Hypothesen folgen meist dem Wenn-Dann-Weil Prinzip. Selbst erklärend bedeutet dies, wenn ein Ereignis X eintritt, dann passiert ein Folge-Ereignis Y, weil Z eintraf. Essentiell ist, dass die Hypothese eine klare und unmissverständlich messbare Aussage ist. Hier ein Beispiel für den Ablauf einer Hypothesenbildung: Diese Hypothese kann nun getestet werden und wird somit konkrete Ergebnisse liefern. Entweder es lag tatsächlich am Bestellvorgang, dass so viele Personen abgesprungen sind – dann kann diese Hypothese verifiziert werden. Oder aber es lag nicht am Bestellvorgang und die Hypothese wird falsifiziert. Auch in diesem Fall gibt es einen Lerneffekt und die verworfene Hypothese trägt zu einer Optimierung der Kampagne bei, weil dadurch ein möglicher Grund für eine schlechte Performance ausgeschlossen werden kann und stattdessen eine neue Hypothese aufgestellt und getestet werden kann.
Angenommen man würde eine Kampagne starten ohne ein konkretes Ziel vor Augen zu haben. Am Ende der Laufzeit kann man weder zufrieden noch unzufrieden mit den Ergebnissen sein – man fliegt sozusagen im Blindflug. Darüber hinaus kann man wenige Learnings für weitere Folge-Kampagnen mitnehmen. Hypothesen und Prognosen helfen hier, um einen gewissen Korridor für Erfolg zu gestalten und um eine Benchmark zu setzen, an der sich Marketer orientieren können. Verschiedene Hypothesen können einem nach der Beendigung der Kampagne helfen, ob man mit den Ergebnissen zufrieden sein kann und wo die Gründe für eine etwaige schlechtere Performance zu finden sind. Jeder Marketer stellt bereits bei der Budget- und Mediaplanung für eine neue Kampagne (bewusst oder unbewusst) verschiedene Hypothesen auf, indem er beispielsweise dem einen Kanal mehr Budget zuweist als dem anderen. Diese Aufteilung impliziert die Aussage “Ich gehe davon aus, dass wir auf diesem Kanal bessere Ergebnisse erreichen als auf diesem Kanal, weil wir hier an mehr interessierte Nutzer ausspielen können”. Jede Budgetumschichtung während einer Kampagne ist somit die Falsifizierung einer Hypothese: “Der Kanal performt nicht so gut wie ich dachte – ich muss meine Mediaplanung abändern und das Budget für einen anderen Kanal verwenden, welcher bessere Klickzahlen und Conversion-Werte liefert.”
Im Folgenden sollen zwei Fallbeispiele für Hypothesen-Tests vorgestellt werden. Angenommen man möchte ein Produkt bewerben, welches viele unterschiedliche Vorteile für den Endkunden bereit hält. Um hier am effektivsten herauszufinden, welcher Vorteil beim Endkunden am besten ankommt, sollte man die unterschiedlichen Vorteile gegeneinander testen. Hier arbeitet man also ebenfalls mit Hypothesen. Eine dieser Hypothesen könnte beispielsweise sein: Der Vorteil “günstiger Preis” wird auf dem Kanal Facebook besser funktionieren als der Vorteil “großer Komfort”. Anhand dieser Hypothese gestaltet man zwei unterschiedliche Werbemittel mit den jeweiligen Vorteilen und testet sie gegeneinander.
Nach der Anfangsphase der Kampagne kann man bereits erste Rückschlüsse ziehen, ob die formulierte Hypothese verifiziert oder falsifiziert werden kann. Das Ergebnis würde in unserem Fall ein Deaktivieren des weniger erfolgreichen Werbemittels sein. Somit wird die Effektivität der Kampagne gesteigert. Wie schön wäre es, wenn man vor dem Beginn einer Kampagne die Conversion Rate vorhersagen könnte? Wie durch Zauberhand könnte man sagen, dass man mit einem bestimmten Budget eine bestimmte Anzahl an Conversions erreichen kann. Hat man als Unternehmen also das Ziel mit einer Kampagne eine Anzahl von X Conversions zu erreichen, könnte man somit vorhersagen, wieviel man an Budget dafür verwenden muss. Leider sind selbst erfahrene Performance Marketer keine Wahrsager. Mit Hilfe von Reverse Engineering kann man sich aber an ein Ergebnis herantasten und somit eine Prognose erstellen. Und so funktioniert’s:
Füge in eine Excel Tabelle deine Kanäle und Targetings ein, welche du für deine Kampagne verwenden möchtest. Alle grau hinterlegten Felder sind geschätzte Werte, welche du aus deiner Erfahrung als Online Marketer einschätzen kannst. Alle anderen Werte ergeben sich nun automatisch in Abhängigkeit der ausgefüllten Spalten, sobald du ein beliebiges Budget eingibst. Nun kannst du sehen wieviel Budget du verwenden musst, um eine bestimmte Anzahl an Conversions zu erreichen. Die Tabelle fungiert wie eine Art Budget-Conversion-Umrechner. Während der Kampagnenlaufzeit beziehungsweise nach der Kampagne kann ich dann feststellen, ob ich meine Hypothese zu optimistisch oder pessimistisch formuliert habe. Sollte die Conversion Rate am Ende der Kampagne höher liegen weiß ich, dass ich bei meiner nächsten Kampagne den Wert nach oben korrigieren kann. Liegt die Conversion Rate schlussendlich jedoch unter meinen prophezeiten %, liegt der Fehler womöglich an meiner Landing Page. Hier gibt es viele unterschiedliche Anhaltspunkte, was hier das Problem sein könnte: die Landing Page hat eine zu lange Ladezeit, die Landing Page ist unübersichtlich, die Landing Page weist Bugs auf, das Ausfüllen des Kontaktformulars ist zu kompliziert oder eine zu große Hürde für die Nutzer uvm. Man sieht, das auch hier der bereits oben beschriebene Merkspruch gilt: auch eine falsifizierte Hypothese bringt aufschlussreiche Erkenntnisse für die Zukunft. Sieht man in der Tabelle nämlich, dass sich alle anderen Parameter, welche mit der Qualität der Werbemittel oder der Effektivität des Targetings in Verbindung stehen (nämlich CPM, CTR, CPC und auch qualitative Werte wie die Zeit auf der Seite und Scrolltiefe), auf dem erwarteten Niveau bewegen, erhält man die Erkenntnis, dass man hier nicht zwingend etwas ändern muss, da das Problem eher an der Landing Page liegen wird.
Am Ende einer Kampagne steht meist ein und dieselbe Frage: Ist die Kampagne zufriedenstellend gelaufen und falls nicht, woran hat es gelegen? Schlussendlich kann man vieles vermuten und glauben, jedoch richtige Beweise dafür, dass es am Werbemittel, am Targetings oder an der Landing Page gelegen hat, hat man selten. Mit Hilfe des Ausschlussverfahrens und verifizierten/falsifizierten Hypothesen kann man bereits einige Faktoren eliminieren und zielgerichtet das jeweilige Problem angehen. Dies ist von großer Bedeutung, wenn man im Anschluss eine Folgekampagne startet und hier bessere Ergebnisse erreichen möchte. Hypothesen im Performance Marketing sind somit nicht nur ein echter Gradmesser für Erfolg, sondern generieren auch Learnings und Optimierungsvorschläge für die Zukunft.
Formulierung von Hypothesen
Warum Hypothesen?
Fallbeispiele:
Der A/B-Hypothesen Test:
Hypothesen zum Treffen von Vorhersagen:
Fazit
Monat: August 2020
Das Problem mit Spam und der Kategorisierung
Problemzone I: Die Email-Kategorisierung
2013 war wohl ein etwas fatales Jahr für einige Dienstleister und Lieferanten, deren hauptsächlicher Kanal Email-Marketing ist. Denn in diesem Jahr führte Google Mail die sogenannten “tabbed inboxes” ein. Anhand des Inhalts der Email konnte Google sehr treffsicher zuordnen, um was es sich in der Email handelt und kategorisierte die Emails automatisch in:
- Primär: Hier landen tatsächlich nur Konversationen mit Personen und Nachrichten, die Sie explizit als Nutzer gekennzeichnet haben.
- Social: In diesen Ordner werden Social Updates von LinkedIn, Facebook, Twitter & Co zusammengeführt
- Promotions: Hier landeten plötzlich die ganzen Newsletter Emails von Otto, Amazon und grundsätzlich alles mit einer Handlungsaufforderung (CTA-Button) im Inhalt.
- Updates: beispielsweise Kreditkarten-Abrechnungen, allgemeine Rechnungen, Flugtickets etc.
- Forums: gut… diese Kategorisierung wird es wohl nicht mehr lange benötigen.
„Mit dieser Kategorisierung hat sich auch das Nutzungsverhalten der Gmail User geändert. Sie verbrachten jetzt die meiste Zeit in ihrer primären Inbox und unterhielten sich mit Personen. Alle Newsletter wurden dann in einem Bulk gelöscht oder selektiv evtl. gelesen. Immerhin hat man eine Chance gelesen zu werden, im Gegenteil zum Spamfolder.“
HANS-PETER MANZENREITER
HEAD OF MARKETING AUTOMATION
Problemzone II: Der Spamfolder
Hier möchten Sie nicht landen. Da könnten Sie auch gut und gern gar keine Email senden. Email Spam gibt es vermutlich so lang wie die Email ansich. Jedoch hat sich das Versandvolumen, die Methodik und selbst die Personalisierung der unerwünschten Emails in den vergangen Jahren weit professionalisiert und Massenmailings sind über entsprechende Plattformen keine Hexerei mehr.
Selbst ich verfüge beispielsweise über eine amerikanische Universitäts-Email-Adresse mit name@universität.EDU – und auch 4-6 Jahre alte Gmailkonten lassen sich in 10er Paketen kaufen – eine einschlägige Google-Suche dafür genügt um Marktplätze dafür zu finden.
Und so wundert es nicht, dass im Dezember 2019 der prozentuelle Anteil an Spam-Mails 57,26% betrug (im Vergleich zum gesamten Mailaufkommen). Das heißt: Jedes zweite Email das auf der gesamten Welt versendet wird – ist Spam!
(Quelle: Statista)
Was es zu beachten gilt
Dies ist natürlich keine vollumfängliche Auflistung der Schritte die sie setzen müssen, aber ein guter Start für Ihren Email Versand! Es gilt den Spamfiltern und Email-Providern zu versichern, dass man kein Spoofing, Phishing oder Spam betreibt. Hier gibt es zum eine technische “Absicherung”, zum Anderen inhaltliche Elemente, die Sie beim Versand berücksichtigen sollen.
Technische Vorkehrungen
Auf technischer Ebene gibt es drei wesentliche Einstellungen, die Sie oder Ihr System-Administrator/Domain-Verwalter vornehmen müssen, in Abstimmung mit Ihrem Email-Provider:
- DKIM-Eintrag: Steht für Domain Keys Identified Mail und überprüft, ob der Email-Inhalt während des Versands von 3. geändert wurde.
- SPF: stellt sicher, dass der Absender auch tatsächlich Sie sind. Es kann überprüft werden, ob der Versandserver die Autorisierung des Domaininhabers hat.
- DMARC: Funktioniert in Verbindung mit DKIM & SPF und prüft die Validität einer Email.
Inhaltliche & gestalterische Vorkehrungen
Gewisse Begriffe kommen in Spam-Emails tendenziell öfter vor, als in normalen Emails. Aber hier soll nicht auf EIN Wort Acht gegeben werden, sondern der gesamte Text-Corpus soll betrachtet werden. Denn Ihr Newsletter bekommt einen Gesamtscore vom inhaltlichen Aufbau des Emails.
Vermeiden Sie die übermäßige Verwendung folgender und ähnlicher Begriffe in Ihrem Newsletter:
- 100% kostenlos
- gebührenfrei
- schnelles Geld
- Gewicht verlieren
- Jede Art von Arzneimittelnamen 😉
Natürlich sagt man bei den Wörtern: logisch. Aber oft ergeben sich in Satz Konstellationen Zufälle, wo genau solche Wörter sich einschmuggeln. HubSpot hat dazu noch ein paar weitere Wörter für Sie parat.
Gestalterisch toben sich natürlich Grafiker, Designer & Co. gerne aus, jedoch wird hier oft vergessen, dass Newsletter-HTML irgendwo zwischen Nintendo Gameboy und Einwahl-Modem hängen geblieben ist. Das bedeutet: nicht alles was sich ein Designer wünscht, lässt sich auch tatsächlich in einem Newsletter abbilden.
Hier kann ich Ihnen Litmus.com wärmstens empfehlen. Sie können an eine vordefinierte Liste an Email-Adressen Ihren geplanten Newsletter senden und Litmus.com zeigt Ihnen eine Voransicht, wie Ihr Newsletter bspw. in Outlook.com oder GMX dargestellt wird.
Email- & IP-Adresse aufwärmen
Ob Sie es wollen oder nicht, aber Ihre Domain (und die dazugehörige IP Ihres Mailservers) verfügt über eine gewisse digitale Reputation. Diese Reputation sagt aus, ob Emails von Ihrer Domain/IP tendenziell Spam sind oder nicht. Also vergeben Email-Provider ein sogenanntes Scoring. Das Scoring gibt aus, wie hoch die Gefahr ist, dass es sich bei Ihrer Email um eine Spam-Mail handelt (also wie gut oder schlecht die digitale Reputation der Domain & IP-Adresse ist). Sollte Ihr Score im oberen Drittel angesiedelt sein, ist die Wahrscheinlichkeit hoch, dass Ihre Email ungeprüft automatisch im Spam-Ordner landet.
Sollten Sie also nun von null beginnen mit Email-Marketing oder transaktionalen Emails, sollte unbedingt vorab eine Aufwärmphase durchgeführt werden.
Was in der Aufwärmphase geschieht:
- Manuelle Aufwärmphase
In der manuellen Phase werden zuerst kleine Gruppen an Empfängern adressiert und die Reichweite kontinuierlich erweitert. In den Anfangsphasen sollte es sich um Empfänger handeln, wo Sie wissen, dass die Emails geöffnet oder gelesen werden, zumindest nicht als Spam markiert werden. Dies erfordert zu Beginn viel manuelles Zutun. - Automatisierte Aufwärmphase
In der automatisierten Aufwärmphase werden Emails über Ihren Email-Server in kontinuierlichen Abständen versendet, empfangen und verarbeitet. So werden zu Beginn beispielsweise 20 Emails pro Stunde gesendet und stetig gesteigert, bis man ein Optimum an Emails pro Stunde sicher versenden kann. Darüber Hinaus kann bei der automatisierten Aufwärmphase darauf geachtet werden, dass alle Emails in den Primärordner bei bspw. Gmail verschoben werden, sodass zukünftige Emails nicht im Promotions-Ordner landen.Dies ist natürlich nur mit einer dementsprechenden Software-Unterstützung möglich.
Planen Sie daher zumindest 3-4 Wochen ein, bis Ihr Email-Server versandbereit ist und um ein größeres Volumen an Emails zu versenden, ohne im Spam-Folder zu landen.
Fazit
Email Zustellbarkeit ist ein wichtiges Instrument, wenn Sie nicht möchten, dass Ihre Rechnungen und Co. in den Spam-Folder Ihrer Adressaten landen sollen.
Wenn Sie einen Umstieg planen oder auf ein Email- / Marketing-Automatisierungs-Tool setzen möchten, helfen wir Ihnen selbstverständlich gerne um den Spam-Folder zu trotzen.
