3 taktiker som de bästa app-annonsörerna använder för att förbättra nedladdningseffektiviteten

Av: Jessie Liu, sr Analys- och mediachef

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

Artikelns höjdpunkter:

Branschen för streamande appar (SA), som omfattar abonnemang för video på begäran (SVOD), annonsstödd video på begäran (AVOD) och virtuella videoprogramleverantörer med flera kanaler (VMVPD), använder ofta antalet nedladdningar 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 den särskilda taktik 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 metodavsnittet i slutet av den här artikeln.

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

Denna studie visar att varumärken som kombinerade streamande TV-annonser, sponsrade paneler på Fire TVoch mobilannonser såg +22 x högre nedladdningseffektivitet för appar (och fick 2 x fler visningar) än annonsörer som enbart använde streamande TV-annonser.

+22 %

Nedladdningseffektivitet

2x

Fler visningar

Rekommendationer

Vid planering av kampanjer rekommenderar vi att annonsörer:

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

2. De annonsörer som presterar bäst varierar sitt annonsmaterial

Kreativa kampanjer med fler versioner av specifika meddelanden kan upplevas som mer relevanta av målgrupperna och kan därmed öka engagemanget. Denna analys visar i själva verket att de bäst presterande annonsörerna använde 1,8 x 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 annonsinställningarna är lämpliga för en allmän målgrupp och följer Amazons policyer.

3. De bäst presterande app-annonsörerna utnyttjar negativa sökord

Högpresterande målgrupper var 6–10 % mer benägna att använda taktiker med negativa sökord än andra annonsörer, och hade också högre nedladdningseffektivitet för sina appar.

Rekommendationer

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

Metod

I denna studie analyserade vi 38 varumärken i USA i 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. Denna analys belyser de största skillnaderna mellan annonsörer med högsta och lägsta DPM, och förutspår inte framtida resultat eller gör anspråk på något orsakssamband.

Hur fungerar klustring?

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 högsta sammansatta poäng, och kluster 5 är det minst framgångsrika.