Vilka resultat beteende- och demografiska målgrupper ger på Amazon
Av: Jessie Liu, sr Analys- och mediachef
Många annonsörer är nyfikna på vilka resultat olika målgrupper som är tillgängliga för dem via streamad media kan ge. De lärdomar som beskrivs i denna artikel kan användas för att hjälpa dig utforma dina egna målgruppsstrategier för streamad media.
Artikelns höjdpunkter:
Insikter om beteenden tillhandahållna av en förstapart kan hjälpa dig att fatta bättre beslut när kommer till media
Kvinnor 18–34
Sportfritid, idrott, friidrott, fitness, yoga, cykling, löpning
Målgrupper med stort intresse
Att förlita sig på demografi kan ge en endimensionell bild av målgrupperna.
Amazon Ads förstapartsinsikter ger varumärkena en mer heltäckande bild av deras målgrupper.
Sedan betalda TV-annonser började sändas har annonsörer inte haft något annat val än att främst basera sin målgruppsstrategi på demografi. Under de senaste åren har dock digital annonsering revolutionerat vilken publik som annonsörer kan nå online, bland annat genom streamad media eller over-the-top (OTT). Trots detta är det många TV-köpare, även de som ställt om från TV-annonsering till streamad media, som av vana i första hand förlitar sig på en demografisk målgruppsdefinition.
Även om det demografiska urvalet av målgrupper kan hjälpa varumärken att nå sina mål finns det en risk att annonsörer som enbart förlitar sig på demografiska målgrupper visar annonser för kunder som kan uppfatta dessa annonser är irrelevanta. De kan också gå miste om möjligheter att nå intresserade kunder utanför sin demografiska publik.
I det här texten används kampanjdata för streamade TV-annonser från andra till fjärde kvartalet 2019 för att analysera vilken målgruppsurvalsmetod (beteendemässig eller demografisk) som är mer effektiv vid övervägande, vilket indikeras av informationssidvisning (DPV) på Amazon. Urvalet för beteendemålgrupper omfattar segment inom ”In-Market och Lifestyle”, medan urvalet för demografiska målgrupper omfattar egenskaper som till exempel kön, ålder och inkomst.
1. I genomsnitt var beteendemålgrupper mer benägna att titta på produktinformationssidor på Amazon jämfört med de demografiska målgrupperna för streamade TV-annonser
Även om storleken på en demografisk målgrupp var ungefär densamma som för en beteendemålgrupp i den här studien så hade beteendemålgrupper för de varumärken vi analyserade ett +44 % högre medianvärde gällande DPV jämfört med de demografiska målgrupperna.
De flesta beteendemålgrupperna visade högre medianvärde för DPV jämfört med demografiska målgrupper. Skillnaderna låg mellan +37 % och +101 % jämfört med demografiska målgrupper. I vertikaler syntes det högsta procentuella deltat mellan beteendemålgrupper och demografiska målgrupper inom hardlines (som omfattar artiklar som hårdvara, husgeråd, bildelar och -tillbehör, sportartiklar och leksaker). Beteendemålgrupperna uppvisade ett medianvärde som indikerade att sannolikheten att de skulle titta på en informationssida var 101 % högre jämfört med demografiska målgrupper.
Bilden nedan visar ett lådagram med fördelningen för frekvens på informationssidvisning (DPVR) för beteendemålgrupper jämfört med demografiska målgrupper i 28 kampanjer i softlines (vilket inkluderar kläder), hardlines och förpackade konsumentvaror (CPG).
DVPR av beteendemålgrupper jämfört med demografiska målgrupper efter vertikal
Beteende
Demografisk
Generellt
Softlines
Hardlines
CPG
x = visningsfrekvens för informationssida (indexerad)
2. Effektiviteten bland beteendemålgrupper beror på relevans.
Sammantaget tyder data på att användning av lämpliga beteendemålgrupper kan hjälpa till att skapa effektivare marknadsföringskampanjer för att driva på övervägande på Amazon. Dock visar insikterna också att alla beteendemålgrupper inte fungerar för alla varumärken.
Beteendemålgrupperna uppvisade bättre resultat när de låg i linje med produkten eller varumärket. Detta innebär att även om beteendemålgrupper i genomsnitt kan hjälpa till att förbättra kampanjens resultat kan beteendemålgrupper som inte är anpassade till produkten eller varumärket leda till sämre kampanjresultat.
Till exempel hade tidiga teknikanvändare lägre DPVR jämfört med DPVR-medianvärdet för demografiska målgrupper för en softline-kampanj. Detta kan ha berott på en felinriktning mellan det snabba modevarumärket och den tekniska målgruppen i den här kampanjen. Detta antagande får stöd av det faktum att samma beteendemålgrupp var bland de målgrupperna som gav bästa resultat för en hardline-kampanj (+581 % högre medianvärde för DPVR jämfört med samma värde för demografiska målgrupper inom hardlines).
Annonsörer bör använda vanliga Amazon Ads-kampanjrapporter för att regelbundet finjustera sina strategier vad gäller val av målgrupper så att de inkluderar de målgrupper som är mest mottagliga för deras kampanjmeddelanden och välja bort dem som inte är anpassade till produkten eller varumärket och därför med största sannolikhet inte kommer svara på deras varumärkes budskap.
Sammanfattningsvis har vi sett att använda demografiska målgrupper för streamande TV-annonser kanske inte är den effektivaste strategin för att uppnå annonsörernas mål beträffande övervägande. Det tyder på att det kan vara en bättre strategi att inkorporera beteendemålgrupper, antingen genom att definiera målgrupper som enbart baseras på beteendeinformation eller genom att använda beteendeinformation för att komplettera demografiskt definierade målgrupper.
Som ett exempel på den senare tillämpningen kan annonsörer sålla bort lågpresterande beteendemålgrupper från demografiska målgrupper för att nå de mest responsiva målgrupper, detta utöver att använda demografiska målgrupper för sina streamade TV-annonser. Med de tekniker och verktyg som finns tillgängliga idag kan annonsörer använda beteendemässiga insikter för att påverka kundernas övervägandeinställning gentemot deras varumärke på ett positivt sätt.
Amazon hjälper varumärken att nå relevanta målgrupper på miljarder shopping- och streamingsignaler. Att inkorporera dessa beteendemålgrupper i kombination med pågående målgruppsoptimering kan hjälpa annonsörer att utveckla en holistisk strategi för val av målgrupper och uppnå bättre resultat från deras annonskampanjer för streamad TV, där målet är att driva på övervägande på Amazon.
Metod
I denna studie undersöktes frekvens på informationssidvisning (DPVR) för alla målgrupper från de 28 annonskampanjer som ingick i denna studie. TV-annonsörer har traditionellt sett använt räckvidd som det primära måttet för att mäta hur effektiva i TV-annonskampanjer varit.
Även om vi inser att räckvidd är en viktig faktor visar den här analysen hur annonsörer effektivast möjliga sätt kan nå ut till de målgrupper som är intresserade av deras varumärken för att driva på övervägande. I denna analys valde vi DPVR som en proxy för kundernas avsikt att köpa, samt för att DPVR ger annonsörer en användbar bild av hur deras annonseringstaktik bidrar till aktivitet på Amazon.