퍼포먼스가 우수한 식료품 광고주의 인지도를 높이는 방법
작성자: Kavya Kilari, 분석 및 인사이트
스토리 하이라이트:
아마존의 식료품 카테고리에 속한 5,600개 이상의 미국 기반 회사를 대상으로 한 2019년 연구에서 다른 광고주보다 퍼포먼스가 우수한 광고주가 더 많이 사용하는 세 가지 광고 전략을 관찰했습니다. 식료품 카테고리에는 Whole Foods, 커피, 차가운 음료, 스낵과 같은 상품을 판매하는 브랜드가 포함됩니다.
퍼포먼스가 우수한 광고주는 다른 광고주와 비교하여 아마존 브랜드 지수(ABI) 인지도 측정에서 전년 대비 평균 2.2배 더 높은 성장률을 보이며(이는 광고주에게 브랜드를 알고 있는 고객 수를 정량화하는 중간 및 상위 퍼널 메트릭을 제공), ABI 고려에서 전년 대비 1.9배 높은 성장률을 나타냅니다(여기에는 구매를 고려 중인 고객 수가 반영). 이러한 영향력에 대해 더 자세히 알아보기 위해 머신 러닝 알고리즘을 사용하여 퍼포먼스가 우수한 광고주가 다른 광고주와 차별화하는 전략을 파악했습니다. 이 문서에서는 이러한 전략을 살펴보고 이를 개선하는 방법에 대한 권장 사항을 제공합니다.
자세한 내용은 이 문서의 끝에 있는방법론 섹션을 참조하세요.
1. 퍼포먼스가 우수한 식료품 광고주는 스트리밍 TV 광고를 활용
인사이트
아마존의 분석에 따르면 이 연구에 참여한 광고주의 경우 스트리밍 TV 광고를 활용하여 총 순 미디어 도달 범위(TV만 해당)가 평균 +2.2% 증가했습니다. 또한 2019년 Nielsen 연구는 TV에서 스트리밍 TV로의 전환이 증가함에 따라 TV에서는 이러한 점진적 도달의 약 39%를 달성할 수 없었다고 밝혔습니다.
권장 사항
광고주는 미디어 플랜에 스트리밍 TV 광고 추가를 고려해야 할 뿐만 아니라 연중 최소 25주 동안의 상시 캠페인 운영도 고려해야 합니다.
2. 퍼포먼스가 우수한 식료품 광고주는 디스플레이 광고와 스트리밍 TV 광고를 함께 사용
인사이트
아마존의 리서치에 따르면 스트리밍 TV 광고와 디스플레이 광고를 함께 사용하면 더 좋은 것으로 나타났습니다. 디스플레이 광고와 스트리밍 TV 광고를 함께 사용하는 퍼포먼스가 우수한 브랜드의 경우 아마존 스토어의 광고 기여 브랜드 검색이 전년 대비 47% 이상 증가했습니다. 상호 보완적이고 상시 운영되는 상위 퍼널과 하위 퍼널 전략을 사용하는 풀 퍼널 접근 방식은 광고주가 고객의 여정 중 어디에서든 채널 전반에 걸쳐 고객과 소통하는 데 도움이 됩니다.
참고: 브랜드 검색이 항상 매출로 이어지는 것은 아니지만 브랜드를 더 많이 고려한다는 것을 나타낼 수 있으며 이는 소비자 여정에서 매우 중요한 단계입니다.
권장 사항
디스플레이 광고 위에 스트리밍 TV 광고를 게재하여 지원을 늘리는 것이 좋습니다. 또한 광고주는 다음과 같은 아마존 광고 도구를 활용해야 합니다.
3. 퍼포먼스가 우수한 식료품 광고주는 잠재 고객 세그먼트 아마존 잠재 고객을 더 많이 활용
인사이트
퍼포먼스가 우수한 광고주는 행동 신호(예: 라이프스타일 잠재 고객 세그먼트)를 기반으로 잠재 고객에게 도달했을 때 인구 통계 잠재 고객 세그먼트만 사용한 경우보다 도달 범위가 44% 증가한 것으로 나타났습니다. 또한 퍼포먼스가 우수한 광고주는 다른 광고주보다 노출 수가 4.5% 더 많았습니다.
+44%
고려 증가율
+4.5%
제공된 노출 수 증가율
권장 사항
광고주는 아마존 시장 내 잠재 고객과 라이프스타일 잠재 고객을 조합하여 캠페인 접근 방식을 맞춤화할 수 있습니다. 예를 들어 쇼핑객이 운동 및 피트니스 카테고리에서 구매하는 이유가 새로운 피트니스 목표를 달성하기 위한 것일 수 있습니다. 따라서 광고주는 메시지를 개발할 때 이를 활용하는 것을 고려해야 합니다. 마찬가지로 건강에 민감한 쇼핑객은 피트니스 목표와 관련하여 식단을 보충하는 데 도움이 되는 단백질 파우더 및 기타 상품을 찾고 있을 수도 있습니다. 아마존에서는 광고주가 최근에 피트니스 관련 상품을 구매했을 가능성이 있음을 나타내는 쇼핑 활동에 참여하는 잠재 고객에게 도달하도록 지원할 수 있습니다. Amazon의 Amplifier 보고서 및 잠재 고객 인사이트에 대한 액세스 권한이 있는 광고주는 두 리소스를 모두 사용하여 시장 내 및 라이프스타일 잠재 고객을 더 잘 모니터링하고 최적화하는 것이 좋습니다.
방법론
본 연구에서는 2020년에 미국 내 식료품 카테고리에 속한 5,600개 이상의 브랜드를 분석했습니다. 식료품 카테고리에는 Whole Foods, 커피, 차가운 음료, 스낵과 같은 상품을 판매하는 브랜드가 포함됩니다.
아마존은 인지도와 고려에 관한 아마존 브랜드 지수(ABI)의 전년 대비 성장률을 종합한 성공 점수를 생성한 다음, 머신 러닝 알고리즘으로 종합 점수를 높이는 데 도움이 되는 상위 광고 및 리테일 전략을 파악했습니다.
먼저 지도 학습 모델을 사용하여 40개 이상의 미디어 및 리테일 특성 중 종합 점수를 높이는 데 도움이 되는 20가지 속성의 목록을 파악했습니다. 그런 다음 이 속성 목록을 사용하여 브랜드 간 클러스터 분석을 수행하므로 동일한 클러스터의 브랜드는 광고 및 리테일 속성이 서로 유사하지만 클러스터가 다른 브랜드는 광고 및 리테일 속성이 서로 다릅니다. 이러한 속성에는 스트리밍 TV 광고, 비디오 광고, Sponsored Products와 같은 상품 사용이 포함됩니다.
머신 러닝 알고리즘은 클러스터를 반환합니다. 성공 메트릭을 기준으로 클러스터의 순위를 매기고, 퍼포먼스가 가장 우수한 클러스터와 가장 저조한 클러스터 및 그 차이점을 비교한 다음, 인지도 및 고려 ABI 성장에서의 퍼포먼스를 차별화하는 주요 속성에 대한 결론을 내립니다.
광고주는 클러스터에 걸쳐 어떻게 분산되어 있나요?
기계 학습 알고리즘을 사용하여 광고주를 광고 및 소매 특성에 따라 다른 클러스터로 자동 분류했습니다.
클러스터 1
클러스터 2
클러스터 3
클러스터 4
ABI 인지도 전년 대비 성장
ABI 고려 전년 대비 성장
클러스터 1은 클러스터 4보다 인지도 ABI(2.2배)와 고려 ABI(1.9배) 모두에서 전년 대비 높은 성장률을 나타냈습니다. 클러스터 1과 2는 인지도 ABI에서 전년과 유사한 성장률을 나타냈지만 클러스터 1의 전년 대비 고려 ABI 성장률은 클러스터 2를 능가했습니다(각각 1.87배 대 1.25배).
클러스터링은 어떻게 작동하나요?
DPVR을 기반으로 이진 종합 점수를 생성한 뒤 XGBoost 분류기를 적용하여 어떤 기능과 어떤 가중이 이러한 분류를 가장 잘 예측하는지 파악했습니다. 이 과정에서 광고 상품 사용 강도 및 조합, 광고 지원 시기, 타겟팅 전략, 크리에이티브 및 배치, 고객 리뷰 횟수 및 평점, 양질의 상품 페이지가 있는 상품 비율, 광고에서 프로모션하는 상품의 유형을 광고 또는 리테일 조치의 기능으로 간주했습니다.
식별한 기능과 위에서 언급한 가중을 사용한 다음 k-medoid 클러스터링 알고리즘을 적용하여 광고주를 클러스터로 분류했습니다. 종합 점수의 구성 요소가 아니라 활동에 따라 광고주를 분류했습니다. 그 다음 최종 클러스터를 합성 점수 별로 내림차순으로 순위를 매겼습니다. 클러스터 1은 종합 점수가 가장 높은 가장 성공적인 클러스터이며, 클러스터 4는 점수가 가장 낮은 가장 저조한 클러스터입니다.