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

Par : Andrew Holsopple, responsable analyse et médias

Nous avons étudié plus de 1 400 marques de la catégorie Jouets dans le Store Amazon afin d’obtenir des données sur la croissance annuelle des vues de pages produit et des premiers achats de la marque.

À retenir :

Dans cette étude, nous avons analysé plus de 1 400 marques de la catégorie Jouets aux États-Unis en 2020. La catégorie Jouets comprend des marques vendant des produits tels que la construction, des jeux, des figurines et des objets de collection, des objets d'art et d'artisanat, des jouets pour bébés et des jouets à enfourcher. Nous avons créé un score composite des taux de croissance annuels des vues de pages produit (DPVGR) et des premiers achats de la marque (NTBGR), puis identifié les meilleures stratégies publicitaires et de vente au détail pour aider à augmenter le score composite grâce à des algorithmes d'apprentissage automatique.

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

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 de jouets les plus performants utilisent des campagnes Sponsored Display et Sponsored Products actives en continu

Données

En 2020, 74 % des annonceurs de jouets les plus performants ont exécuté des campagnes actives en continu pour les Sponsored Products et Sponsored Brands tout au long de l'année.

Recommandations

Lorsque vous utilisez des campagnes actives en continu, voici ce que nous vous recommandons :

  • Couverture des mots-clés : Utilisez des mots-clés de catégorie pour atteindre de nouvelles audiences plus haut dans l'entonnoir, puis utilisez des mots-clés de marque pour générer des conversions.
  • Budgets saisonniers des Sponsored Brands : Les comportements de navigation et d'achat des acheteurs ont des pics et des creux tout au long de l'année, et la synchronisation des budgets pour en tenir compte contribue à maximiser le retour sur investissement (ROI). Notre analyse a montré que les plus performants dans la catégorie Jouets ont augmenté le recours aux Sponsored Brands lors des événements commerciaux d’Amazon.
  • Ne modifiez pas trop souvent les ASINs promus : Pour soutenir la découverte et la pertinence, accordez une période d’assistance suffisante et ne modifiez pas trop souvent les ASINs promus (par exemple tous les jours ou toutes les semaines).

2. Les annonceurs de jouets les plus performants augmentent l’assistance de Sponsored Display et Sponsored Brands lors des événements commerciaux d’Amazon

Données

100 % des annonceurs de jouets les plus performants ont généré des impressions Sponsored Brands lors des événements Amazon, et 61 % ont généré des impressions Sponsored Display lors des 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 du temps affichent une croissance plus élevée des statistiques « premier achat de la marque ».

Recommandations

Lorsque vous faites de la publicité pendant les événements commerciaux d’Amazon, il y a quelques éléments à prendre en compte :

  • Les acheteurs viennent sur Amazon pour rechercher, examiner et acheter des produits. Ils augmentent généralement l'engagement avant et restent engagés après les événements commerciaux Amazon. Pendant la période des fêtes, ils commencent souvent leurs recherches dès la fin octobre et le début de novembre, atteignent leur apogée pendant les week-ends du Black Friday et du Cyber Monday et restent engagés jusqu'à la fin du mois de décembre. Les annonceurs doivent donc interagir tôt avec les acheteurs au moyen d’offres en amont et envisager d'utiliser le remarketing après les événements pour maximiser leur potentiel.
  • Les annonceurs peuvent utiliser des segments d'audience pour atteindre les clients les plus susceptibles d'acheter pendant les événements commerciaux d'Amazon.
  • Les annonceurs peuvent utiliser Sponsored Display et Amazon DSP partout où les clients passent du 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 de cluster parmi les annonceurs/marques, de sorte que les annonceurs/marques d'un même cluster sont similaires en termes d'attributs publicitaires et de vente au détail, tandis que les annonceurs/marques de différents clusters diffèrent en termes d'attributs publicitaires et de vente au détail. Ces attributs sont X1, X2,... Xn. (Attributs affichés sous forme de bulles sur le visuel).
Les algorithmes de machine learning ont renvoyé 4 clusters. Nous avons classé ces 4 clusters en fonction des indicateurs de succès, comparé les clusters les plus performants et les plus faibles, comparé leurs différences et identifié les principaux attributs qui différencient leurs performances en termes de croissance NTB et GV.

Quel est le processus de création de clusters ?
Nous avons créé un score composite binaire basé sur le DPVR (taux de vues de la page produit), 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 et de vente 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, etc.

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 les annonceurs ont été classés en fonction de leurs actions plutôt qu'en fonction des composants de leur score composite. Enfin, les clusters finaux ont été classés en fonction de leurs scores composites, du plus élevé au plus faible.