おもちゃを取り扱う上位の広告主様が、Amazonでの成長を促進するために採用した2つの戦略

投稿者: Andrew Holsopple氏、アナリティクスおよびメディアマネージャー

Amazonストアのおもちゃカテゴリーで1,400を超えるブランドを調査し、商品詳細ページの閲覧数およびブランド新規顧客数の前年比成長率に関するインサイトを取得しました。

ストーリーのハイライト:

この調査では、2020年の時点で米国のおもちゃカテゴリーに掲載されている1,400を超えるブランドを分析しました。おもちゃカテゴリーには、組み立て式のおもちゃ、ゲーム、アクションフィギュアやコレクター商品、手芸・画材、幼児用おもちゃ、乗り物などの商品を販売するブランドが含まれます。商品詳細ページの閲覧数の前年比成長率(DPVGR)およびブランド新規顧客数の前年比成長率(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、これらの複合スコアの向上に最も貢献した広告戦略とリテール戦略を特定しました。

DPGVRとNTBGRの向上を検討している広告主様は、次の点を考慮する必要があります。

データの収集方法について詳しくは、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.高いパフォーマンスを維持しているおもちゃの広告主様は、常時掲載のスポンサーディスプレイ広告キャンペーンとスポンサープロダクト広告キャンペーンを実施

インサイト

2020年、高いパフォーマンスを維持しているおもちゃの広告主様の74%が、スポンサープロダクト広告とスポンサーブランド広告の両方で、年間を通じて常時掲載キャンペーンを実施しました。

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って、上位ファネルの新規オーディエンスへのリーチを拡大し、ブランドキーワードを使用してコンバージョンの向上に役立てることができます。
  • スポンサーブランド広告の季節ごとの予算: 購入者の閲覧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、費用対効果(ROI)の最大化に役立ちます。Amazonの分析によると、高いパフォーマンスを維持しているおもちゃの広告主様は、Amazonショッピングイベント期間中にスポンサーブランド広告の使用率を拡大していることが判明しました。
  • 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.高いパフォーマンスを維持しているおもちゃの広告主様は、Amazonショッピング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拡大

インサイト

高いパフォーマンスを維持しているおもちゃの広告主様の100%がAmazonイベント期間中にスポンサーブランド広告のインプレッションを配信し、61%がAmazonイベント期間中にスポンサーディスプレイ広告のインプレッションを配信しました。インプレッションの配信に加えて、Amazonの分析では、お客様が集まるあらゆる場所でAmazon DSPキャンペーンを利用しているブランドは、ブランド新規顧客の増加率が高いことが示されています。

推奨事項

Amazonショッピングイベント期間中に広告を掲載する際には、考慮すべき点がいくつかあります。

  • 購入者はAmazonにアクセスして、商品のリサーチ、検討、購入を行います。これらの購入者は通常、Amazonショッピングイベントの前にエンゲージメントを高め、Amazonショッピングイベント後もエンゲージメントを維持します。ホリデーシーズン中、これらの購入者は早ければ10月下旬か11月上旬にリサーチを開始することが多く、ブラックフライデーとサイバーマンデーの週末にピークを迎え、12月末までエンゲージメントを維持し続けます。したがって、広告主様はリードアップパッケージで早いうちに購入者のエンゲージメントを促し、イベント後のリマーケティングによって潜在的な可能性を最大限に引き出すことが重要になってきます。
  • 広告主様は、オーディエンスセグメントを利用して、Amazonショッピングイベント期間中に購入を行う可能性が最も高いお客様にリーチできます。
  • 広告主様は、お客様が集まるあらゆる場所でスポンサーディスプレイ広告とAmazon DSPを利用できます。

調査方法

まず、監視モデルを使用して、30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。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類似し、異なるクラスターの広告/ブランド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を比べてその差を比較し、NTBとGV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した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、広告プロダクト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術、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を持つ商品の割合、広告掲載対象商品の種類などの特徴としてみなしています。

上記の特定した特徴と重みを使用して、次に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、複合スコアのコンポーネントではなく、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。