3 تكتيكات يستخدمها كبار مُعلني التطبيقات لتحسين كفاءة التنزيل

بواسطة: جيسي ليو، كبيرة مديري التحليلات والوسائط الإعلامية

عند تقييم نجاح الحملات الإعلانية في صناعة تطبيقات البث (SVOD، AVOD، vMVPD)، من المفيد النظر ليس فقط في عدد تنزيلات التطبيقات، ولكن أيضًا في كفاءة تنزيل التطبيق. تسلط دراسة Amazon Ads لعام 2020 الضوء على أهمية ذلك.

تسليط الضوء على القصة:

غالبًا ما تستخدم صناعة تطبيقات البث (SA)، والتي تشمل الاشتراك بالفيديو عند الطلب (SVOD)، والفيديو المدعوم بالإعلانات عند الطلب (AVOD)، وموزع برمجة الفيديو متعدد القنوات الظاهري (VMVPD) عدد تنزيلات التطبيقات لمقارنة الأداء عبر المعلنين المختلفين. في Amazon Ads، نعتقد أنه من المهم ليس فقط مراعاة العدد الإجمالي للتنزيلات ولكن أيضًا في كفاءة التنزيل: عدد المرات التي تؤدي فيها مرات الظهور إلى التنزيلات.

لحساب كفاءة تنزيل التطبيق، قمنا بتحليل التنزيلات لكل ألف مرة ظهور (DPM) لـ 38 ماركة في فئة SA على Amazon في عام 2020. وجدنا أن المُعلنين ذوي الأداء الأعلى لديهم كفاءة تنزيل تطبيق أعلى بمقدار 22 مرة من المعلنين الآخرين. لمساعدة المُعلنين على تحسين كفاءة التنزيل الخاصة بهم، ننظر إلى التكتيكات المميزة التي يستخدمها كبار الفنانين ونقدم توصيات لتحسينها.

لمزيد من المعلومات حول كيفية جمعنا بياناتنا، راجع قسم المنهجية في نهاية هذه المقالة.

1. يجمع مُعلنو التطبيقات الأفضل أداءً بين بث الإعلانات التلفزيونية وإعلانات الهاتف المحمول ولوحات Fire TV المدعومة

تظهر هذه الدراسة أن الماركات التي جمعت بث الإعلانات التلفزيونية، ولوحات Fire TV المدعومة، وإعلانات الهاتف المحمول شهدت كفاءة تنزيل تطبيقات أعلى بنسبة 22 مرة (وقدمت مرات ظهور أكثر بمقدار 2 أضعاف) من المعلنين الذين استخدموا بث الإعلانات التلفزيونية وحدها.

+22%

كفاءة التنزيل

2x

لمزيد من مرات الظهور

التوصيات

عند التخطيط للحملات، نوصي المُعلنين بما يلي:

  • ضع في اعتبارك تشغيل الإعلانات عبر Fire TV الكمبيوتر اللوحي Fire والهاتف المحمول.
  • قم بتخصيص تصميمات الإعلانات للأجهزة لضمان حصول العملاء على تجربة إيجابية على جميع الأجهزة.

2. يقوم مُعلنو التطبيقات الأعلى أداءً بتغيير تصميماتهم الإبداعية الإعلانية

قد يشعر الجمهور بالحملات الإبداعية التي تحتوي على إصدارات أكثر من الرسائل المحددة بأنها أكثر صلة، وبالتالي قد تؤدي إلى زيادة جذب الاهتمام. في الواقع، يوضح هذا التحليل أن المُعلنين ذوي الأداء الأعلى نفذوا 1.8 مرة تصميمات فريدة أكثر من المعلنين الآخرين.

التوصيات

يجب على المعلنين التفكير في تحديث التصميمات باستمرار وإجراء اختبار A/B. يعد اختبار A/B طريقة فعالة وعالية الكفاءة من حيث التكلفة لتحديد ما يتردد صداه لدى المشاهدين ويمنع الإنفاق غير الضروري. نوصي باختبار عناصر مثل الدعوات المختلفة لاتخاذ إجراء وأنواع المحتوى لفهم ما هو أفضل من حيث دفع المزيد من التنزيلات. أخيرًا، نذكر المعلنين بالتدقيق في تصميم الإعلان، والدعوة إلى اتخاذ إجراء، والمطالبات، والتسعير في التصميمات، والصفحة المنتقل إليها لضمان أن محتوى الإعلان وإعدادات التصميمات الإبداعية مناسبة للجمهور العام والامتثال لسياسات Amazon.

3. يستفيد مُعلنو التطبيقات الأعلى أداءً من الكلمات الرئيسية السلبية

كان الجمهور الأعلى أداءً بنسبة 6-10٪ أكثر عرضة لاستخدام تكتيكات الكلمات الرئيسية السلبية مقارنة بالمُعلنين الآخرين، كما أظهر أيضًا كفاءة تنزيل تطبيقات أعلى.

التوصيات

ضع في اعتبارك الاستفادة من أدوات Amazon Ads لإنشاء قطاعات جمهور مخصصة بناءً على النوع والبث وأسلوب الحياة والإشارات السلوكية في السوق التي تتوافق مع أهداف الحملة. استفد من تقرير أداء الجمهور القياسي لفهم الجمهور الذي لا يستجيب للحملات ويفكر في استبعادها في المستقبل.

المنهجية

في هذه الدراسة، قمنا بتحليل 38 ماركة في فئة تطبيقات البث في الولايات المتحدة على مدار 12 شهرًا من الإعلانات خلال عام 2020 من يناير إلى ديسمبر. تشمل فئة تطبيقات البث المُعلنين الذين يقدمون خدمات مثل الاشتراك بالفيديو عند الطلب، والفيديو المدعوم بالإعلانات عند الطلب، وموزع برمجة الفيديو متعدد القنوات الظاهري (vMVPD).

استخدمنا التنزيلات لكل ألف مرة ظهور (DPM) كمقياس لكفاءة تنزيل التطبيق لقياس النجاح. ثم حددنا أفضل استراتيجيات الإعلان للمساعدة في زيادة DPM باستخدام خوارزميات التعلم الآلي. تُستخدم اقتراحات Pearson Correlation والانحدار الخطي و XGBoost واقتراحات خبراء الموضوع لتعيين أوزان الميزات. يسلط هذا التحليل الضوء على أكبر الاختلافات بين المُعلنين الذين لديهم أعلى وأدنى DPM، ولا يتنبأ بالأداء أو المطالبة بالسببية.

كيف يعمل التجميع؟

أنشأنا درجة مركبة ثنائية بناءً على DPVR، ثم طبقنا مصنف XGBoost لتحديد الميزات وأي الأوزان تتنبأ بهذه التسميات بشكل أفضل. عند القيام بذلك، اعتبرنا الإجراءات الإعلانية كميزات مثل كثافة استخدام المنتج الإعلاني ومزيجه، وتوقيت الدعم الإعلاني، وتكتيكات الاستهداف، والتصميمات الإبداعية ومواضع الظهور، وعدد تقييمات العملاء، ونسبة المنتجات ذات جودة صفحات المنتجات، وأنواع المنتجات التي يتم الترويج لها في الإعلانات.

باستخدام الميزات والأوزان المحددة المذكورة أعلاه، قمنا بعد ذلك بتطبيق خوارزمية تجميع k-medoid لتصنيف المُعلنين إلى مجموعات. لاحظ أننا صنفنا المُعلنين حسب أفعالهم بدلاً من مكونات درجاتهم المركبة. أخيرًا، صنفنا المجموعات النهائية حسب درجاتها المركبة من الأعلى إلى الأدنى. المجموعة 1 هي المجموعة الأكثر نجاحًا مع أعلى درجة مركبة، والمجموعة 5 هي الأقل نجاحًا.