3 Taktiken, die Top-Werbetreibende für Autoprodukte verwenden, um den Absatz zu steigern

Von: Cecia Wang, Analytics and Media Manager

Wir haben über 8 600 Marken der Kategorie Autoprodukte im Amazon Store untersucht, um zu erfahren, wie sie das Wachstum des Absatzes und der Marken-Neukunden im Jahresvergleich vorangebracht haben.

Die wichtigsten Punkte:

In dieser Studie haben wir über 8 600 Marken der Kategorie Autoprodukte in den USA im Jahr 2020 analysiert. In der Kategorie Autoprodukte finden sich Marken, die Produkte wie Wohnmobilteile und -zubehör, Ersatzteile und Kfz-Zubehör verkaufen.

Wir haben eine zusammengesetzte Bewertung aus der Wachstumsrate des Absatzes im Jahresvergleich (SalesGR) und der Wachstumsrate der Marken-Neukunden im Jahresvergleich (NTBGR) erstellt und dann Machine Learning verwendet, um die wichtigsten Werbe- und Einzelhandelsstrategien zu identifizieren, die Werbetreibenden halfen, ihre zusammengesetzte Bewertung zu erhöhen.

Werbetreibende für Autoprodukte, die das Wachstum von SalesGR- und NTBGR im Jahresvergleich verbessern möchten, sollten Folgendes berücksichtigen:

  • Durchführung von Werbekampagnen für Sponsored Display und Sponsored Products
  • Mehr Unterstützung von Sponsored Display und Sponsored Brands bei besonderen Anlässen
  • Ausgeglichene Mischung der Investitionen.

Weitere Informationen finden Sie im Abschnitt Methodik am Ende dieses Artikels.

1. Top-Werbetreibende für Autoprodukte führen Werbekampagnen der Typen Sponsored Brands und Sponsored Products durch

Einblicke

Mit Sponsored Brands können Werbetreibende an mehreren Platzierungen an herausgehobener Stelle erscheinen, über und unter den Suchergebnissen. Diese Analyse zeigt, dass Automobilproduktmarken mit höherem Wachstum im Jahr 2020 Sponsored Brands verwendet haben. Ein Grund dafür könnte das Ergebnis der hohen Reichweite sein, die durch Sponsored Display erreicht werden kann.

Empfehlungen

Bei der Durchführung von Always-on-Kampagnen empfehlen wir:

  • Keyword-Abdeckung: Verwenden Sie Kategorie-Keywords, um neue Kunden zu ermutigen, im Trichter fortzuschreiten und verwenden Sie Marken-Keywords, um die Conversions zu fördern.
  • Saisonbudgets für Sponsored Brands: Das Such- und Kaufverhalten der Käufer hat im Laufe des Jahres Höhen und Tiefen, und die Synchronisierung von Budgets, um dies widerzuspiegeln, trägt zur Maximierung des ROI bei.
  • Ändern Sie beworbene ASINs nicht zu häufig: Um die Entdeckung und Relevanz zu unterstützen, sollten Sie einen ausreichenden Zeitraum einplanen und die beworbenen ASINs nicht zu häufig ändern, wie täglich oder wöchentlich.

2. Top-Werbetreibende für Autoprodukte maximieren Kundenbewertungen

Einblicke

Kundenbewertungen sind eine wichtige Kennzahl für Kunden, die sich für den Kauf eines Produkts entscheiden möchten. Werbetreibende können die folgenden Tools verwenden, um zu Glance Views (Kurzaufrufe) und Conversions beizutragen:

Empfehlungen

Händler: Verwenden Sie das Amazon Vine-Programm. Das Programm wurde entwickelt, um Kunden mehr Informationen zu liefern, darunter ehrliches und unvoreingenommenes Feedback einiger der vertrauenswürdigsten Reviewer von Amazon.

Verkäufer: Registrieren Sie sich im Amazon-Markenregister und nutzen Sie das Early Reviewer-Programm. Wenn Sie sich beim Amazon-Markenregister anmelden, erhalten Sie Zugriff auf eine Reihe von Tools, die Ihnen helfen sollen, Ihre Marke aufzubauen und zu schützen und Kunden ein besseres Erlebnis zu bieten.

3. Top-Werbetreibende für Autoprodukte mischen Investitionen entsprechend

Einblicke

Es gibt im Verlauf des Jahres Standardereignisse wie Black Friday und Cyber Monday (BFCM) sowie automobilbezogene Ereignisse wie die Truck-Saison und die Vorbereitung auf den Winter. Werbung zu diesen wichtigen Zeitpunkten kann Ihre Marke verstärken und dazu beitragen, den Absatz zu steigern. Tatsächlich behielten Marken mit höherem Wachstum bei all diesen jahreszeitlichen Ereignissen ausgeglichene Ausgaben für Sponsored Products bei. Darüber hinaus behielten Top-Marken im Ablauf Truck-Saison/Vorbereitung auf den Winter/BFCM ein Verhältnis von 2:1:1 bei. Bei anderen Werbetreibenden ist das Verhältnis von 10:1:1.

Empfehlungen

Unsere Analyse zeigt, dass ein ausgewogenerer Ansatz zu höheren DPVGR und NTBGR im Jahresvergleich führen kann.

Methodik

Wir nutzen zunächst ein überwachtes Modell, um eine Liste von Attributen zu identifizieren, die dazu beitragen, die zusammengesetzte Bewertung unter mehr als 40 Medien- und Einzelhandelsattributen zu verbessern. Wir haben dann diese Attributliste verwendet und eine Clusteranalyse unter Werbetreibenden/Marken durchgeführt, sodass Werbetreibende/Marken im selben Cluster in Bezug auf Anzeigen- und Einzelhandelsattribute ähnlich sind, während Werbetreibende/Marken in verschiedenen Clustern sich in Anzeigen- und Einzelhandelsattributen unterscheiden. Diese Attribute sind X1, X2, … Xn. (Attribute werden in der Illustration als Blasen angezeigt).
Die Algorithmen für Machine Learning gaben 4 Cluster aus. Wir haben diese 4 Cluster nach den Erfolgsstatistiken eingestuft, die Unterschiede zwischen den Clustern mit der besten/schlechtesten Leistung verglichen und die wichtigsten Attribute identifiziert, die den Unterschied bei NTB und Umsatzwachstum ausmachen.

Wie funktioniert das Clustering?
Wir haben eine binäre zusammengesetzten Bewertung auf Grundlage von DPVR erstellt und dann einen XGBoost-Classifier angewendet, um zu identifizieren, welche Merkmale mit welcher Gewichtung diese Marken am besten prognostizieren. Dabei betrachteten wir Werbe- oder Einzelhandelsmaßnahmen als Funktionen, 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.
Anhand der oben identifizierten Merkmale und Gewichtungen haben wir dann einen k-medoid-Clusteringalgorithmus angewandt, um die Werbetreibenden in Cluster einzuteilen. Beachten Sie, dass wir Werbetreibende eher nach ihren Aktionen als nach den Komponenten ihrer zusammengesetzten Bewertung klassifiziert haben. Danach haben wir die endgültigen Cluster nach ihrer zusammengesetzten Bewertung von hoch bis niedrig eingestuft.