Tre tattiche utilizzate dai migliori inserzionisti di app per migliorare l'efficienza dei download

Di: Liu, Analytics and Media Manager

Quando si valuta il successo delle campagne pubblicitarie nel settore delle applicazioni di streaming (SVOD, AVOD, VMVPd) è utile prendere in esame non solo il numero di download delle app, ma anche l'efficienza dei download. Uno studio del 2020 di Amazon Ads ne mette in evidenza l'importanza.

Punti salienti:

Il settore delle app di streaming (SA), che include Subscription Video-on-Demand (SVOD), Ad-supported Video-on-Demand (AVOD) e Virtual Multichannel Video Programming Distributor (VMVPD), utilizza spesso il numero di download delle app per confrontare le performance tra diversi inserzionisti. In Amazon Ads, riteniamo che sia importante non solo considerare il numero totale di download, ma anche la loro efficienza, ovvero la frequenza con cui le impressioni portano a dei download.

Per calcolare l'efficienza dei download delle app, nel 2020 abbiamo analizzato quelli per mille impressioni (DPM) di 38 brand nella categoria SA su Amazon. Abbiamo scoperto che gli inserzionisti con le migliori performance hanno avuto un'efficienza di download delle app 22 volte superiore rispetto ad altri inserzionisti. Per aiutare gli inserzionisti a migliorare l'efficienza dei download, prendiamo in esame le tattiche di differenziazione utilizzate da quelli con le performance migliori e forniamo consigli per migliorarle.

Per maggiori informazioni su come abbiamo raccolto i dati, consulta la sezione Metodologia alla fine dell'articolo.

1. Gli inserzionisti in app con le migliori performance combinano annunci per la TV in streaming, annunci per dispositivi mobili e riquadri sponsorizzati per Fire TV

Questo studio mostra che i brand che hanno combinato gli annunci per la TV in streaming, i riquadri sponsorizzati Fire TV e gli annunci per dispositivi mobili hanno registrato un'efficienza di download delle app 22 volte superiore (e hanno generato il doppio delle impressioni) rispetto agli inserzionisti che hanno utilizzato solo gli annunci per la TV in streaming.

+22%

Efficienza dei download

2x

Più impressioni

Consigli

Quando pianificano una campagna, consigliamo agli inserzionisti di:

  • Prendere in considerazione la possibilità di pubblicare annunci su Fire TV, tablet Fire e dispositivi mobili.
  • Personalizzare i contenuti creativi degli annunci in base ai dispositivi per garantire ai clienti un'esperienza positiva su tutti i dispositivi.

2. Gli inserzionisti in app con le migliori performance variano i contenuti creativi degli annunci

Le campagne di contenuti creativi con più varianti di un messaggio specifico possono risultare più rilevanti per il pubblico e quindi favorire un maggiore coinvolgimento. Di fatto, questa analisi mostra che gli inserzionisti con le migliori performance hanno implementato contenuti creativi unici 1,8 volte in più rispetto ad altri inserzionisti.

Consigli

Gli inserzionisti devono prendere in considerazione l'aggiornamento continuo dei contenuti creativi e l'esecuzione di test A/B. Il test A/B è un modo efficace ed economico per stabilire cosa attira gli spettatori ed evitare spese inutili. Per capire quali sono le performance migliori in termini di download, consigliamo di testare elementi come diversi inviti all'azione e tipi di contenuto. Infine, ricordiamo agli inserzionisti di esaminare la composizione dell'annuncio, l'invito all'azione, le affermazioni, i prezzi nei contenuti creativi e la landing page, per garantire che i contenuti pubblicitari e le impostazioni dei contenuti creativi siano appropriati per un pubblico generico e conformi alle politiche di Amazon.

3. Gli inserzionisti in app con le migliori performance sfruttano le parole chiave a corrispondenza negativa

I segmenti di pubblico con le migliori performance avevano il 6-10% di probabilità in più di utilizzare tattiche con parole chiave a corrispondenza negativa rispetto ad altri inserzionisti e mostravano anche una maggiore efficienza del download delle app.

Consigli

Prendi in considerazione l'utilizzo degli strumenti di Amazon Ads per creare segmenti di pubblico personalizzati basati sul genere, sullo streaming e sul lifestyle e sui segnali comportamentali in-market in linea con gli obiettivi della campagna. Utilizza il report standard sulle performance del pubblico per capire quali segmenti di pubblico non rispondono alle campagne e valuta l'opzione di escluderli in futuro.

Metodologia

In questo studio, abbiamo analizzato 38 brand nella categoria App di streaming negli Stati Uniti, su un arco di tempo di 12 mesi di pubblicità, da gennaio a dicembre 2020. La categoria App di streaming include inserzionisti che offrono servizi come Subscription Video-on-Demand, Ad-Supported Video-on-Demand e Virtual Multichannel Video Programming Distributor (vMVPD).

Come metrica per misurare il successo dell'efficienza dei download delle app, abbiamo utilizzato i download per mille impressioni (DPM). Abbiamo quindi individuato le migliori strategie pubblicitarie che contribuiscono ad aumentare il DPM con algoritmi di apprendimento automatico. Per assegnare una valutazione alle funzionalità, sono stati usati l'indice di correlazione di Pearson, la regressione lineare, XGBoost e i suggerimenti di esperti in materia. Questa analisi mette in luce le maggiori differenze tra gli inserzionisti con il DPM più alto e quelli con il DPM più basso e non prevede la performance o la causalità dell'affermazione.

Come funziona il clustering?

Abbiamo creato un punteggio composito binario basato su DPVR e applicato poi un classificatore XGBoost per identificare le funzionalità e i pesi che danno le migliori previsioni su queste etichette. In questo lavoro, abbiamo considerato le azioni pubblicitarie come funzionalità, ad esempio l'intensità e il mix di utilizzo dei prodotti pubblicitari, i tempi del supporto pubblicitario, le tattiche di targeting, i contenuti creativi e i placement, il conteggio e le valutazioni delle recensioni dei clienti, la percentuale di prodotti con pagine di prodotti di qualità e i tipi di prodotti promossi negli annunci.

Utilizzando le funzionalità e i pesi identificati sopra menzionati, abbiamo successivamente applicato un algoritmo di clustering K-medoids per classificare gli inserzionisti in cluster. Va notato che abbiamo classificato gli inserzionisti in base alle loro azioni piuttosto che in base alle componenti del loro punteggio composito. Infine, abbiamo classificato i cluster finali in base ai punteggi compositi da alto a basso. Il cluster N. 1 è quello che ha ottenuto il punteggio composito più alto (e quindi il maggior successo), mentre il cluster N. 5 è quello che ha ottenuto il punteggio più basso.