Wie die leistungsstärksten Lebensmittel-Werbetreibenden die Bekanntheit steigern
Von: Kavya Kilari, Analytics und Insights
Die wichtigsten Highlights:
In einer Studie aus dem Jahr 2019 mit mehr als 5600 in den USA ansässigen Unternehmen in der Kategorie Lebensmittel von Amazon beobachteten wir drei Werbetaktiken, die von den leistungsstärksten Werbetreibenden häufiger angewendet wurden als von anderen Werbetreibenden. Die Kategorie Lebensmittel umfasst Marken, die Produkte wie Whole Foods, Kaffee, kalte Getränke und Snacks verkaufen.
Die leistungsstärksten Werbetreibenden haben im Jahresvergleich ein durchschnittlich 2,2-mal höheres Wachstum ihrer Bekanntheitsmaßnahmen für den Amazon Brand Index (ABI) gegenüber dem Vorjahr (diese bieten Werbetreibenden Statistiken für den mittleren und oberen Funnel, wo die Anzahl der Kunden bestimmt wird, die sich einer Marke bewusst ist) und ein 1,9-mal höheres Wachstum im Jahresvergleich bei der ABI-Berücksichtigung (was die Anzahl der Kunden widerspiegelt, die einen Kauf in Betracht ziehen) im Vergleich zu anderen Werbetreibenden. Um diese Auswirkungen weiter zu untersuchen, haben wir Algorithmen für maschinelles Lernen verwendet, um herauszufinden, welche Taktiken die leistungsstärksten Werbetreibenden von anderen Werbetreibenden unterscheiden. Dieser Artikel untersucht diese Taktiken und gibt Empfehlungen, wie sie verbessert werden können.
Weitere Informationen finden Sie im Abschnitt Methodik am Ende dieses Artikels.
1. Die leistungsstärksten Lebensmittel-Werbetreibenden nutzen Streaming-TV-Anzeigen
Insights
Unsere Analyse zeigt, dass Werbetreibende in der Studie ihre gesamte Nettomedienreichweite (nur gegenüber linearem Fernsehen) durch die Nutzung von Streaming-TV-Anzeigen im Durchschnitt um 2,2 % erhöhten. Darüber hinaus ergab eine Nielsen-Studie aus dem Jahr 2019, dass ungefähr 39 % dieses Zuwachses aufgrund der zunehmenden Verlagerung vom linearen Fernsehen zum Streaming-TV nicht durch lineares Fernsehen hätten erreicht werden können.
8 x
höhere Wahrscheinlichkeit, eine Always-On-Kampagne durchzuführen
+2,2 %
Erhöhung der Nettoreichweite
+39 %
der Reichweite ist auf den Start vonFire TV zurückzuführen
Empfehlungen
Werbetreibende sollten sich nicht nur überlegen, Streaming-TV-Anzeigen zu ihrem Medienplan hinzuzufügen, sondern sie sollten auch in Betracht ziehen, mindestens 25 Wochen im Jahr Always-On-Kampagnen durchzuführen.
2. Die leistungsstärksten Lebensmittel-Werbetreibenden verwenden Display- und Streaming-TV-Anzeigen zusammen
Insights
Unsere Untersuchungen haben gezeigt, dass Streaming-TV-Anzeigen und Display-Anzeigen besser funktionieren, wenn man sie gemeinsam nutzt. Die leistungsstärksten Marken, die Display- und Streaming-TV-Anzeigen zusammen verwendeten, verzeichneten im Vergleich zum Vorjahr in Verbindung mit Werbeanzeigen einen Anstieg der Markensuche um +47 % im Amazon Store. Ein Full-Funnel-Ansatz mit ergänzenden Always-On-Strategien für den oberen und unteren Funnel kann Werbetreibenden dabei helfen, kanalübergreifend mit Kunden in Kontakt zu treten, egal, an welchem Punkt sich diese sich gerade befinden.
Hinweis: Markensuchen führen nicht immer zu Verkäufen, aber sie weisen evtl. auf eine Zunahme der Berücksichtigung einer Marke hin, was ein entscheidender Schritt auf dem Weg der Verbraucher ist.
Empfehlungen
Erwägen Sie, die Unterstützung zu erhöhen, indem Sie Streaming-TV-Anzeigen auf Display-Anzeigen schalten. Werbetreibende sollten auch die Tools von Amazon Advertising nutzen, z. B.:
- Amazon Video-Anzeigen-Builder – Dies ist ein kostenloses Tool, mit dem Werbetreibende Video-Anzeigen erstellen können.
3. Die leistungsstärksten Lebensmittel-Werbetreibenden nutzen vermehrt Zielgruppensegmente von Amazon-Zielgruppen
Insights
Die leistungsstärksten Werbetreibenden verzeichneten einen Anstieg der Berücksichtigung um 44 %, wenn sie eine Zielgruppe auf Grundlage von Verhaltenssignalen (z. B. Lifestyle-Zielgruppensegment) erreichten, verglichen mit der Verwendung nur demografischer Zielgruppensegmente. Die leistungsstärksten Werbetreibenden lieferten außerdem 4,5 % mehr Impressionen als andere Werbetreibende.
+44 %
Erhöhung der Berücksichtigung
+4,5 %
Gelieferte Impressions
Empfehlungen
Durch eine Kombination aus Amazon In-Market- und Lifestyle-Zielgruppen können Werbetreibende ihren Kampagnenansatz genau an ihren Bedarf anpassen. Wenn Käufer beispielsweise in der Kategorie Bewegung und Fitness einkaufen, tun sie dies möglicherweise, um neue Fitnessziele zu erreichen. Werbetreibende sollten dies bei ihren Botschaften in Betracht ziehen. In ähnlicher Weise suchen gesundheitsbewusste Käufer möglicherweise auch nach Proteinpulvern und anderen Produkten, um ihre Ernährung im Zusammenhang mit diesen Zielen zu ergänzen. Amazon kann Werbetreibenden dabei helfen, Zielgruppen zu erreichen, deren Einkaufsaktivitäten darauf hinweisen, dass sie kürzlich ein Fitness-Produkt gekauft haben. Werbetreibende mit Zugriff auf die Amplifier-Berichte und Zielgruppen-Insights von Amazon sollten beide Ressourcen nutzen, um ihr In-Market- und Lifestyle-Publikum besser zu beobachten und zu optimieren.
Methodik
In dieser Studie haben wir über 5600 Marken der Kategorie Lebensmittel in den USA im Jahr 2020 analysiert. Die Kategorie Lebensmittel umfasst Marken, die Produkte wie Whole Foods, Kaffee, kalte Getränke und Snacks verkaufen.
Mithilfe von Algorithmen für maschinelles Lernen haben wir einen zusammengesetzten Erfolgswert von Berücksichtigung und Wachstum im Amazon Brand Index (ABI) gegenüber dem Vorjahr erstellt und dann die wichtigsten Werbe- und Einzelhandelsstrategien bestimmt, um deren zusammengesetzte Punktzahl zu erhöhen.
Wir benutzen zunächst ein überwachtes Modell, um eine Liste von 20 Attributen zu bestimmen, die dazu beitragen, die zusammengesetzte Bewertung unter mehr als 40 Medien- und Einzelhandelsattributen zu verbessern. Wir verwenden diese Liste von Attributen dann, um Clusteranalysen zwischen Marken durchzuführen, sodass Marken im selben Cluster in ihren Anzeigen- und Einzelhandelsattributen ähnlich sind, während Marken in verschiedenen Clustern sich hinsichtlich ihrer Anzeigen- und Einzelhandelsattribute unterscheiden. Zu diesen Attributen gehört die Produktnutzung wie Streaming-TV-Anzeigen, Video-Anzeigen und Sponsored Products.
Der Algorithmus für maschinelles Lernen wirft Cluster aus. Wir ordnen diese Cluster nach den Erfolgsstatistiken ein, vergleichen die leistungsstärksten und leistungsschwächsten Cluster, vergleichen ihre Unterschiede und erkennen die Schlüsselattribute, die in Bezug auf Bewusstsein und Berücksichtigung des ABI-Wachstums den Unterschied in der Leistung bilden.
Wie sind Werbetreibende über die Cluster verteilt?
Wir haben Machine Learning-Algorithmen verwendet, um Werbetreibende basierend auf ihren Werbe- und Einzelhandelsattributen automatisch in Cluster einzuordnen.
Cluster 1
Cluster 2
Cluster 3
Cluster 4
Wachstum des ABI-Bewusstseins im Jahresvergleich
Wachstum der ABI-Berücksichtigung im Jahresvergleich
Cluster 1 verzeichnete gegenüber dem Vorjahr ein höheres Wachstum sowohl beim ABI-Bewusstsein (2,2 x) als auch bei der ABI-Berücksichtigung (1,9 x) als Cluster 4. Obwohl die Cluster 1 und 2 gegenüber dem Vorjahr ein ähnliches Wachstum des ABI-Bewusstseins aufwiesen, übertraf Cluster 1 Cluster 2 beim Wachstum der Berücksichtigung gegenüber dem Vorjahr (1,87 x gegenüber 1,25 x)
Wie funktioniert Clustering?
Wir haben eine binäre zusammengesetzte Bewertung auf Grundlage von DPVR erstellt und dann einen XGBoost-Classifier angewendet, um herauszufinden, welche Merkmale mit welcher Gewichtung diese Marken am besten prognostizieren. Dabei betrachteten wir Werbe- oder Einzelhandelsmaßnahmen mit Merkmalen wie Intensität und Mix der Nutzung von Anzeigenprodukten, Timing der Werbeunterstützung, Targeting-Taktiken, Werbemittel und Platzierungen, Anzahl und Bewertungen von Kundenbewertungen, Prozentsatz der Produkte mit hochwertigen Produktseiten und die Arten von Produkten, die in Anzeigen beworben wurden.
Unter Verwendung der genannten Merkmale und Gewichtungen haben wir dann einen k-Medoid-Clusteringalgorithmus angewendet, um Werbetreibende in Cluster zu klassifizieren. Beachten Sie, dass wir Werbetreibende eher nach ihren Handlungen als nach den Komponenten ihrer zusammengesetzten Bewertung klassifiziert haben. Danach haben wir die endgültigen Cluster nach ihrer zusammengesetzten Bewertung von hoch bis niedrig eingestuft. Cluster 1 ist der erfolgreichste Cluster mit der höchsten zusammengesetzten Bewertung, Cluster 4 ist der am wenigsten erfolgreiche mit der geringsten zusammengesetzten Bewertung.