売れ筋の自動車関連商品の広告主様が売上向上に役立たせるために採用する3つの戦略

投稿者: Cecia Wang、アナリティクスおよびメディアマネージャー

Amazonストアの自動車関連商品カテゴリーで8,600社以上のブランドを調査して、売上成長率とブランド新規顧客の前年比成長率をどのように促進したかについてのインサイトを発見しました。

ストーリーのハイライト:

2020年のこの調査では、米国の自動車関連商品カテゴリーの8,600社以上のブランドを分析しました。自動車関連商品カテゴリーには、RV用パーツおよびアクセサリー、交換用パーツ、自動車用アクセサリー商品などの商品を販売するブランドが含まれます。

売上高の前年比成長率(SalesGR)およびブランド新規顧客前年比成長率(NTBGR)の複合スコアを作成した後、機械学習アルゴリズムを利用して、広告主様によるこれらの複合スコアの向上に最も役立った広告戦略とリテール戦略を特定しました。

SalesGRとNTBGRの前年比成長率の向上を検討している自動車関連商品の広告主様は、以下の点を考慮する必要があります。

  • スポンサーディスプレイ広告とスポンサープロダクト広告のキャンペーンを実施する。
  • テンポールイベント期間中にスポンサーディスプレイ広告とスポンサーブランド広告のサポートを増やす。
  • 投資ミックスのバランスを取る。

詳しくは、この記事の最後にある「方法」セクションを参照してください。

1.最も成果をあげている自動車関連商品の広告主様は、スポンサーブランド広告とスポンサープロダクト広告のキャンペーンを実施している

インサイト

スポンサーブランド広告では、広告主様が商品検索結果ページの上部と下部にある複数の目立つ位置の掲載枠に表示することができます。この分析は、成長率の高い自動車関連商品ブランドが2020年にスポンサーブランド広告を採用したことを示しています。その理由の1つは、スポンサーディスプレイ広告により達成できる可能性のある高いリーチの成果かもしれません。

推奨事項

常時掲載のキャンペーンを使用する場合は、次のことをお勧めします。

  • キーワードカバレッジ: カテゴリーキーワードを使用して、新規のお客様をファネルの下位に誘導したり、ブランドキーワードを使用してコンバージョンの向上を図ったりするのに役立たせることができます。
  • スポンサーブランド広告の季節ごとの予算: 購入者の検索と購入行動には年間を通じて増加と減少があり、これに予算を合わせることで、ROIの最大化に役立ちます。
  • 広告対象のASINをあまり頻繁に変更しない: 見つけやすさと関連性を高めるには、十分なサポート期間を確保して、毎日または週に1回など、広告対象のASINをあまり頻繁に変更しないようにしましょう。

2.最も成果をあげている自動車関連商品の広告主様は、カスタマーレビューを最大限増やしている

インサイト

カスタマーレビューは、商品の購入を決定しようとしているお客様にとって重要な指標です。グランスビュー数とコンバージョンの向上に役立たせるために、広告主様は次のツールを使用できます。

推奨事項

お取引会社様Amazon Vine先取りプログラムを利用しましょう。このプログラムは、Amazonで高い信頼が寄せられているレビュアーからの正直で公平なフィードバックなど、より多くの情報をお客様に提供するために作成されました。

出品者様Amazonブランド登録に登録して、早期レビュー取得プログラムを利用しましょう。Amazonブランド登録に登録すると、ブランドの構築と保護に役立つ多くのツールを使用でき、購入者へさらに良い購買体験を提供することができます。

3.最も成果をあげている自動車関連商品の広告主様は、投資ミックスのバランスを取っている

インサイト

ブラックフライデーやサイバーマンデー(BFCM)などの標準的なテントポールイベントや、トラックシーズンや冬期装備などの自動車関連のテントポールイベントは、年間を通じてさまざまな時期に発生します。このようなテンポール関連の広告は、ブランドを強化して、売上を伸ばすのに役立ちます。実際、成長率の高いブランドは、トラックシーズン、冬期装備、BFCM全体で、スポンサープロダクト広告の広告費のバランスを維持していました。さらに、最も成果の高いブランドは、トラックシーズン、冬期装備、 BFCMで2:1:1の比率を維持する一方、他の広告主様は10:1:1の比率でした。

推奨事項

Amazonの分析では、バランスの取れたアプローチにより、前年比のDPVGRとNTBGRが高くなる可能性があることが判明しています。

方法

まず、教師ありモデルを使用して、40を超えるメディアおよびリテール属性の複合スコアの向上に役立つ属性のリストを特定しました。次に、この属性のリストを使用して、広告/ブランド間でクラスター分析を実施しました。そのため、同じクラスター内の広告/ブランドは広告とリテールの属性が似ていますが、異なるクラスターの広告/ブランドでは広告とリテールの属性が異なります。これらの属性はX1、X2、...Xnとなります(ビジュアルでは吹き出しで表現されている属性)。
機械学習アルゴリズムにより、4つのクラスターが返されました。これらの4つのクラスターを成功指標でランク付けして、最も成果の高いクラスターと最も成果の低いクラスターの差を比較し、NTBと売上成長率のパフォーマンスを区別する主な属性を特定しました。

クラスタリングはどのような仕組みですか?
DPVRに基づいてバイナリ複合スコアを作成して、XGBoost分類子を適用し、これらのラベルを最も効果的に予測する特徴と重みを特定しました。その際、広告アクションまたはリテールアクションを、広告商品の利用度と組み合わせ、広告サポートのタイミング、ターゲティングの戦略、クリエイティブと掲載枠、カスタマーレビューの数と評価、高品質の商品ページの商品の割合、広告掲載対象商品の種類などの特徴として見なしています。
上記の特定した特徴と重みを使用して、k-medoidクラスタリングアルゴリズムを適用して、広告主様をクラスターに分類しました。広告主様は、複合スコアの構成要素ではなく、アクションによって分類されています。次に、最後のクラスターを複合スコアの高い順から低い順にランク付けしました。