3 taktiker som de bästa appannonsörerna använder sig av för att förbättra nedladdningseffektiviteten

Av: Jessie Liu, sr Analytics and Media Manager

När du utvärderar framgången för annonskampanjer inom branschen för streamande appar (SVOD, AVOD, VMVPD) är det bra att inte bara titta på antalet nedladdningar utan även på appens nedladdningseffektivitet. En Amazon Ads-studie från 2020 belyser vikten av det här.

Artikelns höjdpunkter:

Branschen för streamande appar (SA), som omfattar prenumerationer på video på begäran (SVOD), annonsstödd video på begäran (AVOD) och virtuella videoprogramleverantörer med flera kanaler (VMVPD), använder ofta det antal nedladdningar som en app fått för att jämföra resultaten mellan olika annonsörer. På Amazon Ads anser vi att det är viktigt att inte bara ta hänsyn till det totala antalet nedladdningar utan också nedladdningseffektiviteten, det vill säga hur ofta visningar leder till nedladdningar.

För att beräkna nedladdningseffektiviteten analyserade vi nedladdningar per tusen visningar (DPM) av 38 varumärken i SA-kategorin på Amazon under 2020. Vi fann att de bäst presterande annonsörerna hade 22 x högre nedladdningseffektivitet än andra annonsörer. För att hjälpa annonsörer att förbättra sin nedladdningseffektivitet tittar vi på de taktiker som används av de bäst presterande annonsörerna och ger rekommendationer som kan leda till förbättring.

Mer information om hur vi samlade in våra data finns i avsnittet Metodik i slutet av den här artikeln.

1. De bäst presterande appannonsörerna kombinerar streamande TV-annonser, mobilannonser och sponsrade paneler på Fire TV

Den här studien visar att varumärken som kombinerade streamande TV-annonser, sponsrade paneler på Fire TV och mobilannonser hade en över 22 gånger högre nedladdningseffektivitet för appar (och fick dubbelt fler visningar) än annonsörer som enbart använde streamande TV-annonser.

Över 22 %

Nedladdningseffektivitet

2x

Fler visningar

Rekommendationer

När annonsörer planerar kampanjer rekommenderar följande:

  • Överväg att köra annonser på både Fire TV, Fire-läsplattoroch mobil.
  • Skräddarsy annonsmaterial för olika enheter för att säkerställa att kunderna får en positiv upplevelse på alla enheter.

2. De bäst presterande appannonsörerna varierar sitt annonsmaterial

Annonskampanjer med fler versioner av vissa meddelanden kan upplevas som mer relevanta av målgrupperna och kan därmed öka intresset. Den här analysen visar i själva verket att de bäst presterande annonsörerna använde 1,8 gånger fler unika annonsmaterial än andra annonsörer.

Rekommendationer

Annonsörer bör överväga att ständigt förnya sitt annonsmaterial och genomföra A/B-testning. A/B-testning är ett effektivt och kostnadseffektivt sätt att avgöra vad som fungerar med tittarna och förhindrar onödiga utgifter. Vi rekommenderar att du testar element som olika uppmaningar och innehållstyper för att förstå vad som fungerar bättre när det gäller att driva fler nedladdningar. Slutligen påminner vi annonsörer om att granska annonsdesign, uppmaningar till handling, anspråk, prissättning i annonser och landningssidan för att säkerställa att annonsinnehållet och annonsmaterialets inställningar är lämpliga för en allmän målgrupp och följer Amazons policyer.

3. De bäst presterande appannonsörerna använder sig av negativa nyckelord

De bäst presterande målgrupperna var 6–10 % mer benägna att använda taktiker med negativa nyckelord än andra annonsörer och hade också en högre nedladdningseffektivitet för sina appar.

Rekommendationer

Överväg att utnyttja Amazon Ads-verktygen för att skapa anpassade målgruppssegment baserat på genre, streaming, livsstil och beteendesignaler på marknaden som överensstämmer med kampanjmålen. Utnyttja den standardiserade resultatrapporten för målgrupper för att förstå vilka målgrupper som inte reagerar på kampanjerna och överväg att utesluta dem i framtiden.

Metodik

I den här studien analyserade vi 38 varumärken i USA inom kategorin streamande appar över 12 månaders annonsering från januari till december 2020. Kategorin streamande appar omfattar annonsörer som erbjuder tjänster som abonnemang för video på begäran, annonsstödd video på begäran och virtuella videoprogramleverantörer med flera kanaler (VMVPD).

För att mäta framgång använde vi nedladdningar per tusen visningar (DPM) som ett mätvärde för appars nedladdningseffektivitet. Sedan identifierade vi de bästa annonseringsstrategierna för att hjälpa till att öka DPM med maskininlärningsalgoritmer. Pearson Correlation, linjär regression, XGBoost och förslag från ämnesexperter används för att tilldela olika vikt åt varje funktion. Den här analysen belyser de största skillnaderna mellan annonsörer med högsta och lägsta DPM men förutspår inte framtida resultat och gör inte heller anspråk på något orsakssamband.

Hur fungerar indelning i kluster?

Vi skapade en binär sammansatt poäng baserat på DPVR och tillämpade sedan en XGBoost-klassificerare för att identifiera vilka funktioner med vilka vikter som bäst förutsåg dessa etiketter. Vi såg med andra ord annonseringsåtgärder som funktioner, såsom användningsintensitet och -mix för annonsprodukter, tidpunkten för annonsstöd, inriktningstaktik, annonsmaterial och placeringar, antal kundrecensioner och betyg, procentandel produkter med produktsidor av hög kvalitet och de typer av produkter som marknadsförs i annonser.

Med hjälp av de identifierade funktionerna och vikterna som nämns ovan tillämpade vi en k-medoid-klusteralgoritm för att klassificera annonsörer i kluster. Observera att vi klassificerade annonsörer efter deras handlingar snarare än enligt komponenterna i deras sammansatta poäng. Slutligen rankade vi de sista klustren efter deras sammansatta poäng från hög till låg. Kluster 1 är det mest framgångsrika klustret med högst sammansatt poäng medan kluster 5 är det minst framgångsrika.