Hoe gedrags- en demografische doelgroepen presteren op Amazon
Door: Jessie Liu, Sr. Analytics and Media Manager
Veel adverteerders zijn benieuwd naar de prestaties van verschillende doelgroepen die voor hen beschikbaar zijn in streaming media. Je kunt de bevindingen in dit artikel gebruiken om je te helpen beslissen over je eigen strategieën voor streaming media.
Hoogtepunten van het verhaal:
Gedragsinzichten van eerste partijen kunnen helpen de besluitvorming in de media beter vorm te geven
Vrouwen 18-34
Athleisure, sport, fitness, yoga, fietsen, hardlopen
Doelgroepen met groot belang
Vertrouwen op demografie kan een eendimensionaal beeld van het publiek geven.
Inzichten uit de eerste partij van Amazon Ads geven merken een completer beeld van hun doelgroepen.
Sinds de opkomst van betaalde televisieadvertenties hebben adverteerders weinig keus gehad dan hun doelgroepdefinitiestrategie voornamelijk te baseren op demografische gegevens. In de afgelopen jaren heeft digitale reclame echter een revolutie teweeggebracht in de doelgroepen die adverteerders online kunnen bereiken, onder meer via streaming media of over-the-top (OTT). Desalniettemin gebruiken veel tv-kopers, zelfs degenen die uitgaven aan televisieadvertenties hebben verschoven naar streaming media, standaard de definitie van demografische doelgroep.
Hoewel demografische doelgroepselectie merken kan helpen hun bereikdoelstellingen te bereiken, lopen adverteerders die uitsluitend gebruikmaken van demografische doelgroepen het risico advertenties aan klanten te tonen die deze mogelijk irrelevant vinden. Ze kunnen ook kansen missen om geïnteresseerde klanten buiten hun demografische doelgroep te bereiken.
Dit artikel gebruikt campagnegegevens van Streaming TV ads van Q2 tot Q4 2019 om te analyseren welke doelgroepselectiemethode, gedragsmatig of demografisch, effectiever is in het stimuleren van overweging, zoals aangegeven door gegevenspaginaweergaven (DPV) op Amazon. De selectie van gedragsgroepen omvat in-market- en lifestylesegmenten, terwijl de demografische doelgroepselectie kenmerken omvat zoals geslacht, leeftijd en inkomen.
1. Gemiddeld waren gedragsdoelgroepen eerder geneigd om productgegevenspagina's op Amazon te bekijken dan demografische doelgroepen op Streaming TV ads.
Hoewel de omvang van een demografische doelgroep ongeveer hetzelfde was als die van een gedragsdoelgroep in deze studie, hadden gedragsdoelgroepen voor de merken die we analyseerden een +44% hoger mediaan DPV-percentage tegenover demografische doelgroepen.
De meeste gedragsdoelgroepen vertoonden een hogere mediane DPV versus demografische doelgroepen, variërend tussen +37% en +101% versus demografische doelgroepen. Over verticalen, hardlines (waaronder items zoals hardware, huishoudelijke artikelen, automobielen, sportartikelen en speelgoed) vertoonden het hoogste percentagedelta tussen gedragsdoelgroepen en demografische doelgroepen, met gedragsdoelgroepen met een mediaan van +101% hogere kans om gegevenspagina's te bekijken tegenover demografisch publiek.
De onderstaande afbeelding toont een boxplotdistributie van het percentage weergaven van gegevenspagina (DPVR) voor gedragsdoelgroepen, vergeleken met demografische doelgroepen over 28 campagnes in softlines (waaronder kleding), hardlines en verpakte goederen voor consumenten (CPG).
DVPR van gedragsmatige versus demografische doelgroepen door verticaal
Gedragsmatig
Demografisch
Algemeen
Softlines
Hardlines
CPG
x = weergavesnelheid voor gegevenspagina's (geïndexeerd)
2. De effectiviteit van gedragsdoelgroepen hangt af van relevantie.
Over het algemeen suggereren gegevens dat het gebruik van geschikte gedragsdoelgroepen kan helpen effectievere marketingcampagnes te creëren om overweging te stimuleren op Amazon. Inzichten laten echter ook zien dat niet alle gedragsgroepen voor elk merk werken.
Gedragsdoelgroepen presteerden beter toen ze waren afgestemd op het product of merk. Dit betekent dat het gebruik van gedragsdoelgroepen gemiddeld de campagneprestaties kan helpen verbeteren, maar gedragsdoelgroepen die niet op het product of merk zijn afgestemd, kunnen leiden tot slechte campagneprestaties.
Gebruikers van de nieuwste technologieën hadden bijvoorbeeld lagere DPVR's tegenover de mediane DPVR van demografische doelgroepen voor een softlines-campagne. Dit had het gevolg kunnen zijn van een verkeerde afstemming tussen het fast fashion-merk en de tech-doelgroep in deze campagne. Dit wordt ondersteund door het feit dat deze zelfde gedragsdoelgroep een van de best presterende doelgroepen was voor een hardlines-campagne (+581% hogere mediane DPVR vergeleken met die van demografische doelgroepen in hardlines).
Adverteerders moeten standaard Amazon Ads-campagnerapporten gebruiken om hun doelgroepselectiestrategieën regelmatig af te stemmen op de doelgroepen die het meest ontvankelijk zijn voor hun campagneberichten en om degene die niet geïnteresseerd zijn op het product of merk (en dus waarschijnlijk niet reageren op de berichten van hun merk) uit te sluiten.
In wezen hebben we geconstateerd dat demografische doelgroepen op Streaming TV ads misschien niet de meest efficiënte strategie is om de overwegingsdoelstellingen van adverteerders te bereiken. Het suggereert dat het opnemen van gedragsmatige doelgroepselectie een betere strategie kan zijn, ofwel door het definiëren van doelgroepen uitsluitend op basis van gedragsinformatie, ofwel door gedragsinformatie te gebruiken als aanvulling op demografisch gedefinieerde doelgroepen.
Als voorbeeld van deze tweede applicatie, naast het gebruik van demografische doelgroepen voor bereik, kunnen Streaming TV-adverteerders ook lager presterende gedragsdoelgroepen uitsluiten van demografische doelgroepen om de meest responsieve doelgroepen te bereiken. Met de technologieën en tools die vandaag beschikbaar zijn, kunnen gedragsinzichten worden gebruikt om de overweging van klanten naar hun merken effectiever te beïnvloeden.
Amazon helpt merken om relevante doelgroepen te bereiken met miljarden winkel- en streamingsignalen. Het opnemen van deze gedragsdoelgroepen, samen met voortdurende doelgroepoptimalisatie, kan adverteerders helpen een holistische doelgroepselectiestrategie te ontwikkelen en betere resultaten te behalen met hun Streaming TV-advertentiecampagnes waarvoor het doel is om overweging te simuleren op Amazon.
Methode
In deze studie werd gekeken naar het percentage weergaven van de gegevenspagina (DPVR) voor alle doelgroepen uit de 28 Streaming TV-advertentiecampagnes die in dit onderzoek zijn opgenomen. Tv-adverteerders gebruikten het bereik traditioneel als primaire maatstaf om de effectiviteit van tv-advertentiecampagnes te meten.
Hoewel we erkennen dat bereik belangrijk is, laat deze analyse zien hoe adverteerders het meest efficiënt het publiek kunnen bereiken dat geïnteresseerd is in hun merken om overweging te stimuleren. We kozen DPVR in deze analyse als een proxy voor de intentie van klanten om te kopen, en ook omdat DPVR adverteerders een bruikbare kijk geeft op hoe hun advertentietactieken bijdragen aan activiteit op Amazon.