3 taktyki używane przez najlepszych reklamodawców aplikacji w celu zwiększenia efektywności pobierania

Autor: Jessie Liu, starszy menedżer ds. analityki i mediów

Oceniając sukces kampanii reklamowych w branży aplikacji do przesyłania strumieniowego (SVOD, AVOD, vMVPD) warto przyjrzeć się nie tylko liczbie pobrań aplikacji, ale także efektywności pobierania aplikacji. Badanie Amazon Ads z 2020 r. podkreśla znaczenie tego działania.

Najważniejsze informacje:

Branża aplikacji do przesyłania strumieniowego, która obejmuje usługi, takie jak subskrypcja wideo na żądanie (SVOD), wideo na żądanie oparte na reklamach (AVOD) i wirtualny wielokanałowy dystrybutor programów wideo (vMVPD), często wykorzystuje liczbę pobrań aplikacji do porównywania skuteczności różnych reklamodawców. W Amazon Ads uważamy, że ważne jest, aby nie tylko brać pod uwagę całkowitą liczbę pobrań, ale także efektywność pobierania: jak często wyświetlenia prowadzą do pobrań.

Aby obliczyć efektywność pobierania aplikacji, przeanalizowaliśmy liczbę pobrań na tysiąc wyświetleń (DPM) 38 marek w kategorii aplikacji do przesyłania strumieniowego w witrynie Amazon w 2020 roku. Okazało się, że najskuteczniejsi reklamodawcy mieli 22x wyższą efektywność pobierania aplikacji niż inni reklamodawcy. Aby pomóc reklamodawcom poprawić efektywność pobierania, przyglądamy się zróżnicowanym taktykom stosowanym przez najskuteczniejszych z nich i przedstawiamy zalecenia dotyczące ich ulepszania.

Aby uzyskać więcej informacji o tym, jak zbieraliśmy nasze dane, zobacz sekcję Metodologia na końcu tego artykułu.

1. Najskuteczniejsi reklamodawcy aplikacji łączą reklamy w telewizji strumieniowej oraz reklamy na urządzenia mobilne z kafelkami sponsorowanymi Fire TV

To badanie pokazuje, że marki, które łączyły reklamy w telewizji strumieniowej i kafelki sponsorowane Fire TV z reklamami na urządzenia mobilne, odnotowały +22x wyższą efektywność pobierania aplikacji (i dostarczały 2 razy więcej wyświetleń) niż reklamodawcy, którzy korzystali tylko z reklam w telewizji strumieniowej.

+22%

Efektywność pobierania

2x

Więcej wyświetleń

Rekomendacje

Podczas planowania kampanii, zalecamy reklamodawcom:

  • Rozważenie wyświetlania reklam w Fire TV, na tablecie Fire i urządzeniach mobilnych.
  • Dostosowanie materiałów reklamowych do urządzeń, aby upewnić się, że klienci doświadczają pozytywnych wrażeń na wszystkich urządzeniach.

2. Najskuteczniejsi reklamodawcy aplikacji urozmaicają swoje materiały reklamowe

Twórcze kampanie z większą liczbą wersji określonych wiadomości mogą być postrzegane przez grupy odbiorców jako bardziej odpowiednie, co może zwiększyć ich zaangażowanie. Analiza ta pokazuje, że najskuteczniejsi reklamodawcy wdrożyli 1,8 razy więcej unikalnych materiałów reklamowych niż inni reklamodawcy.

Rekomendacje

Reklamodawcy powinni rozważyć stałe odświeżanie materiałów reklamowych i przeprowadzanie testu A/B. Test A/B jest skutecznym i opłacalnym sposobem określenia upodobań widzów i zapobiega niepotrzebnym wydatkom. Zalecamy testowanie elementów, takich jak różne wezwania do działania i typy treści, aby zrozumieć, co lepiej sprawdza się pod względem zwiększania liczby pobrań. Na koniec przypominamy reklamodawcom, aby dokładnie przeanalizowali projekt reklamy, wezwanie do działania, roszczenia, ceny w materiałach reklamowych oraz stronę docelową, aby upewnić się, że treści reklamowe i ustawienia materiałów reklamowych są odpowiednie dla ogólnej grupy odbiorców i zgodne z zasadami Amazon.

3. Najskuteczniejsi reklamodawcy aplikacji korzystają z wykluczających słów kluczowych

Grupy odbiorców najskuteczniejszych reklamodawców byli o 6–10% bardziej skłonni do używania taktyki wykluczających słów kluczowych niż innych reklamodawców, a także wykazali wyższą efektywność pobierania aplikacji.

Rekomendacje

Rozważ wykorzystanie narzędzi Amazon Ads do tworzenia niestandardowych segmentów odbiorców w oparciu o gatunek, przesyłanie strumieniowe i styl życia oraz sygnały behawioralne na rynku, które są zgodne z celami kampanii. Wykorzystaj standardowy raport skuteczności dotyczący grupy odbiorców, aby zrozumieć, które grupy odbiorców nie odpowiadają na kampanie i rozważyć ich wykluczenie w przyszłości.

Metodologia

W tym badaniu przeanalizowaliśmy 38 marek w kategorii Aplikacje do przesyłania strumieniowego w Stanach Zjednoczonych w ciągu 12 miesięcy reklamowania w 2020 roku od stycznia do grudnia. Kategoria Aplikacje do przesyłania strumieniowego obejmuje reklamodawców, którzy oferują takie usługi, jak subskrypcja wideo na żądanie, wideo na żądanie oparte na reklamach i wirtualny wielokanałowy dystrybutor programów wideo (vMVPD).

Aby zmierzyć sukces, jako metryki efektywności pobierania aplikacji użyliśmy liczby pobrań na tysiąc wyświetleń (DPM). Następnie zidentyfikowaliśmy najlepsze strategie reklamowe, które pomagają zwiększyć poziom wskaźnika DPM, za pomocą algorytmów uczenia maszynowego. Do przypisywania wag cechom zostały użyte: korelacja Pearsona, regresja liniowa, biblioteka XGBoost i sugestie ekspertów w danej dziedzinie. W tej analizie podkreślone zostały największe różnice między reklamodawcami o najwyższym i najniższym wskaźniku DPM i nie przewiduje ona skuteczności ani nie powołuje się na związek przyczynowy.

Jak działa grupowanie?

Utworzyliśmy binarny wynik złożony oparty na wskaźniku DPVR, a następnie zastosowaliśmy klasyfikator XGBoost, aby określić, które cechy i z jakimi wagami najlepiej przewidują te etykiety. W tym celu przeanalizowaliśmy działania związane z reklamowaniem jako cechy, takie jak intensywność i mieszanie produktów reklamowych, czas wsparcia reklamowego, taktyka kierowania, materiały reklamowe i miejsca docelowe, liczba recenzji i ocen klientów, odsetek produktów z wysokiej jakości stronami produktów oraz rodzaje produktów promowanych w reklamach.

Korzystając ze zidentyfikowanych cech i wag wymienionych powyżej, zastosowaliśmy algorytm grupowania k-medoidów, aby sklasyfikować reklamodawców do grup. Zauważ, że sklasyfikowaliśmy reklamodawców według ich działań, a nie według składników ich wyniku złożonego. Na koniec uszeregowaliśmy ostateczne klastry według ich wyników złożonych od najwyższego do najniższego. Klaster 1 jest najbardziej udanym klastrem z najwyższym wynikiem złożonym, a klaster 5 jest najmniej udanym.