美妆品牌通过预热方案提高黑色星期五和网络星期一 (BFCM) 期间的广告效果

在这项研究中，亚马逊广告研究人员进行了 A/B 测试，以此评估在主打活动（黑色星期五和网络星期一）之前启动预热广告活动是否有助于在活动期间提高购买意向和转化量。

2021 年在亚马逊上进行推广的德国美妆品牌想知道如何在黑色星期五和网络星期一 (BFCM) 活动期间提高广告活动效果。具体而言，他们想知道如何提高商品详情页浏览量、购买率和品牌新客购买率。

为了获得结果，亚马逊广告在 BFCM 期间对以下两种方案进行了 A/B 测试，以确定哪种方案效果更好：

注意： 这些效果指标基于的是某个时间点的单个广告主，结果可能会因内容相关投放和季节性差异而有所不同。

亚马逊广告发现，在 BFCM 之前启动在亚马逊广告上投放的预热广告活动可以提高活动期间的购买意向和转化量。

在这三个指标上，“测试”广告活动的效果都优于“对照”广告活动。

• 最大限度地利用实验经验： 符合条件的广告主可以使用其部分年度预算无缝进行实验。通过对媒介计划进行测试，广告主可以收集超出标准广告活动效果报告的科学洞察。
• 定制洞察： 广告主可以通过测试其实际广告活动来生成定制洞察。实验洞察可以进一步帮助验证亚马逊广告给出的建议。
• 实验严谨性： 通过随机对照测试和统计分析，亚马逊广告在实施的方案和结果之间建立了因果关系。

1. 将业务问题转化为可行性假设： (1) 在 BFCM 筹备阶段进行推广是否会提高商品详情页浏览率、购买率和品牌新客购买率？
2. 定义衡量成功的标准： (1) 多触点处理方案推动了具有统计学意义的提升，这展示了在 BFCM 筹备阶段通过亚马逊 DSP 投放展示广告的价值。(2) 某种多触点处理方案推动了具有统计学意义的提升。(3) 一项重要发现表明，观察到的提升可能是由处理方案（而非偶然）推动的。不具有统计学意义的测试结果应被视为不足以证明处理方案有效的证据，并且在逻辑上被默认为原假设，声称测试的变体之间没有区别。
3. 设计实验： (1) 在本实验中，“测试”方案包括为期两周的预热广告活动，以及 2021 年 11 月 11 日至 2021 年 11 月 29 日的BFCM 广告活动。从 2021 年 11 月 25 日到 2021 年 11 月 29 日，“对照”方案作为独立的 BFCM 广告活动运行。(2) “测试”方案利用了预热再营销广告活动，向相关受众推广商品。(3) DSP 设置的大多数元素（方案预算、推广和推荐的 ASIN、创意素材、频率、竞价等）在不同的处理方案中都进行了映射。预算优化在测试期间被禁用，因为预算变化可能导致超出测试变量所能定义的差异。
4. 确定实验关键绩效指标 (KPI)： 在本次测试中，商品详情页浏览率、购买率和品牌新客购买率是测试的主要指标。亚马逊广告可以衡量对其他指标的影响，但由于测试的规模不适用于次要 KPI，因此检测到显著提升的几率较低。
5. 实验样本量估计： 通常，样本量越大，越便于测试区分真实效果和随机因素。鉴于预算有限，亚马逊广告需要得出理想的样本量，以平衡检测具有统计学意义的结果的成本和收益。亚马逊广告通过运行功效分析来估算样本量，该分析基于的是 80% 到 90% 的统计功效、95% 的置信水平、5% 的显著性水平、KPI 基线和最小可检测效应。这些样本量估计值代表了统计显著性的建议最小值。
6. 设置实验： 亚马逊广告将受众拆分成互斥组，以防出现交叉现象。
7. 审核结果： 平均而言，实验将持续四周。亚马逊广告实验团队监控测试中期进度，并在归因期结束后提供测试结果分析。广告主可以将实验经验融入未来的广告活动中，以提高广告活动效果。