Twee tactieken die vaker worden gebruikt in de best presterende Amazon-audiocampagnes
Door: Michael Wilson, Sr. Analytics and Media Manager
De best presterende audiocampagnes gebruiken vaker Amazon-doelgroepsegmenten en voeren campagnes langer uit dan andere adverteerders. Analyse laat zien dat meer ondersteuning op deze gebieden kan helpen om de weergavepercentages van gegevenspagina's te verbeteren.
Hoogtepunten:
Het kan voor adverteerders lastig zijn om de resultaten van audioadvertenties te meten, omdat audioklanten, in tegenstelling tot klanten van display- of videoadvertentiecampagnes, meestal verder dan één klik van een aankoop verwijderd zijn. Dit betekent dat adverteerders, om klanten aan te trekken, deze klanten eerst moeten motiveren om een andere, niet-aankoopactie uit te voeren, voordat ze een daadwerkelijke aankoop kunnen doen. Adverteerders proberen dit vaak te doen door consumenten eerst te inspireren tot het bekijken van productpagina's. In dit artikel onderzoeken we de inzichten uit een Amazon Ads-onderzoek uit 2020 over audiocampagnes. In het bijzonder onderzoeken we acties die de best presterende audioadverteerders onderscheiden van andere adverteerders.
We kwantificeren de belangrijkste acties op basis van de percentages weergaven van gegevenspagina (DPVR's). Dit is de berekening van het aantal paginaweergaven van aan advertenties blootgestelde doelgroepen in verhouding tot de geleverde impressies. Met behulp van dit criterium, samen met een algoritme voor machine learning, kunnen we inzichten identificeren die het DPVR kunnen helpen verbeteren.
Raadpleeg het gedeelte Methode aan het eind van dit artikel voor meer informatie.
1. De best presterende audioadverteerders gebruiken vaker Amazon-audiodoelgroepsegmenten
Inzichten
De best presterende audio-adverteerders gebruikten met 24% meer waarschijnlijkheid lifestyledoelgroepsegmenten van Amazon (deze functie is alleen beschikbaar in de gratis, door advertenties ondersteunde versie van Amazon-audio) dan andere adverteerders. Onze analyse geeft aan dat lifestyle- en in-marketaudiosegmenten de meest gebruikte doelgroepsegmenten zijn van de best presterende audioadverteerders. Deze segmenten presteren ook beter dan demografische segmenten wat betreft bereik en DPVR.
Aanbevelingen
Amazon-doelgroepen zijn gebaseerd op interne streaming- en shopping-signalen. Bij het gebruik van Amazon-doelgroepsegmenten voor audiocampagnes, zouden adverteerders moeten overwegen om een bredere doelgroep te bereiken dan ze normaal zouden gebruiken voor display- of gesponsorde advertenties. Ook zouden ze meerdere doelgroepen moeten toevoegen aan campagneplannen door 'OR'-modifiers te gebruiken in plaats van 'AND'-modifiers om het bereik van de campagne te verbeteren en ervoor te zorgen dat hun boodschap door zoveel mogelijk klanten wordt gehoord.
2. De best presterende audiocampagnes worden langer uitgevoerd
Inzichten
De best presterende audioadverteerders voerden hun audioadvertentiecampagnes gemiddeld tien dagen langer uit dan andere adverteerders, maand op maand. Door langere campagnes uit te voeren, kunnen adverteerders een groter uniek bereik bereiken. Niet alleen duurden de best presterende campagnes langer, ze werden ook vaker gehoord (de best presterende audioadverteerders gebruikten gemiddeld een frequentielimiet van vijf tot zes keer, vergeleken met een gemiddelde frequentielimiet van vier keer voor andere adverteerders).
Onze analyse toont aan dat de best presterende audioadverteerders actieve audiocampagnes uitvoerden gedurende een campagneperiode van minimaal dertig dagen en dat ze deze hebben uitgevoerd met een frequentielimiet van vijf of zes keer om de overweging te helpen vergroten (DPVR). Deze langere duur van de campagne is belangrijk omdat algoritmen zo meer tijd hebben om de campagneprestaties te analyseren en aanbevelingen te doen voor optimalisatie van de lopende campagne en toekomstige campagnes. De hogere frequentie van deze campagnes is ook belangrijk, omdat deze het merkbewustzijn kan helpen verbeteren.
Aanbevelingen
Plan audiomarketingcampagnes die minimaal dertig dagen duren met een frequentie van minimaal vijf tot zes keer. Uit onze analyse blijkt dat adverteerders met het sterkste DPVR deze minimale waarden hebben toegepast. Om campagnes beter te plannen en duidelijker te kunnen zien hoe ze presteren, kunnen adverteerders met toegang tot de Amplifier-rapporten en doelgroepinzichten van Amazon overwegen beide bronnen te gebruiken om de campagneprestaties te bewaken en te optimaliseren.
Methode
De methode die in dit onderzoek is gebruikt, bestaat uit vijf onderdelen: campagneselectie, vaststellen van een criterium voor succes, identificatie van effectieve advertentieacties, rangschikking van adverteerders (gebaseerd op het segmenteren van adverteerders in vier clusters), en vervolgens een vergelijkende analyse om vast te stellen welke kenmerken de meest en minst presterende adverteerders van elkaar onderscheiden wat betreft succes en strategieën.
We analyseerden 176 Amerikaanse audiocampagnes in 2020 om vast te stellen welke strategieën het meest effectief zijn om een campagne succesvol te maken. Het gekozen criterium voor succes voor dit onderzoek is het DPVR voor adverteerders die verkopen in de Amazon Store. Uitgaande van dit criterium gebruikten we vervolgens een algoritme voor machine learning (bijvoorbeeld Pearson Correlation en XGBoost) en suggesties van vakdeskundigen om functiegewichten toe te wijzen om te bepalen wat de belangrijkste campagneacties waren die verband hielden met een hogere DPVR. Nadat we de belangrijkste campagneacties hadden geïdentificeerd, hebben we campagnes gerangschikt op basis van hoe vaak klanten deze acties uitvoerden en voor welke campagnes klanten deze acties het minst vaak uitvoerden. De resultaten hebben we in dit artikel beschreven.
1. Campagnes selecteren
176 Amazon-audiocampagnes die in 2020 in de VS zijn uitgevoerd.
2. Criteria voor succes bepalen
Criteria voor succes: cumulatief nettobereik; percentage weergaven van gegevenspagina (DPVR) voor endemische adverteerders
3. Effectieve advertentieacties identificeren
Laag-geïdentificeerde acties voor topcampagnes met algoritme voor machine learning
4. Adverteerders rangschikken
Campagnes rangschikken van hoogste naar laagste op basis van criteria voor succes
5. Adverteerders vergelijken
Identificeren wat topcampagnes anders doen
Hoe worden adverteerders verspreid over de clusters?
We gebruikten algoritmen voor machine learning om adverteerders automatisch in te delen in clusters op basis van hun advertentie- en retailkenmerken.
Hoe werkt de clustering?
We hebben een binaire samengestelde score gemaakt op basis van DPVR en hebben vervolgens een XGBoost classifier toegepast, om te bepalen welke functies met welk gewicht deze labels het beste voorspellen. Functies zijn advertentie- of retailacties zoals gebruiksintensiteit en mix van advertentieproducten, de timing van advertentieondersteuning, tactieken voor targeting, creatives en plaatsingen, aantal klantrecensies en beoordelingen, percentage van producten met hoogwaardige productpagina's en de soorten producten die in advertenties worden gepromoot.
Met behulp van de hierboven genoemde vastgestelde functies en gewichten hebben we vervolgens een k-medoid-clusteralgoritme toegepast om adverteerders in clusters te classificeren. Houd er rekening mee dat we adverteerders hebben geclassificeerd op basis van hun acties in plaats van op de onderdelen van hun samengestelde score. Vervolgens hebben we de laatste clusters gerangschikt op basis van hun samengestelde scores van hoog naar laag. Cluster 1 is het meest succesvolle cluster met de hoogste samengestelde score en cluster 5 is het minst succesvol.