绩效优异的广告主使用哪些方案在 Amazon.it 上增进业务？

作者： 媒体和分析经理 Gregorio Nastasi，以及技术撰稿人 Ashton Brown

亚马逊在 2019-2020 年对 Amazon.it（意大利站）上美妆品类中 561 个品牌的研究中，比较了绩效优异和绩效欠佳的广告主的广告方案。然后，通过这一比较分析获得了切实可行的洞察数据，广告主可以利用这些数据来提升商品详情页浏览量、销售额以及品牌搜索量的同比增长率。

案例亮点：

    1. 绩效优异的广告主在 Amazon.it 上采用亚马逊 DSP 的可能性高出 7.5 倍
    2. 绩效优异的广告主对于每个唯一 ASIN 或序列号拥有的买家评论数量多出 4.6 倍

在这项研究中，亚马逊分析了 2019 年 1 月至 2020 年 12 月期间 Amazon.it（意大利站）上美妆品类中的 561 个品牌。为了方便分析，亚马逊将美妆品牌分组到五个聚类中，在商品详情页浏览量 (DPV)、销售额和品牌搜索量的同比增长率方面，聚类 1 成效最高，而聚类 5 成效最低。美妆品类包含的品牌所销售商品包括剃须和脱毛膏、香水、头发护理和造型、彩妆、奢侈品彩妆、奢侈品香水、奢侈品护发等。

亚马逊的研究显示，与绩效欠佳的美妆品类广告主（聚类 5）相比，绩效优异的美妆品类广告主（聚类 1）的商品详情页浏览量同比增长率高出 1.7 倍，销售额同比增长率高出 1.9 倍，品牌搜索量同比增长率高出 1.7 倍。

绩效优异的广告主

1.7 倍

商品详情页浏览量同比增长率高出 1.7 倍

1.9 倍

销售额同比增长率高出 1.9 倍

1.7 倍

品牌搜索量同比增长率高出 1.7 倍

为了向广告主提供切实可行的洞察数据，亚马逊使用机器学习分析了 40 多种广告和媒介属性，这些属性或多或少地提升了商品详情页浏览量、销售额和品牌搜索量的同比增长率。

本文通过量化绩效优异的美妆品类广告主（聚类 1）和绩效欠佳的美妆品类广告主（聚类 5）对每项重要属性或方案的采用程度，提供了有关重要属性或方案的洞察或优秀实践。

有关亚马逊如何进行这项研究的更多信息，请参阅本文末尾的方法部分。

绩效优异的广告主在 Amazon.it 上采用亚马逊 DSP 的可能性高出 7.5 倍

商品详情页浏览量和品牌搜索量有时是品牌销售额的决定因素，这可能就是为什么采用亚马逊 DSP 是 Amazon.it 上绩效优异和绩效欠佳的美妆品类广告主的主要区别因素之一。亚马逊 DSP 使广告主能够在亚马逊网站内外投放广告，这有助于他们触达更多顾客，进而提升品牌搜索量和商品详情页浏览量。亚马逊的分析发现，在 Amazon.it 上绩效优异的美妆品类广告主中，有 17% 采用了亚马逊 DSP，而绩效欠佳的广告主中这一比例只有 2%

采用亚马逊 DSP 的广告主所占百分比

17%

绩效优异的广告主

2%

绩效欠佳的广告主

使用亚马逊 DSP 时应考虑的事项

在先前的研究中，亚马逊发现使用 Fire TV 和 Twitch 都是提升品牌覆盖面的有效工具，就本研究而言，这可能意味着品牌搜索量和 DPVGR 的提升，最终能够实现销售额的增长。

  • 实现均衡的广告活动目标： 考虑在亚马逊自有的广告库存（Amazon.it 站内广告）和站外广告库存（Amazon.it 站外广告）之间进行均衡支出。
  • 提升受众触达量： 考虑投资 Fire TV 或 Twitch 等广告库存，帮助提升品牌在独立受众中的展示量。

绩效优异的广告主在 Amazon.it 上采用品牌推广的可能性高出 2.1 倍

与亚马逊 DSP 的结果类似，分析表明品牌推广也是 Amazon.it 上绩效优异和绩效欠佳的美妆品类广告主之间的关键区别因素。尽管如此，值得注意的是，品牌推广是在 Amazon.it 网站上使用的一项产品，而亚马逊 DSP 可以触达 Amazon.it 站内及站外的顾客。亚马逊的分析发现，绩效优异的广告主中，有 80% 采用了品牌推广，而绩效欠佳的广告主中这一比例只有 37%。

采用品牌推广的广告主所占百分比

80%

绩效优异的广告主

37%

绩效欠佳的广告主

激活品牌推广时应考虑的事项

结论

从亚马逊的分析中可以看出，结合亚马逊管理的机器学习模型，在 Amazon.it 上绩效优异的美妆品类广告主和绩效欠佳的美妆品类广告主之间可发现两个关键区别因素： (1) 考虑采用亚马逊 DSP 在 Amazon.it 站内及站外进行推广；(2) 考虑采用品牌推广来展示您可提供的全套商品。

方法

亚马逊首先使用管理模型来确定一系列属性，这些属性可以帮助提高 40 多个媒介和零售属性的综合得分。具体来说，亚马逊遵循一个五步流程创建了一套包含商品详情页浏览量、销售额和品牌搜索量在内的成功指标，然后利用机器学习算法确定了帮助提高这些成功指标的优秀广告及零售方案。

  • 选择品牌： 亚马逊研究了 2019 年 1 月至 2020 年 12 月期间 Amazon.it 上的美妆品类中的 561 个广告主。
  • 创建成功指标： 成功指标根据商品详情页浏览量、销售额和品牌搜索量的同比增长率计算得出。
  • 品牌分组： 按综合得分（商品详情页浏览量、销售额和品牌搜索量），将广告主分组到五个聚类中，从得分最高到最低排列。使用上述已确定的特征值，接下来应用了 k-medoid 聚类分析算法对这些广告主进行聚类划分。最后，按综合得分从高到低对聚类进行排列。聚类 1 是绩效优异的聚类，综合得分最高，聚类 5 是绩效欠佳的聚类。
  • 确定有效的广告或零售活动： 亚马逊确定了有助于提高综合得分的重要活动（可以让商品详情页浏览量、销售额和品牌搜索量实现更高同比增长率的活动）。这些活动包括买家评论、广告产品（亚马逊 DSP、商品推广、品牌推广和 Fire TV 等）、广告方案（否定关键词、不间断投放和细分受众群等）以及更多内容。
  • 比较各组品牌： 与绩效欠佳的品牌（聚类 5）所使用或未使用的方案相比较，亚马逊确定了绩效优异的广告主（聚类 1）使用哪些方案来提升商品详情页浏览量、销售额和品牌搜索量的同比增长率。