Biedingen optimaliseren (Amazon)
Hoe optimaliseer je biedingen op Amazon?
In essentie
In tegenstelling tot Google Ads, lijkt er geen Quality Score te zijn en ook geen ranking. Optimalisatie is binnen Amazon vermoedelijk relatief eenvoudig. Onder de aanname van ceteris paribus heb je een driestappenplan:
- Per tijdsperiode per zoekterm bod + resulterende winst + bijborende getallen verzamelen/berekenen
- Overdrachtsfunctie winst(bod) in kaart brengen ahv. deze getallen
- Bod optimaliseren ahv. deze overdrachtsfunctie + hunt & bisectioning (oid.)
Voorbeeld
Periode Bod Imp Clicks Conv Kosten Omzet ACoS Winst (ACoS_max=40%) ------- ------ --- ------ ---- ------ ----- ---- ------------------------------------ 1 € 0,25 120 20 5 € 5 € 50 10% 40%*€ 50 - € 5 = € 20 - € 5 = € 15 2 € 0,50 200 30 8 € 15 € 80 19% 40%*€ 80 - € 15 = € 32 - € 15 = € 17
Complicaties
Het voorbeeld hierboven toont een paar complicaties:
- Het verband tussen de input-grootheid bod en de output-grootheid winst, is niet-lineair. Het zal voortdurende interpolatie vereisen om dit verband inzichtelijk te maken
- Moet voor de volgende periode het bod verder verhoogd worden, of juist iets verlaagd? → De verhoging van het bod met 50%, is nogal groot. Maar eigenlijk weet je dit nooit: Het is immers een niet-lineair probleem. Oplossing: Doe maar wat (bv. binary search aka hunt & bisectioning) + blijf meten en vanzelf ontstaat de overdrachtsfunctie
- In dit voorbeeld zijn er respectievelijk 5 en 8 conversies per periode. Dat is al aardig wat, maar vermoedelijk aan de lage kant om statistisch significant te zijn. Dat probleem wordt erger als het om bv. maar 1 of 2 conversies per periode gaat
- Belangrijk om per AdGroup 1 product te hebben, maar ook maar 1 zoekterm. Vaak heb ik vergelijkbare zoektermen per AdGroup, maar dat werkt niet qua optimalisatie
- De aanname van ceteris paribus, is tricky: In Amazon verkrijg ik veel minder data per tijdsperiode, dan in Google Ads.
Optimalisatie in één stap
Vaak zijn er situaties waarin ik in één stap ahv. één datapunt een nieuw bod wil bepalen. Dat kan, onder aanname van een aantal heuristieken:
- Doelwaarde ACoS: 50% van ACoS_max
- Aantal klikken als functie van het bod:
Clicks = constante * sqrt(bod) - Relatie klikken & conversie: Onafhankelijk van het bod
- Conversie-ratio: Waarschijnlijk beschik je over een meetwaarde. Zoniet (dat zou heel gek zijn), gebruik dan 2%
- Omzet/conversie: Constant; onafhankelijk van het bod. Gebruik historische data of whatever
- Relatie CPC & bod: Aanname: Identiteit.
De truuk is, om de waarde van de constante te achterhalen. En da's niet zo moeilijk, want die heb je in het beschikbare datapunt (hoe inadequaat dat ook moge zijn). In de voorbeelden eerder in dit artikel:
Situatie Bod sqrt(Bod) Clicks Constante -------- ------ --------- ------ -------------- 1 € 0,25 € 0,5 20 C=20/0,5 = 40 2 € 0,5 € 0,71 30 C=30/0,71 = 42
De formule wordt zoiets als:
Nettowinst = ACoS_max * { alpha * sqrt(bod) * CR * Revenue/conversie } - {bod * clicks}
Dit wil ik herschrijven tot nettowinst als functie van bod, maar daar kom ik nu even niet uit. Zal wel een tweedegraads-functie zijn. Wat je in ieder geval kunt zien: De kosten nemen lineair toe met het bod, terwijl de winst toeneemt met de wortel van het bod.
Vuistregel
- ACoS met een factor-x verhogen? ⇒ Bod met een factor sqrt(x) verhogen
- ACoS met een factor-x verlagen? ⇒ Bod met een factor sqrt(x) verlagen
Toegepast op het voorbeeld
Als ik deze vuistregel toepas op het voorbeeld eerder in dit artikel:
* ACoS verdubbelen ⇒ * Bod verhogen met factor sqrt(2) = 1,4 * Oude bod: € 0,25 * Nieuwe bod: € 0,34
En dat ziet er een stuk beter uit, dan de verdubbeling in het voorbeeld.