3 tácticas que utilizan los principales anunciantes de aplicaciones para mejorar la eficacia de las descargas

Por: Jessie Liu, Administradora principal de análisis y medios

Al evaluar el éxito de las campañas publicitarias en la industria de Aplicaciones de Streaming (SVOD, AVOD, VMVPD) es útil analizar no solo el número de descargas de aplicaciones, sino también la eficacia de descarga de aplicaciones. Un estudio de Amazon Ads 2020 destaca la importancia de esto.

Lo más destacado de la historia:

La industria de Aplicaciones de Streaming (SA), que incluye Video bajo demanda por suscripción (SVOD), Video bajo demanda soportado por anuncios (AVOD) y Distribuidores virtuales de programación de video multicanal (VMVPD) a menudo utiliza el número de descargas de aplicaciones para comparar el desempeño entre diferentes anunciantes. En Amazon Ads, creemos que es importante no solo considerar el número total de descargas sino también la eficacia de la descarga: la frecuencia con la que las impresiones conducen a descargas.

Para calcular la eficacia de la descarga de aplicaciones, analizamos las descargas por mil impresiones (DPM) de 38 marcas en la categoría SA en Amazon en 2020. Descubrimos que los anunciantes de alto desempeño tenían una eficacia de descarga de aplicaciones 22 veces mayor que otros anunciantes. Para ayudar a los anunciantes a mejorar su eficacia de descarga, analizamos las tácticas diferenciadoras utilizadas por los mejores artistas y brindamos recomendaciones para mejorarlas.

Para obtener más información sobre cómo recopilamos nuestros datos, consulta la sección de metodología al final de este artículo.

1. Los anunciantes de aplicaciones de alto desempeño combinan anuncios de Streaming TV, anuncios de dispositivos móviles y mosaicos patrocinados de Fire TV

Este estudio muestra que las marcas que combinaron anuncios de Streaming TV, mosaicos patrocinados por Fire TV y anuncios para dispositivos móviles vieron +22 veces mayor eficacia de descarga de aplicaciones (y entregaron 2 veces más impresiones) que los anunciantes que usaban anuncios de Streaming TV solos.

+22%

Eficacia de descarga

El doble

Más impresiones

Recomendaciones

Al planificar campañas, recomendamos que los anunciantes:

  • Considera publicar anuncios en Fire TV, Fire Tablet y dispositivos móviles.
  • Adapta el material creativo del anuncio a los dispositivos para garantizar que los clientes tengan una experiencia positiva en todos los dispositivos.

2. Los anunciantes de aplicaciones de mejor desempeño varían en su material creativo del anuncio

Las audiencias pueden sentir que las campañas con más versiones de mensajes específicos en su material creativo son más relevantes y, por lo tanto, pueden impulsar una mayor interacción. De hecho, este análisis muestra que los anunciantes de alto desempeño implementaron 1.8 veces más material creativo único que otros anunciantes.

Recomendaciones

Los anunciantes deben considerar actualizar continuamente el material creativo y realizar pruebas comparativas A/B. Las pruebas comparativas A/B son una manera efectiva y rentable de determinar qué es lo que resuena en los espectadores y evitar gastos innecesarios. Recomendamos probar elementos como diferentes llamadas a la acción y tipos de contenido para comprender qué funciona mejor en términos de impulsar más descargas. Por último, recordamos a los anunciantes que examinen el diseño del anuncio, la llamada a la acción, las reclamaciones, los precios en el material creativo y la página de destino para garantizar que el contenido publicitario y las configuraciones del material creativo sean apropiados para una audiencia general y cumplan con las políticas de Amazon.

3. Los anunciantes de aplicaciones de mejor desempeño aprovechan las palabras clave negativas.

Las audiencias de alto desempeño tenían un 6-10% más de probabilidades de usar tácticas de palabras clave negativas que otros anunciantes, y también mostraron una mayor eficacia de descarga de aplicaciones.

Recomendaciones

Considera aprovechar las herramientas de Amazon Ads para crear segmentos de audiencia personalizados basados en género, transmisión y estilo de vida, y señales de comportamiento con intención de compra que se alineen con los objetivos de la campaña. Aprovecha el informe estándar de desempeño de la audiencia para comprender qué audiencias no responden a las campañas y considerar excluirlas en el futuro.

Metodología

En este estudio, analizamos 38 marcas en la categoría Aplicaciones de Streaming en EU a lo largo de 12 meses de publicidad durante 2020 de enero a diciembre. La categoría Aplicaciones de Streaming incluye a los anunciantes que ofrecen servicios como Video bajo demanda por suscripción, Video bajo demanda soportado por anuncios y Distribuidores virtuales de programación de video multicanal (VMVPD).

Se utilizaron descargas por mil impresiones (DPM) como métrica de eficacia de descarga de aplicaciones para medir el éxito. Luego, identificamos las principales estrategias publicitarias para ayudar a aumentar el DPM con algoritmos de aprendizaje automático. La correlación de Pearson, la regresión lineal, XGBoost y las sugerencias de expertos en la materia se utilizan para asignar pesos de características. Este análisis resalta las mayores diferencias entre los anunciantes con el DPM más alto y más bajo, y no predice el desempeño ni la causalidad de las reclamaciones.

¿Cómo funciona el agrupamiento?

Creamos una puntuación compuesta binaria basada en DPVR y, luego, aplicamos un clasificador XGBoost para identificar qué características y en qué pesos predicen mejor estas etiquetas. Para hacerlo, tuvimos en cuenta las acciones publicitarias como características tales como la intensidad y la combinación del uso de productos publicitarios, la temporización del soporte publicitario, las tácticas de segmentación, el material creativo y su ubicación, el recuento de opiniones de los clientes, el porcentaje de productos con páginas de producto de alta calidad y los tipos de productos promocionados en los anuncios.

A partir de las características y ponderaciones identificadas anteriormente, aplicamos un algoritmo de agrupación k-medoid para clasificar a los anunciantes en grupos. Ten en cuenta que clasificamos a los anunciantes por sus acciones y no por los módulos de su puntuación compuesta. Por último, posicionamos los grupos finales por sus puntuaciones compuestas de mayor a menor. El grupo 1 es el más exitoso y cuenta con la puntuación compuesta más alta, mientras que el grupo 5 es el que menos éxito tiene.