다운로드 효율성을 개선하기 위해 최상위 앱 광고주가 사용하는 3가지 전술

작성자: Jessie Liu, Sr. 분석 및 미디어 관리자

스트리밍 애플리케이션 업종(SVOD, AVOD, vMVPD)에서 광고 캠페인의 성과를 평가할 때는 앱 다운로드 횟수뿐 아니라 앱 다운로드 효율성을 살펴보는 것이 유용합니다. 2020년 아마존 광고 연구는 이러한 중요성을 강조합니다.

스토리 하이라이트:

SVOD(Subscription Video-on-Demand), AVOD(Ad-supported Video-on-Demand), VMVPD(Virtual Multichannel Video Programming Distributor)가 포함된 SA(Streaming Applications) 업종은 주로 앱 다운로드 횟수를 사용하여 여러 광고주에 걸쳐 퍼포먼스를 비교합니다. 아마존 광고는 총 다운로드 횟수뿐 아니라 노출이 얼마나 자주 다운로드로 이어졌는지 나타내는 다운로드 효율성도 고려하는 것이 중요하다고 생각합니다.

앱 다운로드 효율성을 계산하기 위해 아마존은 2020년 아마존 SA 카테고리에서 38개 브랜드의 DPM(노출 수 1,000회당 다운로드 횟수)을 분석했습니다. 그 결과 상위 퍼포먼스의 광고주는 다른 광고주보다 앱 다운로드 효율성이 22배 높다는 사실을 발견했습니다. 광고주를 도와 다운로드 효율성을 개선하기 위해 상위 퍼포먼스 광고주가 사용하는 다양한 전술을 살펴보고 추천 개선 방법을 제공하겠습니다.

데이터 수집 방법에 대한 자세한 내용은 이 기사 끝에 있는 방법론 섹션을 참조하세요.

1. 스트리밍 TV 광고, 모바일 광고, Fire TV 스폰서 타일을 혼합하여 사용하는 상위 퍼포먼스의 앱 광고주

이 연구에 따르면 스트리밍 TV 광고, Fire TV 스폰서 타일, 모바일 광고를 함께 사용하는 브랜드는 스트리밍 TV 광고만 사용하는 광고주보다 앱 다운로드 효율성이 22배 더 높았으며, 노출 수가 2배 더 많았습니다.

+22%

다운로드 효율성

2x

더 많은 노출 수

권장 사항

캠페인을 계획할 때 광고주에게 다음을 추천합니다.

  • Fire TV, Fire 태블릿, 모바일에 걸쳐 광고를 실행하는 것을 고려하세요.
  • 광고 크리에이티브를 기기에 맞춰 모든 기기에서 긍정적인 고객 경험을 보장하세요.

2. 다양한 광고 크리에이티브를 사용하는 상위 퍼포먼스의 앱 광고주

잠재 고객은 다양한 버전의 특정 메시지가 포함된 크리에이티브 캠페인이 관련성이 더 높다고 느낄 수 있으며 이로 인해 더 높은 수준의 참여도를 유도할 수 있습니다. 실제로 이 분석에 따르면 상위 퍼포먼스의 앱 광고주는 다른 광고주보다 1.8배 더 많은 고유한 크리에이티브를 도입했습니다.

권장 사항

광고주는 지속적으로 크리에이티브를 신선하게 유지하고 A/B 테스트 진행을 고려해야 합니다. A/B 테스트는 어떤 요소에 시청자가 공감하는지 판단하고 불필요한 지출을 방지하는 효과적이며 비용 효율적인 방법입니다. 다양한 행동 유도 문구, 콘텐츠 유형과 같은 요소를 테스트하여 더 많은 다운로드 유도 측면에서 어느 것이 더 뛰어난 퍼포먼스를 기록하는지 파악하는 게 좋습니다. 마지막으로 광고주는 광고 디자인, 행동 유도 문구, 클레임, 크리에이티브내 가격, 랜딩 페이지를 확실히 검토하여 광고 콘텐츠와 크리에이티브 설정이 일반적인 잠재 고객에게 적합하고 아마존의 정책을 준수하는지 확인해야 합니다.

3. 제외 키워드를 활용하는 상위 퍼포먼스의 앱 광고주

상위 퍼포먼스의 잠재 고객은 다른 광고주보다 제외 키워드를 사용할 확률이 6~10% 더 높았으며 앱 다운로드 효율성도 더 높았습니다.

권장 사항

아마존 광고 도구를 활용하여 장르, 스트리밍 및 라이프스타일, 캠페인 목표와 부합하는 인마켓 행동 신호를 기반으로 사용자 지정 잠재 고객 세그먼트를 생성하는 것을 고려하세요. 표준 잠재 고객 퍼포먼스 보고서를 활용하여 어떤 잠재 고객이 캠페인에 반응하지 않는지 파악하고 미래에 이들을 제외하는 것을 고려하세요.

방법론

이 연구에서 아마존은 2020년 1월부터 12월까지 12개월 동안 광고한 미국 스트리밍 애플리케이션 카테고리의 38개 브랜드를 분석했습니다. 스트리밍 앱 카테고리에는 Subscription Video-on-Demand, Ad-Supported Video-on-Demand, vMVPD(Virtual Multichannel Video Programming Distributor)와 같은 서비스를 제공하는 광고주가 포함됩니다.

성과 측정을 위해 DPM(노출 수 1,000회당 다운로드 횟수)을 앱 다운로드 효율성 메트릭으로 활용했습니다. 그런 다음 기계 학습 알고리즘을 통해 DPM을 늘리는 데 도움이 되는 상위 광고 전략을 식별했습니다. 기능에 가중을 부여하는 데 Pearson Correlation, Linear regression, XGBoost, 및 주제 전문 지식 추천 사항을 사용했습니다. 이 분석은 가장 높은 DPM과 가장 낮은 DPM을 가진 광고주 사이의 가장 큰 차이점을 하이라이트하며 퍼포먼스 예측하거나 인과관계를 주장하지 않습니다.

클러스터링은 어떻게 작동하나요?

DPVR을 기반으로 이진 합성 점수를 생성한 뒤 XGBoost 분류자를 적용하여 어떤 기능과 어떤 가중이 이러한 분류를 가장 잘 예측하는지 파악했습니다. 이 과정에서 아마존은 광고 상품 사용 강도 및 조합, 광고 지원 시기, 타겟팅 전술, 크리에이티브 및 배치, 고객 리뷰 횟수 및 평점, 양질의 상품 페이지를 가진 상품 비율, 광고에서 프로모션하는 상품의 유형 등을 광고 활동의 기능으로 간주했습니다.

식별한 기능과 위에서 언급한 가중을 사용하여 k-medoid 클러스터링 알고리즘을 다음으로 적용하여 광고주를 클러스터로 분류했습니다. 합성 점수의 구성 요소 대신 활동으로 광고주를 분류했다는 점을 참조하세요. 마지막으로 최종 클러스터를 합성 점수 별로 내림차순으로 순위를 매겼습니다. 클러스터 1은 합성 점수가 가장 높은 가장 성공적인 클러스터이며 클러스터 5는 성과가 가장 저조한 클러스터입니다.