Ausgangslage

Der Kunde, ein etablierter B2B-Finanzdienstleister mit Sitz in Madrid, verzeichnete einen stetig steigenden Cost-per-Click (CPC) in der Google Ads Kampagne. Die Zielgruppe bestand primär aus CFOs und Finanzleitern mittelständischer Unternehmen.

Das Hauptproblem war die hohe Zahl irrelevanter Klicks durch Suchanfragen, die keine Kaufintention enthielten. Viele Nutzer suchten nach allgemeinen Finanzwissen oder kostenlosen Tools, ohne Interesse an den bezahlten B2B-Lösungen des Kunden zu haben.

Dies führte zu einer ineffizienten Budgetverteilung und einer sinkenden Conversion-Rate. Die bestehenden Negativ-Keyword-Listen waren veraltet und deckten nur einen Bruchteil der irrelevanten Suchbegriffe ab.

Umsetzung

Wir starteten mit einer tiefgreifenden Analyse der Suchbegriffs-Reports der letzten sechs Monate. Dabei identifizierten wir über 300 Suchbegriffe, die keinen Bezug zur Zielgruppe oder zum Produkt hatten.

Schritt 1: Granulare Negativ-Keyword-Struktur Wir erstellten eine mehrstufige Negativ-Keyword-Strategie, die auf Kampagnen- und Ad-Gruppen-Ebene ansetzte. Dies erlaubte es, irrelevante Suchanfragen präziser zu filtern, ohne potenzielle Kunden auszuschließen.

Schritt 2: Automatisierung und Monitoring Mit Hilfe von Marketing-Automation-Tools automatisierten wir die Identifizierung neuer irrelevanter Suchbegriffe. Ein wöchentlicher Report lieferte neue Kandidaten für die Negativ-Keyword-Liste.

Schritt 3: Kontextuelle Optimierung Wir integrierten negative Phrasen und exakte Matches, um spezifische Suchanfragen wie ‘gratis’ oder ‘jobs’ auszuschließen. Dies reduzierte das Risiko von Missklicks erheblich.

Schritt 4: A/B-Testing Wir testeten verschiedene Kombinationen von Negativ-Keywords, um die optimale Balance zwischen Reichweite und Relevanz zu finden. Die Ergebnisse flossen direkt in die Kampagnenstruktur ein.

Ergebnis

Nach drei Monaten der optimierten Strategie zeigte sich ein deutlicher Rückgang der irrelevante Klicks. Der CPC sank um 25 Prozent, was zu einer signifikanten Effizienzsteigerung der Kampagne führte.

KPIs nach 90 Tagen:

  • CPC: -25 % (von 12,50 € auf 9,38 €)
  • Click-Through-Rate (CTR): +15 %
  • Conversion-Rate: +20 %
  • Kosten pro Lead: -30 %

Die Lead-Qualität stieg ebenfalls, da mehr Klicks von potenziellen Kunden mit echtem Interesse an den Finanzdienstleistungen des Kunden stammten. Die Sales-Team-Feedbacks bestätigten, dass die Leads deutlich qualifizierter waren.

Die Automatisierung der Negativ-Keyword-Pflege reduzierte den manuellen Aufwand um 40 Prozent und sicherte eine kontinuierliche Optimierung.

Learnings

Regelmäßige Analysen der Suchbegriffs-Reports sind essenziell, um die Effektivität von Negativ-Keywords zu gewährleisten. Statische Listen reichen nicht aus, da Suchverhalten sich ständig ändert.

Wichtige Erkenntnisse:

  • Granularität zahlt sich aus: Die Unterscheidung zwischen Kampagnen- und Ad-Gruppen-Ebene ermöglichte eine präzisere Steuerung.
  • Automatisierung spart Zeit: Die Automatisierung der Identifizierung neuer Negativ-Keywords reduzierte den manuellen Aufwand erheblich.
  • Kontext ist entscheidend: Negative Phrasen und exakte Matches helfen, spezifische Suchanfragen effektiver zu filtern.

Diese Strategie ist besonders im wettbewerbsintensiven Finanzsektor wirksam, wo jede Euro-Cent zählt und die Zielgruppe präzise angesprochen werden muss.

Ergebnisse

  • -25 % – Cost-per-Click (CPC)
  • +15 % – Click-Through-Rate (CTR)
  • +20 % – Conversion-Rate
  • -30 % – Kosten pro Lead

Passend dazu