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

Por: Jessie Liu, responsable sénior de análisis y medios

Al evaluar el éxito de las campañas publicitarias en el sector de aplicaciones de streaming (SVOD, AVOD, vMVPD), resulta útil analizar no solo el número de descargas de aplicaciones sino también la eficacia de la descarga de aplicaciones. Un estudio de Amazon Ads del 2020 destaca la importancia de esto.

Lo destacado de la historia:

El sector de las Streaming Applications (SA, aplicaciones de streaming), que incluye Subscription Video-on-Demand (SVOD, suscripción a video bajo demanda), Ad-supported Video-on-Demand (AVOD, video bajo demanda con soporte publicitario) y Virtual Multichannel Video Programming Distributor (VMVPD, distribuidor de programación de vídeo multicanal virtual) suele utilizar el número de descargas de aplicaciones para comparar el rendimiento de diferentes anunciantes. En Amazon Ads, creemos que es importante no solo tener en cuenta el número total de descargas sino también la eficacia de las descargas: con qué frecuencia se generan descargas gracias a las impresiones.

Para calcular la eficacia de las descargas de aplicaciones, analizamos las descargas por cada mil impresiones (DPM, gestión de protección de datos) de 38 marcas de la categoría SA en Amazon en el 2020. Descubrimos que los anunciantes de alto rendimiento tenían una eficacia de descarga de aplicaciones 22 veces mayor que otros anunciantes. Para ayudar a los anunciantes a mejorar la eficacia de sus descargas, analizamos las estrategias diferenciadoras que utilizan quienes tienen los mejores rendimientos y brindamos recomendaciones para mejorarlas.

Para obtener más información sobre cómo recopilamos nuestros datos, consulta la sección Metodología que se encuentra al final de este artículo.

1. Los anunciantes de aplicaciones de alto rendimiento combinan anuncios de TV por streaming, anuncios para dispositivos móviles y cajas patrocinadas de Fire TV

Este estudio muestra que las marcas que combinaron anuncios de TV por streaming, cajas patrocinadas de Fire TV y anuncios para dispositivos móviles registraron una eficacia de descarga de aplicaciones 22 veces mayor (y mostraron el doble de impresiones) que los anunciantes que solo usaban anuncios de TV por streaming.

Más del 22%

Eficacia de la descarga

Doble

Más impresiones

Recomendaciones

Al planificar campañas, recomendamos que los anunciantes hagan lo siguiente:

  • Consideren publicar anuncios en Fire TV, tablet Fire y dispositivos móviles.
  • Adapten las creatividades del anuncio a los dispositivos para garantizar que los clientes tengan una experiencia positiva en todos los dispositivos.

2. Los anunciantes de aplicaciones de alto rendimiento varían sus creatividades del anuncio

Las audiencias pueden considerar que las campañas creativas con más versiones de mensajes específicos son más relevantes y, por lo tanto, pueden aumentar la participación. De hecho, este análisis muestra que los anunciantes de alto rendimiento implementaron 1,8 veces más creatividades únicas que otros anunciantes.

Recomendaciones

Los anunciantes deben considerar la posibilidad de actualizar continuamente las creatividades y realizar el Test A/B. El Test A/B es una forma eficaz y rentable de determinar qué repercute en los espectadores y evitar gastos innecesarios. Recomendamos evaluar elementos como diferentes llamadas a la acción y tipos de contenido para comprender qué funciona mejor a la hora de generar más descargas. Por último, recordamos a los anunciantes que examinen el diseño del anuncio, la llamada a la acción, los reclamos, los precios en las creatividades y la página de destino para garantizar que el contenido publicitario y la configuración creativa sean apropiados para la audiencia en general y cumplan con las políticas de Amazon.

3. Los anunciantes de aplicaciones de alto rendimiento aprovechan las palabras clave negativas

Las audiencias de alto rendimiento tenían entre un 6 y un 10% más de probabilidades de utilizar estrategias de palabras clave negativas que otros anunciantes, y también mostraron una mayor eficacia en la descarga de aplicaciones.

Recomendaciones

Considera aprovechar las herramientas de Amazon Ads para crear segmentos de audiencia personalizados basados en el género, la transmisión y el estilo de vida, así como señales de comportamiento en el mercado que se ajusten a los objetivos de la campaña. Aprovecha el informe de rendimiento de la audiencia estándar para comprender qué públicos no responden a las campañas y considera excluirlas en el futuro.

Metodología

En este estudio, analizamos 38 marcas en la categoría Aplicaciones de streaming en EE. UU. durante 12 meses de publicidad, de enero a diciembre de 2020. La categoría Aplicaciones de streaming incluye anunciantes que ofrecen servicios como Subscription Video-on-Demand, Ad-Supported Video-on-Demand y Virtual Multichannel Video Programming Distributor (vMVPD).

Utilizamos descargas por cada mil impresiones (DPM) como métrica de eficacia de descarga de aplicaciones para medir el éxito. A continuación, identificamos las principales estrategias publicitarias para ayudar a aumentar la DPM con algoritmos de aprendizaje automático. La correlación de Pearson, la regresión lineal, el XGBoost y las sugerencias de expertos en la materia se utilizan para asignar ponderaciones de entidades. Este análisis pone de relieve las mayores diferencias entre los anunciantes con la DPM más alta y más baja, y no predice el rendimiento ni la causalidad.

¿Cómo funciona el análisis de clúster?

Creamos una puntuación compuesta binaria basada en DPVR y, a continuación, aplicamos un clasificador XGBoost para identificar qué características y con qué ponderaciones predicen mejor estas etiquetas. Al hacerlo, consideramos las acciones publicitarias como características, tales como la intensidad y la mezcla de uso de productos publicitarios, el soporte para los tiempos de publicidad, las estrategias de segmentación, las creatividades y los emplazamientos, los recuentos y calificaciones en reseñas de los clientes, el porcentaje de productos con páginas del producto de calidad y los tipos de productos promocionados en los anuncios.

Con las características y ponderaciones identificadas antes mencionadas, aplicamos un algoritmo de análisis por clústeres 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 combinada. Por último, posicionamos a los clústeres finales por su puntuación combinada de mayor a menor. El clúster 1 es el clúster más exitoso, con la puntuación combinada más alta, y el clúster 5 es el menos exitoso.