Novos dados expõem quais métodos de feed os varejistas estão empregando para aumentar o desempenho de suas campanhas – e onde os comerciantes erram. Há diversos problemas de feed de dados que podem possivelmente atrapalhar e até mesmo destruir sua campanha de comércio eletrônico.

Problemas de feed de dados que podem arruinar seu ecommerce

Desde o início da pandemia, problemas com a cadeia de suprimentos têm sido motivo de medo para os varejistas. Em média, dezesseis por cento dos produtos não estão disponíveis para compra porque estão esgotados. Setores como automóveis (57%) e artigos esportivos (40%) são especialmente afetados. As localizações geográficas também têm um papel significativo, com a América Latina tendo um dos níveis mais baixos de disponibilidade de estoque de qualquer região do mundo.

Curiosamente, ao eliminar esses itens esgotados de uma campanha de pesquisa do Google, os anunciantes geralmente obtêm uma melhoria de 181% no ROAS.

Essas descobertas são derivadas de uma análise publicada recentemente pelo DataFeedWatch que analisa dados de 4,5 milhões de produtos diferentes, 15.000 lojas diferentes e mais de 60 países diferentes. A pesquisa oferece aos varejistas e profissionais de marketing dados significativos para avaliar seus feeds, canais e estratégias, revelando tendências do setor, erros comuns e estratégias de otimização. Tudo isso pode ser encontrado no relatório.

Erros no fornecimento de dados e outros problemas potenciais

Os problemas de feed mais comuns incluíam dados ausentes ou incorretos, bem como propriedades formatadas incorretamente.

Os comerciantes da Magento enfrentam um desafio, pois quase 10% de seus produtos são afetados por problemas de feed de dados. A taxa de erro para produtos promovidos que afeta cerca de 10% daqueles vendidos por comerciantes que usam Magento é um número frustrantemente alto. Esse número é significativamente superior à média do setor, que é de 7%.

Tanto o BigCommerce quanto o WooCommerce são responsáveis ​​por trazer 7,03% e 8,27% de todos os problemas de feed de dados, respectivamente.

Os lojistas da Shopify tiveram os melhores resultados em termos de integridade de seus feeds de dados, com apenas 5,47% das listagens sendo reprovadas. É interessante notar que o DataFeedWatch levanta a hipótese de que o número de falhas de alimentação é provavelmente um indicativo do nível de complexidade de gerenciamento de dados presente dentro da plataforma.

O envio e outros problemas são responsáveis ​​por 23,49% de todos os anúncios de produtos rejeitados. O aspecto de envio da configuração dos dados do produto é o que causa mais dores de cabeça. Os tipos de erros mais comuns são inserir valores excessivamente altos e não especificar atributos, como o país de entrega.

Problemas com os atributos da imagem são a causa de 20,32% de todas as reprovações. Isso provavelmente se deve ao número comparativamente alto de padrões que devem ser atendidos. Entre as falhas de imagem mais comuns estão:

Sobreposições de anúncios em várias fotos.

Imagens que são insuficientemente grandes.

As imagens estão faltando ou não são genuínas.

Visuais genéricos.

Problemas com o GTIN representam 5,5% de todos os erros. Pouco mais de cinco por cento dos problemas são causados ​​pela inserção de valores GTIN imprecisos ou mesmo pela omissão total dos GTINs.

Problemas com o título Há 25,82% dos títulos em todas as listagens do Google Shopping com mais de 70 caracteres. Isso indica que há um problema potencial com visibilidade menor se os títulos forem cortados.

O número máximo de caracteres que podem ser usados ​​em um título de produto no Google Shopping é 150, mas os títulos são reduzidos após 70 caracteres. Os títulos de 25,82% dos produtos listados no Shopping têm mais de 70 caracteres, o que significa que as informações vitais do produto não puderam ser exibidas.

Estratégia de alimentação

A maioria dos comerciantes melhora o desempenho de suas campanhas utilizando estratégias de feed. Quando os varejistas anunciam em vários canais, podem ser necessários dados de feed diferentes, aumentando a chance de os profissionais de marketing precisarem aproveitar fontes de dados secundárias.

A otimização de feeds de dados tem um impacto favorável no desempenho da campanha, independentemente de você estar desenvolvendo novos títulos ou segmentando com base em “best-sellers” ou margens.

Os nomes dos produtos são as partes mais otimizadas dos dados contidos em um feed de produtos. 14% das alterações feitas nos títulos dos produtos foram feitas em todas as lojas que substituíram os dados. Ou algumas palavras-chave foram trocadas ou os títulos foram completamente reescritos pelos anunciantes.

Quando se trata de otimizar seus anúncios, dois em cada cinco anunciantes de comércio eletrônico empregam rótulos personalizados. 13% desses anunciantes constroem categorias de produtos determinadas pelo fato de o produto fazer ou não parte de uma oferta em andamento.

O retorno dos gastos com publicidade para anunciantes aumentou 96% depois que eles dividiram seus feeds de acordo com as margens.

64% dos varejistas online eliminam produtos de seu inventário que não são lucrativos. Quando as empresas reduzem os custos de seus produtos, geralmente é devido ao fato de que os preços caíram abaixo de um limite específico.

A remoção de produtos das campanhas é mais comumente causada por seus preços altos. Ao decidir quais produtos remover dos anúncios pagos com base no preço do item, 90,92% dos profissionais de marketing preferem eliminar itens com preços abaixo de um determinado limite.

Apenas nove por cento dos profissionais de marketing optam por excluir produtos que têm os preços mais altos.

Mais de um quarto dos negócios online oferecem plataformas de publicidade com imagens complementares. Fotos adicionais geralmente retratam o produto de um novo ponto de vista ou com componentes de teste adicionados. Os clientes obtêm a imagem mais clara possível do que estão comprando e como o item pode ser usado como resultado disso.

Pelo menos um em cada dez anúncios de comércio eletrônico incorpora informações complementares do produto no feed, extraindo de fontes de dados secundárias. Veja a seguir exemplos de fontes de dados secundárias que foram usadas:

Sistemas para gerenciar o estoque

Analytics

Planilhas Google

Blippu.com