วิดีโอ Sponsored Brands ช่วยเพิ่มยอดขายและอัตราการคลิกผ่าน

1. ในระยะสั้น แบรนด์ที่นำวิดีโอ Sponsored Brands มาใช้เป็นครั้งแรกมียอดขายเพิ่มขึ้น 21% ในเดือนถัดไปเมื่อเทียบกับแบรนด์ที่ไม่ได้ใช้

2. ในระยะยาว แบรนด์ที่เพิ่มวิดีโอ Sponsored Brands ในแคมเปญ Sponsored Brands และ Sponsored Products มียอดขายเพิ่มขึ้น 10% และ CTR เพิ่มขึ้น 25%

เมื่อตรวจสอบความสัมพันธ์เชิงสาเหตุ สิ่งสำคัญคือต้องกำหนดว่าผลลัพธ์จะเกิดขึ้นหรือไม่และเมื่อใด ในการทดสอบว่าผลลัพธ์จะเกิดขึ้นหรือไม่และเมื่อใดเมื่อเพิ่มวิดีโอเป็นครั้งแรก เราได้ทำการศึกษาระยะสั้นที่วิเคราะห์ผลกระทบในเดือนถัดไปหลังเพิ่มวิดีโอ Sponsored Brands เราพบว่าแบรนด์ที่นำวิดีโอ Sponsored Brands มาใช้ร่วมกับแคมเปญ Sponsored Brands + Sponsored Products ที่มีอยู่เดิมมียอดขายเพิ่มขึ้น 21% ในเดือนถัดมา

ในการจะพิจารณาผลกระทบที่วิดีโอ Sponsored Brands มีต่อแคมเปญ เราได้พบและเปรียบเทียบแบรนด์ที่ใช้ผลิตภัณฑ์ทั้งสามอย่าง เป็นเวลา 12 เดือน กับแบรนด์ที่ใช้เฉพาะ Sponsored Products + Sponsored Brands เราพบว่าแบรนด์ที่นำวิดีโอ Sponsored Brands ไปรวมในส่วนประสมของพวกเขามียอดขายเพิ่มขึ้น 10% เมื่อเทียบปีต่อปี และอัตราการคลิกผ่านเพิ่มขึ้น 25% เมื่อเทียบปีต่อปี

เราใช้การศึกษาแบบสองวิธีเพื่อทดสอบว่าผลลัพธ์ของการ “ได้ผลดีกว่าถ้าใช้ร่วมกัน” (ในส่วนของยอดขายและอัตราการคลิกผ่าน) ของ Sponsored Products + Sponsored Brands จะเพิ่มขึ้น ลดลง หรือยังคงเหมือนเดิมเมื่อใช้วิดีโอ Sponsored Brands ร่วมด้วย การวิเคราะห์ของเราเผยให้เห็นว่าแบรนด์ที่นำวิดีโอ Sponsored Brands มาใช้ได้รับผลกระทบเชิงบวกทั้งในระยะสั้นและระยะยาว

ในการศึกษาครั้งนี้ เราใช้วิธีการแบบสองวิธีซึ่งประกอบด้วยการวิเคราะห์สาเหตุและผลลัพธ์ในระยะสั้นโดยมุ่งเน้นไปที่การพิจารณาว่าแบรนด์ที่ใช้วิดีโอ Sponsored Brands ร่วมกับ Sponsored Product + Sponsored Brand จะมียอดขายหรือ CTR เพิ่มขึ้นหรือไม่ (ในเดือนถัดไป) และทำการวิเคราะห์สาเหตุและผลลัพธ์ในระยะยาวโดยมุ่งเน้นไปที่การเติบโตของยอดขายและ CTR เมื่อเทียบปีต่อปี

ในการวัดผลกระทบของผู้โฆษณาที่นำวิดีโอ Sponsored Brands มาใช้เป็นครั้งแรก เราได้ใช้วิธีการอนุมานเชิงสาเหตุของแมชชีนเลิร์นนิงจากเทคนิค [1], [2], [3] เพื่อดูผลของการดำเนินการต่อประสิทธิภาพของผู้โฆษณาในระยะสั้นในกรอบเวลา 1 เดือน ระเบียบวิธีที่เราใช้เป็นไปตามวิธีการที่เรียกว่า 2-stage GP (2-stage Gaussian Process) ซึ่งแสดงถึงประสิทธิภาพที่ดีขึ้นในตัววัดประสิทธิภาพสาเหตุและผลลัพธ์ เมื่อเทียบกับระเบียบวิธีเดิมที่มีอยู่ เช่น Double Machine Learning [1] และ Causal Forests [2] เมื่อใช้ภายใต้ บริบทของ adv

สำหรับการศึกษานี้ เราได้เลือกผู้โฆษณากว่า 78,000 รายในตลาดสหรัฐอเมริกา และจับคู่ผู้โฆษณา 25,000 รายโดยใช้วิธีการนี้ ผู้โฆษณา 78,000 รายอยู่ในชุดข้อมูลอินพุตสำหรับการประเมินผล และมีการใช้ตัวอย่าง 25,000 ตัวอย่าง (ควบคุมและไม่ควบคุม) สำหรับคะแนนความโน้มเอียง

ในการวัดผลกระทบต่อยอดขายและอัตราการคลิกผ่าน (CTR) ในระยะยาว เราใช้เทคนิคการวิเคราะห์เชิงสาเหตุเพื่อตรวจสอบผลของการดำเนินการต่อประสิทธิภาพของผู้โฆษณาในระยะยาวในกรอบเวลา 12 เดือน อันดับแรก เราสร้างกลุ่มขึ้น 2 กลุ่ม กลุ่มแรกเป็นผู้โฆษณาทั้งหมดที่ใช้ Sponsored Products + Sponsored Brands กลุ่มที่สอง ผู้โฆษณาที่ใช้วิดีโอ Sponsored Brands ร่วมกับ Sponsored Products + Sponsored Brands เพื่อควบคุมคุณแอตทริบิวต์อื่น ๆ ของแคมเปญ เราเลือกแบรนด์ที่มีแอตทริบิวต์ของแคมเปญใกล้เคียงกัน เช่น ยอดขายรวม จำนวนชิ้นที่จำหน่าย ราคาขายเฉลี่ย และค่าใช้จ่ายในการโฆษณาโดยรวม

วิธีนี้ทำให้เราสามารถเปรียบเทียบกลุ่มที่มีความน่าจะเป็นใกล้เคียงกันที่จะนำวิดีโอ Sponsored Brands มาใช้ ในการวิจัยนี้ เราใช้แมชชีนเลิร์นนิงวัดคะแนนความโน้มเอียงสำหรับแต่ละแบรนด์ตามค่าใช้จ่ายในการโฆษณา ยอดขายรวม จำนวนชิ้นที่จำหน่ายทั้งหมด จำนวนครั้งของการแสดงโฆษณาทั้งหมด ยอดคลิกทั้งหมด และราคาขายเฉลี่ย

แอตทริบิวต์ที่ใช้ในการคำนวณคะแนนความโน้มเอียง: ลอการิทึมธรรมชาติของยอดขายทั้งหมดในปี 2020 จำนวนชิ้นที่จำหน่ายทั้งหมดในปี 2019 ราคาขายเฉลี่ยในปี 2020 จำนวนครั้งของการแสดงโฆษณาทั้งหมดในปี 2019 ยอดคลิกทั้งหมดในปี 2019 ค่าใช้จ่ายในการโฆษณารวมในปี 2019 ค่าใช้จ่ายในการโฆษณารวมในปี 2020 และยอดขายรวมในปี 2020

ตัวแปรตอบสนอง: ลอการิทึมธรรมชาติของ CTR ลอการิทึมธรรมชาติของอัตราการเติบโตของยอดขายรวมในปี 2020