Estudio de caso Nextail: Cómo abordar la optimización del feed

    stencil.default (3)

     

    Nextail es el departamento omnicanal de Blokker Holding, una gran empresa que cuenta con 10 cadenas de tiendas, 2200 establecimientos físicos en 8 países diferentes (como Países Bajos, Bélgica o Alemania) y más de 21 000 empleados. Entre las marcas de Blokker Holding se pueden encontrar: Intertoys, Leen Bakker, Xenos o Cook&Co. Nextail trabaja con 20 tiendas web y vende sus 250 000 productos en 200 canales de Shopping diferentes.

     

    Como Marketing Manager de Nextail, Arjen Hoek y su equipo supervisan todas las actividades de marketing de rendimiento y, desde DataFeedWatch, nos encargamos del marketing basado en el feed de datos. Hace un tiempo, Nextail tuvo que hacer frente al desafío de escoger una nueva herramienta para el feed de datos. Estos son los retos a los que se enfrentó y la manera en la que utilizó las herramientas de DataFeedWatch para resolverlos.

     

     

    ¿Cómo mejorar la calidad del feed de datos?

     

    Arjen: «Exportamos los feeds de datos de 20 tiendas online. Nuestro departamento de TI se encarga de garantizar que los feeds sean estables y contengan toda la información posible. El contenido y la calidad de los datos varía en función de la tienda. A veces, los feeds no contienen datos necesarios y, a menudo, logramos optimizar los datos para las campañas de PPC que llevamos a cabo en varios canales».

     

    Estas son algunas de las mejoras para Google Shopping que hemos logrado implementar gracias a DataFeedWatch:

    • Título: Incluimos la marca y otros atributos de producto en el título. Cuanta más información contenga el título, mejor será el CTR y la tasa de conversión.
    • Descripciones: Añadimos palabras clave a las descripciones para que los distintos canales mostrasen nuestros anuncios en los resultados de búsqueda correctos.
    • Tipo de producto: Creamos un atributo «product_type [tipo_producto]» para cada artículo, en función de la (sub)categoría a la que pertenecía.
    • Etiquetas personalizadas: Aplicamos etiquetas a aquellos productos que estaban en oferta o que formaban parte de alguna promoción especial con el fin de ajustar las pujas de dichos artículos en Google Shopping.
    • Categorías: Asignamos los tipos de productos a las categorías correspondientes de cada canal y logramos mejorar la tasa de conversión. Nuestro antiguo feed de datos no tenía los productos muy bien categorizados, pero la función de edición en bloque de DataFeedWatch nos permitió solucionar este problema.
    • Criba de productos: Decidimos eliminar del feed aquellos productos con muy pocos datos para que no perjudicasen nuestro rendimiento general ni provocasen la desaprobación de los artículos (por ejemplo, por la falta de una URL de imagen).

     

    Nuevos canales: Añadimos nuevos canales continuamente. Al poder copiar las asignaciones de otros canales, pudimos añadir nuevos en cuestión de minutos.

     

    Vuelve arriba o descarga la Guía definitiva para la optimización del feed de datos

     


    ¿Cómo incluir el estado de las existencias?

     

    Arjen: «El feed de datos incide directamente en el rendimiento de las tiendas online. Por ello, decidimos configurar un feed de datos individual para las existencias. Gracias a este feed, podemos actualizar el nivel de existencias de cada producto varias veces al día; fusionamos este "feed de existencias" con el catálogo de productos principal en DataFeedWatch. De esta manera, podemos garantizar que las existencias de cada producto queden reflejadas con precisión».

     

    Vuelve arriba o descarga la Guía definitiva para la optimización del feed de datos

     


    ¿Cómo vencer a esos competidores con mejores precios?

     

    Arjen: «Cuando la competencia ofrece el mismo producto, solo que a un precio más bajo, lograr la venta es todo un desafío. Contamos con marcas muy fuertes, por lo que no nos vemos en la necesidad de superar en precio a cada uno de nuestros competidores, pero sí que consideramos necesario ofrecer precios competitivos. Para ello, utilizamos una herramienta de fijación de precios dinámica que ajusta automáticamente los precios de nuestras tiendas, de acuerdo con nuestros propios criterios. De todas maneras, hay productos en los que simplemente no somos competitivos y en los que no nos interesa desperdiciar el presupuesto publicitario».

    «Podemos evitar que esto suceda prestando atención a los datos que nos ofrece la herramienta de fijación de precios sobre los precios de la competencia. Esta herramienta muestra un rango de precios en directo para cada uno de los artículos. Exportamos estos datos de la herramienta a DataFeedWatch para utilizarlos de la siguiente manera:

    El rango de precios nos muestra si un precio está clasificado como número 1 (es decir, el más barato) o si nuestra competencia nos supera. Podemos excluir todos los productos de una determinada categoría del feed de datos si, por ejemplo, el rango de precios es superior a 3, porque no nos interesa competir si no estamos entre los 3 mejores precios. De manera similar, la herramienta de fijación de precios nos avisará cuando los productos de los competidores se agoten o cuando el rango de precios haya cambiado, para que podamos añadirlos de nuevo a nuestros feeds».


     

     

    Vuelve arriba o descarga la Guía definitiva para la optimización del feed de datos

     


    ¿Cómo incluir el margen de beneficios en nuestras estrategias de puja?

     

    Arjen: «El CPA de un producto no debe exceder su margen bruto de beneficios o se perderá dinero por cada producto que se venda. Los artículos con un alto margen de beneficios pueden "permitirse" pujas más altas. Asimismo, se debe tener cuidado para no gastar de más en productos con un bajo margen de beneficios. Por lo tanto, es esencial que las campañas de PPC dispongan de datos sobre el margen. En Nextail, resolvimos el problema de la siguiente manera:

    Almacenamos nuestros márgenes de beneficio en un sistema diferente (en lugar de en la tienda online). Exportamos un feed de dicho sistema con los datos relativos al margen de beneficios y DataFeedWatch combinó dicha información con el feed de datos principal. De esta manera, pudimos crear etiquetas personalizadas en función del margen de beneficios, así como utilizarlas en nuestras campañas de Google Shopping para ajustar las pujas y asegurarnos de que estas estuviesen en consonancia con el margen bruto de beneficios de cada artículo».

     

    Vuelve arriba o descarga la Guía definitiva para la optimización del feed de datos

     


    ¿Cómo usar el feed en otras aplicaciones de marketing?

     

    Arjen: «Utilizamos varias aplicaciones y servicios para optimizar el ROI. Por ejemplo, usamos los feeds para crear campañas de Facebook y Google Ads, así como otras aplicaciones en las que introducimos datos sobre los productos automáticamente. Todas estas aplicaciones se basan en excelentes datos de productos y cuentan con sus propios requisitos con respecto al formato y los campos de datos que deben proporcionarse. Gracias a los Canales personalizados de DataFeedWatch, podemos crear estos feeds con requisitos específicos. La función de Canales personalizados nos permite seleccionar el formato del feed (xml, csv, etc.) y definir los campos y los valores que deseemos. De esta manera, podemos optimizar los feeds para otras aplicaciones de la misma forma que lo hacemos para los canales de Shopping».

     

    Vuelve arriba o descarga la Guía definitiva para la optimización del feed de datos

     


    H¿Cómo aprovechar las búsquedas «Dónde comprar…»?

     

    Arjen:«Anunciamos todos nuestros productos en las páginas de nuestros proveedores. Si el cliente visita el sitio web del fabricante, se encontrará con una de nuestras tiendas. Podemos anunciar los productos correctos gracias a los feeds de datos que hemos creado para cada una de las páginas de nuestros proveedores. Esta ha sido una tarea sencilla gracias a los Canales personalizados de DataFeedWatch».

     

    Vuelve arriba o descarga la Guía definitiva para la optimización del feed de datos

     


    Minimizar el tiempo de optimización

     

    Arjen: «Al tener que cargar nuestros feeds a 200 canales diferentes a diario, necesitamos ser muy eficientes a la hora de optimizarlos. DataFeedWatch es una herramienta muy intuitiva que, por lo general, permite realizar los cambios en menos de un minuto. Para cuestiones más complicadas como las expresiones regulares, recurrimos a su ayuda. Cuentan con un chat en directo, disponible desde primera hora de la mañana hasta medianoche y capaz de resolver la mayor parte de nuestras preguntas al instante. La optimización de los feeds de datos debe realizarla el mismo equipo que optimiza las campañas de PPC. Con DataFeedWatch, es pan comido».

     

    Vuelve arriba

     


    New Call-to-action