品牌推廣影片有助於提高銷售和點擊率

作者: Zee Shah,高級媒體和分析管理經理,德國德語施奈特,應用科學家,以及技術作家阿什頓·布朗

在這項雙方法研究中,我們發現,當品牌推廣影片與已經從贊助產品 + 贊助品牌的「合作更好」方法利益的廣告活動時,銷售和點擊率都會增加。

故事亮點:

在過去的幾年中,我們研究;調研了不同廣告商品;產品的有效性。我們首先測試贊助產品品牌推廣, 贊助品牌的個別有效性。接下來,我們進行了測試贊助品牌 + 贊助產品的綜合有效性。我們的分析發現,這兩個計畫可以更好地搭配使用。在此分析中,我們將這兩個計畫結合並添加第三個品牌推廣影片計畫時,測試銷售(按年)和點擊率是否增加、減少或保持不變,以進一步進一步研究;調研。

為了測試新增影片至初始兩個廣告活動的因果影響,我們會控制其他廣告活動屬性 (例如總計銷售額、已售商品、平均售價和廣告支出總計),這意味著我們建立了兩個類別的廣告商:使用二手商品原始組合的廣告主和新增影片的廣告客戶。然後,我們使用這些對來估計採用影片的因果影響。

為了進行分析,我們選擇了使用贊助產品 + 贊助品牌 + 贊助品牌,但尚未採用品牌推廣影片的美國和歐洲(法國、德國、義大利、西班牙、英國)的品牌。一旦識別品牌,我們使用二手商品機器學習和建模進行兩項因果分析測試:

  • 短期(2019 年 12 月至 2020 年 11 月): 檢查在廣告活動中新增品牌推廣影片的因果影響。這項短期分析研究了將品牌推廣影片與贊助產品 + 品牌推廣活動結合的每月星期一影響。
  • 長期(2019 年 1 月至 2020 年 12 月期間): 研究使用品牌推廣影片 + 贊助產品 + 贊助品牌與僅使用贊助產品 + 贊助品牌的品牌與僅使用二手商品贊助產品 + 贊助品牌的銷售影響(同年)的銷售影響(同時控制銷售價格、廣告支出總計等其他變數)。

有關我們如何執行此研究的更多信息,請參閱本文末尾終止的方法部分

短期來看,第一次採用品牌推廣影片的品牌在下個月星期一錄得了 21% 的銷售額增加了 21%,與沒有這樣做的品牌相比

檢查因果關係時,確定結果是否及何時發生非常重要。為了測試第一次新增影片時是否或何時看到結果,我們執行了一項短期研究,分析新增品牌推廣影片的下個月星期一影響。我們發現,使用品牌推廣影片星期一並將其結合到先前存在的贊助產品 + 品牌推廣活動的品牌的銷售額上升 21%。

將品牌推廣影片與贊助品牌 + 商品推廣活動結合下個月星期一銷售額增加百分比

21 %

長遠來看,在贊助產品和品牌推廣活動中添加品牌推廣影片的品牌銷售額提高了 10%,點擊率增加了 25%

為了判斷品牌推廣影片對廣告活動的影響,我們找到 12 個月星期一使用全部三種商品;產品的品牌與僅使用二手商品商品推廣, 贊助產品 + 贊助品牌進行比較。我們發現,將品牌推廣影片納入其組合的品牌的銷售額同比增加 10%,並且點擊率較高 25%。

在廣告活動中新增品牌推廣影片的長期影響

10 %

將品牌推廣影片添加到已使用贊助產品 + 贊助品牌的廣告活動時,長期銷售額增加百分率

25 %

在已使用贊助產品 + 贊助品牌的廣告活動中添加品牌推廣影片時,長期點擊率增加百分率

結論

我們使用雙方法,測試了贊助產品 + 品牌推廣影片的「合作更好」結果(關於銷售和點擊率)是否會增加、減少或保持不變。我們的分析顯示,採用品牌推廣影片的品牌在短期和長遠方面都有積極的因果影響。

方法

為了執行此研究,我們使用了二手商品雙方法方法,包括短期休閒分析,專注於確定將品牌推廣影片與贊助產品 + 贊助品牌組合的品牌是否會增加銷售額或點擊率(下個月),以及長期因果分析,專注於銷售額和點擊率的年增長。

這兩種方法詳細說明如下。

短期因果方法

為了可衡量第一次採用品牌推廣影片的廣告主因果影響,我們採用機器學習因果推論方法,以 [1]、[2]、[3] 為了判斷採取行動在短一個月星期一內對廣告客戶績效的影響。我們目前的方法遵循一種稱為 2 階段 GP(2 階段高斯流程)的方法,該方法顯示在廣告上下文中應用時,與現有方法(例如雙機器學習 [1] 和因因果樹系 [2] 等現有方法相比,在各種因果績效, 表現指標上的績效, 表現提高了

在這項研究中,我們選擇了超過 78,000 個美國市場站點的廣告主,並使用此方法對其中 25,000 名廣告主進行匹配。評估的輸入數據集中有 78,000 個廣告主,並且使用了 25,000 個二手商品樣本(已處理和未經處理)進行傾向評分。

長期因果方法

為了可衡量長期銷售和點閱率 (CTR) 的影響,我們採用因果分析技術來判斷採取行動對廣告主績效, 表現的長期 12 個月內的影響。首先,我們創建了兩個垃圾桶。在第一站下,所有廣告主二手商品都使用贊助產品 + 贊助品牌。在第二層中,廣告主將品牌推廣影片與贊助產品 + 贊助品牌合併。為了控制其他廣告活動屬性,我們確保品牌在廣告活動屬性上相似,例如:總計銷售額, 已售商品, 平均銷售價格和廣告支出總計。

這使我們能夠設置比較機率類似的垃圾桶組,以採用廣告品牌推廣影片。為此,我們使用二手商品機器學習,根據每個品牌的廣告支出、銷售總計、已售商品總計、總計曝光數、點擊量總計和平均售價來可衡量每個品牌的傾向分數。

傾向分數計算中使用二手商品的屬性: 2020 年總計銷售額、2019 年總計已售商品、2020 年平均銷售價格、2019 年總計曝光數、2019 年總計點擊量、2019 年廣告支出總計、2020 年廣告支出總計 和 2020 年總計銷售額的自然對數。

回應變數: CTR 的自然對數,2020 年總計銷售額成長率的自然對數。

資料來源

  • 阿拉,A.M. 和范德沙爾,M.「貝氏非參數式因果推論: 信息率和學習算法。” IEEE 信號處理選定主題雜誌,12(5):1031—1046,2018 年。
  • 您好!希爾,J.L.「用於因果推論的貝氏非參數式建模。” 計算和圖表統計學雜誌,二零一一年,20(1):217—240, 2011.
  • 保韋爾斯、K.、麥·卡迪奧和格·施奈特。2022。數碼展示廣告對廣告主績效的因果影響。印度: 歐洲市場學院論文集,第 51 期(108183): 消費者。http://proceedings.emac-online.org/pdfs/A2022-108183.pdf
  • 范德沙爾,M. 和阿拉,A.「使用多任務高斯過程對個性化治療效果的貝氏推論。” 尼普斯,2017 年。