针对发展运动服装和鞋靴品牌的四项建议
作者: 收购经理 Sam Bachra
在 2019 年对超过 650 个运动品牌进行的一项研究中,我们发现,业绩优异的运动服装广告主主要通过四个关键领域来帮助增加浏览次数和加速销量增长。
案例要点:
无论是通过广告活动争取本垒打、大满贯还是个人优异业绩,运动品牌一直在寻求优化其业绩。
为了帮助他们实现这一目标,亚马逊广告研究了超过 650 个在亚马逊品牌旗舰店销售商品的美国运动服装和鞋靴品牌。我们的分析发现,与其他运动服装广告主相比,业绩优异的广告主的品牌新客 (NTB) 顾客数量增加了 2.2 倍,归因于广告的浏览次数(商品详情页的浏览次数)增加了 2.5 倍。
是什么促成了这样的效果? 我们确定了业绩优异的广告主采用的四种广告方案,而其他广告主则没有采用这些方案,这些方案与品牌新客顾客数量和浏览次数的增长相关联:
继续阅读以进一步了解这些策略以及如何将它们整合到营销方案中。
品牌新客顾客数量和浏览次数增长率表现的指数(基准 = 聚类 4)
聚类 1
聚类 2
聚类 3
聚类 4
品牌新客顾客数量的同比增长率
浏览次数同比增长率
1. 业绩优异的运动服装广告主全年都在开展品牌推广广告活动
洞见
2019 年,业绩优异的运动服装广告主开展了 52 周的不间断投放的品牌推广活动,而其他运动服装广告主仅开展了两周的不间断投放的品牌推广活动。开展不间断投放的品牌推广活动有助于让顾客第一个想到相关品牌,从而帮助赢得更多品牌新客顾客。
建议
当广告主同时实施知名度、购买意向和转化量策略时,不间断投放的广告活动最为有效。知名度和购买意向策略(例如,通过亚马逊 DSP 进行展示)有助于鼓励新顾客查看商品详情页,从而带来更多转化量。
2. 业绩优异的运动服装广告主在品牌推广和商品推广之间保持 2:1 的预算比例
洞见
我们的分析表明,业绩优异的运动服装广告主的品牌推广展示量与商品推广展示量比率大约保持在 2:1。在同一时期,其他运动服装广告主的展示量比率保持在 20:1。这很重要,因为 2:1 的比例有助于提高商品曝光度。
建议
在品牌推广和商品推广之间保持 2:1 的比率(或类似的平衡)。这个比率很重要,原因有两个:
- 品牌推广和商品推广之间的合理支出比例有助于最大限度地提高广告活动的可见度。
- 其次,它可以帮助提高商品系列的知名度,从而有助于增加浏览次数和品牌新客数量。
3. 业绩优异的运动服装广告主使用否定关键词和否定 ASIN
洞见
我们的分析表明,使用否定关键词(用于阻止广告出现在购物搜索结果中的字词或词组)和否定 ASIN 有好处。平均而言,效果优异的运动服装广告活动中有 15% 的广告活动含否定关键词或否定 ASIN。相反,其他运动服装广告活动中只有 4% 的广告活动使用否定关键词或序列号策略。
换句话说,业绩优异的运动服装广告主使用否定关键词或否定 ASIN 的可能性比其他运动服装广告主高 11%。
建议
使用否定关键词和否定 ASIN。使用否定关键词的一个好处是,确保广告不会出现在您知道不太可能发生转化的购物搜索词的购物搜索结果页面上。使用否定关键词或否定 ASIN 的第二个好处是,它们可以帮助确保广告触达正确的受众。
为了提高否定关键词和否定 ASIN 的准确性,广告主可以使用亚马逊的内置指标。例如,较低的点击率 (CTR) 和较低的转化率可以很好地指明效果欠佳的关键词,因此要将此类关键词排除在理想的备选关键词之外。
4. 业绩优异的运动服装广告主会遵循优秀实践来获得更多买家评论
洞见
我们的分析表明,与业绩不佳的广告主相比,业绩优异的运动服装广告主的每个唯一 ASIN 序列号的买家评论数量平均是前者的 4 倍。
建议
对于希望决定购买商品的顾客,买家评论是一项重要指标。为了帮助增加浏览次数和转化量,广告主可以使用以下工具:
供应商: 使用亚马逊 Vine 计划。该计划的设立是为了向顾客提供更多信息,包括一些亚马逊最受信赖的评论员给出的诚实、公正的反馈。
卖家: 在亚马逊品牌注册中注册并使用早期评论者计划。进行亚马逊品牌注册后,您可以解锁一套旨在帮助您塑造及保护品牌的工具,为顾客打造更优质的体验。
结语
我们认为,向广告主提供以研究为导向的洞见以帮助提高业绩非常重要。在本文中,我们介绍了业绩优异的运动服装广告主如何获得更多的品牌新客顾客和浏览次数。首先,这些广告主全年都在开展品牌推广活动。其次,他们在品牌推广和商品推广之间保持 2:1 的预算比例。第三,他们根据购物搜索词使用否定关键词和否定 ASIN 来提高广告的相关性。最后,对于推广的每种唯一商品,他们的买家评论数量是其他商品的 4 倍。
综合起来,我们的分析表明,这四种策略帮助业绩优异的广告主将品牌新客顾客数量和浏览次数分别增加了 2.2 倍和 2.5 倍。
方法
2019 年,我们分析了美国运动服装和鞋靴品类中的 650 多个品牌。在这项研究中,我们使用高级机器学习算法将广告主分为不同的聚类,并分析其广告和零售属性来获取基于洞见的建议,从而帮助广告主提升品牌新客顾客数量增长和浏览次数增长方面的效果。
广告主在聚类中如何分布?
我们使用机器学习算法,根据广告主的广告及零售属性自动将其分为不同的聚类。
聚类 1
浏览次数和品牌新客顾客数量增长率最高
聚类 2
聚类 3
聚类 4
浏览次数和品牌新客顾客数量增长率最低
聚类如何运作?
我们使用广告投资回报率 (ROAS)、零售额同比增长和商品页面浏览量同比增长的组合创建了一个二元综合得分。我们将在所有三个领域中排名前 50% 的广告主标记为“1”,将其他标记为“0”。 然后,我们应用 XgBoost 分类器来确定哪些特征以及哪些权重最能预测这些标签。这一过程中的特征指的是推广或零售操作,例如广告产品使用强度和组合、广告支持时间、投放策略、广告素材和广告位、买家评论计数和评级、具有优质商品页面的商品百分比以及广告中推广的商品类型等。
使用上述已确定的特征和权重,我们接下来应用了 k-medoid 聚类分析算法对广告主进行聚类划分。请注意,亚马逊按广告主的操作而不是综合得分的领域对其进行分类。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。