गाइड
Amazon Marketing Stream के लिए पूरी गाइड
गाइड
Amazon Ads मीडिया प्लानिंग API मीडिया टीम को परफ़ॉर्मेंस का पूर्वानुमान लगाने, ऑडियंस इनसाइट हासिल करने और मीडिया बजट खर्च होने से पहले बजट आवंटन ऑप्टिमाइज़ करने में मदद करता है.
यह गाइड मीडिया रणनीतिकार की पूरी कैम्पेन लाइफ़साइकल के सफ़र को कवर करती है, रणनीतिक प्लानिंग और ऑडियंस बनाने से लेकर एक्ज़ीक्यूशन और मेज़रमेंट तक. Amazon के मीडिया प्लानिंग API प्लानिंग, रणनीतिकार और खरीदार की भूमिका में काम करने वाले प्रैक्टिशनर को सपोर्ट करते हैं. क्लाइंट की जानकारी को अनाम कर दिया गया है. पूरे दस्तावेज़ में दी गई इमेज API की क्षमताओं को दिखाने वाले उदाहरण हैं.
150 करोड़ डॉलर का सवाल
मैं मिड-साइज़ एडवरटाइज़िंग एजेंसी में मीडिया रणनीतिकार हूँ. एक वेलनेस ब्रैंड 15 करोड़ डॉलर खर्च करने के लिए Amazon पर हमारे पास आया. उनका एक सवाल था: “क्या आप गारंटी दे सकते हैं कि यह काम करेगा?”
मुझसे नहीं हो सका. हम में से कोई भी नहीं कर सका. हमारे पास 15 साल का अनुभव, हज़ारों कैम्पेन का रिकॉर्ड और प्रोडक्ट में सच्चा विश्वास था. लेकिन, हमें यकीन नहीं था. हम 15 करोड़ डॉलर का मीडिया प्लान उसी तरह बना रहे थे जैसे आर्किटेक्ट स्ट्रक्चरल इंजीनियरिंग से पहले इमारतें डिज़ाइन करते थे: अनुभव, अंतर्ज्ञान और उम्मीद के भरोसे. अंदर से, हम बहुत डरे हुए थे. तीन महीने बाद, क्लाइंट ने पूछा: “क्या हम अपनी टार्गेट ऑडियंस तक उसी तरह पहुँच रहे हैं जैसा आपने पूर्वानुमान लगाया था?” मुझे बिल्कुल पता नहीं था. सभी चैनलों पर युनीक रीच को सटीक तरीके से नहीं मापा जा सका. हमारा पहुँच पूर्वानुमान? सोचे-समझे अनुमान.
छह महीने बाद, मैंने Amazon Ads कॉन्फ़्रेंस में हिस्सा लिया और मीडिया प्लानिंग API के बारे में जाना, जो हमारे उन सभी सवालों के जवाब दे सकते थे जिनका जवाब हम नहीं दे पाए थे:
आज, वही क्लाइंट सालाना 200 मिलियन डॉलर का इनवेस्ट करते हैं, उन्हीं चैनलों पर ज़्यादा खर्च करके नहीं, बल्कि API सुइट के ज़रिए पहचाने गए नए व्यक्तित्व और नई इन्वेंट्री में विस्तार करके और यह सब पूरे आत्मविश्वास के साथ किया जाता है. इसलिए नहीं कि हम ज़्यादा होशियार हैं. क्योंकि, हमने अंदाज़ा लगाना बंद कर दिया.
जो एजेंसी पूर्वानुमान लगाती है, वह डेटा से अपने सुझावों की पुष्टि कर सकती है और क्लाइंट इसकी कद्र करते हैं.
मीडिया प्लानिंग को उसी तरह समझें जैसे एक फ़िल्म स्टूडियो किसी बड़ी फ़िल्म की रिलीज़ की तैयारी करता है. प्रोडक्शन पर एक डॉलर खर्च करने से पहले स्टूडियो पूछता है: हमारी ऑडियंस कौन है? वे किन चैनलों पर होंगे? हर मार्केट में कितना खर्च करना चाहिए? हम किस फ़ायदे की उम्मीद कर सकते हैं? मीडिया प्लानिंग एडवरटाइज़र के लिए भी उसी तरह काम करती है, यह वह रणनीतिक काम है जो आप ऐड खरीदने से पहले करते हैं, ताकि आपके कैम्पेन को सफल होने का असली मौका मिले.
बिना किसी प्लान के, सिर्फ़ अंदाज़ा ही लगाया जा सकता है. सही टूल के साथ, खासकर Amazon के मीडिया प्लानिंग API सुइट के साथ, पूर्वानुमान लगाया जा सकता है. यह अंतर करोड़ों डॉलर का है.
Amazon के मीडिया प्लानिंग API को चार ग्रुप में व्यवस्थित किया गया है, जिनमें से हर एक प्लानिंग की एक मुख्य चुनौती को हल करता है:
हमने कितने लोगों तक पहुँच बनाई, कितने तक पहुँचेंगे और असली ओवरलैप क्या है?
बजट तय करने से पहले हम किन नतीजों का अनुमान लगा सकते हैं?
हमें किसे टार्गेट करना चाहिए और क्यों?
हम अलग-अलग चैनल पर मीडिया के असली असर को कैसे मापते हैं?
सभी API, Amazon Ads की इन्वेंट्री और व्यवहार वाले सिग्नल पर काम करते हैं. क्रॉस-पब्लिशर पहुँच, डुप्लीकेट हटाना, परफ़ॉर्मेंस की तुलना और ऑडियंस कैरेक्टराइज़ेशन के लिए थर्ड-पार्टी मेज़रमेंट पार्टनर की ज़रूरत होती है.
हर कैम्पेन चार फ़ेज से गुज़रता है और मीडिया प्लानिंग API हर फ़ेज में काम आते हैं.
एक डॉलर खर्च करने से पहले, पिछले नतीजों का विश्लेषण करें, पहुँच और परफ़ॉर्मेंस का अनुमान लगाएँ और अपना प्लान तैयार करें. पहुँच का कर्व API, परफ़ॉर्मेंस पूर्वानुमान और ऑडियंस API आपको तीनों काम करने के लिए ज़रूरी डेटा देते हैं.
अपना प्लान तैयार होने के बाद, टार्गेटिंग सेट अप करें, चैनल कॉन्फ़िगर करें और बजट आवंटन को फ़ाइनल करें. ऑडियंस API यह तय करते हैं कि आप किस तक पहुँच रहे हैं, जबकि पहुँच का कर्व API (पहुँच पूर्वानुमान, डुप्लीकेट पूर्वानुमान हटाना) लॉन्च से पहले आपके चैनल मिक्स की पुष्टि करने में मदद करते हैं.
कैम्पेन चालू होने के बाद, परफ़ॉर्मेंस मॉनिटर की जा सकती है, बजट में बदलाव किया जा सकता है और टार्गेटिंग ऑप्टिमाइज़ की जा सकती है. पहुँच का कर्व API (डुप्लीकेट पूर्वानुमान हटाना) यह दिखाते हैं कि आप युनीक कस्टमर तक पहुँच रहे हैं या ओवरलैप के लिए पेमेंट कर रहे हैं.
कैम्पेन खत्म होने के बाद, असल नतीजों की तुलना पूर्वानुमान से की जाती है, सीख निकाली जाती है और अगला कैम्पेन प्लान किया जाता है. पहुँच का कर्व API (पिछली पहुँच) से पता चलता है कि असल में क्या हुआ और उन सिग्नल को आपके मेज़रमेंट फ़्रेमवर्क में फ़ीड करता है.
हर API ग्रुप उन बुनियादी सवालों के जवाब देता है जिनका पहले भरोसेमंद तरीके से जवाब देना मुमकिन नहीं था. साथ मिलकर, इससे यह बदलाव आता है कि आप कैसे प्लान करते हैं, खर्च करते हैं और नतीजे साबित करते हैं. आइए आसान भाषा में जानते हैं कि इनमें से हर एक क्या करता है.
पहुँच का कर्व ग्रुप में तीन API हैं जो मिलकर आपको पहुँच की पूरी जानकारी देते हैं, पिछली, आने वाली और डुप्लीकेट हटाई गई.
क्लाइंट का अगला कैम्पेन प्लान करने से पहले, हमें यह जानना ज़रूरी था कि उनके पिछले कैम्पेन में असल में क्या हुआ था. क्लाइंट ने कहा: “हमारा अनुमान है कि पिछली तिमाही में हम लगभग 80 लाख कस्टमर तक पहुँचे.” क्या वे 80 लाख युनीक लोग थे? या 50 लाख लोगों को दो बार ऐड दिखाया गया? हमें कुछ भी नज़र नहीं आ रहा था.
पिछली पहुँच आपको Amazon इन्वेंट्री के लिए पिछली पहुँच का कर्व देती है, जो आपके एडवरटाइज़र संदर्भ के अनुसार होती हैं. तारीख की रेंज और ऑडियंस पैरामीटर देने पर, यह Amazon के पैनल और इन्वेंट्री डेटा के आधार पर मॉडल किए गए यूनीक पहुँच के आँकड़े वापस देता है. कोई अंदाज़ा नहीं लगाना है. कोई अनुमान नहीं.
हमने क्लाइंट के पिछले कैम्पेन के छह महीने के डेटा पर पिछली पहुँच चलाई. नतीजा: 12 करोड़ युनीक कस्टमर न कि 80 लाख. मेज़रमेंट में 50% का अंतर. इससे सब कुछ बदल गया. उनकी लागत प्रति पहुँच उनके अनुमान से 37% कम थी, जिससे उनके कैम्पेन शुरुआती मेट्रिक के मुकाबले कहीं ज़्यादा कुशल साबित हुए. वे कम परफ़ॉर्म नहीं कर रहे थे, वे पर्याप्त मेज़रमेंट नहीं कर रहे थे. उस आधार के साथ, हम आत्मविश्वास के साथ 15 करोड़ डॉलर के कैम्पेन का प्लान बना सके.
पिछली पहुँच पीछे की ओर देखती है, आगे की ओर नहीं. यह अगली तिमाही का अनुमान नहीं लगाएगी. लेकिन, असली शुरुआती बिंदु को समझे बिना बढ़िया पूर्वानुमान नहीं बनाया जा सकता. इसे पिछले साल की फ़ाइनेंशियल रिपोर्ट पढ़ने जैसा समझें जो अगले साल का बजट तय करने से पहले पढ़ी जाती है. यह ज़रूरी संदर्भ है, पूरी रणनीति नहीं. पहली बार Amazon कैम्पेन चलाने वालों के लिए उपयोगी नहीं है, क्योंकि इसके लिए पहले का कोई डेटा नहीं होता.
क्लाइंट ने पूछा: “हमें 12 करोड़ डॉलर, 15 करोड़ डॉलर या 18 करोड़ डॉलर खर्च करना चाहिए? पहुँच में क्या अंतर है?” परंपरागत रूप से, हम पिछले साल के खर्च के आधार पर लीनियर स्केलिंग का अनुमान लगाते थे? वे प्रश्नचिह्न... वहीं चिंता रहती है.
पहुँच के पूर्वानुमान की मदद से कुछ भी खर्च करने से पहले बजट के अलग-अलग सिनेरियो आज़माए जा सकते हैं. टार्गेट ऑडियंस, कैम्पेन की तारीखें और कई बजट विकल्प डाले जाते हैं. यह पहुँच का कर्व वापस देता है जो यह दिखाता है कि हर बजट कितने यूनीक कस्टमर तक पहुँचता है और कर्व कहाँ फ्लैट होती है (यानी जहाँ अतिरिक्त खर्च करने पर आनुपातिक पहुँच डिलीवर होनी बंद हो जाती है).
पहुँच पूर्वानुमान API क्षमताओं को दिखाने वाला उदाहरण:
| बजट | युनीक रीच | लागत / कस्टमर | कुशलता |
|---|---|---|---|
| 12.5 करोड़ डॉलर | 1.78 करोड़ कस्टमर | 7.02 डॉलर | शानदार |
| 15 करोड़ डॉलर | 2.04 करोड़ कस्टमर | 7.35 डॉलर | सुझाया गया |
| 17.5 करोड़ डॉलर | 2.21 करोड़ कस्टमर | 7.92 डॉलर | घटता हुआ |
| 20 करोड़ डॉलर | 2.32 करोड़ कस्टमर | 8.62 डॉलर | खराब |
15 करोड़ डॉलर के बाद कर्व तेज़ी से सपाट हो गया. 15 करोड़ डॉलर से 17.5 करोड़ डॉलर तक जाने पर प्रति इंक्रीमेंटल कस्टमर 14.70 डॉलर के हिसाब से सिर्फ़ 17 लाख कस्टमर जुड़े, जबकि औसत 7.35 डॉलर था. हमने सुझाव दिया कि उस 2.5 करोड़ डॉलर को बचाकर प्रॉस्पेक्टिंग में दोबारा लगाया जाए. क्लाइंट का रिऐक्शन: “आपने इसे खर्च करने से पहले ही हमारे 25 करोड़ डॉलर बचा लिए.”
ये अनुमान हैं, मौसम के पूर्वानुमान की तरह - गारंटी नहीं. सटीकता कैम्पेन की कंडीशन के अनुसार अलग-अलग हो सकती है. दिखाई गई रेंज सामान्य परफ़ॉर्मेंस पैटर्न पर आधारित उदाहरण हैं. हमेशा एक कॉन्फ़िडेंस रेंज दें, जैसे “हमारा अनुमान है कि पहुँच 2.04 करोड़ होगी, जिसकी संभावित रेंज 1.85 करोड़ से 2.21 करोड़ के बीच है.” मार्जिन के साथ प्लान करें, असल खर्च ट्रैक करें और समय के साथ अपने मॉडल बेहतर बनाते रहें.
चौथी तिमाही के कैम्पेन के बीच में, क्लाइंट ने चेक-इन की माँग की. हमने उन्हें बताया कि हम Amazon Ads के कई चैनलों के ज़रिए 2.16 करोड़ यूनीक कस्टमर तक पहुँच रहे थे. उस संख्या को लेकर हमें बढ़िया लगा. हम गलत थे.
डुप्लीकेट पूर्वानुमान हटाना आपको यह दिखाता है कि आप Amazon के सभी चैनलों पर असल में कितने युनीक लोगों तक पहुँच रहे हैं, न कि हर चैनल की पहुँच का बढ़ा-चढ़ाकर बताया गया कुल योग. यह चैनलों के बीच के ओवरलैप को मैप करता है, ताकि आप ठीक-ठीक देख सकें कि कहाँ एक ही ऑडियंस को दो बार गिना जा रहा है और उन तक पहुँचने के लिए दो बार पेमेंट की जा रही है.
डुप्लीकेट पूर्वानुमान हटाने से जुड़े API की क्षमताओं को दिखाने वाला उदाहरण:
हमने डुप्लीकेट पूर्वानुमान हटाएँ चलाया. असली युनीक रीच: 132 करोड़ न कि 216 करोड़. 84 लाख “कस्टमर” वही लोग थे जो कई चैनलों पर दिख रहे थे. कनेक्टेड टीवी चैनलों में 68% ओवरलैप था. हमने उन लोगों तक पहुँचने में समय बर्बाद किया, जिन तक हम पहले ही पहुँच चुके थे. हमने मीडिया मिक्स को फिर से तैयार किया, ओवरलैप होने वाले चैनल के बजट कम किए, खर्च को Twitch की ओर शिफ़्ट किया (जहाँ ओवरलैप कम था) और उसी 15 करोड़ डॉलर के बजट में 1.68 करोड़ युनीक रीच हासिल की. युनीक रीच में मुफ़्त की बढ़ोतरी.
“हम पाँच अलग-अलग स्क्रीन पर एक ही लोगों को ऐड दिखाने के लिए 61,000 डॉलर दे रहे थे. यह मल्टी-चैनल रणनीति नहीं है. यह तो एक ही अपार्टमेंट का किराया पाँच बार चुकाने जैसा है.”
डुप्लीकेट हटाना सिर्फ़ Amazon की इन्वेंट्री के अंदर काम करता है. अगर आप Google, Meta, TikTok या लीनियर टीवी पर भी ऐड चला रहे हैं, तो वे ओवरलैप यहाँ नहीं दिखेंगे. क्लाइंट को पहले से बताएँ: “यह Amazon ऑडियंस ओवरलैप दिखाता है. क्रॉस-पब्लिशर डुप्लीकेट हटाने के लिए थर्ड-पार्टी मेज़रमेंट पार्टनर की ज़रूरत होगी.” उम्मीदें साफ़ तौर पर बताएँ.
पहुँच ज़रूरी है. लेकिन, क्लाइंट का असली सवाल यह था: “यह कैम्पेन कितनी कुशलता से डिलीवर करेगा?” 15 करोड़ डॉलर खर्च करने से पहले उन्हें यह जानना ज़रूरी था कि प्रति-क्लिक-लागत कितनी होगी, पूरा वीडियो देखने की दर क्या रहेगी और क्या यह खर्च ज़रूरत के हिसाब से डिलीवर कर पाएगा. हम बस इतना ही कह सकते थे: “इंडस्ट्री के औसत के आधार पर, हम पर भरोसा करें.”
परफ़ॉर्मेंस पूर्वानुमान पैसे खर्च करने से पहले ही कैम्पेन के नतीजों का अनुमान लगाता है. आप एक मेट्रिक चुनें (क्लिक, वीडियो कंप्लीशन या जानकारी पेज व्यू) और API पूर्वानुमान कर्व वापस करता है: हर खर्च लेवल पर आपको अनुमानित संख्या, प्रति-नतीजा लागत (CPC, प्रति हज़ार इम्प्रेशन प्रभावी लागत (eCPM), CPDPV, CPVC) और रेट मेट्रिक (CTR, VCR) मिलती है. यह कोई उम्मीद भरा अनुमान नहीं है. कॉन्फ़िडेंस इंटरवल के साथ डेटा पर आधारित एक अनुमान.
परफ़ॉर्मेंस पूर्वानुमान API की क्षमताएँ दिखाने वाला उदाहरण:
API ने पूर्वानुमान कर्व दिया जिसमें हमारे प्लान किए गए खर्च स्तर पर अनुमानित क्लिक और लागत प्रति नतीजा को कॉन्फ़िडेंस इंटरवल के साथ दिखाया गया, जो कम से कम स्तर पर भी क्लाइंट के कुशलता बेंचमार्क पर खरे उतरे. हमने प्लानिंग मीटिंग में जाकर कहा: “कंज़र्वेटिव सिनेरियो में भी, आपकी लागत प्रति नतीजा टार्गेट के अंदर है. हम इस कैम्पेन को मंज़ूरी देने का सुझाव देते हैं.”
तीन महीने बाद, असल क्लिक-थ्रू दर और लागत प्रति नतीजा API के अनुमान के अंदर रहे. इस कैम्पेन ने आखिरकार बिज़नेस नतीजे के रूप में ROAS डिलीवर किया. सटीक पूर्वानुमान जो भरोसेमंद फ़ैसलों की बुनियाद बनने वाले उस तालमेल ने क्लाइंट के साथ हमारे रिश्ते को पूरी तरह बदल दिया और हमें एक अहम रिन्यूअल मिला.
डेटा से सटीकता बेहतर होती है. नए प्रोडक्ट लॉन्च और पीक अवधि के दौरान उतार-चढ़ाव बढ़ता है. जिन कैम्पेन का Amazon पर लंबा इतिहास होता है, उनके लिए ज़्यादा सटीक अनुमान लगाए जा सकते हैं. यह बात क्लाइंट को साफ़ तौर पर बताएँ: कॉन्फ़िडेंस इंटरवल कोई बचाव का रास्ता नहीं है, यह इस बात की सच्चाई है कि पूर्वानुमान कैसे काम करता है.
ऑडियंस API ग्रुप आपको डेमोग्राफ़िक से आगे जाकर यह समझने में मदद करता है कि आपके कस्टमर असल में कौन हैं और ऐसे नए कस्टमर खोजने में भी, जिनके बारे में आपको पहले पता नहीं था.
क्लाइंट का मूल टार्गेट: “25-54 साल के वयस्क, जिनकी दिलचस्पी हेल्थ और वेलनेस में है और घरेलू आय 60K+ डॉलर है.” यह बात Amazon पर लगभग 42 करोड़ लोगों पर लागू होती है. हमें किन सेगमेंट को प्राथमिकता देनी चाहिए और हर एक को कितना मिलना चाहिए? डेमोग्राफ़िक से पता चलता है कि लोग कौन हैं. वे आपको यह नहीं बताते कि कौन से लोग. और व्यवहार, उम्र के दायरों की तुलना में कन्वर्शन का कहीं बेहतर पूर्वानुमान देता है.
साथ मिलकर, वे जवाब देते हैं: “हमारे सबसे अच्छे कस्टमर कौन हैं, उनसे मिलते-जुलते और कौन लोग हैं और एक ही व्यक्ति को दो बार टार्गेट करने से कैसे बचा जाए?”
यह उदाहरण है जो ऑडियंस API की क्षमताओं को दिखाता है, जिसमें बाकी 10% ऑडियंस खोज के सुझाव के ज़रिए पहचाने गए नए सेगमेंट को आज़माने के लिए रखा गया है.
| सेगमेंट | साइज़ | व्यवहार | तुलनात्मक परफ़ॉर्मेंस | बजट |
|---|---|---|---|---|
| वेलनेस के ऐक्टिव शौकीन | 82 लाख | प्रोटीन पाउडर, फ़िटनेस कॉन्टेंट, “वर्कआउट के बाद” सर्च | 2.9x बेसलाइन | 50% |
| हेल्थ-कॉन्शस पैरेंट | 64 लाख | बच्चों के विटामिन, नैचुरल उपाय, परिवार की सेहत | 1.7x बेसलाइन | 30% |
| कैज़ुअल हेल्थ ब्राउज़र | 1.28 करोड़ | कभी-कभी विटामिन, सामान्य मनोरंजन | 0.6x बेसलाइन | 10% |
व्यापक डेमोग्राफ़िक से व्यवहार-आधारित व्यक्तित्व की ओर बजट शिफ़्ट करने से कैम्पेन की कुशलता में काफ़ी सुधार हुआ. ऐक्टिव वेलनेस सेगमेंट - सिर्फ़ 82 लाख लोगों ने सबसे ज़्यादा रिटर्न डिलीवर किए. वे शुरू से ही सबसे बड़े फ़ैन थे. हम उन्हें तब तक नहीं देख पाए जब तक हमने व्यवहार पर नज़र नहीं डाली.
ऑडियंस खोज के सुझाव ने फिर ऐसा सेगमेंट सामने लाया जिस पर हमने कभी विचार नहीं किया था: “फ़िटनेस कंटेंट स्ट्रीमर जो ऑर्गैनिक स्नैक खरीदते हैं.” ऑडियंस ओवरलैप ने यह कन्फ़र्म किया कि इस ग्रुप का हमारे मौजूदा टार्गेट के साथ 12% से कम ओवरलैप था. यह सच में नई ऑडियंस थी, न कि किसी पहले से मौजूद ऑडियंस का दोबारा पैक किया गया वर्शन.
ऑडियंस API Amazon के नज़रिए से व्यवहार दिखाती हैं. अगर आपका कस्टमर मुख्य रूप से Amazon के बाहर खरीदारी करता है या मीडिया कंज़्यूम करता है, तो तस्वीर अधूरी रहेगी. पूरी जानकारी पाने के लिए अपना फ़र्स्ट-पार्टी डेटा भी जोड़ें. साथ ही, यह बहुत छोटी खास ऑडियंस के लिए भी आदर्श नहीं है, जहाँ सैंपल साइज़ कम होने की वजह से सार्थक क्लस्टरिंग संभव नहीं हो पाती.
कैम्पेन खत्म होने के बाद, क्लाइंट ने पूछा: “दूसरे चैनलों की तुलना में हमारे Amazon इनवेस्टमेंट का असली असर क्या था?” हमारे पास प्लैटफ़ॉर्म-लेवल का मेट्रिक तो था, लेकिन Amazon के सिग्नल को उनके व्यापक मेज़रमेंट मॉडल में शामिल करने का कोई स्टैंडर्ड तरीका नहीं था. हमारी एनालिटिक्स टीम मैनुअल रिपोर्ट निकालने, डेटा को रीफ़ॉर्मैट करने और गड़बड़ियों को सुलझाने में कई दिन लगा देती थी. जब तक इनसाइट प्लानिंग टीम तक पहुँचती, अगला कैम्पेन पहले से ही इन-फ़्लाइट हो चुका होता था.
MMM API एडवरटाइज़र और मेज़रमेंट पार्टनर को Amazon की एडवरटाइज़िंग और रीटेल सिग्नल तक प्रोग्रामैटिक ऐक्सेस देता है, जिससे तेज़ और ज़्यादा स्केल करने योग्य मार्केटिंग मिक्स मॉडलिंग हो सकती है. यह मैनुअल डेटा एक्सचेंज की ज़रूरत खत्म करता है और मीडिया सिग्नल (इम्प्रेशन, पहुँच, खर्च) और रीटेल सिग्नल जिनमें कार्ट में जोड़ने जैसे रोज़ाना के खरीदारी एंगेजमेंट मेट्रिक शामिल हैं को सीधे मौजूदा वर्कफ़्लो में ऑटोमैटिक तरीके से डिलीवर करता है. नतीजा: क्रॉस-चैनल बजट ऑप्टिमाइज़ेशन के लिए ज़्यादा बार और भरोसेमंद इनसाइट.
MMM API की क्षमताओं को दिखाने वाला उदाहरण:
हमारी एनालिटिक्स टीम को जिस काम में पहले कई दिन लगते थे, वह अब ऑटोमैटिक हो गया है. Amazon के मीडिया और रीटेल सिग्नल, जिनमें बारीक खरीदारी व्यवहार डेटा भी शामिल था, तिमाही आधार पर नहीं बल्कि रोज़ाना सीधे क्लाइंट के MMM में आते थे. नतीजा यह रहा: स्पष्ट तस्वीर कि Amazon में किए गए इनवेस्टमेंट ने दूसरे चैनलों की तुलना में क्या नतीजे दिए और यह जानकारी इतनी बार अपडेट होती रही कि अगले बजट के फ़ैसले में वास्तव में काम आ सके, न कि तब मिले जब बहुत देर हो चुकी हो.
MMM API सिग्नल देता है, यह आपके लिए मॉडल नहीं बनाता. डेटा को इनजेस्ट और एनालाइज़ करने के लिए एक मौजूदा MMM फ्रेमवर्क (इन-हाउस या किसी मेज़रमेंट पार्टनर के ज़रिए) की ज़रूरत होगी. इसकी वैल्यू ऑटोमेशन और स्टैंडर्डाइज़ेशन में है: एक जैसी, प्रोग्रामैटिक ऐक्सेस जो मैनुअल काम को कम करती है और ज़्यादा बार विश्लेषण करना संभव बनाती है.
अपना बेसलाइन समझने के लिए पिछली पहुँच से शुरू करें. अपना अगला कैम्पेन आत्मविश्वास के साथ प्लान करने के लिए पहुँच पूर्वानुमान और परफ़ॉर्मेंस पूर्वानुमान का इस्तेमाल करें. बेकार के खर्च को खत्म करने के लिए डुप्लीकेट पुर्वानुमान हटाएँ चलाएँ. ऑडियंस API का इस्तेमाल करके अपनी टार्गेटिंग को और सटीक बनाएँ. सही क्रॉस-चैनल असर मापने और अगले साइकल को बेहतर दिशा देने के लिए MMM API का इस्तेमाल करें. साथ मिलकर, ये पूरे प्लानिंग साइकल को “क्या हुआ” से “क्या होगा” और “इसने असल में क्या डिलीवर किया” तक डेटा-आधारित प्रोसेस में बदल देते हैं.
यह एक उदाहरण के तौर पर की गई तुलना है. नतीजे कैटेगरी, बेसलाइन और एक्ज़ीक्यूशन के हिसाब से अलग-अलग हो सकते हैं. इस दौरान API को अपनाना कई बदलावों में से एक था. इसके साथ ही बेहतर क्रिएटिव, कैटेगरी की बढ़ोतरी और ऑपरेशनल परिपक्वता ने भी योगदान दिया.
| मेट्रिक | API के बिना (साल 1) | API के साथ (साल 3) | बदलाव करें |
|---|---|---|---|
| सालाना बजट | 8.5 करोड़ डॉलर | 15 करोड़ डॉलर | +76% स्केल |
| यूनीक पहुँच | 80 लाख (अनुमानित) | 1.68 करोड़ (मापा गया) | +110% |
| कैम्पेन की कुशलता | बेसलाइन | उल्लेखनीय सुधार | +29% |
| पूर्वानुमान की सटीकता | उपलब्ध नहीं है (अनुमान) | डेटा-आधारित | अनुमानित |
| प्लानिंग का समय | 28 घंटे | 9 घंटे | -68% |
| क्लाइंट का भरोसा | “क्या यह काम करेगा?” | “पूर्वानुमान क्या है?” | ट्रांसफ़ॉर्म किया गया |
क्लाइंट के साथ संबंध सबसे ज़्यादा बदले. API से पहले, क्लाइंट पूछते थे “क्या यह कैम्पेन हमारे टार्गेट पूरे करेगा?” और हम जवाब देते थे “हमें पूरा भरोसा है, हम पर विश्वास करें.” इसके बाद, क्लाइंट ने “पूर्वानुमान और कॉन्फ़िडेंस इंटरवल क्या है?” पूछा और हमने डेटा के साथ जवाब दिया. वेंडर से रणनीतिक पार्टनर बनने का यह बदलाव क्लाइंट रिटेंशन में काफ़ी सुधार ला सकता है और प्रति क्लाइंट रेवेन्यू बढ़ाने में मदद कर सकता है.
प्रति कैम्पेन प्लानिंग का समय 28 घंटे से घटकर कम हो गया. हमने एक ही प्लान बनाना और उम्मीद लगाए रखना बंद कर दिया. हमने पाँच सिनेरियो बनाने शुरू किए, पहुँच का कर्व की तुलना की और डेटा को ऑप्टिमल खर्च की सिफ़ारिश करने दी. IPG, OMG, GroupM, WPP, Dentsu और Publicis जैसी बड़ी होल्डिंग कंपनियाँ इन API को अपने प्रोप्राइटरी प्लानिंग टूल में इंटीग्रेट कर रही हैं. अगर आप स्वतंत्र एजेंसी हैं, तो ये टूल आपको प्रतिस्पर्धा में बराबरी बनाए रखने में मदद करते हैं.
सटीक प्लान बनाएँ. भरोसे के साथ खर्च करें. हर चीज़ को मापें.
आपको एक साथ हर API अपनाने की ज़रूरत नहीं है. हमने यह कैसे किया और आप भी कैसे कर सकते हैं, यहाँ जानें:
नए इंटीग्रेटर को पहले 30 दिनों में ज़्यादा वेरिएंस बैंड की उम्मीद रखनी चाहिए, क्योंकि इस दौरान मॉडल उनके ट्रैफ़िक प्रोफ़ाइल के हिसाब से खुद को ढालता है.
Amazon Ads API ऑनबोर्डिंग गाइड से शुरू करें और अपनी Amazon Ads अकाउंट टीम से संपर्क करें. वे आपको डेवलपर रजिस्ट्रेशन, इनटेक ज़रूरतों के बारे में बताएँगे और आपके इस्तेमाल के मामले के लिए किन API को प्राथमिकता देनी है, यह तय करने में मदद करेंगे.
मीडिया प्लानिंग API सुइट के साथ शुरू करने में मदद के लिए नीचे दिए गए रिसोर्स एक्सप्लोर करें.
Amazon Ads API गाइड और मीडिया प्लानिंग गाइड में तकनीकी स्पेसिफ़िकेशन, एंडपॉइंट और इंटीग्रेशन गाइड दी गई हैं. API डॉक्यूमेंटेशन में मौजूदा लोकेल की उपलब्धता और API स्टेटस की जानकारी भी मिलती है.
Gigi, Pacvue, Perpetua, Intentwise और Skai डैशबोर्ड सहित पहले से बने इंटीग्रेशन देते हैं जिनके लिए कोई कोडिंग की ज़रूरत नहीं है.
Partner Network आपको ऐसे सर्टिफ़ाइड Amazon Ads पार्टनर ढूँढ़ने में मदद करता है जो लागू करने में मदद कर सकते हैं.
मीडिया प्लानिंग सर्टिफ़िकेशन में मीडिया प्लानिंग की बुनियादी बातों और API के इस्तेमाल पर फ़्री ट्रेनिंग दी जाती है.
आपके Amazon Ads प्रतिनिधि की ओर से केस स्टडी, ऑनबोर्डिंग असिस्टेंस और पायलट प्रोग्राम ऐक्सेस दिया जाता है.
डेवलपर नहीं हैं? ठीक है. कई Amazon Ads पार्टनर प्लैटफ़ॉर्म (Pacvue, Perpetua, Skai, Gigi और अन्य) धीरे-धीरे मीडिया प्लानिंग API को इंटीग्रेट कर रहे हैं. डेवलपमेंट में कोई समय नहीं लगता. अपने अकाउंट टीम के साथ मिलकर अपने स्टैक के लिए सही पार्टनर पहचानें.
पहले, मैं एक क्लाइंट के सामने बैठा और कहा: “मुझे लगता है कि यह कैम्पेन काम करेगा. हमने इसकी प्लानिंग में पूरी मेहनत की है. हम पर भरोसा रखें.” अंदर से, मुझे बहुत डर लग रहा था. मेरे पास अनुभव, बेंचमार्क और सहज ज्ञान थे. लेकिन, मुझे यकीन नहीं था.
आज, मैं उसी क्लाइंट के सामने बैठा हूँ जो अब सालाना 20 करोड़ डॉलर खर्च कर रहा है और कहता हूँ: “यहाँ पूर्वानुमान है: हमारा अनुमान है कि युनीक रीच 2.23 करोड़ होगी. 18.5 करोड़ डॉलर के बाद कर्व सपाट हो जाती है, इसलिए हम सुझाव देते हैं कि 18.5 करोड़ डॉलर को कुशलता से खर्च करें और 1.5 करोड़ डॉलर को नए व्यक्तित्व की जाँच करने के लिए फिर से आवंटित करें. हर हफ़्ते वास्तविक ट्रैक करने का तरीका यहाँ दिया गया है. हम कब बदलाव करेंगे, यहाँ देखें.”
उन दोनों बातचीत में क्या फ़र्क था? API का एक सेट जिसने अंदाज़ा लगाने की ज़रूरत खत्म कर दी. हमने “हम सोचते हैं” कहना बंद किया और “पूर्वानुमान बताता है” कहना शुरू किया. हमने कैम्पेन के काम करने की उम्मीद करना छोड़ा और उनकी सफलता का अनुमान लगाना शुरू किया. हम मीडिया खरीदार नहीं रहे, बल्कि मीडिया रणनीतिकार बन गए. बदलाव सच में हुआ:
| पहले | इसके बाद |
|---|---|
| पहुँच का अंदाज़ा लगाना | डेटा से पहुँच का पूर्वानुमान |
| उम्मीद थी कि परफ़ॉर्मेंस टार्गेट तक पहुँचेगी | कॉन्फ़िडेंस इंटरवल के साथ नतीजों की भविष्यवाणी करना |
| एक ही कस्टमर को दो बार गिनना | डुप्लीकेट हटाने के बाद सही यूनीक पहुँच जानना |
| उम्र के दायरे के हिसाब से टार्गेटिंग | व्यवहार-आधारित व्यक्तित्व की टार्गेटिंग जो कन्वर्ट करें |
| वेंडर: “हम पर भरोसा रखें” | रणनीतिक पार्टनर: “यहाँ पूर्वानुमान है” |
“आपके कस्टमर Amazon पर लाखों-करोड़ों खर्च कर रहे हैं और ऐसे सवाल पूछ रहे हैं जिनका जवाब आप पूरे यकीन के साथ नहीं दे सकते. इन API की मदद से, आप यह कर सकते हैं. सटीक प्लान बनाएँ. भरोसे के साथ खर्च करें. हर चीज़ को मापें.”
बस एक ही सवाल है: क्या आप अपने प्रतिस्पर्धियों से पहले इन्हें अपनाएँगे?
अपनी प्लानिंग की स्थिति के अनुसार सही API चुनने के लिए इस टेबल का इस्तेमाल करें.
| API | इनके लिए सबसे अच्छा | उपलब्धता | ज़रूरी शर्तें |
|---|---|---|---|
| पिछली पहुँच | बेंचमार्किंग; पिछले मेज़रमेंट की कमियाँ सुधारना | US, CA, MX, UK, DE, FR, IT, ES, AT, JP, AU | कैम्पेन हिस्ट्री (कम से कम 6 महीने का सुझाव दिया जाता है) |
| पहुँच का पूर्वानुमान | बजट सिनेरियो आज़माना; खर्च का “स्वीट स्पॉट” ढूँढ़ना | US, CA, MX, BR, UK, DE, FR, IT, ES, NL, SE, TR, IN, AE, SA, JP, AU | सपोर्टेड मार्केटप्लेस; ऑडियंस पैरामीटर |
| डुप्लीकेट पूर्वानुमान हटाना | बेकार खर्च को खत्म करना और सभी चैनल पर सही यूनीक पहुँच का पता लगाना | पहुँच पूर्वानुमान जैसा ही; अपनी Amazon Ads अकाउंट टीम से कन्फ़र्म करें | मल्टी-चैनल मीडिया मिक्स |
| परफ़ॉर्मेंस के पूर्वानुमान का API | कैम्पेन के नतीजों का अनुमान लगाना और लॉन्च से पहले क्लाइंट का भरोसा बनाना | US, CA, MX, BR, UK, DE, FR, IT, ES, NL, SE, TR, IN, AE, SA, JP, AU | कैम्पेन हिस्ट्री से सटीकता बेहतर होती है |
| व्यक्तित्व बनाने वाला | डेमोग्राफ़िक से आगे बढ़ें और ज़्यादा कन्वर्ट होने वाले व्यवहार क्लस्टर खोजें | US, CA, MX, BR, DE, ES, FR, IT, NL, SE, TR, UK, KSA, UAE, AU, IN, JP | फ़र्स्ट-पार्टी डेटा लेयरिंग के लिए AMC इंस्टेंस |
| ऑडियंस खोजना | नए ऑडियंस सेगमेंट खोजना जिन पर आपने पहले विचार नहीं किया | व्यक्तित्व बनाने जैसा ही | पर्याप्त कैटेगरी डेटा |
| ऑडियंस ओवरलैप | सेगमेंट इंटरसेक्शन को समझना; ज़्यादा इनवेस्टमेंट से बचना | व्यक्तित्व बनाने जैसा ही | कई ऐक्टिव सेगमेंट |
| MMM API | सही मीडिया असर मापना और MMM के लिए सिग्नल डिलीवरी ऑटोमेट करना | US, CA, UK, FR, DE, IT, ES, JP, AU, MX, BR, KSA, IN | मौजूदा MMM फ़्रेमवर्क (इन-हाउस या पार्टनर) |
मौजूदा लोकेल उपलब्धता और API स्टेटस के लिए, advertising.amazon.com/API/docs पर जाएँ या अपनी Amazon Ads अकाउंट टीम से संपर्क करें.
योगदानकर्ता:
विक अवोकोया, कपिल द्विवेदी
अतिरिक्त रिसोर्स:
Amazon आंतरिक, US, 2025–2026.
Amazon Ads API डॉक्युमेंटेशन, दुनिया भर का, 2026.