Comment les vendeurs ont-ils augmenté le nombre de clics grâce à Sponsored Display ?

Pour effectuer notre analyse, nous avons regroupé les vendeurs chinois en quatre groupes, le premier étant le plus performant et le quatrième le moins performant en termes de nombre total de clics. Plus précisément, nous avons observé les clics cumulés tout au long de la campagne et le taux de conversion (nombre d'unités commandées attribuées aux campagnes Sponsored Display divisé par le nombre total de clics).

Cet article fournit des données/bonnes pratiques concernant les attributs et stratégies clés en quantifiant la mesure dans laquelle les vendeurs chinois les plus performants (Groupe 1) et les moins performants (Groupe 4) ont adopté chaque attribut ou stratégie clé.

Pour en savoir plus sur la façon dont nous avons réalisé cette étude, consultez la section Méthodologie à la fin de cet article.

Si vous cherchez à augmenter le nombre de clics sur les campagnes publicitaires, la durée de la campagne est essentielle. Pour simplifier, plus la campagne est diffusée longtemps, plus les publicités ont de chances d'atteindre des clients. Au cours de la période observée, les annonceurs les plus performants ont mené des campagnes Sponsored Display pendant une durée moyenne de 329 jours, contre 92 jours en moyenne pour les annonceurs les moins performants.

Pour optimiser les performances de leurs campagnes, nous recommandons aux vendeurs chinois d'utiliser Sponsored Display tout au long de l'année. Cela aide à s'assurer que la marque est toujours présente et laisse plus de temps pour optimiser les campagnes.

• Dans leurs campagnes publicitaires, les vendeurs chinois devraient envisager d'élargir leur ciblage par produits à plus de 30 produits/ASINs (numéros de série) et à plus de 3 catégories.

• Quand il y a des offres ou des promotions sur les produits, les clients sont plus susceptibles de cliquer sur les publicités Sponsored Display, ce qui peut augmenter les ventes et améliorer les performances globales de Sponsored Display.

Enfin, nous avons constaté qu'améliorer la quantité et la qualité des commentaires clients pouvait améliorer le nombre de clics, ainsi que le taux de conversion client. Les annonceurs les plus performants avaient reçu en moyenne 2 200 commentaires clients par ASIN ou numéro de série unique, contre 1 100 commentaires clients en moyenne pour les vendeurs chinois les moins performants.

Pour renforcer la confiance des clients, nous recommandons aux annonceurs de s'efforcer d'améliorer la qualité de leurs commentaires clients. Pour cela, les vendeurs chinois peuvent envisager de suivre les recommandations suivantes :

• Utiliser le registre des marques Amazon. L'inscription au registre des marques Amazon permet de débloquer une suite d'outils conçus pour vous aider à élaborer et à protéger votre marque, créant une meilleure expérience pour les clients.

Comme nous l'avons vu dans notre analyse, en lien avec notre modèle de machine learning supervisé, nous avons identifié quatre tactiques dont peuvent tirer profit les vendeurs chinois qui utilisent Amazon Ads pour augmenter les clics et les taux de conversion d'année en année : (1) diffuser des publicités Sponsored Display tout au long de l'année ; (2) utiliser le ciblage par produits dans plusieurs catégories pour améliorer la portée ; (3) combiner Sponsored Display à des offres sur les produits ; et (4) améliorer la qualité des commentaires clients à l'aide du registre des marques Amazon.

• Marques sélectionnées : 13 272 marques ayant diffusé des campagnes de ciblage par produits Sponsored Display. Plus précisément, des annonceurs basés en Chine qui vendent dans le monde entier (8 régions : US, UK, DE, FR, JP, CA, IT, ES).
• Création d'une statistique de réussite : calculée selon la croissance annuelle des clics cumulés tout au long de la durée de la campagne et le taux de conversion (le nombre d'unités commandées attribuées aux campagnes Sponsored Display/les clics obtenus).
• Identification des actions publicitaires ou commerciales efficaces : une fois les statistiques de réussite définies, nous avons identifié les principales mesures à mettre en place dans la campagne pour contribuer à améliorer ces statistiques de réussite grâce aux algorithmes de machine learning. Nous avons tiré parti d'un modèle d'arbres de décision boostés par gradient pour identifier les actions les plus importantes qui contribuent aux statistiques de réussite d'une campagne. Cette méthode nous a aidés à comprendre quelles mesures publicitaires sont les plus importantes pour que la campagne obtienne de bonnes statistiques de réussite.
• Regroupement des marques : les marques ont été regroupées par score composite (clics et conversions) en quatre groupes classés des plus aux moins performantes.
• Comparaison des groupes de marques : nous avons identifié les stratégies utilisées par les marques les plus performantes (Groupe 1) pour augmenter les clics et les conversions, en comparaison avec les stratégies utilisées ou non par les marques moins performantes (Groupe 4).