绩效优异的亚马逊音频广告活动中的两种常用方案
作者： Michael Wilson，分析和媒体经理
与其他广告主相比，绩效优异的音频广告活动的广告主使用的亚马逊细分受众群更广，且广告活动的投放时间更长。分析表明，增加对这些方面的支持有助于提升商品详情页浏览率。
案例要点：
衡量音频广告的成效对广告主来说往往会带来一定的挑战，因为与展示广告或视频广告活动不同，在实际购买之前，音频顾客往往会点击不止一次。这意味着，为了吸引顾客，广告主必须先激励顾客进行另一项非购买操作，然后他们才会进行实际购买。为此，广告主一般会尝试先激励顾客查看商品页面。在本文中，将探讨亚马逊广告在 2020 年对音频广告活动进行的研究。具体探讨的内容是哪些操作让绩效优异的音频广告主与其他广告主区分开来。
亚马逊通过商品详情页浏览率 (DPVR) 来量化关键操作，即计算浏览广告的受众所带来的页面浏览量与广告的展示量之间的关系。使用这项指标，再加上机器学习算法，就能得出可能有助于提升 DPVR 的洞察数据。
有关更多信息，请参阅本文末尾的“方法”部分。
1.绩效优异的音频广告主更愿意使用亚马逊音频细分受众群
洞察
与其他广告主相比，绩效优异的音频广告主使用亚马逊生活方式细分受众群（该功能仅在亚马逊音频支持广告的免费套餐中提供）的可能性高出了 24%。亚马逊的分析表明，生活方式和场内客群音频细分是绩效优异的音频广告主最常使用的两个细分受众群。从触达面和 DPVR 方面看，这两个细分的表现也高于人群特征细分。
建议
亚马逊消费者通过第一方流媒体和购物信号来获取信息。在使用亚马逊细分受众群开展音频广告活动时，广告主要考虑的触达范围应该比他们使用展示广告或搜索广告时的常规触达范围更广泛。广告主还应该使用“OR”修饰符而不是“AND”修饰符，向广告活动计划添加多个受众群，进而提升广告活动触达范围，确保向尽可能多的顾客传达信息。
2.绩效优异的音频广告活动的投放时间更长
洞察
平均而言，绩效优异的音频广告主每月投放音频广告活动的时间比其他广告主长 10 天。通过投放更久的广告活动，广告主可以提升独立用户触达。绩效优异的广告活动不仅投放时间更长，信息传递频率也会更高（绩效优异的音频广告主平均使用 5-6 倍的频率上限，而其他广告主平均使用 4 倍的频率上限）。
亚马逊的分析显示，绩效优异的音频广告主持续投放音频广告活动的时间至少为 30 天，并采用 5 倍或 6 倍的频率上限，以此来帮助提升购买意向 (DPVR)。较长的广告活动投放时间很重要，因为它让算法有更多时间来分析广告活动效果，并为正在进行的和未来的广告活动优化提供建议。与这些广告活动相关的更高信息传递频率也很重要，因为有助于提升品牌知名度。
建议
请计划至少 30 天的音频营销活动，并以至少 5-6 倍的频率进行信息传递。亚马逊的分析显示，拥有最高 DPVR 的广告主都满足了这些最低要求。为了更好地制定广告活动计划，更清楚地了解广告活动的效果，能够访问亚马逊 Amplifier 报告和受众人群洞察的广告主应该考虑利用这两种资源来监控并优化广告活动效果。
方法
这项研究的方法由五个部分组成：选择广告活动、创建成功指标、确定有效的广告操作、对广告主排名（将广告主细分为四个聚类），然后进行比较分析，从而确定在成功和方案方面，哪些属性将绩效优异和绩效欠佳的广告主区分开来。
亚马逊对 2020 年开展的 176 个美国站音频广告活动进行了分析，来确定哪些方案对广告活动的成功最为有效。本研究选择的成功指标是在亚马逊店铺销售商品的广告主的 DPVR。确定这一指标后，亚马逊使用了机器学习算法（例如皮尔逊相关系数和 XGBoost）和主题专家的建议来分配特征权重，从而确定与较高 DPVR 相关的有效广告活动操作。在确定了有效广告活动操作后，亚马逊根据顾客执行这些操作的频率高低进行了排名，并在本文中提供了这些结果。
1.选择广告活动
2020 年在美国站开展的 176 个亚马逊音频广告活动。
2.创建成功指标
成功指标：累计净触达面；亚马逊广告主的商品详情页浏览率 (DPVR)
3.确定有效的广告操作
使用机器学习算法确定绩效欠佳和绩效优异的广告活动的操作
4.对广告主排名
按成功指标将广告活动从最高到最低排名
5.比较广告主
确定绩效优异的广告活动采取了哪些不同的操作
广告主在聚类中如何分布？
亚马逊使用了机器学习算法，根据广告主的广告及零售属性自动将其分为不同的聚类。
聚类分析如何运作？
亚马逊基于 DPVR 创建了二进制综合得分，然后应用 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。这里的特征指的是广告或零售方面的操作，例如广告产品使用强度和组合、广告支持时间、投放方案、创意素材和广告位、买家评论数量和评级、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要素。
使用上述已确定的特征和权重，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用于计算综合得分的各项指标对广告主进行了分类。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。
