Så här ökar toppresterande livsmedelsannonsörer medvetenhet

Av: Kavya Kilari, Analys och Insikter

Artikelns höjdpunkter:

I en studie från 2019 av fler än 5 600 USA-baserade företag i Amazons Livsmedels-kategori, observerade vi tre annonseringstaktiker som användes mer av toppresterande annonsörer än av andra annonsörer. Kategorin Livsmedel omfattar varumärken som säljer produkter som till exempel livsmedel, kaffe, kalla drycker och tilltugg.

Toppresterande annonsörer har i genomsnitt 2,2 gånger högre ABI-tillväxt (Amazon Brand Index) från år till år (YOY) för medvetenhet (dessa ger annonsörer medel- och övre trattnyckeltal som kvantifierar antalet kunder som är medvetna om ett varumärke) och 1,9 gånger högre ABI-tillväxt från år till år för övervägande (vilket återspeglar antalet kunder som överväger att köpa) jämfört med andra annonsörer. För att studera denna effekt ytterligare använde vi maskininlärningsalgoritmer för att identifiera taktiker som särskilde toppresterande annonsörer från andra annonsörer. Denna artikel utforskar dessa taktiker och ger rekommendationer om hur man förbättrar dem.

Mer information finns i avsnittet Metod i slutet av denna artikel.

1. Toppresterande livsmedelsannonsörer utnyttjar streamande TV-annonser

Insikter

Vår analys visar att annonsörerna i studien i genomsnitt ökade sin totala nettomedieräckvidd (endast över linjär tv) med +2,2 % genom att utnyttja streamande TV-annonser. Dessutom visade en undersökning från 2019 av Nielsen att ungefär 39 % av denna inkrementella räckvidd inte kunde ha uppnåtts genom linjär tv på grund av den ökande övergången från linjär TV till strömmande TV.

8 gånger

mer benägna att köra alltid på-kampanjer

+2,2 %

ökning av nettoräckvidden

+39 %

av räckvidden tillskriven till Fire TV-lanseringen

Rekommendationer

Annonsörer bör inte bara överväga att lägga till streamande TV-annonser i sin medieplan, utan de bör också överväga att köra alltid på-kampanjer under minst 25 veckor om året.

2. Toppresterande livsmedelsannonsörer använder visnings och streamande TV-annonser tillsammans

Insikter

Vår efterforskning visade att streamande TV-annonser och displayannonsering fungerar bättre tillsammans. Toppresterande varumärken som använde displayannonsering och streamande TV-annonser tillsammans, såg en +47 % ökning från år till år av annonsgenererade varumärkessökningar i Amazons butik. Genom att använda trattmarknadsföring med kompletterande strategier som övre tratt och lägre tratt som alltid är på, kan hjälpa annonsörer att engagera kunder i alla kanaler, oavsett var de befinner sig på resan.

Anmärkning: Även om varumärkessökningar inte alltid leder till försäljning, kan de tyda på en ökning av varumärkesövervägande, vilket är ett avgörande steg i konsumentresan.

Rekommendationer

Överväg att öka stödet genom att köra streamande TV-annonser ovanpå displayannonsering. Annonsörer bör också använda Amazon Advertising-verktyg såsom:

3. Toppresterande livsmedelsannonsörer använder målgruppssegment för Amazon-målgrupper mer

Insikter

Toppresterande annonsörer såg en ökning på +44 % i övervägande när de nådde målgrupper baserat på beteendemässiga signaler (t.ex. målgruppssegment för livsstil) jämfört med när de bara använde demografiska målgruppssegment. Toppresterande annonsörer levererade också +4,5 % fler visningar än andra annonsörer.

+44 %

ökat övervägande

+4,5 %

levererade visningar

Rekommendationer

Genom att använda en kombination av Amazons målgrupper på marknaden och livsstilsmålgrupper kan annonsörerna skräddarsy sin kampanjstrategi. När kunder till exempel köper i kategorin Motion och träning kan de göra det för att hjälpa dem att uppnå nya träningsmål, så annonsörer bör överväga att använda detta när de utvecklar sina budskap. På samma sätt kan hälsomedvetna kunder också leta efter proteinpulver och andra produkter för att hjälpa dem att komplettera sina dieter i samband med dessa mål. Amazon kan hjälpa annonsörer att nå målgrupper som deltar i shoppingaktiviteter som tyder på att de nyligen har köpt en träningsrelaterad produkt. Annonsörer med tillgång till Amazons Amplifier-rapporter och målgruppsinsikter bör överväga att använda båda resurserna för att bättre övervaka och optimera sina målgrupper på marknaden och livsstilsmålgrupper.

Metodik

I denna studie analyserade vi över 5 600 varumärken i kategorin Livsmedel i USA under 2020. I kategorin Livsmedel ingår varumärken som säljer produkter som livsmedel, kaffe, kalla drycker och tilltugg.

Vi skapade en sammansatt framgångspoäng för ABI-tillväxt (Amazon Brand Index) från år till år för medvetenhet och övervägande, och identifierade sedan de bästa annonserings- och detaljhandelsstrategierna för att hjälpa till att öka deras sammansatta poäng med maskininlärningsalgoritmer.

Vi använde först en övervakad modell för att identifiera en lista med 30 attribut som hjälper till att förbättra den sammansatta poängen bland fler än 40 medie- och detaljhandelsattribut. Vi använder sedan denna lista med attribut för att utföra klusteranalyser bland varumärken, så att varumärken i samma kluster är likartade i annons- och detaljhandelsattribut, medan varumärken i olika kluster skiljer sig åt när det gäller annons- och detaljhandelsattribut. Dessa attribut omfattar produktanvändning som streamande TV-annonser, videoannonser och Sponsored Products.

Maskininlärningsalgoritmen returnerar kluster. Vi rangordnar dessa kluster efter framgångsnyckeltal, jämför de bäst och sämst presterande klustren, jämför deras skillnader och bestämmer de viktigaste attributen som särskiljer deras resultat när det gäller ABI-tillväxt för medvetenhet och övervägande.

Hur distribueras annonsörer över klustren?

Vi använde maskininlärningsalgoritmer för att automatiskt klassificera annonsörer i kluster baserat på deras annonserings- och detaljhandelsattribut.

Kluster 1

Kluster 2

Kluster 3

Kluster 4

ABI-tillväxt från år till år för medvetenhet. Kluster 1: 2,2; Kluster 2: 2,0; Kluster 3: 1,8; Kluster 4: 1,0

ABI-tillväxt från år till år för medvetenhet

ABI-tillväxt från år till år för övervägande. Kluster 1: 2,5; Kluster 2: 1,7; Kluster 3: 1,6; Kluster 4: 1,0

ABI-tillväxt från år till år för övervägande

Kluster 1 hade högre ABI-tillväxt från år till år för både medvetenhet (2,2 gånger) och övervägande ABI (1,9 gånger) än kluster 4. Även om kluster 1 och 2 hade en liknande ABI-tillväxt från år till år för medvetenhet, överträffade kluster 1 kluster 2 när det gäller ABI-tillväxt från år till år för övervägande (1,87 gånger jämfört med 1,25 gånger)

Hur fungerar klustring?

Vi skapade en binär sammansatt poäng baserat på DPVR och tillämpade sedan en XGBoost-klassificerare för att identifiera vilka funktioner och med vilka vikter som bäst förutsåg dessa etiketter. Vi övervägde därmed annonserings- eller detaljhandelsåtgärder som funktioner, som till exempel 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 osv.

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. Efter detta rankade vi de slutliga klustren efter deras sammansatta poäng från hög till låg. Kluster 1 är det mest framgångsrika klustret med högsta sammansatta poäng och kluster 4 är det minst framgångsrika klustret.