Hai chiến thuật các nhà quảng cáo Đồ chơi hàng đầu sử dụng để cải thiện mức tăng trưởng trên Amazon

Do: Andrew Holsopple, Quản lý phân tích và truyền thông

Chúng tôi đã nghiên cứu hơn 1.400 thương hiệu trong danh mục Đồ chơi trong gian hàng của Amazon để khám phá những thông tin chi tiết về mức tăng trưởng lượt xem trang chi tiết và khách hàng mới đối với thương hiệu hàng năm.

Tin nổi bật:

Trong nghiên cứu này, chúng tôi đã phân tích hơn 1.400 thương hiệu trong danh mục Đồ chơi tại Hoa Kỳ vào năm 2020. Danh mục Đồ chơi bao gồm các thương hiệu bán các sản phẩm như đồ xây dựng, trò chơi, nhân vật hành động và đồ sưu tầm, tranh ảnh và đồ thủ công, đồ chơi cho trẻ sơ sinh và xe đẩy. Chúng tôi đã tạo ra một điểm tổng hợp của tốc độ tăng trưởng lượt xem trang chi tiết hàng năm (DPVGR) và tốc độ tăng trưởng khách hàng mới đối với thương hiệu hàng năm (NTBGR), sau đó xác định các chiến lược quảng cáo và bán lẻ hàng đầu để giúp tăng điểm tổng hợp với các thuật toán học máy.

Các nhà quảng cáo muốn cải thiện DPGVR và NTBGR nên cân nhắc:

Để biết thêm về cách chúng tôi thu thập dữ liệu, hãy xem phần Phương pháp luận ở cuối bài viết này.

1. Các nhà quảng cáo đồ chơi hàng đầu chạy các chiến dịch Sponsored Display và Sponsored Products luôn bật

Thông tin chi tiết

Năm 2020, 74% các nhà quảng cáo đồ chơi hàng đầu đã thực hiện các chiến dịch luôn bật cho cả Sponsored Products và Sponsored Brands suốt cả năm.

Các nội dung đề xuất

Khi sử dụng các chiến dịch luôn bật, chúng tôi khuyên bạn nên:

  • Độ phủ sóng từ khóa: Sử dụng các từ khóa danh mục để giúp tiếp cận các đối tượng mới cao hơn trong phễu và sau đó sử dụng các từ khóa có thương hiệu để thúc đẩy sự chuyển đổi.
  • Ngân sách theo mùa của Sponsored Brands: Hành vi duyệt và mua sắm của người mua hàng có các mức cao điểm và thấp điểm trong suốt một năm và đồng bộ hóa ngân sách để phản ánh điều này giúp tối đa hóa lợi tức đầu tư (ROI). Phân tích của chúng tôi cho thấy các nhà quảng cáo đồ chơi hàng đầu đã tăng mức sử dụng Sponsored Brands trong các sự kiện mua sắm của Amazon.
  • Không đổi ASIN được quảng bá quá thường xuyên: Để hỗ trợ việc tìm kiếm và các vấn đề liên quan, cần cho phép một khoảng thời gian phù hợp để hỗ trợ đạt hiệu quả và không thay đổi ASIN được quảng bá quá thường xuyên, chẳng hạn như hàng ngày hoặc hàng tuần.

2. Các nhà quảng cáo đồ chơi hàng đầu gia tăng hỗ trợ Sponsored Display và Sponsored Brands trong các sự kiện mua sắm của Amazon

Thông tin chi tiết

100% các nhà quảng cáo đồ chơi hàng đầu đã phân phối lượt hiển thị Sponsored Brands trong các sự kiện của Amazon và 61% đã phân phối lượt hiển thị Sponsored Display trong các sự kiện của Amazon. Ngoài việc phân phối lượt hiển thị, phân tích của chúng tôi cho thấy rằng những thương hiệu sử dụng các chiến dịch Amazon DSP ở bất cứ nơi nào khách hàng dành thời gian đều có mức tăng trưởng khách hàng mới đối với thương hiệu cao hơn.

Nội dung đề xuất

Có một số điều cần cân nhắc khi quảng cáo trong các sự kiện mua sắm của Amazon:

  • Người mua hàng đến Amazon để nghiên cứu, xem xét và mua sản phẩm. Họ thường tăng sự tương tác trước và vẫn tiếp tục tham gia sau các sự kiện mua sắm của Amazon. Trong dịp lễ, họ thường bắt đầu nghiên cứu sớm nhất là vào cuối tháng 10 và đầu tháng 11, cao điểm trong dịp cuối tuần của sự kiện Black Friday và Cyber Monday, và vẫn duy trì tương tác vào suốt cuối tháng 12. Do đó, các nhà quảng cáo nên tương tác sớm với người mua hàng với các gói đón đầu và cân nhắc sử dụng tiếp thị lại sau các sự kiện để tối đa hóa tiềm năng.
  • Các nhà quảng cáo có thể sử dụng phân khúc đối tượng khách hàng để tiếp cận những người có khả năng mua cao nhất trong các sự kiện mua sắm của Amazon.
  • Các nhà quảng cáo có thể sử dụng Sponsored Display và Amazon DSP ở bất cứ nơi nào khách hàng dành thời gian.

Phương pháp luận

Đầu tiên, chúng tôi sử dụng một mô hình được giám sát để xác định danh sách các thuộc tính giúp cải thiện điểm tổng hợp giữa hơn 30 thuộc tính truyền thông và bán lẻ. Sau đó, chúng tôi đã sử dụng danh sách các thuộc tính này và thực hiện phân tích theo cụm giữa các nhà quảng cáo/thương hiệu, vì vậy các nhà quảng cáo/thương hiệu trong cùng một cụm giống nhau về các thuộc tính quảng cáo và bán lẻ, trong khi các nhà quảng cáo/thương hiệu trong các cụm khác nhau thì khác nhau về các thuộc tính quảng cáo và bán lẻ. Các thuộc tính này là X1, X2,... Xn. (Thuộc tính hiển thị dưới dạng bong bóng trên Hình minh họa).
Các thuật toán học máy trả về 4 cụm. Chúng tôi đã xếp hạng 4 cụm này theo chỉ số thành công của chúng, so sánh các cụm hoạt động tốt và kém nhất, so sánh sự khác biệt của chúng và xác định các thuộc tính quan trọng giúp phân biệt hiệu suất của chúng đối với sự tăng trưởng NTB và GV.

Các cụm hoạt động như thế nào?
Chúng tôi đã tạo ra một điểm tổng hợp nhị phân dựa trên DPVR và sau đó áp dụng một hàm phân loại XGBoost để xác định các loại tính năng cũng như trọng số phù hợp để dự đoán tốt nhất các nhãn hàng này. Trong quá trình tiến hành, chúng tôi coi các hành vi quảng cáo hoặc bán lẻ là các đặc tính, chẳng hạn như cường độ và sự kết hợp sử dụng sản phẩm quảng cáo, thời gian hỗ trợ quảng cáo, chiến thuật nhắm mục tiêu, nội dung quảng cáo thu hút và vị trí đặt quảng cáo, số lượng đánh giá của khách hàng và xếp hạng, tỷ lệ sản phẩm có trang mô tả chi tiết sản phẩm chất lượng và các loại sản phẩm được quảng bá trong quảng cáo, v.v.

Sử dụng các đặc tính và trọng số đã xác định được đề cập ở trên, sau đó chúng tôi áp dụng thuật toán phân cụm k-medoid để phân loại các nhà quảng cáo thành các cụm. Lưu ý rằng chúng tôi phân loại các nhà quảng cáo dựa trên hành vi hơn là dựa trên các thành phần trong điểm tổng hợp của họ. Tiếp đến, chúng tôi xếp hạng các nhóm lần cuối theo điểm tổng hợp từ cao đến thấp.