KI-Kampagnensteuerung für E-Commerce-Sales

Projekthintergrund

Eine führende chinesische Beauty-Marke ist gleichzeitig auf drei großen Plattformen präsent – Tmall, Douyin und JD – mit über 400 SKUs und einem durchschnittlichen Bestellwert zwischen 80 und 200 RMB. In der Vergangenheit setzte die Marke bei großen Sales vor allem auf manuelle Überwachung und erfahrungsbasierte Preissteuerung. Das sechsköpfige Kampagnen-Team musste in Spitzenzeiten über 200 Anzeigenkampagnen gleichzeitig betreuen. In diesem Jahr entschied sich die Marke, das SUPERTRANGO KI-Kampagnensystem einzuführen, mit dem Ziel zu prüfen, ob KI in komplexen E-Commerce-Sales-Szenarien die manuelle Steuerung durch eine bessere Kampagneneffizienz ersetzen kann.

Zentrale Herausforderungen

Während des Sales stand die Kampagnensteuerung vor drei typischen Problemen:

Verzögerte Budgetverteilung. Die Traffic-Preise auf den drei Plattformen schwankten stark. Manuelle Budgetanpassungen dauerten in der Regel 2–4 Stunden, während Traffic-Spitzen oft nur 30–60 Minuten anhielten. Ein großer Teil des Budgets wurde in ineffizienten Zeitfenstern verbraucht.

Schnellere Ermüdung von Kreativmaterial. Der Double-11-Zyklus erstreckte sich über 20 Tage. Die Klickrate der Verbraucher auf wiederholtes Material sank mehr als dreimal so schnell wie im Alltag. Die manuelle Auswahl und der Austausch von Material konnten mit dieser Abnahmekurve nicht Schritt halten.

Fragmentierte Daten über Plattformen hinweg. Die Backend-Daten von Tmall, Douyin und JD folgten unterschiedlichen Definitionen. Das Team musste täglich drei Berichte manuell zusammenführen. Bis ein Gesamtbild entstand, war das Zeitfenster für den Traffic-Bonus bereits geschlossen.

Lösung

SUPERTRANGO baute für die Marke eine „spezielle KI-Kampagnen-Engine für große Sales“ auf. Die Kernmaßnahmen umfassten:

Echtzeit-Budgetumverteilung. Das System überwachte in 5-Minuten-Intervallen die Traffic-Preise und Konversionsraten aller Plattformen. Wenn der CPA einer Traffic-Position einen Schwellenwert überschritt, wurde das Budget automatisch auf besser performende Positionen verschoben. Am Double-11-Tag führte das System insgesamt über 1.200 Budgetanpassungen durch – alle ohne menschliches Eingreifen.

Lebenszyklus-Management für Kreativmaterial. Die KI bewertete Klickrate, Konversionsrate und Interaktionsrate jedes Creatives in Echtzeit. Wenn ein Material in die Verfallsphase eintrat (Klickrate fiel über 2 Stunden hinweg um mehr als 15%), senkte das System automatisch dessen Gebotsgewicht und lenkte das Budget in Testgruppen für neues Material. Während des gesamten Sales lud die Marke 180 neue Material-Sets hoch, aus denen die KI automatisch 23 Sets mit hohem Potenzial für die Skalierung auswählte.

Plattformübergreifendes einheitliches Entscheidungsmodell. Das System führte die Kampagnendaten aller drei Plattformen in einem einheitlichen Konversions-Attributionsmodell zusammen, mit „Omnichannel-GMV“ als einzigem Optimierungsziel statt des ROI einer einzelnen Plattform. Das bedeutet, dass das System bewusst kurzfristige ROI-Einbußen auf einer Plattform in Kauf nimmt, um den Gesamt-GMV zu maximieren.

Umsetzungshighlights

Drei Tage vor dem Sale wollte das Team ursprünglich manuell Budgetobergrenzen für jede Plattform festlegen. Nach einer Simulationsanalyse empfahl das SUPERTRANGO System, den Douyin-Budgetanteil von 40% auf 55% zu erhöhen, da die Conversion-Kette von Douyin in der Vorwärmphase des Sales effizienter war. Nachdem die Marke die Empfehlung übernommen hatte, trug der Douyin-Kanal in den ersten drei Tagen 48% des Gesamt-GMV bei – eine Bestätigung der Prognosefähigkeit der KI.

Am Double-11-Tag zwischen 0 und 2 Uhr nachts, während der Tmall-Traffic-Spitze, erkannte das System, dass der Suchtraffic aus dem Livestream eines Top-Influencers eine ungewöhnlich hohe Konversionsrate aufwies. Es erhöhte automatisch das Budget für Suchanzeigen um 200% und reduzierte gleichzeitig die Ausgaben für Feed-Anzeigen. Diese Anpassung erfolgte innerhalb von 15 Minuten und nutzte den momentanen Traffic-Bonus präzise.

Ergebnisdaten

Erkenntnisse

Der Wert der KI liegt in der „Geschwindigkeit“, nicht in der „Beurteilung“. Die ursprüngliche Kampagnenlogik der Marke war wirksam, aber die manuelle Ausführungsgeschwindigkeit konnte mit dem Tempo der Traffic-Veränderungen während des Sales nicht mithalten. Die KI verkürzte die Strategieumsetzung von Stunden auf Minuten – das ist der zentrale Treiber des GMV-Wachstums.

Plattformübergreifende Zusammenarbeit ist ein Wachstumshebel. Die ROI-Optimierung einer einzelnen Plattform stößt an Grenzen. Das Entscheidungsmodell von SUPERTRANGO mit dem Ziel des Omnichannel-GMV ermöglichte es der Marke, auf einer Plattform bewusst „Verluste“ in Kauf zu nehmen, um die Gesamtperformance zu steigern. Diese globale Perspektive kann ein manuelles Team kaum dauerhaft aufrechterhalten.

Materialproduktion muss vorausschauend vorbereitet werden. Die KI filtert Material hocheffizient, aber die Voraussetzung ist, dass die Marke über ein ausreichendes Materialarsenal verfügt. Während dieses Sales hatte die Marke im Voraus 180 Material-Sets vorbereitet. Bei unzureichendem Materialangebot wäre der Optimierungsspielraum der KI deutlich eingeschränkt. Marken sollten vor einem großen Sale mindestens die dreifache Menge des üblichen Materials bereithalten.