BigQuery maakt Merchant Center-data bruikbaar voor assortimentskeuzes in Shopping. Handig als je wilt weten wat populair is op Google en waar jouw assortiment achterblijft.
Shopping-campagnes laten vaak zien welke producten van jouw feed klikken en verkopen. Wat ze minder goed laten zien, is welke vraag je mist omdat je assortiment niet aansluit op wat mensen op Google daadwerkelijk kopen.
Veel Shopping-sturing kijkt alleen naar het eigen aanbod
Dat is logisch. Je advertentieaccount werkt met producten die je al voert. Je stuurt op ROAS, klikvolume en marge binnen het bestaande assortiment. Alleen zegt dat weinig over de categorieën, merken of prijspunten waar de markt wel vraag naar heeft en jij misschien niet aanwezig bent.
Daardoor wordt Shopping al snel een efficiëntiespel binnen je huidige feed. Terwijl groei soms juist zit in de vraag welke producten of merken je niet voert, of welke categorie stil wegzakt omdat concurrenten beter aansluiten op de markt.
Je kijkt waarschijnlijk al naar Merchant Center of category reports
Google laat via BigQuery Merchant Center-data inladen voor market insights. In de officiële documentatie over de best sellers-tabellen staat dat je hiermee kunt zien welke producten en merken populair zijn op Google Shopping en in Shopping Ads, inclusief relatieve vraag, rangverandering en prijsklassen. In de transferdocumentatie staat daarnaast dat je de best sellers-gegevens tot twee jaar kunt backfillen.
Dat is relevant, omdat deze data verder gaat dan je eigen performance. Je kijkt niet alleen naar wat jouw producten deden, maar ook naar wat in de markt populair is en of jij dat assortiment überhaupt voert.
De use case is niet meer rapportage. De use case is zien waar je aanbod achterloopt.
Daar wordt BigQuery nuttig. Volgens Google bevat de mappingtabel in de best sellers-dataset juist de sleutel om populaire productclusters te koppelen aan de producten in je eigen inventory-, price- en targetingtabellen. In gewone taal: je kunt marktpopulariteit naast je eigen assortiment leggen.
Voor marketing betekent dat iets heel praktisch. Je ziet sneller of een sterke vraagcategorie ondervertegenwoordigd is in je aanbod. Of dat een merk op Google groeit terwijl jij daar nauwelijks zichtbaarheid op hebt. Dat helpt niet alleen bij media, maar ook in gesprekken met e-commerce, inkoop of merchandising.
Zo gebruikt PaperDigits BigQuery voor assortimentskeuzes
Wij beginnen niet met een lijst populaire producten. We kijken eerst waar Shopping-resultaten achterblijven en of dat waarschijnlijk een media- of assortimentsvraag is. Daarna koppelen we marktdata uit Merchant Center in BigQuery aan eigen feeddata, performance en commerciële prioriteit.
Zo wordt zichtbaar waar je assortiment marktvraag mist, waar een categorie juist wel veel aandacht krijgt zonder veel potentie en welke merken of producttypes eerder extra aandacht verdienen. Niet elk inzicht leidt direct tot nieuwe inkoop. Maar het voorkomt wel dat Shopping alleen wordt beoordeeld op producten die je toevallig al in de feed hebt staan.
Waar je nu alleen naar je feed kijkt, zie je straks ook wat de markt beweegt
Het nuttigste effect zit meestal in perspectief. Minder bijsturen binnen een te smal assortiment. Meer zicht op waar groei wordt misgelopen omdat je aanbod achterloopt op marktvraag. En betere gesprekken tussen marketing en e-commerce, omdat het niet meer alleen gaat over campagneprestatie, maar ook over wat er überhaupt te verkopen valt.
BigQuery maakt assortimentsanalyse daarmee niet minder commercieel. Het maakt vooral zichtbaar dat Shopping-prestatie vaak al begint voordat het eerste bod is gezet.
Meer informatie nodig?
Heb je vragen over dit onderwerp? Stuur ons een WhatsApp bericht en we helpen je graag verder!
