Deux tactiques utilisées par les meilleurs annonceurs de jouets pour améliorer la croissance sur Amazon

Par : Andrew Holsopple, gestionnaire des analyses et des médias

Nous avons étudié plus de 1 400 marques dans la catégorie Jouets d’un Amazon Store pour obtenir des données sur la croissance d’une année à l’autre en ce qui concerne les vues de pages de détails et les clients de nouvelle association à la marque.

Points saillants :

Dans cette étude, nous avons analysé plus de 1 400 marques dans la catégorie Jouets aux États-Unis en 2020. La catégorie Jouets comprend des marques vendant des produits tels que la construction, les jeux, les figurines et objets de collection, les arts et l’artisanat, les jouets pour bébés et les porteurs. Nous avons créé un score composite du taux de croissance des vues des pages (DPVGR) d’une année sur l’autre et du taux de croissance des clients de nouvelle association à la marque (NTBGR) d’une année sur l’autre, puis identifié les meilleures stratégies de publicité et de vente au détail pour aider à augmenter le score composite avec des algorithmes d’apprentissage automatique.

Les annonceurs qui cherchent à améliorer leur DPGVR et NTBGR devraient envisager de :

Pour en savoir plus sur notre collecte de données, consultez la section Méthodologie à la fin de cet article.

1. Les annonceurs de jouets les plus performants mènent des campagnes Sponsored Display et Sponsored Products

Données

En 2020, 74 % des annonceurs de jouets les plus performants ont mené des campagnes toujours actives pour Sponsored Products et Sponsored Brands tout au long de l’année.

Recommandations

Lorsque vous utilisez des campagnes toujours actives, nous vous recommandons :

  • Une couverture par mots-clés : utilisez des mots-clés de catégorie pour aider à atteindre de nouveaux auditoires plus élevés dans l’entonnoir, puis utilisez des mots-clés de marque pour stimuler la conversion.
  • Des budgets saisonniers Sponsored Brands : les comportements de recherche et d’achat des acheteurs connaissent des pics et des creux tout au long de l’année, et la synchronisation des budgets pour refléter cela permet d’aider à maximiser le rendement du capital investi. Notre analyse a montré que les plus performants dans le domaine des jouets ont augmenté l’utilisation des Sponsored Brands lors d’événements de magasinage Amazon.
  • Ne modifiez pas trop fréquemment les ASINs promus : Pour soutenir la découverte et la pertinence, accordez une période de soutien suffisante et ne modifiez pas trop fréquemment les ASINs promus, par exemple tous les jours ou toutes les semaines.

2. Les annonceurs de jouets les plus performants augmentent la prise en charge de Sponsored Display et Sponsored Brands lors d’événements de magasinage Amazon

Données

100 % des annonceurs de jouets les plus performants ont généré des impressions Sponsored Brands lors d’événements Amazon, et 61 % ont généré des impressions Sponsored Display lors d’événements Amazon. En plus de générer des impressions, notre analyse montre que les marques qui utilisent des campagnes Amazon DSP partout où les clients passent leur temps affichent une croissance plus forte de nouvelles associations à la marque.

Recommandations

Lorsqu’on fait de la publicité lors d’événements de magasinage Amazon, certains éléments sont à considérer :

  • Les acheteurs viennent sur Amazon pour rechercher, prendre en considération et acheter des produits. Ils augmentent généralement leur engagement avant et leur intérêt demeure après les événements de magasinage Amazon. Pendant la saison des Fêtes, ils commencent souvent leurs recherches dès la fin octobre et début novembre, ont un intérêt accru pendant la fin de semaine du Vendredi fou et du Cyberlundi, et restent impliqués jusqu’à la fin décembre. Les annonceurs devraient donc susciter l’intérêt des acheteurs tôt avec des forfaits publicitaires de lancement et envisager d’utiliser le remarketing après les événements afin de maximiser le potentiel.
  • Les annonceurs peuvent utiliser des segments d’auditoire pour atteindre les clients les plus susceptibles d’acheter lors d’événements de magasinage Amazon.
  • Les annonceurs peuvent utiliser Sponsored Display et Amazon DSP partout où les clients passent leur temps.

Méthodologie

Nous avons d’abord utilisé un modèle supervisé pour identifier une liste d’attributs qui aident à améliorer le score composite parmi plus de 30 attributs de médias et de vente au détail. Nous avons ensuite utilisé cette liste d’attributs et effectué une analyse groupée parmi les annonceurs/marques, de façon à ce que les annonceurs/marques dans le même groupe aient des attributs de publicité et de vente au détail similaires, tandis que les annonceurs/marques dans différents groupes auraient des attributs de publicité et de vente au détail différents. Ces attributs sont X1, X2,…Xn. (Attributs affichés sous forme de bulles sur le visuel).
Les algorithmes d’apprentissage automatique ont permis d’identifier quatre groupes. Nous avons classé ces quatre groupes selon les statistiques de succès, comparé les différences entre les groupes les plus performants et les groupes les moins performants, et identifié les attributs clés qui différencient leurs performances pour la croissance des nouvelles associations à la marque et des vues des pages.

Comment fonctionne le regroupement?
Nous avons créé un score composite binaire basé sur le taux des vues de la page de détails (DPVR), puis appliqué un classificateur XGBoost pour identifier les caractéristiques et les facteurs qui prédisent le mieux ces résultats. Pour ce faire, nous avons examiné les actions publicitaires ou de vente au détail, par exemple des attributs tels l’intensité et la mixité de l’utilisation des produits publicitaires, le calendrier du soutien publicitaire, les tactiques de ciblage, les créations et les emplacements, le nombre d’avis clients et les notes, le pourcentage de produits disposant de pages de produits de qualité et les types de produits promus dans les publicités, etc.

En utilisant les caractéristiques et les facteurs identifiés ci-dessus, nous avons ensuite appliqué un algorithme de regroupement k-medoid pour classer les annonceurs en groupes. Notez que nous avons classé les annonceurs en fonction de leurs actions plutôt qu’en fonction des composants de leur score composite. Nous avons ensuite classé les groupes définitifs en fonction de leurs scores composites, du plus élevé au plus faible.