杂货广告主用来在 Amazon.jp 上发展业务的 3 种策略

作者: 媒体和分析经理 Kazuya Murayama 和技术撰稿人 Ashton Brown

在 2020 年对 amazon.jp(日本)上杂货品类中 400 多个品牌的研究中,亚马逊广告比较了绩效优异和绩效不佳的广告主的广告方案。然后,亚马逊广告通过此次比较获得了切实可行的洞见,广告主可以利用这些洞见来提高同比品牌新客增长率。

案例要点:

在这项研究中,亚马逊广告分析了 2020 年 1 月至 12 月期间 amazon.jp(日本)上杂货品类中的 400 多个品牌。为了进行分析,亚马逊广告将杂货品牌分为四组,其中第一组在同比品牌新客增长率 (NTBGR) 方面最为成功,而第四组则最不成功。

亚马逊广告在分析中发现,绩效优异的杂货广告主(第一组)的 NTBGR 比绩效不佳的广告主(第四组)要高 1.3 倍。

绩效优异的广告主

1.3 倍

品牌新客增长率同比有所提高

为了向广告主提供切实可行的洞见,亚马逊广告利用机器学习分析了对 NTBGR 有或多或少影响的 40 多项广告和媒介属性。然后,亚马逊广告确定了哪些属性会对 NTBGR 带来最大的积极影响。

本文通过量化绩效优异的杂货广告主(第一组)和绩效不佳的杂货广告主(第四组)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见及优秀实践。

有关亚马逊广告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。

绩效优异的广告主同时使用亚马逊 DSP 和搜索广告

对于 NTBGR,商品和品牌曝光度非常有用。提高品牌曝光度的一种方法是在广告活动中同时使用亚马逊 DSP 和搜索广告。亚马逊广告在分析中发现,绩效优异的广告主同时使用亚马逊 DSP搜索广告的频率比绩效不佳的广告主要高。

实际上,在 amazon.jp 上绩效优异的杂货广告活动中,71% 的广告活动同时使用亚马逊 DSP 和搜索广告;相比之下,在绩效不佳的广告活动中,这一比例仅为 52%。

同时使用亚马逊 DSP 和搜索广告的广告活动百分比

71%

绩效优异的广告主

52%

绩效不佳的广告主

同时使用亚马逊 DSP 和搜索广告时应考虑的事项

  • 首先,广告主可以考虑在至少 71% 的广告活动中同时使用亚马逊 DSP 和搜索广告
  • 其次,广告主应考虑不间断开展 DSP 广告活动,开展时间超过 11 周,且广告活动的有效期长于 110 天

绩效优异的广告主每个唯一 ASIN 或序列号的买家评论数量高出 4.6 倍

亚马逊广告发现,广告主经常会忽略买家评论的影响力。在亚马逊广告对 amazon.jp 上杂货品类广告主的分析中,亚马逊广告发现,绩效优异的广告主每个唯一 ASIN 或序列号拥有 23 条评论,而绩效不佳的广告主仅有 5 条评论。

每个 ASIN 或序列号的买家评论数量

23

绩效优异的广告主

5

绩效不佳的广告主

寻求改善或增加买家评论时应考虑的事项

广告主可以考虑通过增加买家评论数量和改善买家评论内容来增加顾客的信任,亚马逊广告建议广告主努力实现每个唯一 ASIN 或序列号拥有至少 23 条买家评论的目标。有关增加买家评论数量和改善买家评论内容,杂货品类的广告主还可以考虑以下两点:

    • 如果您是供应商: 加入亚马逊 Vine 计划。亚马逊 Vine 邀请亚马逊上值得信赖的评论者发布有关新商品和预发布商品的意见,以帮助其他顾客做出明智的购买决策。
    • 如果您是卖家: 加入亚马逊品牌注册计划。完成亚马逊品牌注册后,您可以获得一套工具,专门用于帮助您打造和保护您的品牌,从而为顾客提供更优质的体验。

绩效优异的广告主使用否定关键词投放或否定 ASIN 投放的可能性要高出 1.8 倍

亚马逊广告从分析中发现,相关的购物搜索结果可以带来更高的互动度,这意味着通过否定关键词来优化广告的广告主也可能会获得更高的 NTBGR。绩效优异的杂货广告主在 67% 的广告活动中对关键词或 ASIN 使用了否定投放,相比之下,绩效不佳的广告主仅在 37% 的广告活动中对关键词或 ASIN 使用了否定投放。

使用否定关键词或 ASIN 策略的广告活动百分比

67%

绩效优异的广告主

37%

绩效不佳的广告主

使用关键词时应考虑的事项

  • 查看现有广告活动的报告,找到需要使用否定关键词投放的词语。较低的点击率 (CTR)、较高的支出和较低的转化率可以明确表明相关关键词的投放效果不佳,可以用作排除关键词。
  • 经常检查排除关键词的绩效,了解您的广告活动,并利用最适合您品牌的排除关键词来优化广告活动。
  • 检查异常。例如,用于提高新发布商品(如饮料、茶、水)知名度的通用关键词可能绩效不佳,但不应将其用作排除关键词,因为实际上使用这些关键词的都是想要购买杂货品类商品的受众群体。

结语

从分析中可以看出,利用监督机器学习模型,亚马逊广告确定了广告主可以用来提高其同比品牌新客增长率的 3 种关键策略: (1) 同时在广告活动中使用亚马逊 DSP 和搜索广告;(2) 保持每个唯一 ASIN 和序列号至少拥有 23 条买家评论;(3) 尽可能考虑使用否定关键词或 ASIN 策略。

方法

亚马逊广告首先使用监管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,亚马逊广告遵循一个五步流程创建了一套包括同比品牌新客增长率 (NTBGR) 在内的成功指标,然后利用机器学习算法确定了能够帮助提升这些成功指标的最有效的广告及零售方案。

  • 选择品牌: 2020 年 1 月至 2020 年 9 月期间杂货品类的 400 多个品牌。
  • 创建成功指标: 根据同比品牌新客增长率计算得出。
  • 确定有效的广告或零售活动: 确定有助于提高综合得分的最有效的活动(可以实现更高同比 NTGBR 的活动)。这些活动包括买家评论、广告产品(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。
  • 将品牌分组: 按综合得分 (NTBGR) 将品牌分为 4 组,按绩效从高到低排名。
  • 比较各组品牌: 对比绩效不佳的品牌(第 4 组)采用或没有采用的方案,确定绩效优异的品牌(第 1 组)采用哪些方案来提高同比 NTBGR。