Jahresrückblick 2024: SEA

Das Jahr neigt sich seinem Abschluss entgegen und wie immer nehmen wir uns die Zeit für einen Rückblick.
Wie bereits in unserer Jahresvorschau zu Beginn des Jahres angekündigt, war ein Thema im Suchmaschinenmarketing besonders präsent: Künstliche Intelligenz (KI). Dieses Schwerpunktthema hat natürlich auch den SEA-Kanal bewegt und weitere Veränderungen in Google Ads und Microsoft Advertising angestoßen. Doch wie sehr haben sich die traditionellen und KI-Suchmaschinen in diesem Jahr weiterentwickelt und was bedeutet das für unsere Arbeit im SEA?

Um diese Fragen sowie weitere Entwicklungen zu beantworten, haben wir die vergangenen zwölf Monate Revue passieren lassen und freuen uns darauf, unsere SEA-Highlights und die daraus gewonnenen Erkenntnisse mit euch zu teilen. 

Das Jahr 2024 begann mit großen Erwartungen an die Rolle der künstlichen Intelligenz (KI) in den Suchmaschinen. Die Vorstellung von Googles Gemini KI-Modell und die Ankündigung der Search Generative Experience (SGE) ließen uns aufhorchen. Im Laufe des Jahres hat sich die KI-Integration jedoch etwas langsamer entwickelt, als wir es ursprünglich angenommen hatten. Zunächst wurde die SGE in AI Overview umbenannt. Zwar wurde AI Overview mittlerweile in den USA und vielen weiteren Ländern ausgerollt, und in der ersten Jahreshälfte auch viel von Google – insbesondere im Gesundheitsbereich – getestet, in Europa erfolgte die Integration jedoch bisher nur in UK. 

Eine der größeren Veränderungen war dann Anfang Oktober die Einführung von Anzeigen innerhalb von AI Overview. Diese werden vor allem bei kommerziellen Suchanfragen auf mobilen Geräten in den USA ausgespielt, ähneln klassischen Anzeigen und werden automatisch aus bestehenden Search-, Shopping- und Performance Max-Kampagnen ausgeliefert. Da es keine Segmentierung-Möglichkeit für diese Platzierungen gibt und auch kein Opt-out möglich ist, bleibt es erstmal eine Blackbox und Werbetreibende sollten Auswirkungen auf ihre Gesamtperformance möglichst genau beobachten. 

Ähnlich verhält es sich mit Microsofts Copilot, der in die Microsoft Bing-Suche hier in Deutschland bereits integriert ist. Auch hier werden Anzeigen aus bestehenden Kampagnen ausgespielt, ohne dass eine separate Auswertung möglich ist. Microsoft-interne Analysen der Suchanfragen zeigen, dass Copilot vor allem für Themen wie Lernen, Analyse, Codierung oder Bilderstellung von Usern genutzt wird, und damit zurzeit kaum Traffic für kommerzielle Suche, die im SEA relevant ist, vorhanden ist. Unsere Auswertungen der Suchanfragenberichte bestätigen es, denn es sind zurzeit keine KI-gerichteten Suchmuster wie Longtail- oder Frage-basierte Abfragen von Usern zu erkennen. 

Zusammenfassend lässt sich sagen, dass der anfängliche KI-Hype – ganz nach dem Motto 2024 wird sich alles ändern – etwas abgeflacht ist. Die Entwicklung und Integration von Chatbots in die Suche schreiten langsamer voran als erwartet. Auch andere KI-Chatbots wie ChatGPT oder Perplexity, die in der Presse viel Aufmerksamkeit erhalten, scheinen im realen Leben noch nicht den großen Durchbruch geschafft zu haben, weder in der organischen noch bezahlten Suche. Denn Nutzung dieser Chatbots ist noch nicht flächendeckend bei Usern verbreitet und auch sie tasten sich nur langsam heran, Suchanzeigen dort zu integrieren, wie es aktuell Perplexity in den USA testet. Dort werden Folgefragen durch Werbetreibende gesponsort, Anzeigen erscheinen also (noch) nicht direkt in der Ausgabe der AI. Der Erfolg solcher Maßnahmen hängt stark von der Akzeptanz der Nutzer:innen und der Fähigkeit von Perplexity ab, ein Gleichgewicht zwischen relevanten Anzeigen und der User Experience in der Zukunft zu finden. 

Während die Integration von Chatbots in die Suche langsamer voranschreitet als erwartet, zumindest bei uns in Deutschland, hat sich die KI in anderen Bereichen im SEA rasanter entwickelt. Insbesondere in der Google- und Microsoft-Werbeplattform selbst wurden im Laufe des Jahres weitere Fortschritte erzielt. Neben den bereits etablierten Lösungen wie Smart Bidding, PMax und Broad Match kamen leistungsstarke KI-Tools zur Asset-Erstellung und Kampagnenoptimierung hinzu. Diese KI-basierten Funktionen, die wir bereits Mitte des Jahres mit unseren Kunden testen konnten, ermöglichen beispielsweise die automatische Generierung von Text- und Bildanzeigen sowie die Video-Optimierung für verschiedene Formate. 

Bevor wir jedoch zu viele Details an dieser Stelle verraten, lasst uns gemeinsam einen Blick auf diese hochrelevanten Änderungen werfen und unsere Sicht der Dinge mit Euch teilen. 

Die Suchintention und personalisierte Sucherlebnisse rückten in diesem Jahr, wie erwartet, in den Vordergrund. Erfolgreiche Kampagnen mussten präzise auf die jeweilige Suchintention der Nutzer:innen zugeschnitten sein. Dies erforderte nicht nur eine Anpassung der Kampagnenstruktur und -strategie, sondern auch die Bereitstellung hochwertiger Daten, Produktinformationen und ansprechender Creatives. 

KI-gestützte Formate wie dynamische Suchanzeigen, Performance Max und Demand Gen ergänzten weiter die bekannten RSAs und boten Werbetreibenden vielfältige Möglichkeiten, Nutzer:innen zielgerichtet anzusprechen. Der richtige Anzeigen- und Kampagnentypmix, abgestimmt auf die individuellen Marketingziele und Zielgruppen, war dabei maßgeblich für den Erfolg. 

Damit prägte die zunehmende Automatisierung das Suchmaschinenmarketing maßgeblich. Der Einsatz von Broad Match Keywords in Kombination mit Smart Bidding-Strategien ermöglichte eine effizientere Kampagnenaussteuerung und Skalierung. Voraussetzung dafür war jedoch die ‚einwandfreie‘ Datenbereitstellung. Durch die Nutzung von Conversion-Tracking mit Consent Mode und Enhanced Conversions sowie dem verstärkten Einsatz von First-Party-Daten konnten die Algorithmen der Smart Bidding-Strategien optimiert und die Performance gesteigert werden. 

Performance Max-Kampagnen, die verschiedene Google-Plattformen wie Search, Display, YouTube und Gmail integrieren, profitierten von automatisierter Anzeigenerstellung und Ausrichtung. Auch responsive Suchanzeigen (RSA) entwickelten sich durch KI-gestützte Asset-Optimierung weiter. Die Bereitstellung umfassender Daten, wie z.B. Produktfeeds mit detaillierten Attributen, Bildern und Videos, war entscheidend für den Erfolg dieser Formate.  

Diese Automatisierung vereinfacht zwar den Prozess, stellt aber auch eine Herausforderung dar. Insbesondere für große Werbetreibende ist es wichtig, die Kontrolle über die Anzeigeninhalte zu behalten und sicherzustellen, dass die automatisch erstellten Anzeigen den CI-Richtlinien entsprechen. Trotz der Vorteile der Automatisierung ist daher aktive Entscheidung für oder gegen automatisch erstellte Assets, sowie eine sorgfältige Überwachung und gegebenenfalls Anpassung der Anzeigenleistung erforderlich. 

Der im Jahr 2024 gelaunchte Google Data Manager bot hier wertvolle Unterstützung bei der Erfassung und Strukturierung der notwendigen Daten. Er ermöglichte die Integration und die zentrale Verwaltung verschiedener Datenquellen, wie CRM-Systeme und Analytics-Plattformen. Die Rolle des Data Managers wurde dadurch aufgewertet, da er die Verantwortung für zusätzliche Datenbereitstellung trug und somit maßgeblich zum Erfolg der KI-basierten Kampagnen beitrug. 

Als letzter Punkt in diesem Dreiergespann ist der Datenschutz und die korrekte Implementierung des Privacy-centric Measurements, das bleibt auch die zentrale Herausforderung in diesem Jahr. Die zunehmende Sensibilisierung der Nutzer:innen für Datenschutzbelange und die sich stetig weiterentwickelnden Datenschutzbestimmungen, wie z.B. die DSGVO, erforderten von Unternehmen ein hohes Maß an Anpassungsfähigkeit und Transparenz. Zum Beispiel ermöglicht der Consent Mode (CM) das Tracking an die Einwilligung der Nutzer:innen anzupassen, somit datenschutzkonform zu agieren und gleichzeitig mehr Daten dem Machine Learning für Optimierung bereitzustellen. Die Implementierung des Consent Modes erforderte jedoch eine sorgfältige Planung und technische Expertise, um sicherzustellen, dass die Daten korrekt erfasst und verarbeitet wurden. Insbesondere zu Beginn des Jahres stellte es für viele eine Herausforderung dar, bis Ende März die Implementierung der Consent Modes V2 abzuschließen, um die Funktionalität des Remarketing beizubehalten. 

Für Performance Max (PMax) war es ein ereignisreiches Jahr! Google hat uns mit deutlich mehr Updates als bei jedem anderen Kampagnentyp versorgt, auch wenn noch nicht alle im europäischen Raum ausgerollt sind.  

Wie in unserem letzten Rückblick erwähnt, wurde die „PMax-Blackbox“ weiter geöffnet: Von Berichten auf Asset-Ebene über Informationen zu YouTube-Placements und Markenrichtlinien für Farben und Schriftart bis hin zu neuen A/B-Testmöglichkeiten, für beispielsweise die Erweiterung der finalen URL. Werbetreibende haben dieses Jahr deutlich mehr „Insights“ erhalten. Aber auch an der Google Ads Scripts-Front hat sich viel getan. Hierüber lassen sich Daten sichtbar machen, die im Interface (noch) nicht zugänglich sind. Allerdings mangelt es punktuell an konkreten Handlungsmöglichkeiten, um die gewonnenen Daten effektiv zu nutzen. 

Google hat jedoch auf diese Herausforderungen reagiert und teils auch schon konkrete Optimierungsmöglichkeiten für Performance Max nachgeliefert. Ein großer Durchbruch war insbesondere die Neuerung, Negatives direkt im Konto einzubuchen. Dies war zuvor nur sehr umständlich über Google-Ansprechpartner möglich. Diese Verbesserung zeigt, dass Werbetreibende nach dem ersten Schock einer vollständigen Automatisierung in diesem Kampagnentyp nun doch schrittweise immer mehr Kontrollmöglichkeiten erhalten. Es ist zumindest bisher ein guter Kompromiss, auch wenn wir uns natürlich mehr Steuerungsmöglichkeiten wünschen würden. 

Eine weitere wichtige Veränderung abseits von Google Ads war die (Zwangs-)Umstellung auf das Merchant Center Next im September. Dahinter verbirgt sich ein leichterer und schnellerer Weg Google Shopping Anzeigen zu schalten. Keinen Feed? Kein Problem! Produkte werden von Google automatisch gecrawlt und als „von Google gefunden“ im Merchant Center Next angezeigt. An sich eine gern gesehene Neuerung. Allerdings sollte hier besonders auf die Datenqualität geachtet werden, da Google sich an den strukturierten Daten bedient. Fehlen dort wichtige Informationen, beeinträchtigt dies die Leistung der Kampagnen. Falsch eingepflegte Produktinformationen werden entsprechend übernommen, und damit kann der größte Vorteil auch gleichzeitig zum größten Nachteil werden. Was wird ein Produktfeed in der Zukunft leisten müssen und welche Rolle dabei die Produktdetailseiten spielen, das alles wird in unserem Jahresausblick 2025 (geplante Veröffentlichung: Januar 2025) auch eine besondere Aufmerksamkeit erhalten, also bleibt gespannt, welche Empfehlungen wir für 2025 für euch vorbereitet haben. 

2024 rollte Google den neuen Kampagnentypen Demand Gen vollständig aus und ergänzte ihn um einige spannende neue Features. Unser Top-Highlight: Mit ViGenAiR stellt Google ein AI-gestütztes Tool vor, das neue Möglichkeiten für die Erstellung und Ausspielung von zielgruppenoptimierten Videoanzeigen bietet. 

Der neue Kampagnentyp Demand Gen von Google, der Ende 2023 eingeführt und Anfang 2024 automatisch den bisherigen Discovery-Kampagnentyp ersetzt wurde, bringt einige vielversprechende Neuerungen mit sich. Diese bieten Werbetreibenden neue Möglichkeiten zur Zielgruppenansprache und Kampagnengestaltung. Demand Gen ist der einzige Kampagnentyp von Google, der Lookalike Audiences unterstützt. Die Reduzierung der Mindestgröße der Referenz-Zielgruppe erleichtert es insbesondere kleineren Unternehmen oder spezialisierten Anbietern, erfolgreiche Lookalike-Kampagnen zu erstellen. Auch Produktfeeds spielen eine zunehmend zentrale Rolle in Demand Gen-Kampagnen. Animierte Bildanzeigen, die automatisch aus den Bildern von Produktfeeds erstellt werden, vereinfachen die Produktion von ansprechenden Videoanzeigen. Eine neue Funktion erlaubt es Werbetreibenden zudem, Video-Assets gezielt spezifischen Formaten zuzuordnen. Dadurch können In-Stream-, In-Feed- und Shorts-Formate präzise bedient werden, was eine zielgenauere Ansprache der Zielgruppen ermöglicht. 

Das Open Source Tool ViGenAiR nutzt multimodale generative KI auf der Google Cloud Plattform, um aus langen Videoanzeigen kürzere, zielgruppenoptimierte Anzeigen zu erzeugen. Das Tool setzt dabei Google Gemini/Vertex AI ein, um die Videoinhalte zu analysieren, zu segmentieren und neu zu kombinieren, um Varianten in verschiedenen Längen und Seitenverhältnissen zu erstellen. Die Integration mit Google Ads ermöglicht zudem die automatisierte Identifizierung von Top-Performern via A/B-Testing. Das Tool wurde auf verschiedenen Veranstaltungen mit Cases vorgestellt und wird in Zukunft noch eine größere Rolle spielen. Hochwertiges Videomaterial als Basis vorausgesetzt, lassen sich so kosteneffizient personalisierte Anzeigen erstellen und A/B-Tests skalieren und automatisieren. 

Wir befinden uns in einer spannenden Zwischenphase. KI hat im SEA bereits deutliche Spuren hinterlassen. Gleichzeitig stehen wir aber erst am Anfang dieser Transformation. Die Fortschritte in der KI-Technologie, gepaart mit den kontinuierlichen Anpassungen der Werbeplattformen, versprechen für das kommende Jahr 2025 im SEA spannende Innovationen und neue Herausforderungen. 

Was hat euch dieses Jahr im SEA am meisten bewegt? Schreibt uns gerne – über einen tiefgehenden fachlichen Gedankenaustausch freuen wir uns immer sehr!