Databricks optimiert Ad-Performance mit neuen A/B-Tests für Message Ads

•  Aufgrund der COVID-19-Pandemie musste das Team von Databricks, einem Anbieter einer cloudbasierten Plattform für einheitliche Datenanalysen und künstliche Intelligenz, eine Konferenz, die ursprünglich in London stattfinden sollte, virtuell abhalten. Da Databricks dadurch eine größere Zielgruppe ansprechen konnte, musste das Team schnell eine Möglichkeit finden, weitere potenzielle Teilnehmer:innen zu finden und zu erreichen.

•  Databricks nutzte LinkedIn zu diesem Zeitpunkt bereits, um die Datenbank des Unternehmens zu erweitern und eine Pipeline mit hochwertigen Leads für das Vertriebsteam aufzubauen. Daher bot es sich an, die Plattform ebenfalls zu verwenden, um auf das Event aufmerksam zu machen und die Teilnehmerzahlen zu steigern.

•  „Wir waren auf der Suche nach einer Möglichkeit, unsere Zielgruppe auf persönliche Weise anzusprechen“, so Justin Epstein, Senior Manager of Paid Media bei Databricks. Das Team entschied sich für eine LinkedIn Message Ads-Kampagne, die sich gezielt an Personen in hohen Führungspositionen richtete. Das Problem: Die Kosten pro Lead waren zu hoch.

•  Das Team erweiterte seine Zielgruppe. „Wir haben unsere Kampagne angepasst, um zusätzlich Personen mit Praxiserfahrung in den Bereichen Datenwissenschaft und Engineering anzusprechen“, erläutert Epstein.

•  Das Paid Media-Team von Databricks nutzte zudem die Gelegenheit, um eine neue Funktion von LinkedIn auszuprobieren: A/B-Tests für Message Ads. Tests spielten in der Strategie von Databricks bereits eine bedeutende Rolle. „Bei uns werden Kampagnen grundsätzlich getestet. Wir experimentieren mit verschiedenen Optionen oder führen A/B-Tests durch und lassen dann die Daten entscheiden“, so Epstein.

•  Das Team testete zwei Betreffzeilen und drei Textvarianten. In zwei der Textvarianten begann der Text mit einer Frage, in der dritten bettete das Team einen Hyperlink in den ersten Satz ein und gab Details zum Event an.

•  Bei allen Message Ads-Varianten lag die Öffnungsrate bei über 70 %, die Click-Through- und Conversion-Raten waren bei der dritten Variante aber nahezu doppelt so hoch wie bei den anderen beiden.

•  „Mit der Variante mit Hyperlink und Details zum Event konnten wir doppelt so viele Conversions erzielen und unsere CPA gleichzeitig halbieren“, erläutert Epstein.

•  In der Strategie von Databricks spielen Tests längst eine zentrale Rolle und mit LinkedIn kann das Team sie nun einfacher und direkt auf der Plattform durchführen. „Bei umfassenden Inhalten oder wichtigen Kampagnen führen wir grundsätzlich A/B-Tests durch. Man lernt schließlich nie aus“, erklärt Epstein. Diese Message Ads-Kampagne sah das Team „als hervorragende Gelegenheit, um einen personalisierten Ansatz zu testen und zu prüfen, wie dieser im Vergleich abschnitt“.

•  Dank der benutzerfreundlichen Funktionen für Anzeigen- und Kampagnentests hat das Team von Databricks wertvolle Erkenntnisse gewonnen, die es zum Beispiel für die Optimierung von Kampagnen und der Lead-Generierung einsetzen kann. „Testen Sie Ihre Inhalte, analysieren Sie die Ergebnisse und nutzen Sie Ihre Erkenntnisse, um künftige Tests zu optimieren und Ihre Strategie kontinuierlich weiterzuentwickeln“, empfiehlt Epstein.

•   Das Team von Databricks gab nicht auf, als sich seine erste Idee – eine Message Ads-Kampagne, die sich nur an Führungskräfte richtete – als nicht zielführend herausstellte. „Nur weil etwas nicht auf Anhieb funktioniert, heißt das nicht, dass Sie sofort Ihre gesamte Idee verwerfen sollten“, so Epstein.

•  Angesichts der hohen Mitgliederzahl und der umfassenden Targeting-Optionen der Plattform war das Databricks-Team überzeugt, dass eine Message Ads-Kampagne auf LinkedIn der richtige Weg war. „Nachdem wir uns näher mit unseren Daten befasst und verstanden hatten, wie sich unsere Kosten durch die Anpassung unserer Zielgruppe senken ließen, konnten sich unsere Ergebnisse sehen lassen“, berichtet Epstein.

•  Die Ergebnisse der ersten Message Ads-Kampagne und der A/B-Tests lieferten dem Team wichtige Erkenntnisse zum Profil potenzieller Konferenzteilnehmer:innen – zum Beispiel die, dass das Engagement von Entscheider:innen geringer ausfiel als erwartet. „Obwohl wir zahlreiche Entscheider:innen erreichen konnten, kamen wir zu dem Schluss, dass sich viele Inhalte unseres Events eher an Fachpersonal richteten“, so Epstein.

•  Das Team von Databricks verlagerte seinen Fokus von hochrangigen Führungskräften auf Personen mit Praxiserfahrung. Es passte Targeting, Anzeigen und Textvarianten an – und erzielte damit deutlich bessere Ergebnisse. „Dank der fundierten Datengrundlage konnten wir unsere Hypothese bestätigen und die gewünschte Performance erzielen.“