3 tactiques utilisées par les meilleurs annonceurs d'applications pour améliorer l'efficacité des téléchargements

Par : Jessie Liu, responsable senior analytique et médias

Lorsque vous évaluez le succès des campagnes publicitaires dans le secteur des applications de streaming (SVOD, AVOD, VMVPD), il est utile de se pencher non seulement sur le nombre de téléchargements d'application, mais également sur l'efficacité du téléchargement d’application. Une étude Amazon Ads de 2020 souligne l'importance de cette approche.

Résumé :

Le secteur des applications de streaming (SA), qui comprend la vidéo à la demande par abonnement (SVOD), la vidéo à la demande financée par la publicité (AVOD) et le distributeur virtuel de programmation vidéo multicanal (VMVPD), utilise souvent le nombre de téléchargements d'application pour comparer les performances des différents annonceurs. Chez Amazon Ads, nous pensons qu'il est important de prendre en compte non seulement le nombre total de téléchargements, mais également l'efficacité des téléchargements : à quelle fréquence les impressions mènent à des téléchargements.

Pour calculer l'efficacité du téléchargement d’application, nous avons analysé les téléchargements par millier d'impressions (DPM) de 38 marques de la catégorie SA sur Amazon en 2020. Nous avons constaté que les annonceurs les plus performants avaient une efficacité de téléchargement d'application 22 fois supérieure à celle des autres annonceurs. Pour aider les annonceurs à améliorer leur efficacité de téléchargement, nous examinons les tactiques de différenciation utilisées par les plus performants et formulons des recommandations pour les améliorer.

Pour en savoir plus sur la façon dont nous avons collecté nos données, consultez la section Méthodologie à la fin de cet article.

1. Les annonceurs d'applications les plus performants combinent des Streaming TV ads, des publicités pour appareils mobiles et des vignettes sponsorisées Fire TV

Cette étude montre que les marques qui ont combiné des Streaming TV ads, des vignettes sponsorisées Fire TV et des publicités pour appareils mobiles ont enregistré une efficacité de téléchargement d'application 22 fois plus élevée (et ont généré 2 fois plus d'impressions) que les annonceurs qui utilisaient uniquement les Streaming TV ads.

+22 %

Efficacité de téléchargement

2x

Plus d’impressions

Recommandations

Lors de la planification de campagnes, nous recommandons aux annonceurs de :

  • Penser à diffuser des publicités sur Fire TV, Fire tablette et appareils mobiles.
  • Adapter les créations publicitaires aux appareils afin de garantir aux clients une expérience positive sur tous les appareils.

2. Les annonceurs d'applications les plus performants varient leurs créations publicitaires

Les campagnes créatives comportant plus de versions de messages spécifiques peuvent être perçues par les audiences comme étant plus pertinentes, ce qui peut entraîner un engagement plus élevé. En fait, cette analyse montre que les annonceurs les plus performants ont mis en œuvre 1,8 fois plus de créations uniques que les autres annonceurs.

Recommandations

Les annonceurs devraient envisager d'actualiser continuellement leurs créations et de réaliser des tests A/B. Les tests A/B sont un moyen efficace et rentable de déterminer ce qui résonne auprès des téléspectateurs et évite les dépenses inutiles. Nous vous recommandons de tester des éléments tels que différents appels à l'action et types de contenu pour comprendre ce qui est le plus performant en termes de nombre de téléchargements supplémentaires. Enfin, nous rappelons aux annonceurs d'examiner minutieusement la conception de la publicité, de l’appel à l'action, des déclarations, le prix des créations et la page de destination afin de s'assurer que le contenu publicitaire et les configurations créatives conviennent à un public général et respectent les politiques d'Amazon.

3. Les annonceurs d'applications les plus performants exploitent les mots-clés négatifs

Les audiences les plus performantes étaient de 6 à 10 % plus susceptibles d'utiliser des tactiques de mots-clés négatifs que les autres annonceurs, et affichent également une plus grande efficacité de téléchargement d’application.

Recommandations

Pensez à tirer parti des outils Amazon Ads pour créer des segments d'audience personnalisés en fonction du genre, du streaming et du mode de vie, ainsi que des signaux comportementaux sur le marché qui correspondent aux objectifs de la campagne. Exploitez le rapport de performance d'audience standard pour comprendre quelles audiences ne répondent pas aux campagnes et envisagez de les exclure à l'avenir.

Méthodologie

Dans cette étude, nous avons analysé 38 marques de la catégorie des applications de streaming aux États-Unis sur 12 mois de publicité en 2020, de janvier à décembre. La catégorie Applications de streaming comprend les annonceurs qui proposent des services tels que la vidéo à la demande par abonnement, la vidéo à la demande financée par la publicité et le distributeur virtuel de programmation vidéo multicanal (VMVPD).

Nous avons utilisé les téléchargements par millier d'impressions (DPM) comme mesure de l'efficacité des téléchargements d'applications pour mesurer le succès. Nous avons ensuite identifié les meilleures stratégies publicitaires pour aider à augmenter le DPM grâce aux algorithmes de machine learning. La corrélation de Pearson, la régression linéaire, XGBoost et les suggestions d'experts en la matière sont utilisées pour attribuer des pondérations aux caractéristiques. Cette analyse met en évidence les plus grandes différences entre les annonceurs ayant le DPM le plus élevé et le plus faible, et ne prédit pas les performances ni la causalité des revendications.

Comment fonctionne le clustering ?

Nous avons créé un score composite binaire basé sur DPVR, puis appliqué un classificateur XGBoost pour identifier les entités et les pondérations qui prédisent le mieux ces étiquettes. Ce faisant, nous avons considéré les actions publicitaires comme des caractéristiques telles que l'intensité et la combinaison d'utilisation des produits publicitaires, le timing du support publicitaire, les tactiques de ciblage, les créations et les emplacements, le nombre de commentaires des clients et les notes, le pourcentage de produits avec des pages produit de qualité et les types de produits promus dans les publicités.

En utilisant les caractéristiques identifiées et les pondérations mentionnées ci-dessus, nous avons ensuite appliqué un algorithme de clustering k-medoid pour classer les annonceurs en clusters. Notez que nous avons classé les annonceurs en fonction de leurs actions plutôt qu'en fonction des composants de leur score composite. Enfin, nous avons classé les clusters finaux en fonction de leurs scores composites allant du plus élevé au plus faible. Le cluster 1 est le cluster le plus performant avec le score composite le plus élevé, et le cluster 5 est celui ayant le moins de succès.