2 กลยุทธ์ที่ใช้บ่อยขึ้นในแคมเปญเสียงของ Amazon ที่มีประสิทธิภาพสูงสุด
โดย: Michael Wilson ผู้จัดการอาวุโสฝ่ายการวิเคราะห์และสื่อ
แคมเปญเสียงที่มีประสิทธิภาพสูงสุดสามารถใช้เซ็กเมนต์กลุ่มเป้าหมาย Amazon มากขึ้นและเรียกใช้แคมเปญนานกว่าผู้โฆษณารายอื่น ๆ ได้ การวิเคราะห์แสดงให้เห็นว่าการสนับสนุนที่เพิ่มขึ้นในส่วนเหล่านี้สามารถช่วยปรับปรุงอัตราการดูหน้ารายละเอียดได้
เรื่องราวสำคัญ:
การวัดผลลัพธ์ของการโฆษณาเสียงมักเป็นสิ่งที่ท้าทายสำหรับผู้โฆษณา เนื่องจากลูกค้าผ่านเสียงไม่เหมือนแคมเปญการแสดงโฆษณาหรือโฆษณาวิดีโอ เพราะลูกค้าผ่านเสียงมักจะอยู่ห่างจากการซื้อมากกว่าหนึ่งคลิก ซึ่งหมายความว่าหากต้องการจะดึงดูดลูกค้า ผู้โฆษณาจะต้องกระตุ้นให้ลูกค้าดำเนินการอย่างอื่นที่ไม่ใช่การซื้อเสียก่อน พวกเขาถึงสามารถทำการซื้อจริงได้ ผู้โฆษณามักจะพยายามทำเช่นนี้ด้วยการสร้างแรงผลักดันให้กับผู้บริโภคเพื่อดูหน้ารายการสินค้าก่อนเป็นลำดับแรก ในบทความนี้ เราได้สำรวจข้อมูลเชิงลึกของการศึกษาของ Amazon Ads ปี 2020 เกี่ยวกับแคมเปญเสียง เราสำรวจการดำเนินการที่แยกความแตกต่างระหว่างผู้โฆษณาเสียงที่มีประสิทธิภาพสูงสุดกับผู้โฆษณารายอื่นโดยเฉพาะ
เราระบุหาปริมาณการดำเนินการที่สำคัญด้วยอัตราการดูหน้ารายละเอียด (DPVR) ซึ่งเป็นการคำนวณจำนวนการเปิดดูหน้าเพจของกลุ่มเป้าหมายที่เห็นโฆษณาเกี่ยวกับจำนวนการเห็นโฆษณาที่ส่งมอบ การใช้เมทริกซ์นี้พร้อมกับอัลกอริทึมการเรียนรู้ของเครื่อง เราจะสามารถระบุข้อมูลเชิงลึกที่อาจช่วยปรับปรุง DPVR ได้
สำหรับข้อมูลเพิ่มเติม โปรดดูที่ ส่วนระเบียบวิธี ในตอนท้ายบทความนี้
1. ผู้โฆษณาเสียงที่มีประสิทธิภาพสูงสุดมีแนวโน้มที่จะใช้เซ็กเมนต์กลุ่มเป้าหมายเสียงของ Amazon
ข้อมูลเชิงลึก
ผู้โฆษณาเสียงที่มีประสิทธิภาพสูงสุดมีแนวโน้ม 24% ที่จะใช้เซ็กเมนต์กลุ่มเป้าหมายไลฟ์สไตล์ของ Amazon (คุณสมบัตินี้มีเฉพาะในระดับที่สนับสนุนโฆษณาเสียงฟรีของ Amazon เท่านั้น) มากกว่าผู้โฆษณารายอื่น ๆ การวิเคราะห์ของเราบ่งชี้ว่าไลฟ์สไตล์และเซ็กเมนต์เสียงในตลาดเป็นเซ็กเมนต์กลุ่มเป้าหมายที่ผู้โฆษณาเสียงที่มีประสิทธิภาพสูงสุดใช้งานมากที่สุด เซ็กเมนต์เหล่านี้ยังดำเนินการได้สูงกว่าเซ็กเมนต์ทางประชากรศาสตร์ในแง่ของการเข้าถึงและ DPVR อีกด้วย
คำแนะนำ
กลุ่มเป้าหมาย Amazon จะได้รับแจ้งจากสตรีมมิ่งบุคคลที่หนึ่งและจากสัญญาณการจับจ่าย เมื่อใช้เซ็กเมนต์กลุ่มเป้าหมาย Amazon สำหรับแคมเปญเสียง ผู้โฆษณาควรพิจารณาถึงการเข้าถึงกลุ่มเป้าหมายที่กว้างกว่าที่ใช้ปกติสำหรับการแสดงโฆษณาหรือโฆษณา sponsored พวกเขาควรเพิ่มกลุ่มเป้าหมายหลายรายในแผนแคมเปญโดยใช้คำขยาย ‘หรือ’ แทนคำขยาย ‘และ’ เพื่อปรับปรุงการเข้าถึงแคมเปญและเพื่อให้แน่ใจว่าลูกค้าจะได้ยินข้อความของพวกเขาให้ได้มากที่สุดเท่าที่เป็นไปได้
2. แคมเปญเสียงที่มีประสิทธิภาพสูงสุดสามารถเรียกใช้ในระยะเวลาที่นานกว่าได้
ข้อมูลเชิงลึก
โดยเฉลี่ยแล้วผู้โฆษณาเสียงที่มีประสิทธิภาพสูงสุดสามารถเรียกใช้แคมเปญโฆษณาเสียงนานกว่าผู้โฆษณารายอื่น ๆ ได้ถึง 10 วันแบบเดือนต่อเดือน ด้วยการเรียกใช้แคมเปญที่นานขึ้น อาจช่วยให้ผู้โฆษณาบรรลุจำนวนการเข้าถึงที่ไม่นับซ้ำได้มากขึ้น แคมเปญที่มีประสิทธิภาพสูงสุดไม่เพียงแต่สามารถเรียกใช้แคมเปญได้นานกว่าแต่ยังได้ยินบ่อยขึ้นด้วย (ผู้โฆษณาเสียงที่มีประสิทธิภาพสูงสุดสามารถใช้เพดานความถี่สูงสุด 5-6 เท่าโดยเฉลี่ยเมื่อเทียบกับความถี่ 4 เท่าโดยเฉลี่ยของผู้โฆษณารายอื่น ๆ)
การวิเคราะห์ของเราแสดงให้เห็นว่าผู้โฆษณาเสียงที่มีประสิทธิภาพสูงสุดสามารถเรียกใช้แคมเปญเสียงได้อย่างต่อเนื่องโดยมีระยะเวลาแคมเปญขั้นต่ำ 30 วัน และเผยแพร่ด้วยเพดานความถี่สูงสุด 5 หรือ 6 เท่าเพื่อช่วยในการเพิ่มการพิจารณา (DPVR) ระยะเวลาแคมเปญที่นานขึ้นนี้ถือเป็นสิ่งสำคัญที่ช่วยให้มีเวลามากขึ้นสำหรับการวิเคราะห์อัลกอริทึมเพื่อประสิทธิภาพของแคมเปญ และมอบคำแนะนำสำหรับการเพิ่มประสิทธิภาพของแคมเปญที่กำลังดำเนินการอยู่และในอนาคต ความถี่ที่มากขึ้นสัมพันธ์กับแคมเปญเหล่านี้ซึ่งมีความสำคัญที่อาจช่วยปรับปรุงการรับรู้ของแบรนด์ได้
คำแนะนำ
วางแผน แคมเปญการตลาดแบบเสียง เป็นเวลาอย่างน้อย 30 วัน และส่งมอบความถี่ขั้นต่ำ 5-6 เท่า การวิเคราะห์ของเราแสดงให้เห็นว่าผู้โฆษณาที่มี DPVR ที่แข็งแกร่งที่สุดนั้นได้บรรลุความถี่ขั้นต่ำเหล่านี้ หากต้องการวางแผนแคมเปญให้ดียิ่งขึ้น และให้เห็นถึงประสิทธิภาพของแคมเปญได้อย่างชัดเจนยิ่งขึ้น ผู้โฆษณาที่สามารถเข้าถึงรายงานเครื่องขยายเสียงของ Amazon และข้อมูลเชิงลึกของกลุ่มเป้าหมายควรพิจารณาการใช้ประโยชน์จากทรัพยากรทั้งสองในการตรวจสอบและเพิ่มประสิทธิภาพของแคมเปญ
ระเบียบวิธี
ระเบียบวิธีการในการศึกษานี้ประกอบไปด้วยห้าส่วนประกอบ ได้แก่ การเลือกแคมเปญ การสร้างเมทริกซ์ความสำเร็จ การระบุการกระทำของโฆษณาที่มีประสิทธิภาพ การจัดอันดับผู้โฆษณา (โดยอาศัยการแบ่งกลุ่มผู้โฆษณาออกเป็นสี่กลุ่ม) จากนั้นจึงเป็นการวิเคราะห์เปรียบเทียบเพื่อระบุคุณลักษณะที่แยกผู้โฆษณาที่มีประสิทธิภาพน้อยที่สุดและมากที่สุดในแง่ของความสำเร็จและกลยุทธ์
เราวิเคราะห์แคมเปญเสียงของสหรัฐอเมริกา 176 แคมเปญในปี 2020 เพื่อกำหนดกลยุทธ์ที่มีประสิทธิภาพมากที่สุดในการทำให้แคมเปญประสบความสำเร็จ เมตริกความสำเร็จที่ถูกเลือกสำหรับการศึกษานี้คือ DPVR สำหรับผู้โฆษณาที่ขายในร้านค้าของ Amazon เราได้ใช้เมตริกนี้ผ่านอัลกอริทึมการเรียนรู้ของเครื่อง (เช่น Pearson Correlation และ XGBoost เป็นต้น) และข้อเสนอแนะจากผู้เชี่ยวชาญในด้านนั้นเพื่อกำหนดน้ำหนักคุณสมบัติเพื่อระบุการดำเนินการของแคมเปญชั้นนำที่ส่งผลให้มี DPVR ที่สูงขึ้น หลังจากระบุการดำเนินการของแคมเปญชั้นนำแล้ว เราจึงได้จัดอันดับแคมเปญตามความถี่ในการดำเนินการเหล่านี้ของลูกค้าและแคมเปญใดของลูกค้าที่มีการดำเนินการเหล่านี้น้อยที่สุด และรายงานผลลัพธ์ที่ได้ลงในบทความนี้
1. เลือกแคมเปญ
ส่งมอบ 176 แคมเปญเสียงของ Amazon ในสหรัฐอเมริกาในปี 2020
2. สร้างเมทริกซ์ความสำเร็จ
เมทริกซ์ความสำเร็จ: การเข้าถึงสุทธิ อัตราการดูหน้ารายละเอียด (DPVR) สำหรับผู้โฆษณาเฉพาะพื้นที่
3. ระบุการดำเนินการของการโฆษณาที่มีประสิทธิภาพ
การดำเนินการของแคมเปญชั้นนำที่ระบุได้ต่ำด้วยอัลกอริทึมการเรียนรู้ของเครื่อง
4. จัดอันดับผู้โฆษณา
จัดอันดับแคมเปญจากสูงสุดไปถึงต่ำสุดตามเมทริกซ์ความสำเร็จ
5. เปรียบเทียบผู้โฆษณา
ระบุสิ่งที่แคมเปญชั้นนำทำแตกต่างกัน
ผู้โฆษณากระจายไปทั่วกลุ่มอย่างไร
เราใช้อัลกอริทึมของแมชชีนเลิร์นนิ่งพื่อจำแนกผู้โฆษณาออกเป็นกลุ่มโดยอัตโนมัติตามแอตทริบิวต์การโฆษณาและการค้าปลีก
การจัดกลุ่มทำงานอย่างไร
เราได้สร้างคะแนนรวมไบนารีตาม DPVR จากนั้นจึงใช้ โปรแกรมจำแนกข้อมูล XGBoost เพื่อระบุว่าคุณสมบัติและน้ำหนักใดที่จะคาดการณ์ป้ายกำกับเหล่านี้ได้ดีที่สุด คุณสมบัติคือการดำเนินการการโฆษณาหรือค้าปลีก เช่น ความเข้มข้นและการผสมผสานการใช้สินค้าโฆษณา ระยะเวลาในการสนับสนุนการโฆษณา กลยุทธ์ในการระบุเป้าหมาย โฆษณาและตำแหน่งโฆษณา จำนวนและการจัดอันดับรีวิวจากลูกค้า เปอร์เซ็นต์ของสินค้าที่มีหน้ารายการสินค้าที่มีคุณภาพ และประเภทของสินค้าที่โปรโมตในโฆษณา
เมื่อใช้คุณสมบัติและน้ำหนักที่ระบุดังกล่าวข้างต้นแล้ว เราก็จะใช้ โปรแกรมการจัดกลุ่มอัลกอริทึม k-medoid เพื่อจำแนกผู้โฆษณาออกเป็นกลุ่มต่าง ๆ โปรดทราบว่าเราจำแนกประเภทผู้โฆษณาตามการดำเนินการของพวกเขา ไม่ใช่ตามส่วนประกอบของคะแนนรวม ต่อไป เราได้จัดอันดับกลุ่มสุดท้ายด้วยคะแนนรวมของพวกเขาจากสูงไปต่ำ กลุ่มที่ 1 คือกลุ่มที่ประสบความสำเร็จมากที่สุดด้วยคะแนนรวมสูงสุด และกลุ่มที่ 5 คือกลุ่มที่ประสบความสำเร็จน้อยที่สุด