-

Optimaliseer productfeeds op marketplaces met A/B-testen

Marketplaces worden een steeds belangrijker kanaal voor e-commercebedrijven. Het aanbod en de concurrentie nemen daar dus hard toe. Details in de productinformatie kunnen een grote impact hebben. Met behulp van A/B-testen optimaliseer je je productfeed.

Platformen zoals Amazon, bol.com en Google Shopping worden steeds groter en belangrijker voor e-commercepartijen. Een van de belangrijkste succesfactoren op deze platformen is de informatie die wordt meegegeven aan een productfeed. Maar hoe weet je zeker welke productinformatie het beste werkt? Dit artikel gaat in op het belang van een goede productfeed en hoe je die kunt optimaliseren aan de hand van een datagestuurde optimalisatieaanpak. Op die manier krijg je meer controle over succes op grote verkoopplatformen.

Het belang van de best mogelijke productfeed

Een goede productfeed is een van de belangrijkste succesfactor voor het verkopen via platformen zoals Amazon, bol.com en Google Shopping. Over het algemeen geldt de regel dat hoe uitgebreider de productinformatie is hoe beter de vindbaarheid binnen deze platformen. Campagnes via platformen zoals Google Shopping zijn tegenwoordig dusdanig geautomatiseerd dat de productfeed zeer bepalend is in het resultaat van een campagne.

Aanpassingen binnen de productfeed kunnen daarom een grote impact hebben op de resultaten van campagnes. Deze impact wil je van te voren in kaart hebben voordat die definitief wordt doorgevoerd. Een datagestuurde aanpak van die optimalisatie, in de vorm van A/B-testing, zorgt ervoor dat aanpassingen in de productfeed eerst gevalideerd worden voordat ze volledig worden doorgevoerd. De rest van dit artikel gaat in op de optimalisatie van de belangrijkste attributen (productinformatie) en hoe je dit via een A/B-test kunt valideren.

De belangrijkste attributen

Binnen een productfeed valt er een onderscheid te maken tussen twee soorten attributen:

  • Zichtbare attributen
    Dit zijn productattributen die zichtbaar zijn voor de consument zoals afbeeldingen en de prijs.
  • Niet zichtbare attributen
    Dit zijn attributen die niet direct zichtbaar zijn voor consumenten maar die wel gebruikt worden door platformen voor betere vindbaarheid. Denk aan de afmetingen van een product (bijvoorbeeld 160 bij 200) dat gebruikt wordt voor filtering binnen deze platformen.

De zichtbare attributen hebben de grootste impact op de conversieratio en de doorklikratio (CTR) van producten, terwijl de niet zichtbare attributen heel bepalend zijn voor de vindbaarheid op verkoopplatformen. Het aanpassen van deze attributen kan grote consequenties hebben op de conversieratio of de vindbaarheid binnen deze platformen. Die consequenties versterken het belang van het valideren van je geplande optimalisaties via A/B-testen.

Aanpassingen voor optimalisatie

Een voorbeeld van een optimalisatie is het aanpassen van de productafbeelding. Veel partijen gebruiken een standaard productafbeelding met een witte achtergrond. Om op te vallen binnen de Search Engine Results Page (SERP) zou een afbeelding als volgt kunnen worden aangepast:

  • Iets doen met de achtergrond (bijv. een andere kleur of tint).
  • Productafbeeldingen draaien of spiegelen ten opzichte van de standaard.
  • Een persoon de producten laten dragen

Te allen tijde is het belangrijk om de richtlijnen van Google voor productafbeeldingen aan te houden. Je kunt ook eerst kleinschalig testen of Google bepaalde afbeeldingen wel of niet afkeurt. Maar hoe weet je of een optimalisatie werkt of niet? Dat doe je door verschillende opties te test.

Validatie van optimalisaties

Platformen zoals Amazon, bol.com en Google Shopping hebben geen standaard functionaliteit om A/B-testen te draaien. Om alsnog optimalisaties te kunnen valideren via een A/B-test, is dit een goed werkende omweg:

  • Historische data per product
    De eerste stap is het uitdraaien van historische data per product (SKU of GTIN/EAN). Kijk bij deze data naar naar statistieken zoals klikken, verkopen en omzet.
  • Vergelijkbare productgroepen maken
    Op basis van de historische data maak je twee identieke productgroepen. Op basis van verkeer en SKU of GTIN/EAN kunnen die worden in de groepen “control” en “variant” verdeeld worden.
  • Opzet en draaien van de test
    Tijdens het opzetten van de test is het belangrijk om slechts één verschil aan te brengen tussen de controle- en de variantgroep, bijvoorbeeld de afbeelding. De looptijd van de test zal verschillen per organisatie maar komt vaak uit op 2 tot 5 weken. De hoeveelheid aan data bepaalt hoe lang een test precies moet lopen.
  • Analyse en advies
    Op basis van een statistisch model wordt er een analyse gemaakt en gekeken naar de significante verschillen tussen de controle- en de variantgroep. Het vervolg is een advies over het wel of niet doorvoeren van de geteste optimalisatie.

Concreet resultaat

Deze validatieaanpak heeft zich ook in de praktijk bewezen. Het concrete resultaat is dat je optimalisaties in de productfeed eerst kunt valideren voordat die overal worden doorgevoerd. Dit voorkomt dat je beslissingen neemt die nodeloos omzet kosten en het proces leert je meer over de optimalisaties die juist omzet opleveren.

Over de auteur: Jeroen Witteman is CXO & Digital Advertising Consultant bij OrangeValley.

Op de hoogte blijven van het laatste nieuws binnen je vakgebied? Volg Emerce dan ook op social: LinkedInTwitter en Facebook.

Deel dit bericht

Plaats een reactie

Uw e-mailadres wordt niet op de site getoond