아마존에서 행동 및 인구 통계 잠재 고객의 퍼포먼스
작성자: Jessie Liu, Sr. 분석 및 미디어 관리자
많은 광고주는 스트리밍 미디어에서 사용할 수 있는 다양한 잠재 고객의 퍼포먼스에 대해 궁금해 합니다. 이 기사의 교훈을 사용하여 정보에 입각하여 자체 스트리밍 잠재 고객 전략 의사 결정을 내리는 데 도움이 됩니다.
스토리 하이라이트:
자사 행동 인사이트는 정보에 입각하여 더 좋은 미디어 의사 결정을 내리는 데 도움이 될 수 있습니다.
여성 18~34세
애슬레저, 스포츠, 운동, 피트니스, 요가, 사이클링, 달리기
관심도가 높은 잠재 고객
인구 통계에 의존하면 잠재 고객을 일차원적으로 살펴볼 수 있습니다.
아마존 광고 자사 인사이트는 브랜드가 잠재 고객을 더욱 완전히 알아볼 수 있도록 합니다.
유료 TV 광고의 출현 이래로 광고주는 잠재 고객 정의 전략의 기반을 인구 통계에 둘 수밖에 없었습니다. 그러나 최근 몇 년 동안 디지털 광고는 스트리밍 미디어, 혹은 OTT(Over-The-Top)를 비롯한 광고주가 온라인으로 잠재 고객에게 도달하는 방법에서 혁신을 일으켰습니다. 그럼에도 불구하고 TV 광고 지출을 스트리밍 미디어로 전환한 구매자를 포함한 많은 TV 구매자는 잠재 고객 정의에 있어 인구 통계를 우선시합니다.
인구 통계 잠재 고객 선택은 브랜드의 도달 목표 달성을 지원할 수 있으나 인구 통계 잠재 고객에만 의존하는 광고주는 광고와 관련성이 없는 고객에게 광고를 제공할 위험이 있습니다. 또한 이들은 인구 통계 잠재 고객 외부에 있는 관심을 보이는 고객에게 도달할 기회를 놓칠 수 있습니다.
이 백서는 2019년 2분기부터 4분기까지의 스트리밍 TV 광고 캠페인 데이터를 사용하여 아마존에서 DPV(상세 페이지 조회수)를 기반으로 행동 또는 인구 통계 잠재 고객 선택 방법 중 어떤 방법이 더 효과적으로 고려를 유도하는지 살펴봅니다. 행동 잠재 고객 선택에는 시장 내 및 라이프스타일 세그먼트가 포함되는 반면 인구 통계 선택에는 성별, 나이, 수입과 같은 특징이 포함됩니다.
1. 평균적으로 인구 통계 잠재 고객이 스트리밍 TV 광고에서 상품 상세 페이지를 조회할 가능성보다 행동 잠재 고객이 아마존에서 상품 상세 페이지를 조회할 가능성이 더 높습니다.
이 연구에서 인구 통계 잠재 고객의 크기는 행동 잠재 고객과 거의 동일했으나 분석한 브랜드의 행동 잠재 고객 DPVR 중간값은 인구 통계 잠재 고객 대비 44% 더 높았습니다.
대부분의 행동 잠재 고객 DPV 중간값은 인구 통계 잠재 고객 대비 37%~101% 더 높았습니다. 수직 전반에 걸쳐 하드웨어, 가정용품, 자동차용품, 스포츠용품, 완구를 비롯한 품목이 포함된 하드라인이 행동 잠재 고객 및 인구 통계 잠재 고객 사이 가장 높은 퍼센트 델타를 기록했으며 행동 잠재 고객의 상세 페이지 조회 가능성 중간값은 인구 통계 잠재 고객 대비 101% 더 높았습니다.
아래 시각 자료는 소프트라인(의류 포함), 하드라인, CPG(소비재 상품) 캠페인 28개에 걸쳐 인구 통계 잠재 고객과 비교한 행동 잠재 고객 DPVR(상세 페이지 조회율)의 박스 플롯 분포입니다.
수직별 행동 잠재 고객 대 인구 통계 잠재 고객 DVPR
행동
인구 통계
전체
소프트라인
하드라인
CPG
x = 상세 페이지 조회율(인덱싱됨)
2. 행동 잠재 고객의 효과는 관련성에 따라 다릅니다.
전반적으로 데이터에 따르면 적절한 행동 잠재 고객을 사용하면 아마존에서 더 효과적으로 고려를 유도하는 마케팅 캠페인 생성하는 데 도움이 될 수 있습니다. 하지만 인사이트는 모든 행동 잠재 고객이 모든 브랜드에 적합하지 않다는 점 또한 보여줍니다.
행동 잠재 고객은 상품 또는 브랜드와 일치할 때 더 뛰어난 퍼포먼스를 달성했습니다. 즉, 평균적으로 행동 잠재 고객을 사용하면 캠페인 퍼포먼스를 개선하는 데 도움이 될 수 있으나 상품 또는 브랜드와 일치하지 않는 행동 잠재 고객은 저조한 캠페인 퍼포먼스로 이어질 수 있습니다.
예를 들어 소프트라인 캠페인의 경우 얼리 기술 어댑터의 DPVR은 인구 통계 잠재 고객 DPVR 중간값보다 더 낮았습니다. 이는 해당 캠페인의 패스트 패션과 기술 잠재 고객이 일치하지 않아서 일수 있습니다. 동일한 행동 잠재 고객이 하드라인 캠페인에서는 인구 통계 잠재 고객 대비 581% 더 높은 DPVR 중간값을 기록했다는 사실 또한 이를 뒷받침합니다.
광고주는 기본 아마존 광고 캠페인 보고서를 사용해서 정기적으로 잠재 고객 선택 전략을 상세 조정하여 캠페인 메시지에 가장 반응이 좋은 잠재 고객을 포함해야 합니다. 또한 상품 또는 브랜드와 일치 하지 않아서 브랜드의 메시지에 반응할 가능성이 낮은 잠재 고객을 제외해야 합니다.
본질적으로 스트리밍 TV 광고의 인구 통계 잠재 고객은 광고주의 고려 목표를 달성하기 위한 가장 효율적인 전략이 아닐 수도 있습니다. 이는 오직 행동 정보를 기반으로 잠재 고객을 정의하거나 인구 통계적으로 정의된 잠재 고객을 보완하기 위해 행동 정보를 사용하여 행동 잠재 고객 선택을 도입하는 것이 더 좋은 전략이라는 것을 의미합니다.
두 번째 적용 예시로서 스트리밍 TV 광고주는 도달을 위해 인구 통계 잠재 고객을 사용하는 것 뿐만 아니라 인구 통계 잠재 고객에서 퍼포먼스가 저조한 행동 잠재 고객을 제외하여 가장 반응이 좋은 잠재 고객에게 도달할 수 있습니다. 광고주는 현재 사용할 수 있는 기술과 도구를 통해 행동 인사이트를 사용하여 고객 고려를 더 효과적으로 광고주 브랜드로 유도할 수 있습니다.
아마존은 수십억 개의 쇼핑 및 스트리밍 신호를 통해 브랜드가 관련 잠재 고객에게 도달할 수 있도록 지원합니다. 진행 중인 잠재 고객 최적화와 함께 이러한 행동 잠재 고객을 도입하면 목표인 아마존에서 고려 유도를 위해 광고주가 전체적인 잠재 고객 선택 전략을 개발하고 스트리밍 TV 광고 캠페인으로부터 더 좋은 결과를 얻는 데 도움이 될 수 있습니다.
방법론
본 연구는 연구에 포함된 스트리밍 TV 광고 캠페인 28개의 모든 잠재 고객 DPVR(상세 페이지 조회율)을 살펴봅니다. TV 광고주는 전통적으로 TV 광고 캠페인의 효과를 측정하는 기본 메트릭으로 도달 범위를 사용했습니다.
아마존은 도달 범위가 중요하다는 것을 인지하지만 이 분석은 광고주가 브랜드로 고려를 유도하기 위해 잠재 고객에게 도달할 수 있는 가장 효과적인 방법을 보여줍니다. 아마존은 이 분석에서 DPVR로 고객의 구매 의사를 대신 표현했으며 DPVR은 광고주에게 광고 전술이 아마존 활동에 기여하는 방법을 조치 가능한 보기로 제공하기도 합니다.