Von der durchschnittlichen zur exakten Position in Google Ads
Das Ende der durchschnittlichen Position als Kennzahl in Google Ads ist längst besiegelt und eigentlich geht das auch in Ordnung – zu unklar und zu missverständlich ist die vermeintlich selbsterklärende Metrik. Doch es gibt einen Weg, den Schleier der Mittelwerte zu lüften und einen unverstellten Blick auf die tatsächlichen Positionen und deren Performance zu werfen.
Möglich wird die Betrachtung der tatsächlichen Positionen nur mit sehr, sehr vielen Daten – und mit einem kleinen Trick, den wir endlich verraten. Für die tägliche Arbeit hilft das nicht weiter, aber als Agentur können wir so einen Blick auf das Gesamtbild in der Google-Suche werfen.
In diesem Artikel stelle ich erstmal vor, wie wir das gemacht haben und zeige erste Ergebnisse. In den folgenden Wochen werde ich an dieser Stelle weitere Analysen und Erkenntnisse präsentieren.
Datensammlung
Unser Verfahren beginnt mit der Sammlung möglichst vieler Datenpunkte aus Google Ads. Das gelingt, indem man die vorhandenen Performance-Daten so kleinteilig wie möglich betrachtet.
Für unsere Analyse haben wir die Daten jeder einzelnen Anzeige aus vielen unserer Konten soweit wie möglich segmentiert: Nach Gerät, nach Tag, nach Keyword und nach Anzeigenblock. Mit all diesen Segmentierungen erhielten wir extrem viele Datenpunkte. Einige davon haben wir allerdings aussortiert:
- Brand-Kampagnen sollten außen vor bleiben, um die Daten nicht zu verzerren.
- Accounts, bei denen Brand-Begriffe in der Vergangenheit nicht sauber vom Rest getrennt waren, haben wir von der Betrachtung ausgeschlossen.
- Suchnetzwerk-Partner wurden aussortiert.
Aussortieren müssen wir leider auch noch anhand der Positionsdaten.
Auswertbare Positionen
Die Angabe der (durchschnittlichen) Position in Google Ads bezieht sich immer nur auf die Reihenfolge der gezeigten Anzeigen. Ob die Anzeige ober- oder unterhalb der organischen Suchergebnisse war, bleibt außen vor.
Nötig ist deshalb auch die Betrachtung des Segments Obere Position im Vergleich zu anderen. Dieses gibt an, ob eine Anzeige oben oder unten zu sehen war. Auch damit gelingt eine Verortung der Anzeigen nur bedingt.
Generell lassen sich nur fünf Anzeigenpositionen zuverlässig verorten: Die vier oberen sowie der erste untere Anzeigenplatz. Ansonsten sind die unteren Anzeigenpositionen leider mehrdeutig, weil nie klar ist, wie viele Anzeigenplätze davor im oberen Block belegt waren.
Analyse nach der einfachen Methode
Die vorliegenden Zahlen könnte man nun für Analysen nutzen. Werten wir aber beispielsweise die Klickraten auf den oberen Positionen aus, dann zeigt sich, dass hier etwas nicht stimmen kann:
Vor allem beim Sprung auf volle Zahlen führt eine schlechtere durchschnittliche Platzierung zu besseren Klickraten. Das deutet darauf hin, dass uns die Durchschnittszahlen in die Irre führen. Normalerweise müssten wir uns trotzdem damit begnügen, gäbe es da nicht noch einen kleinen Trick.
Der Trick
Der Grundgedanke ist unheimlich simpel: Bei einer Fallzahl von eins wird aus dem Durchschnitt eine exakte Angabe. Zur Illustration zwei Statistiken:
- 25 Mitarbeiter essen pro Person im Schnitt ein Eis
- Martin isst pro Person im Schnitt drei Eis
Hier haben wir im ersten Fall nur eine Durchschnittsangabe für den einzelnen Mitarbeiter, während wir im zweiten Fall sofort wissen, warum das Eisfach im ersten Stock immer so schnell leer ist.
Das gleiche Prinzip lässt sich auch auf Anzeigenimpressionen anwenden. Wenn wir also eine einzelne Anzeigenimpression betrachten, dann sagt uns eine Durchschnittsposition von z. B. 3,0 nun ganz genau, wo diese eine Impression stattgefunden hat.
Für unsere Datensammlung bedeutet das, dass wir nur solche Datenpunkte behalten, bei denen wir genau eine Impression hatten (bei Position 1,0 können wir etwas großzügiger sein). Damit schmilzt die Zahl der Datenpunkte natürlich zusammen, weshalb die ganze Analyse nur funktioniert, wenn die ursprüngliche Datenlage groß genug war. Bei unserer Analyse blieben am Ende noch gut 40 Millionen Impressionen übrig – damit lässt sich arbeiten.
Klickrate nach Position
Für den Anfang haben wir uns die Klickraten nach Positionen (für 2018) angeschaut:
Hier zeigt sich nun klar, dass die oberste Position eine deutlich höhere Klickrate hat als alle anderen. Auf den folgenden oberen Rängen tut sich hingegen längst nicht mehr so viel. Das entspricht ziemlich gut der neuen Einteilung in „oberste“ und „obere“ Positionen.
Im Laufe der Zeit habe ich schon einige Male gehört, dass jemand beim Bieten auf Position 2,0 abzielte: Man will vorne dabei sein, dabei aber allzu hohe Gebote vermeiden. Die obigen Daten legen allerdings nahe, dass die zweite Position im Vergleich zur dritten und vierten vergleichsweise wenig Mehrwert bietet. Wer stattdessen zukünftig auf eine „obere“ Platzierung abzielt, könnte also besser fahren.
Ein Wort zur Datenqualität
So umfangreich unsere Daten auch sind, müssen wir doch feststellen, dass sie nur bedingt übertragbar sind. Sie stammen aus Konten, die von Bloofusion verwaltet werden, womit ein gewisser Standard einher geht. Auch ist die Auswahl der Daten sicher nicht repräsentativ, sondern z. B. von bestimmten Branchen und Ländern mehr geprägt als von anderen.
Aus diesen Gründen sollten die Zahlen hier nicht auf die Goldwaage gelegt werden. Stattdessen geht es mir darum, mit den Daten Trends aufzuzeigen und diese einzuordnen.
Wie geht es weiter?
In den kommenden Wochen werde ich auf Basis der Positionsdaten noch weitere Auswertungen und Analysen vorstellen. Falls es konkrete Fragestellungen gibt, schreibt sie gerne in die Kommentare.
Beim nächsten Mal geht es um die Unterschiede bei den Geräteklassen – muss man mobil wirklich unbedingt ganz oben stehen?
Martin Röttgerding
Martin Röttgerding ist Head of SEA in der Online-Marketing-Agentur Bloofusion und schreibt schwerpunktmäßig über Google Ads im Bloofusion-Blog und hin und wieder in seinem SEA-Profi-Blog PPC Epiphany.
Martin Röttgerding ist auf LinkedIn zu finden.
Neueste Artikel von Martin Röttgerding (alle ansehen)
- Das Google Ads-Wissens-Update 2022 – Online-Seminar - 28. November 2022
- Das Google Ads-Wissens-Update 2021 – Online-Seminar - 10. Juni 2021
- Die wichtigsten Neuigkeiten der Google Marketing Keynote 2021 - 31. Mai 2021
- SEA beyond the Basics (Teil 4): Mit Suchkampagnen Filialkunden gewinnen - 16. November 2020
- Google Ads-Wissens-Update 2020 – Das Online-Seminar - 3. November 2020
April 29th, 2019 at 09:39
Sehr schöne Analyse, vielen Dank dafür! Wie habt ihr diese stark segmentierten Berichte denn erzeugt? In der alten Oberfläche habe ich das auch gemacht – in der neuen bekomme ich da nur Fehlermeldungen in der Art “Bericht zu groß”. Wie kommt man an die Rohdaten?
April 29th, 2019 at 09:55
Moin,
das lief alles über die API. Die Datensammlung haben wir ziemlich zerstückelt, um Schritt für Schritt alles abzurufen und zu verarbeiten: Konto für Konto, Monat für Monat. Die Datenpunkte wurden dann auch immer gleich ein Stück weit konsolidiert. Das alles kam in eine wachsende Datei, die am Ende ganz altmodisch per Excel ausgewertet wurde.