كيف يزيد مُعلنو البقالة ذوو الأداء الأفضل من الوعي
بواسطة: كافيا كيلاري، التحليلات والرؤى
أبرز أحداث القصة:
في دراسة أجريت عام 2019 على أكثر من 5600 شركة مقرها الولايات المتحدة في فئة بقالة Amazon، لاحظنا ثلاثة تكتيكات إعلانية يستخدمها المُعلنون ذوو الأداء الأفضل أكثر من المُعلنين الآخرين. تشمل فئة البقالة الماركات التي تبيع منتجات مثل Whole Foods والقهوة والمشروبات الباردة والوجبات الخفيفة.
حقق المُعلنون ذوو الأداء الأفضل، في المتوسط، ارتفاعًا بمقدار 2.2 ضعفًا في نمو معايير الوعي لدى مؤشر ماركة Amazon (ABI) على أساس سنوي (توفر هذه للمُعلنين معايير منتصف وأعلى المسار التي تحدد عدد العملاء الذين هم على وعي بالماركة)، وارتفاعًا بمقدار 1.9 أضعاف في نمو الاهتمام لدى مؤشر ABI على أساس سنوي (مما يعكس عدد العملاء الذين يفكرون في الشراء) مقارنة بالمُعلنين الآخرين. لدراسة هذا التأثير بشكل أكبر، استخدمنا خوارزميات التعلم الآلي لتحديد التكتيكات التي تميز المُعلنين ذوي الأداء الأفضل عن المُعلنين الآخرين. تستكشف هذه المقالة تلك التكتيكات وتقدم توصيات حول كيفية تحسينها.
لمزيد من المعلومات، اطّلع على قسم المنهجية في نهاية هذه المقالة.
1. يستفيد مُعلنو البقالة ذوو الأداء الأفضل من بث الإعلانات التلفزيونية
الرؤى
يوضح تحليلنا أن المُعلنين في الدراسة، في المتوسط، قد حققوا زيادة في إجمالي صافي الوصول عبر الوسائط الإعلامية (عبر التلفزيون التقليدي فقط) بنسبة تزيد عن 2.2٪ من خلال الاستفادة من بث الإعلانات التلفزيونية. علاوة على ذلك، كشفت دراسة Nielsen لعام 2019 أن ما يقرب من 39٪ من هذا الوصول المتزايد لم يكن من الممكن تحقيقه من خلال التلفزيون التقليدي بسبب التحول المتزايد من التلفزيون التقليدي إلى البث التلفزيوني.
8 أضعاف
أكثر احتمالاً لتشغيل حملة مفعّلة باستمرار
أكثر من 2.2%
زيادة في صافي الوصول
أكثر من 39%
من الوصول ينتسب إلى إطلاقFire TV
التوصيات
لا ينبغي للمُعلنين التفكير فقط في إضافة بث الإعلانات التلفزيونية إلى خطة الوسائط الإعلامية، بل يجب عليهم أيضًا التفكير في تشغيل حملات مفعَّلة باستمرار لمدة 25 أسبوعًا على الأقل من السنة.
2. يستخدم مُعلنو البقالة ذوو الأداء الأفضل إعلانات العرض وبث الإعلانات التلفزيونية معًا
الرؤى
أظهر بحثنا أن بث الإعلانات التلفزيونية وإعلانات العرض تعملان بشكل أفضل معًا. شهدت الماركات ذات الأداء الأفضل التي استخدمت بث الإعلانات التلفزيونية وإعلانات العرض معًا زيادة بنسبة تزيد عن 47٪ في عمليات البحث القائمة على الماركات والمنسوبة للإعلانات في متجر Amazon على أساس سنوي. إن اتباع نهج التسويق الشامل جميع مراحل المسار من خلال استخدام الاستراتيجيات التكميلية المفعّلة باستمرار أعلى وأسفل المسار يمكن أن يساعد المُعلنين على جذب اهتمام العملاء عبر القنوات أينما كانوا في رحلتهم.
ملاحظة: في حين أن عمليات البحث القائمة على الماركات لا تؤدي دائمًا إلى حدوث مبيعات، إلا أنها يمكن أن تشير إلى زيادة في الاهتمام بالماركة، وهي خطوة جوهرية في رحلة العميل.
التوصيات
فكّر في زيادة الدعم من خلال تشغيل بث الإعلانات التلفزيونية أعلى إعلانات العرض. يجب على المُعلنين أيضًا الاستفادة من أدوات Amazon Advertising مثل:
- منشئ تصميم الفيديو الإبداعي من Amazon - هذه أداة مجانية للاستخدام تتيح للمُعلنين إنشاء إعلانات فيديو.
3. يستخدم مُعلنو البقالة ذوو الأداء الأفضل قطاعات جمهور Amazon على نحو أكبر
الرؤى
شهد المُعلنون ذوو الأداء الأفضل زيادة بنسبة تزيد 44٪ في الاهتمام عند الوصول إلى الجمهور بناءً على الإشارات السلوكية (على سبيل المثال، قطاع جمهور نمط الحياة) مقارنة بالوقت الذي استخدموا فيه قطاعات الجمهور الديموغرافية فقط. كما حقق المُعلنون ذوو الأداء الأفضل أكثر من 4.5٪ مرات ظهور أكثر من المُعلنين الآخرين.
أكثر من 44%
زيادة الاهتمام
تحقيق أكثر من 4.5%
مرات ظهور
التوصيات
باستخدام مزيج من جمهور Amazon في السوق ونمط الحياة، يمكن للمُعلنين تصميم أسلوب حملتهم بصورة مخصصة. على سبيل المثال، عندما يشتري المتسوقون في فئة التمرين واللياقة البدنية، قد يفعلون ذلك لمساعدتهم على تحقيق أهداف لياقة جديدة، لذلك يجب على المُعلنين التفكير في استخدام هذا عند تطوير رسائلهم. وبالمثل، قد يبحث المتسوقون المهتمون بالصحة أيضًا عن منتجات مسحوق البروتين وغيرها من المنتجات لمساعدتهم على استكمال وجباتهم الغذائية فيما يتعلق بهذه الأهداف. يمكن أن تساعد Amazon المُعلنين في الوصول إلى الجمهور المنجذب لأنشطة التسوق التي تشير إلى أنهم ربما اشتروا مؤخرًا منتجًا متعلق باللياقة البدنية. يجب على المُعلنين الذين يمكنهم الوصول إلى تقارير Amplifier من Amazon ورؤى الجمهور التفكير في استخدام كلٍ من الموارد لمراقبة وتحسين جمهورهم في السوق ونمط الحياة بشكل أفضل.
المنهجية
في هذه الدراسة، قمنا بتحليل أكثر من 5600 ماركة في فئة البقالة في الولايات المتحدة في عام 2020. تشمل فئة البقالة الماركات التي تبيع منتجات مثل Whole Foods والقهوة والمشروبات الباردة والوجبات الخفيفة.
لقد وضعنا درجة نجاح مركّبة للوعي لدى مؤشر ماركة Amazon (ABI) على أساس سنوي والنمو لدى مؤشر ماركة Amazon (ABI) على أساس سنوي، ثم حددنا أفضل استراتيجيات الإعلان والبيع بالتجزئة للمساعدة في زيادة درجاتهم المركّبة باستخدام خوارزميات التعلم الآلي.
استخدمنا أولاً نموذجًا خاضعًا للإشراف لتحديد قائمة بـ 20 سمة تساعد في تحسين النتيجة المركّبة بين أكثر من 40 من سمات الوسائط الإعلامية والبيع بالتجزئة. ثم نستخدم قائمة السمات هذه لإجراء تحليل المجموعات بين الماركات، بحيث تتشابه الماركات في نفس المجموعة في سمات الإعلانات والبيع بالتجزئة، بينما تختلف الماركات في مجموعات مختلفة من حيث سمات الإعلانات والبيع بالتجزئة الخاصة بها. تتضمن هذه السمات استخدام المنتج مثل بث الإعلانات التلفزيونية وإعلانات الفيديو والمنتجات المدعومة.
تقوم خوارزمية التعلم الآلي بإرجاع المجموعات. نقوم بترتيب هذه المجموعات حسب معايير النجاح، ونقارن بين المجموعات الأفضل والأقل أداءً، ونقارن الفروق بينها ونختتم بالسمات الرئيسية التي تميز أدائها من حيث نمو الوعي والاهتمام لدى مؤشر ABI.
كيف يتم توزيع المُعلنين عبر المجموعات؟
لقد استخدمنا خوارزميات التعلم الآلي لتصنيف المُعلنين تلقائيًا إلى مجموعات بناءً على سمات الإعلانات والبيع بالتجزئة الخاصة بهم.
المجموعة 1
المجموعة 2
المجموعة 3
المجموعة 4
نمو الوعي لدى مؤشر ABI على أساس سنوي
نمو الاهتمام لدى مؤشر ABI على أساس سنوي
حققت المجموعة 1 ارتفاعًا في نمو كلٍ من مستوى الوعي لدى مؤشر ABI (2.2 أضعاف) وفي مستوى الاهتمام لدى مؤشر ABI (1.9أضعاف) على أساس سنوي مقارنة بالمجموعة 4. على الرغم من أن المجموعتين 1 و2 كان لهما نمو مماثل في مستوى الوعي لدى مؤشر ABI على أساس سنوي، إلا أن المجموعة 1 تفوقت على المجموعة 2 في نمو الاهتمام لدى مؤشر ABI على أساس سنوي (1.87 أضعاف مقابل 1.25 أضعاف، على التوالي)
كيف يعمل التجميع؟
لقد وضعنا درجة مركّبة ثنائية بناءً على DPVR، ثم طبقنا مصنِف XGBoost لتحديد الميزات وقيم الترجيح التي تتنبأ بهذه التصنيفات بشكل أفضل. عند القيام بذلك، وضعنا في الحسبان إجراءات الإعلان أو البيع بالتجزئة كميزات مثل كثافة استخدام المنتج الإعلاني والمزيج بينه وبين المنتجات الأخرى، وتوقيت الدعم الإعلاني، وتكتيكات الاستهداف، والتصميمات الإبداعية ومواضع الظهور، وعدد تقييمات المستخدمين وتقييمهم، والنسبة المئوية للمنتجات التي تحتوي على صفحات منتجات عالية الجودة، وأنواع المنتجات المروّج لها في الإعلانات.
باستخدام الميزات وقيم الترجيح المحددة المذكورة أعلاه، قمنا بعد ذلك بتطبيق خوارزمية تجميع k-medoid لتصنيف المُعلنين إلى مجموعات. لاحظ أننا صنفنا المُعلنين حسب إجراءاتهم بدلاً من مكونات درجاتهم المركَّبة. بعد ذلك، صنفنا المجموعات النهائية حسب درجاتها المركَّبة من الأعلى إلى الأدنى. المجموعة 1 هي المجموعة الأكثر نجاحًا مع أعلى درجة مركّبة، والمجموعة 4 هي الأقل نجاحًا، وحققت أقل درجة مركّبة.