매출과 클릭률을 늘리는 데 도움이 되는 Sponsored Brands 비디오

작성자: Zee Shah 선임 미디어 및 분석 관리자, German Schnaidt 응용 과학자 및 Ashton Brown 기술 문서 작성가

이 이중 방법 연구를 통해 알아낸 사실은 Sponsored Products와 Sponsored Brands를 ‘함께 사용하는 더 효과적인’ 접근 방식을 통해 이미 이점을 누리고 있는 캠페인에 Sponsored Brands 비디오를 결합했을 때 매출과 클릭률이 모두 증가했다는 것이었습니다.

스토리 하이라이트:

    1. 단기적으로 Sponsored Brands 비디오를 처음 도입한 브랜드는 그러지 않은 브랜드와 비교했을 때 다음 달 매출이 21% 증가했습니다.

    2. 장기적으로 Sponsored Products와 Sponsored Brands 캠페인에 Sponsored Brands 비디오를 추가한 브랜드는 매출이 10%, CTR이 25% 증가했습니다.

지난 몇 년 동안 아마존은 다양한 광고 상품의 효과를 연구했습니다. 시작은 Sponsored Products와 Sponsored Brands의 개별 효과를 테스트하는 것부터였습니다. 다음으로 Sponsored Brands와 Sponsored Products를 결합한 효과를 테스트했습니다. 분석 결과 두 프로그램은 함께 사용할 때 더 효과적인 것으로 나타났습니다. 이 분석에서는 한 단계 더 나아가 두 프로그램을 결합하고 세 번째 프로그램인 Sponsored Brands 비디오를 추가하면 매출(전년 대비)과 클릭률이 증가하는지, 감소하는지 아니면 동일하게 유지되는지를 테스트했습니다.

첫 두 캠페인에 비디오를 추가했을 때의 인과 효과를 테스트하기 위해 기타 캠페인 속성(예: 총 매출, 판매량, 평균 판매 가격, 총 광고 지출액 등)을 통제합니다. 즉, 기존 조합을 사용한 광고주와 비디오를 추가한 광고주, 이렇게 광고주에 대해 두 가지 카테고리를 만들었습니다. 그런 다음 해당 두 광고주 그룹을 사용하여 비디오 도입의 인과 효과를 추정합니다.

분석을 수행하기 위해 아마존은 미국과 유럽(프랑스, 독일, 이탈리아, 스페인, 영국)에서 Sponsored Products와 Sponsored Brands를 사용하고 있지만 아직 Sponsored Brands 비디오를 도입하지 않은 브랜드를 선택했습니다. 이와 같은 브랜드를 식별한 다음 머신 러닝과 모델링을 사용하여 두 가지 인과 분석 테스트를 수행했습니다.

  • 단기(2019년 12월~2020년 11월): 광고 캠페인에 Sponsored Brands 비디오를 추가하는 인과 효과를 조사했습니다. 이 단기 분석에서는 Sponsored Products 및 Sponsored Brands 캠페인에 Sponsored Brands 비디오를 결합한 브랜드의 월간 효과를 조사했습니다.
  • 장기(2019년 1월~2020년 12월): 판매 가격, 총 광고 지출액 등 기타 변수를 통제하면서, Sponsored Brands 비디오와 함께 Sponsored Products, Sponsored Brands를 사용한 브랜드의 YoY(전년 대비) 판매 효과와 Sponsored Products, Sponsored Brands만 사용한 브랜드의 YoY(전년 대비) 판매 효과를 비교했습니다.

이 연구를 수행한 방법에 대한 자세한 내용은 이 문서 끝에 있는 방법론 섹션을 참조하세요.

단기적으로 Sponsored Brands 비디오를 처음 도입한 브랜드는 그러지 않은 브랜드와 비교했을 때 다음 달 매출이 21% 증가했습니다.

인과 관계를 조사할 때 결과 발생 여부와 발생 시점을 확인하는 것이 중요합니다. 비디오를 처음 추가할 때 결과가 나타나는지 여부 및 시기를 테스트하기 위해 아마존은 Sponsored Brands 비디오 추가가 다음 달에 미치는 영향을 분석한 단기 연구를 진행했습니다. Sponsored Brands 비디오를 도입하고 기존 Sponsored Products와 Sponsored Brands 캠페인에 결합한 브랜드는 다음 달에 매출이 21% 증가한 것으로 나타났습니다.

Sponsored Brands 비디오를 Sponsored Brands 및 Sponsored Products 캠페인과 결합했을 때의 다음 달 매출 증가율(%)

21%

장기적으로 Sponsored Products와 Sponsored Brands 캠페인에 Sponsored Brands 비디오를 추가한 브랜드는 매출이 10%, CTR이 25% 증가했습니다.

Sponsored Brands 비디오가 캠페인에 미치는 효과를 판단하기 위해 12개월 동안 상품 3개를 모두 사용한 브랜드와 Sponsored Products 및 Sponsored Brands만 사용한 브랜드를 찾아 비교했습니다. 캠페인 결합에 Sponsored Brands 비디오를 추가한 브랜드는 YoY 매출이 10%, YoY 클릭률이 25% 증가했습니다.

Sponsored Brands 비디오를 캠페인에 추가하는 것의 장기적인 효과

10%

이미 Sponsored Products와 Sponsored Brands를 사용하는 캠페인에 Sponsored Brands 비디오를 추가했을 때의 장기 매출 증가율(%)

25%

이미 Sponsored Products와 Sponsored Brands를 사용하는 캠페인에 Sponsored Brands 비디오를 추가했을 때의 장기 클릭 증가율(%)

결론

아마존은 이중 방법 접근 방식을 사용하여, Sponsored Brands 비디오를 결합했을 때 Sponsored Products와 Sponsored Brands를 ‘함께 사용하면 더 효과적인’ 결과(매출, 클릭률 관련)가 증가하는지, 감소하는지 아니면 동일하게 유지되는지를 테스트했습니다. 아마존 분석에 따르면 Sponsored Brands 비디오를 도입한 브랜드는 장단기적으로 긍정적인 인과 효과를 확인했습니다.

방법론

이 연구를 수행하기 위해 아마존에서는 Sponsored Brands 비디오와 Sponsored Products 및 Sponsored Brands를 결합한 브랜드의 매출 또는 CTR(다음 달)이 늘어났는지를 판단하는 데 중점을 둔 단기 인과 분석과 YoY 매출 및 CTR 성장률에 중점을 둔 장기 인과 분석으로 구성된 이중 방법 접근 방식을 사용했습니다.

두 방법 모두 아래 자세히 설명되어 있습니다.

단기 인과 방법론

처음으로 Sponsored Brands 비디오를 도입한 광고주의 인과 효과를 측정하기 위해 아마존은 조치가 한 달이라는 단기간에 광고주 퍼포먼스에 미치는 영향을 판단하는 [1], [2], [3] 기술에서 영감을 받은 머신 러닝 인과 추론 방법론을 활용했습니다. 현재 방법론은 2단 GP(2단 Gaussian Process)라는 방법을 따르며 이는 광고 맥락에 적용했을 때 이중 머신 러닝 [1] 및 인과 숲 [2]과 같은 기존 방법론과 비교했을 때 다양한 인과 추론 퍼포먼스 메트릭에서 향상된 퍼포먼스를 보입니다.

이 연구에서는 미국 마켓플레이스의 78,000명이 넘는 광고주를 선정하고 이 방법론을 사용하여 광고주 25,000명을 매칭했습니다. 78,000명의 광고주가 평가를 위한 입력 데이터 세트에 있었으며, 샘플 25,000명(처리 및 미처리)은 성향 점수에 사용됐습니다.

장기적인 인과 방법론

장기적으로 매출과 CTR(클릭률) 효과를 측정하기 위해 인과 관계 분석 기법을 사용하여 조치가 12개월이라는 장기간에 걸쳐 광고주 퍼포먼스에 미치는 영향을 파악했습니다. 먼저 빈 두 개를 만들었습니다. 첫 번째 빈에서 모든 광고주는 Sponsored Products와 Sponsored Brands를 사용했습니다. 두 번째 빈에서 광고주는 Sponsored Products 및 Sponsored Brands와 Sponsored Brands 비디오를 결합했습니다. 기타 캠페인 속성을 관리하기 위해 총 매출, 판매량, 평균 판매 가격, 총 광고 지출액과 같은 브랜드의 캠페인 속성이 비슷한지 확인했습니다.

이를 통해 Sponsored Brands 비디오 도입 확률이 비슷한 빈 세트를 비교할 수 있었습니다. 이를 위해 아마존은 머신 러닝을 사용하여 광고 지출액, 총 매출, 총 판매량, 총 노출수, 총 클릭수, 평균 판매 가격을 기준으로 각 브랜드의 성향 점수를 측정했습니다.

성향 점수 계산에 사용된 속성: 2020년 총 매출, 2019년 총 판매량, 2020년 평균 판매 가격, 2019년 총 노출수, 2019년 총 클릭수, 2019년 총 광고 지출액, 2020년 총 광고 지출액, 2020년 총 매출의 자연 로그.

반응 변수: 2020년 CTR의 자연 로그, 총 매출 성장률의 자연 로그.

출처

  • Alaa, A. M. and van der Schaar, M. ‘Bayesian nonparametric causal inference: Information rates and learning algorithms.’ IEEE Journal of Selected Topics in Signal Processing, 12(5):1031–1046, 2018.
  • Hill, J.L. ‘Bayesian nonparametric modeling for causal inference.’ Journal of Computational and Graphical Statistics, 20(1):217–240, 2011.
  • Pauwels, K., M. Caddeo, and G. Schnaidt. 2022년. 디지털 디스플레이 광고가 광고주의 퍼포먼스에 미치는 인과적 영향 발췌: Proceedings of the European Marketing Academy, 51st (108183): EMAC. http://proceedings.emac-online.org/pdfs/A2022-108183.pdf
  • Van der Schaar, M. and Alaa, A. ‘Bayesian inference of individualized treatment effects using multi-task gaussian processes.’ NIPS, 2017년.