Como os anunciantes de mercearia de alto desempenho aumentam o reconhecimento

Por: Kavya Kilari, Análises e insights

Destaques da história:

Em um estudo de 2019 com mais de 5.600 empresas sediadas nos Estados Unidos na categoria Mercearia da Amazon, observamos três táticas de publicidade que foram usadas mais pelos anunciantes de alto desempenho do que outros anunciantes. A categoria Mercearia inclui marcas, como a Whole Foods, que vendem produtos como café, bebidas geladas e lanches.

Os anunciantes de alto desempenho têm, em média, um crescimento 2,2 vezes maior ano a ano (anual) em suas medidas de reconhecimento do Índice de Marca da Amazon (ABI) (que fornecem aos anunciantes métricas de meio e de topo de funil quantificando o número de clientes que reconhecem uma marca) e um crescimento anual de 1,9 vezes maior em termos de consideração no ABI (refletindo o número de clientes que consideram comprar) em comparação com outros anunciantes. Para estudar mais esse impacto, usamos algoritmos de aprendizado de máquina para identificar táticas que diferenciavam os anunciantes de alto desempenho de outros anunciantes. Este artigo explora essas táticas e fornece recomendações sobre como melhorá-las.

Para obter mais informações, consulte a seção Metodologia no final deste artigo.

1. Os anunciantes de mercearia de alto desempenho aproveitam os anúncios de TV via streaming

Insights

Nossa análise mostra que os anunciantes neste estudo, em média, aumentaram seu alcance líquido total de mídia (apenas em relação à TV linear) em +2,2% usando anúncios de TV via streaming. Além disso, um estudo da Nielsen de 2019 revelou que aproximadamente 39% desse alcance incremental não poderia ter sido alcançado via TV linear devido à crescente migração da TV linear para a TV via streaming.

8 vezes

mais propensos a realizar uma campanha contínua

+2,2%

de aumento no alcance líquido

+39%

de alcance atribuído ao lançamento da Fire TV

Recomendações

Os anunciantes não devem considerar apenas adicionar anúncios de TV via streaming ao seu plano de mídia, mas também devem considerar a veiculação de campanhas contínuas por pelo menos 25 semanas do ano.

2. Os anunciantes de mercearia de alto desempenho usam anúncios de display e de TV via streaming juntos

Insights

Nossa pesquisa mostrou que os anúncios de TV via streaming e os anúncios de display funcionam melhor juntos. As marcas de alto desempenho que usaram anúncios de display e de TV via streaming juntos tiveram um aumento de +47% nas pesquisas de marca atribuídas a anúncios na loja da Amazon ano após ano. Adotar uma abordagem de funil completo usando estratégias complementares contínuas de topo e de meio de funil pode ajudar os anunciantes a se engajarem com os clientes em todos os canais, onde quer que estejam em sua jornada.

Observação: Embora as pesquisas de marca nem sempre resultem em vendas, elas podem indicar um aumento na consideração pela marca, o que é um passo crucial na jornada do consumidor.

Recomendações

Considere aumentar o apoio exibindo anúncios de TV via streaming além dos anúncios de display. Os anunciantes também devem usar as ferramentas da Amazon Advertising, como:

3. Os anunciantes de mercearia de alto desempenho usam mais os segmentos de públicos-alvo da Amazon

Insights

Os anunciantes de alto desempenho observaram um aumento de +44% na consideração ao atingir públicos-alvo com base em sinais comportamentais (por exemplo, segmento do público-alvo de lifestyle) em comparação com quando usavam apenas segmentos de público-alvo demográfico. Os anunciantes de alto desempenho também obtiveram +4,5% mais impressões do que outros anunciantes.

+44%

de aumento na consideração

+4,5%

de impressões obtidas

Recomendações

Usando uma combinação de públicos-alvo no mercado e de estilo de vida da Amazon, os anunciantes podem adaptar sua abordagem de campanha. Por exemplo, quando os compradores adquirem algo na categoria Exercícios e academia, eles podem estar fazendo isso para obter ajuda para atingir novas metas de condicionamento físico, portanto, os anunciantes devem considerar usar essa combinação ao criar suas mensagens. Da mesma forma, compradores preocupados com a saúde também podem estar procurando proteínas em pó e outros produtos para ajudá-los a complementar suas dietas em conexão com esses objetivos. A Amazon pode ajudar os anunciantes a alcançar públicos-alvo envolvidos em atividades de compras que indicam que eles podem ter comprado recentemente um produto relacionado a condicionamento físico. Os anunciantes com acesso aos relatórios da Amplifier da Amazon e aos insights de público-alvo devem considerar o uso de ambos os recursos para monitorar e otimizar melhor seus públicos-alvo no mercado e de estilo de vida.

Metodologia

Neste estudo, analisamos mais de 5.600 marcas na categoria Mercearia nos Estados Unidos em 2020. A categoria Mercearia inclui marcas, como a Whole Foods, que vendem produtos como café, bebidas geladas e lanches.

Criamos uma pontuação de sucesso composta para medir o crescimento do reconhecimento e da consideração no Índice de Marcas da Amazon (ABI - Amazon Brand Index) ano a ano e, em seguida, identificamos as principais estratégias de publicidade e varejo para ajudar a aumentar a sua pontuação composta com algoritmos de aprendizado de máquina.

Primeiro, usamos um modelo supervisionado para identificar uma lista de 20 atributos que ajudam a melhorar a pontuação composta de mais de 40 atributos de mídia e varejo. Em seguida, usamos essa lista de atributos para realizar análises de agrupamento entre marcas, de modo que as marcas no mesmo agrupamento sejam semelhantes nos atributos de anúncio e varejo, enquanto as marcas em agrupamentos diferentes são distintas em termos de seus atributos de anúncio e varejo. Esses atributos incluem o uso de produtos, como anúncios de TV por streaming, anúncios de vídeo e Sponsored Products.

O algoritmo de aprendizado de máquina retorna agrupamentos. Classificamos esses agrupamentos pelas métricas de sucesso, comparamos os de maior e menor desempenho, comparamos suas diferenças e concluímos quais são os principais atributos que diferenciam seu desempenho em termos de crescimento do reconhecimento e da consideração no ABI.

Como os anunciantes são distribuídos pelos agrupamentos?

Usamos algoritmos de aprendizado de máquina para classificar automaticamente os anunciantes em agrupamentos com base em seus atributos de publicidade e varejo.

Agrupamento 1

Agrupamento 2

Agrupamento 3

Agrupamento 4

Aumento ano a ano do reconhecimento no ABI. Agrupamento 1: 2,2; Agrupamento 2: 2,0; Agrupamento 3: 1,8; Agrupamento 4: 1,0

Crescimento ano a ano do reconhecimento no ABI

Crescimento ano a ano da consideração no ABI. Agrupamento 1: 2,5; Agrupamento 2: 1,7; Agrupamento 3: 1,6; Agrupamento 4:1,0

Crescimento ano a ano da consideração no ABI

O agrupamento 1 apresentou maior crescimento ano a ano tanto em termos de reconhecimento (2,2 vezes) quanto de consideração (1,9 vezes) no ABI do que o agrupamento 4. Embora os agrupamentos 1 e 2 tenham tido crescimento ano a ano semelhante em termos de reconhecimento no ABI, o agrupamento 1 superou o agrupamento 2 em crescimento ano a ano em termos de consideração no ABI (1,87 vezes x 1,25 vezes, respectivamente)

Como funciona o agrupamento?

Criamos uma pontuação composta binária com base na DPVR e, em seguida, aplicamos um classificador XGBoost para identificar quais recursos e com quais pesos melhor se prevê essas etiquetas. Feito isso, consideramos as ações publicitárias e de varejo como recursos, como, por exemplo, intensidade de uso e mistura de produtos publicitários, tempo de suporte à publicidade, táticas de segmentação, criativos e canais, contagens e classificações de avaliações de clientes, porcentagem de produtos com páginas de produtos de qualidade e os tipos de produtos promovidos em anúncios.

Usando os recursos e pesos identificados mencionados acima, aplicamos em seguida um algoritmo de agrupamento k-medoid para agrupar os anunciantes. Observe que agrupamos os anunciantes por suas ações e não pelos componentes da sua pontuação composta. Depois, classificamos os agrupamentos finais de acordo com suas pontuações compostas, da mais alta para a mais baixa. O agrupamento 1 é o mais bem-sucedido, com a pontuação composta mais alta, e o agrupamento 4 é o que obteve menos sucesso, com a pontuação composta mais baixa.