Telefon: +49 176 588 744 04
E-Mail: info@slavawagner.de

Hast du eine Frage zu Forecast-Frameworks im Online Marketing?

Wenn du nicht weiß, wie du am besten ein Monitoring für deine Online-Marketing-Kanäle mit Forecasts erstellen kannst, dann kannst du deine Fragen auch stellen:

Frage stellen

info@slavawagner.de