利用亚马逊广告对业绩优异的金融服务类 (FinServ) 广告主进行分析获得的洞察来提高点击率

作者： Eric Tutlys，分析和媒体经理

2019 年的一项针对 50 个金融服务品牌的研究表明，相比其他广告主，业绩优异的广告主获得的点击率平均高出 2.9 倍、每日受众触达量高出 1.5 倍、六个月移动平均受众触达量高出 1.6 倍。

案例亮点：

2019 年，亚马逊广告对金融服务 (FinServ) 品类（保险、证券经纪、信用卡和银行业务）中通过亚马逊投放广告的 50 多个品牌开展了一项研究。研究发现，相比其他广告主，业绩优异的广告主通过广告获得的点击率 (CTR) 平均高出 2.9 倍、每日受众触达量高出 1.5 倍、六个月移动平均受众触达量高出 1.6 倍。这类广告主较多地使用了以下三种主要广告方案：

不间断投放广告活动
受众再营销
广告花费多样化

本文提供了有关这些方案的洞察以及改进这些方案的建议。

1. 业绩优异的广告主通常会不间断投放广告活动

洞察

业绩优异的广告主获得的展示量比其他广告主多出 6%。此外，业绩优异的广告主不间断投放广告活动的时间为 25 周（在每 6 个月内），而其他广告主不间断投放广告活动的时间则为 14 周（在每 6 个月内）。

建议

建议全年持续投放广告活动。顾客始终在线，因此不间断投放广告活动有助于在全年范围内，在营销流域的各个阶段，强化广告主品牌在顾客心目中的形象，帮助提高点击率和受众触达量。此外，不间断投放广告活动有助于逐渐提升广告效果。广告活动投放的时间越长，您就能获得越多基于数据的洞察，进而优化您的广告活动。

当与旨在提高知名度、购买意向和转化量的方案结合使用时，不间断投放的效果会更好。旨在提高知名度和购买意向的方案（例如品牌化广告活动和流媒体电视广告）有助于推动新顾客进入营销流域，而旨在提高转化量的方案（例如再营销）则可以推动顾客转化。

2. 业绩优异的广告主使用受众再营销

洞察

业绩优异的广告主使用受众再营销的概率是其他广告主的 6 倍。

建议

金融服务 (FinServ) 类广告主应考虑使用再营销方案，因为它可以帮助提高点击率、购买意向和转化量。再营销还可以帮助建立顾客忠诚度。为了提高再营销的成功率，广告主应考虑：

在合适的时间进行再营销，以帮助实现首次转化。
利用亚马逊活动（例如 Prime 会员日、黑色星期五/网络星期一）以及流域上部广告产品（例如流媒体电视广告和亚马逊 DSP）来帮助提高知名度和购买意向，然后利用再营销帮助推动浏览落地页的顾客实现转化。
通过将预算分配给不同类型的广告产品和广告资源（包括移动广告、视频广告和展示广告），实现投资组合多样化。

3. 业绩优异的广告主采取多样化的广告投资方式

洞察

对于桌面设备展示广告、移动设备展示广告、平板电脑展示广告、亚马逊 DSP、流媒体电视广告和音频广告，业绩优异的广告主至少使用了其中四种广告产品和资源，而其他广告主只使用了两种。

建议

亚马逊广告建议金融服务 (FinServ) 类广告主考虑采用多种类型的广告产品和资源来实现广告多样化，因为这有助于形成一套全流域方案，帮助您触达当今的全渠道顾客。要建立品牌知名度，请尝试通过亚马逊 DSP，借助流媒体电视广告、音频广告以及展示广告或在线视频广告来扩大受众触达量。借助合理的广告方案，广告主可在多个渠道扩大营销触达范围。

方法

2019 年，亚马逊广告对美国金融服务 (FinServ) 品类中的 50 多位广告主进行了分析。金融服务 (FinServ) 品类广告主包括保险、证券经纪、信用卡和银行业的广告主。

亚马逊广告创建了一个由点击率、每日触达率和六个月移动平均触达率构成的综合评分。综合评分包括点击率、平均每日独立用户触达和六个月移动平均独立用户触达。每日触达量是衡量每日消息传递强度的指标，而六个月移动平均触达量是触达的受众总量的近似值。

然后，亚马逊广告借助机器学习算法找出了最能帮助提高综合得分的广告方案（使用逐步线性回归和主题专家建议分配特征权重）。

广告活动效果指数（基线 = 最低四分位数）

最高四分位数

第二四分位数

第三四分位数

最低四分位数

点击率

每日触达量

六个月移动平均触达量

聚类分析如何运作？
亚马逊广告将在所有三个指标中排名前 50% 的广告主标记为“1”，将其余广告主标记为“0”，然后应用 XgBoost 分类器来确定哪些特征和权重能最有效地预测广告主标签。在此过程中，亚马逊广告将广告或零售方面的操作视为特征，例如广告产品使用强度和组合、广告支持时间、定向方案、创意素材和广告位等。
使用上述确定的特征和权重，亚马逊广告接下来使用 k-medoid 聚类分析算法对广告主进行聚类划分。请注意，亚马逊广告按广告主的操作而不是综合得分的组成部分对其进行分类。然后再按综合得分从高到低对最终聚类进行排名。聚类 1 是成效最高的聚类，综合得分最高，聚类 5 是成效最低的聚类。