กลยุทธ์ 2 ข้อที่ผู้โฆษณาของเล่นยอดนิยมใช้เพื่อเพิ่มความเติบโตบน Amazon

โดย Andrew Holsopple ผู้จัดการฝ่ายการวิเคราะห์และสื่อ

เราศึกษาแบรนด์มากกว่า 1,400 แบรนด์ในหมวดหมู่ของเล่นในร้านค้าของ Amazon เพื่อค้นหาข้อมูลเชิงลึกสำหรับการเติบโตของจำนวนการเปิดดูหน้ารายละเอียดและลูกค้าใหม่ของแบรนด์ในช่วงเวลาเดียวกันกับปีก่อน

เรื่องราวที่สำคัญ

ในการศึกษาครั้งนี้ เราได้วิเคราะห์แบรนด์มากกว่า 1,400 แบรนด์ในหมวดหมู่ของเล่นในสหรัฐอเมริกาในปี 2020 หมวดหมู่ของเล่นประกอบด้วยแบรนด์ต่าง ๆ ที่ขายสินค้าอย่างเช่น ตัวต่อ เกมส์ ตัวละครแอ็คชั่นและของสะสม งานศิลปะและงานฝีมือ ของเล่นสำหรับทารก และเครื่องเล่นแบบขี่ เราสร้างคะแนนรวมของอัตราการเติบโตในช่วงเดียวกันกับปีก่อนของจำนวนการเปิดดูหน้ารายละเอียด (DPVGR) และอัตราการเติบโตในช่วงเดียวกันกับปีก่อนของลูกค้าใหม่ของแบรนด์ (NTBGR) จากนั้นก็บ่งชี้กลยุทธ์ที่ยอดเยี่ยมด้านการโฆษณาและการค้าปลีกเพื่อช่วยเพิ่มคะแนนรวมด้วยอัลกอริทึมของแมชชีนเลิร์นนิ่ง

ผู้โฆษณาที่ต้องการปรับปรุง DPGVR และ NTBGR ควรพิจารณาดังต่อไปนี้

  • การดำเนินแคมเปญ Sponsored Display และ Sponsored Products แบบเปิดเสมอ
  • การเพิ่มการสนับสนุน Sponsored Display และSponsored Brands ในช่วงงานกิจกรรมการช้อปของ Amazon
  • การเพิ่มประสิทธิภาพการผสมผสานการลงทุน

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับวิธีที่เราเก็บรวบรวมข้อมูลของเรา โปรดดูที่ส่วนระเบียบวิธีในตอนท้ายของบทความนี้

1. บรรดาผู้โฆษณาของเล่นชั้นนำดำเนินแคมเปญของ Sponsored Display และ Sponsored Products แบบเปิดเสมอ

ข้อมูลเชิงลึก

ในปี 2020 ผู้โฆษณาของเล่นที่มีประสิทธิภาพสูงสุด 74% ดำเนินแคมเปญแบบเปิดเสมอ สำหรับทั้ง Sponsored Products และ Sponsored Brands ตลอดทั้งปี

คำแนะนำ

เมื่อใช้แคมเปญแบบเปิดเสมอ เราขอแนะนำดังนี้

  • ความครอบคลุมของคีย์เวิร์ด: ใช้คีย์เวิร์ดหมวดหมู่เพื่อช่วยให้เข้าถึงกลุ่มเป้าหมายใหม่ ๆ ได้สูงขึ้นใน funnel จากนั้นใช้คีย์เวิร์ดที่มีแบรนด์เพื่อผลักดันคอนเวอร์ชัน
  • งบประมาณตามฤดูกาลของ Sponsored Brands: พฤติกรรมการเรียกดูและการซื้อของนักช้อปมีจุดสูงสุดและจุดต่ำสุดตลอดทั้งปี และการทำให้งบประมาณสอดคล้องกับพฤติกรรมเหล่านี้จะช่วยเพิ่มผลตอบแทนจากการลงทุน (ROI) ให้สูงสุดได้ การวิเคราะห์ของเราแสดงให้เห็นว่าผู้มีบทบาทสำคัญในหมวดของเล่นเพิ่มการใช้ Sponsored Brands ในช่วงงานกิจกรรมการช้อปของ Amazon
  • อย่าเปลี่ยน ASINs ที่โฆษณาบ่อยเกินไป: เพื่อช่วยให้เกิดการค้นพบและความเกี่ยวข้อง ปล่อยให้โฆษณามีเวลาทำงานให้เพียงพอที่จะสร้างผลลัพธ์ และอย่าเปลี่ยน ASINs ที่โฆษณาบ่อยเกินไป เช่น เปลี่ยนทุกวันหรือทุกสัปดาห์

2. บรรดาผู้โฆษณาของเล่นชั้นนำเพิ่มการสนับสนุน Sponsored Display และ Sponsored Brands ในระหว่างงานกิจกรรมการช้อปของ Amazon

ข้อมูลเชิงลึก

ผู้โฆษณาของเล่นชั้นนำ 100% มีจำนวนการแสดงผลของโฆษณาตามเป้าหมายจาก Sponsored Brands ในช่วงอีเว้นต์ของ Amazon และ 61% มีจำนวนการแสดงผลของโฆษณาตามเป้าหมายจาก Sponsored Display ในช่วงอีเว้นต์ของ Amazon นอกเหนือจากการที่มีจำนวนการแสดงผลของโฆษณาบรรลุเป้าหมายแล้ว การวิเคราะห์ของเราแสดงให้เห็นว่าแบรนด์ที่ใช้แคมเปญ Amazon DSP ในทุกที่ที่ลูกค้าใช้เวลาอยู่แสดงให้เห็นว่าลูกค้าใหม่ของแบรนด์มีการเติบโตที่สูงขึ้น

คำแนะนำ

เมื่อจะทำการโฆษณาในช่วงงานกิจกรรมการช้อปของ Amazon มีบางสิ่งที่ต้องพิจารณาดังนี้

  • นักช้อปมายัง Amazon เพื่อการค้นคว้า พิจารณา และซื้อสินค้า โดยทั่วไป นักช้อปจะเพิ่มการมีส่วนร่วมก่อน และยังคงมีส่วนร่วมอยู่หลังจากงานกิจกรรมการช้อปของ Amazon ในช่วงเทศกาลวันหยุด นักช้อปมักจะเริ่มต้นการค้นคว้าตั้งแต่เนิ่น ๆ ในช่วงปลายเดือนตุลาคมและต้นเดือนพฤศจิกายน โดยสูงสุดในช่วงวันหยุดสุดสัปดาห์ในวัน Black Friday และ Cyber Monday และยังคงมีส่วนร่วมตลอดสิ้นเดือนธันวาคม ดังนั้น ผู้โฆษณาควรมีส่วนร่วมกับนักช้อปตั้งแต่เนิ่น ๆ ด้วยแพคเกจนำหน้าและพิจารณาใช้การทำตลาดซ้ำหลังจากกิจกรรมเพื่อเพิ่มศักยภาพสูงสุด
  • ผู้โฆษณาสามารถใช้เซ็กเมนต์กลุ่มเป้าหมายเพื่อเข้าถึงลูกค้าที่มีแนวโน้มมากที่สุดที่จะซื้อในช่วงงานกิจกรรมการช้อปของ Amazon
  • ผู้โฆษณาสามารถใช้ Sponsored Display และ Amazon DSP ได้ทุกที่ที่ลูกค้าใช้เวลาอยู่

ระเบียบวิธี

ในขั้นแรก เราใช้โมเดลที่มีการกำกับดูแลเพื่อระบุรายการของแอตทริบิวต์ที่ช่วยปรับปรุงคะแนนรวมให้ดีขึ้นสำหรับสื่อและแอตทริบิวต์การค้าปลีกมากกว่า 30 รายการ จากนั้น เราก็ใช้รายการแอตทริบิวต์นี้และทำการวิเคราะห์กลุ่มในหมู่ผู้โฆษณา/แบรนด์ ดังนั้น ผู้โฆษณา/แบรนด์ในกลุ่มเดียวกันจึงมีแอตทริบิวต์โฆษณาและค้าปลีกคล้ายกัน ในขณะที่ผู้โฆษณา/แบรนด์ในกลุ่มที่ต่างกันจะมีความแตกต่างกันไปในแง่ของแอตทริบิวต์โฆษณาและค้าปลีก แอตทริบิวต์เหล่านี้คือ X1, X2, ….Xn (แอตทริบิวต์จะแสดงให้เห็นเป็นฟองอากาศบนภาพ)
อัลกอริทึมของแมชชีนเลิร์นนิ่งจะส่งคืน 4 กลุ่ม เราจัดอันดับ 4 กลุ่มเหล่านี้โดยใช้เมทริกซ์ความสำเร็จของกลุ่ม ทำการเปรียบเทียบกลุ่มที่มีประสิทธิภาพสูงสุดและต่ำสุด เปรียบเทียบความแตกต่าง และระบุแอตทริบิวต์สำคัญที่แบ่งแยกความแตกต่างของประสิทธิภาพของกลุ่มในด้านความเติบโตของ NTB และ GV

การจัดกลุ่มทำงานอย่างไร
เราได้สร้างคะแนนรวมไบนารีตาม DPVR จากนั้นจึงใช้โปรแกรมจำแนกข้อมูล XGBoost เพื่อระบุว่าคุณลักษณะใดบ้างและน้ำหนักใดบ้างที่คุณลักษณะเหล่านี้จะคาดการณ์ป้ายกำกับเหล่านี้ได้ดีที่สุด ในการดำเนินการดังกล่าว เราได้พิจารณาการดำเนินการโฆษณาหรือการค้าปลีกในฐานะเป็นคุณลักษณะต่าง ๆ เช่น ความเข้มข้นและการผสมผสานการใช้สินค้าโฆษณา ช่วงเวลาในการสนับสนุนการโฆษณา กลวิธีในการระบุเป้าหมาย โฆษณาและตำแหน่งโฆษณา จำนวนและการจัดอันดับของรีวิวจากลูกค้า เปอร์เซ็นต์ของสินค้าที่มีหน้ารายการสินค้าที่มีคุณภาพ และประเภทของสินค้าที่โปรโมตในโฆษณา ฯลฯ

จากนั้น เราก็จะใช้อัลกอริทึมการจัดกลุ่ม k-medoid เพื่อจำแนกผู้โฆษณาออกเป็นกลุ่ม ๆ โดยใช้คุณลักษณะที่บ่งชี้และน้ำหนักที่ระบุข้างต้น โปรดทราบว่าเราจำแนกกลุ่มผู้โฆษณาตามการดำเนินการของพวกเขา ไม่ใช่ตามส่วนประกอบของคะแนนรวม จากนั้น เราจัดอันดับกลุ่มขั้นสุดท้ายโดยใช้คะแนนรวมจากสูงไปต่ำ