Ubun, tekrar satın alma ve dönüşüm oranlarını iyileştirerek Kagome'nin satışları %190 artırmasına yardımcı oldu

Hedefler

100 yıldan uzun bir süre önce kurulan Kagome, Japonya gıda endüstrisinde güvenilir bir isim olarak kendini kanıtladı. Şirket, Yasai Seikatsu 100 (Sebze Bazlı Yaşam 100) gibi uzun süredir satılan ürünleri ve domates ile sebze bazlı içeceklerden oluşan geniş ürün yelpazesiyle tanınıyor. 2007 yılında Amazon mağazasında satış yapmaya başlayan Kagome, özellikle sebze suyunun çoklu paket satışlarından gelen tekrar satın almalar sayesinde istikrarlı bir satış büyümesi elde etti.

Kagome'nin Amazon'daki işi genişledikçe, reklam bütçesini doğru bir şekilde belirlemek zorlaştı. Şirketin güçlü marka değerine ve reklamlardan görece az etkilenen yüksek temel satış hacmine bağlı olarak, Satışın Reklam Maliyeti (ACOS) esasına dayanan geleneksel bütçe belirleme yöntemleri daha az etkili oldu. Bunu aşmak için Kagome, 2023 yılında Amazon Ads iş ortağı Ubun ile çalışmaya başladı. Amaç, markaya yeni müşteri tabanını genişletmek ve Amazon'daki reklam yatırımlarını optimize etmekti.

Tam hizmet veren bir dijital pazarlama ajansı olan Ubun, perakende markalarının Amazon mağazasında büyümesine yardımcı oluyor. Kagome ve Ubun birlikte, yatırım getirisine (ROI) öncelik veren araçlarla reklam stratejilerini geliştirerek tekrarlanan satın almaları ve genel satışları artırmaya odaklandı.

Yaklaşım

Kullanıcı başına ortalama gelir (ARPU) ve yeni müşteri edinme başına maliyet (N-CPA) istatistiklerini satın alma bazında ölçmek için Ubun, kendi geliştirdiği Ubun BASE otomatik raporlama aracını Amazon Marketing Cloud (AMC) ile birlikte uyguladı. Bu istatistikler, yatırım getirisine dayalı reklam bütçeleri oluşturmak için gerekliydi. Bununla birlikte, Kagome'nin ürünleri yüksek tekrar satın alma oranlarına sahip olduğundan, bu göstergeleri doğru bir şekilde hesaplamak zor oluyordu.

AMC'nin Esnek Alışveriş Analizlerini kullanan Ubun, tekrar eden müşterilerden gelen organik satın alma analizlerine erişti ve böylece reklam maliyetlerinin daha doğru hesaplanmasını sağladı. Analiz, Kagome'nin reklam yatırımlarının markaya yeni müşteri (NTB) kazanmak için gereken seviyenin altında kaldığını ve bu nedenle satış fırsatlarının kaçırıldığını ortaya koydu. Buna karşılık olarak, 2024 reklam bütçesi %130 oranında artırıldı. Böylece altı aylık ortalama kullanıcı başına gelirden (ARPU) elde edilen kârın, yeni müşteri edinme maliyetiyle (N-CPA) eşleşmesi sağlandı.

Ubun, kendi Ubun BASE aracını kullanarak yeni müşteri edinme maliyetini (N-CPA) hem anahtar kelime hem de hedef kitle düzeyinde görselleştirdi. Bu sayede reklam operasyonlarını gerçek zamanlı olarak optimize ederek yatırım getirisini (ROI) artırdı. N-CPA'yı optimize etmenin yanı sıra, tekrar satın alma oranını artırarak kullanıcı başına ortalama geliri (ARPU) en üst düzeye çıkarmayı da hedeflediler. Bunu başarmak için, Recency Frequency Monetary (RFM) analiziyle belirlenen hedef kitle segmentlerini Amazon DSP üzerinden yürütülen pazarlama otomasyonu kampanyalarıyla etkileşime geçirdiler.¹

En üst seviye müşteri adaylarına ulaşmak için, Ubun RFM analiziyle belirlenen yüksek değerli hedef kitle segmentlerini genişletti ve AMC'nin özel hedef kitle özelliğini kullanarak benzer hedef kitleleri de dahil etti. AMC Kitleleri, davranış geçmişine dayalı olarak daha ilgili kitle segmentlerinin oluşturulmasına imkan tanıdı. Ayrıca Ubun, markaya yeni müşterilerin kazanımına odaklanmak için Amazon DSP aracılığıyla Twitch'te video reklamlar yayınladı.

Sonuçlar

Bir dizi reklam kampanyasının ardından Kagome'nin toplam satışları önceki yıla kıyasla %190 arttı² ve şirket tarihindeki en yüksek üç aylık gelire ulaştı. 2024’ün dördüncü çeyreğinde, reklam yoluyla elde edilen markaya yeni (NTB) müşterilerden gelen satışlar, artan reklam yatırımı ve optimize edilmiş N-CPA sayesinde bir önceki yılın aynı dönemine kıyasla %149 yükseldi³. Ayrıca, Kagome'nin video reklamlarını izleyenler arasındaki dönüşüm oranı, izlemeyenlere kıyasla %111 daha yüksek gerçekleşti ve bu da kampanya stratejisinin etkinliğini ortaya koydu⁴.

Kaynaklar

¹ Müşterileri üç istatistiğe göre sıralayan analitik bir yöntem: Recency (en son satın alma), Frequency (satın alma sıklığı) ve Monetary (toplam satın alma değeri). Genellikle yüksek değerli müşterileri tanımlamak için kullanılır.

^2-4 Reklamveren tarafından sağlanan veriler, Japonya, 2024.