表現最佳的廣告主使用哪些策略來在亞馬遜上的 Amazon.it 上成長？

作者： 媒體和分析管理經理格雷戈里奧·納斯塔西和技術作家阿什頓·布朗

在這項 2019-2020 年研究中，對亞馬遜上的 Amazon.it（義大利）上的美容品類中 561 個品牌進行的研究中，我們比較表現最佳和績效較低的推廣, 廣告宣傳主的廣告策略。然後，我們會使用此比較來得出可行的洞察見解，廣告主可以用來改善商品詳情頁, 產品細節頁面頁面檢視、銷售額和品牌搜尋的年度增長。

故事亮點：

    1. 表現最佳的廣告主在亞馬遜上採用亞馬遜 DSP 的可能性高 7.5 倍
    2. 表現最佳的廣告主每個唯一的 ASIN 或序號獲得 4.6 倍的客戶評論

在本研究中，我們在 2019 年 1 月至 2020 年 12 月期間分析了亞馬遜上的 Amazon.it（義大利）上的美容品類 中的 561 個品牌。為了進行我們的分析，我們將美容品牌分為五個群集，其中 Cluster One 是最成功的，Cluster Five 則在詳情頁面瀏覽量 (DPV) (DPVGR)、銷售和品牌搜尋的年增長率方面最低成功的群集群。美容品類包括銷售商品；產品的品牌，例如剃鬚和脫毛，香水，頭髮護理和造型，化妝，尊貴化妝，尊貴香水，尊貴頭髮護理等。

我們的研究顯示， 與績效較低的廣告主（集群五）相比，績效上佳的美容廣告主（集群一）的商品詳情頁, 產品細節頁面頁面檢視、銷售額和品牌搜尋量比去年同期高1.7 倍、銷售額高1.9 倍、品牌搜尋量高1.7 倍。

頂尖表現

1.7 倍

每年更高的詳細產品細節頁面, 商品詳情頁頁面檢視

1.9 倍

銷售額同比較上升

1.7 倍

品牌搜尋量同比較高

為了向廣告主提供可行的洞察見解，我們使用二手商品機器學習來分析 40 多個推廣, 廣告宣傳和媒體屬性，這些屬性對詳產品細節頁面, 商品詳情頁頁面檢視、銷售和品牌搜尋的年度增長大多或少有貢獻。

本文提供關鍵屬性或策略的洞察見解/上佳做法，通過量化績效上佳美容廣告主（第一集）和績效較低的美容廣告主（第五集）採用每個關鍵鑰匙屬性或策略的程度。

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。

頂尖表現者在亞馬遜上廣告採用亞馬遜 DSP 的可能性更高 7.5 倍

商品詳情頁, 產品細節頁面檢視和品牌搜尋有時是品牌銷售額的決定因素，這可能是為什麼採用 亞馬遜 DSP 是亞馬遜上的 Amazon.it 上表現最高和最低的美容廣告主的關鍵洞察因素之一。亞馬遜 DSP 使廣告主能夠在他們花時間的任何地方聯絡, 聯繫, 觸達客顧客推廣，從而增加品牌搜尋和產品細節頁面, 商品詳情頁頁面檢視。我們的分析發現，亞馬遜上績效上佳美容廣告主中有 17% 採用亞馬遜 DSP，而表現較低的只有 2% 的

採用亞馬遜 DSP 的廣告主百分比

17 %

頂尖表現

2 %

績效較低

使用亞馬遜 DSP 時需要考慮的事項

在以前的研究；調研中，我們發現，使用 Fire TV 和 Twitch 都是增加品牌聯絡, 聯繫, 觸達範圍的有效工具，這在這項研究；調研中可能意味著品牌搜尋和 DPVGR 的增加，最終銷售量。

  • 實現平衡的廣告活動目標： 考慮在亞馬遜擁有和經營的庫存（亞馬遜上的 Amazon.it 上的廣告）和站外庫存（亞馬遜站外的 Amazon.it 上的廣告）之間平衡支出。
  • 提高受眾聯絡, 聯繫, 觸達： 考慮投資 Fire TV 或 Twitch 等庫存，以幫助您增加您的品牌向獨特受眾的展示。

表現最佳的廣告主在亞馬遜上採用贊助品牌的可能性高 2.1 倍

與亞馬遜 DSP 的結果類似，贊助品牌也被證明是亞馬遜上的 Amazob.it 上表現最高和最低的美容廣告主之間的關鍵洞察。也就是說，重要的是要注意，贊助品牌是亞馬遜上的 IT 產品，而亞馬遜 DSP 可以在亞馬遜站內及站外的 Amazon.it 上和其他地方聯絡, 聯繫, 觸達到顧客。我們的分析發現，表現最佳表現的 80% 採用贊助品牌，而表現較低的品牌則為 37%。

採用贊助品牌的廣告主百分比

80 %

頂尖表現

37 %

績效較低

啟動贊助品牌時需要考慮的事項

結論

正如我們的分析中所見，結合我們的監督機器學習模型，我們確定了兩個關鍵洞察在亞馬遜上的 Amazon.it 上績效上佳美容廣告主和表現較低： (1) 考慮採用亞馬遜 DSP 在亞馬遜站內及站外的 Amazon.it 上和其他地方進行推廣；(2) 考慮採用贊助品牌以展示您提供的完整商品；產品套件。

方法

我們首先使用二手商品受監督模型來識別有助於提高 40 多種媒體和零售屬性之綜合分數的屬性列表。具體來說，我們遵循五個步驟，建立一套成功指標，包括：商品詳情頁, 產品細節頁面檢視、銷售和品牌搜尋，然後使用機器學習演算法識別頂級推廣, 廣告宣傳和零售策略，以幫助增加成功指標。

  • 選擇品牌： 在 2019 年 1 月至 2020 年 12 月期間，我們在亞馬遜上的 Amazon.it 上研究了 561 個美容品類的廣告主。
  • 建立成功指標： 成功是根據產品細節頁面檢視, 商品詳情頁面檢視次數、銷售額和品牌搜尋的年增長來計算。
  • 集團品牌： 廣告主按綜合分數（商品詳情頁, 產品細節頁面頁面檢視、銷售額和品牌搜尋）分組成五個叢集，排名從最高至最低表現。接下來，我們使用上面識別的功能，應用了 k-medoid 叢集演算法，將這些廣告主分類為叢集。最後，我們按其綜合分數從高到低對群進行排名。叢集 1 是最成功的叢集，具有最高綜合分數，而叢集 5 是最不成功的叢集。
  • 識別有效的廣告或零售行動： 我們確定了有助於提高綜合分數的主要行動（導致商品詳情頁, 產品細節頁面檢視次數、銷售和品牌搜尋的同比增長的行動）。行動包括客戶評論，廣告商品；產品（亞馬遜 DSP，商品推廣, 贊助產品，贊助品牌，Fire TV 等），廣告策略（否定關鍵詞，不間斷投放，細分受眾群等）等。
  • 比較品牌組別： 我們確定了哪些策略，績效上佳的廣告主 (Cluster One) 使用哪些策略來增加產品細節頁面, 商品詳情頁面檢視、銷售和品牌搜尋的同比增長，與績效較低品牌 (第五集群) 的策略相比。