讓運動服飾和鞋款品牌成長的四個建議

作者: 收購經理 Sam Bachra

我們在 2019 年對超過 650 個運動品牌進行了研究,結果指出,表現最佳的運動服飾廣告主會使用四個關鍵領域來協助提升瀏覽量並促進銷售成長。

故事亮點:

無論是想透過廣告活動來力求全壘打、大滿貫或個人最佳記錄,運動品牌一直都在尋找機會來最佳化他們的績效。

為了協助他們達成這個目標,亞馬遜廣告研究了超過 650 個在亞馬遜品牌旗艦店中銷售商品的美國運動服飾和鞋款品牌。我們的分析發現,比起其他運動服飾廣告主,表現最佳的廣告主達成了 2.2 倍的品牌新客 (NTB) 和 2.5 倍的廣告歸因瀏覽量 (商品詳情頁的瀏覽次數)。

這樣的績效從何而來? 在表現最佳的廣告主所採取 (而其他廣告主未使用) 的策略中,我們找出了與品牌新客和瀏覽量相關的四個推廣策略:

  • 表現最佳的運動品牌會全年投放品牌推廣活動
  • 他們在品牌推廣和商品推廣之間維持 2:1 的預算比例。
  • 他們更常使用否定關鍵字和否定 ASIN。
  • 他們會遵循買家評論的最佳實務。

繼續閱讀以進一步了解這些策略,以及如何將這些策略整合到行銷策略中。

索引品牌新客和瀏覽量成長率績效 (基準 = 叢集 4)

叢集 1

叢集 1

叢集 2

叢集 2

叢集 3

叢集 3

叢集 4

叢集 4

與去年同期相較的品牌新客成長率

與去年同期相較的品牌新客成長率。叢集 1: 2.2 倍;叢集 2: 2.0 倍;叢集 3: 1.8 倍;叢集 4: 1.0 倍

與去年同期相較的瀏覽量成長率

與去年同期相較的瀏覽量成長率。叢集 1: 2.5 倍;叢集 2: 1.7 倍;叢集 3: 1.6 倍;叢集 4: 1.0 倍

1.表現最佳的運動服飾廣告主會整年投放品牌推廣活動

洞察

表現最佳的運動服飾廣告主在 2019 年放送了 52 週的不間斷投放品牌推廣活動,而其他運動服飾廣告主只放送了 2 週的不間斷投放品牌推廣活動。放送不間斷投放品牌推廣活動有助於讓品牌成為顧客的首選,藉此創造更多 NTB 顧客。

建議

當廣告主同時執行認知度、購買意向和轉化策略時,不間斷投放的廣告活動成效最佳。認知度和購買意向策略 (例如透過亞馬遜 DSP 展示),有助於鼓勵新顧客檢視商品詳情頁,進而產生更多轉化量。

2.表現最佳的運動服飾廣告主會在品牌推廣和商品推廣之間維持 2:1 的預算比例

洞察

我們的分析顯示,表現最佳的運動服飾廣告主在品牌推廣和商品推廣之間維持的曝光比例大約為 2:1。在相同時段內,其他運動服飾廣告主維持的曝光比例為 20:1。這非常重要,因為 2:1 的比例能協助提升商品曝光度。

建議

在品牌推廣和商品推廣之間維持 2:1 的比例 (或近似的平衡)。這個比例很重要,原因有二:

  • 在品牌推廣和商品推廣之間採用良好的支出比例,有助於盡量提升廣告活動可見度。
  • 再者,這有助於為商品系列提高認知度,藉此增加瀏覽量和 NTB 顧客。

3.表現最佳的運動服飾廣告主會使用否定關鍵字和否定 ASIN

洞察

我們的分析顯示,使用否定關鍵字 (可防止廣告出現在購物搜尋結果中的字詞或詞組) 和否定 ASIN 能帶來好處。平均而言,在表現最佳的運動服飾廣告活動中,有 15% 包含了否定關鍵字或否定 ASIN。相反地,在其他運動服飾廣告活動中,只有 4% 使用了否定關鍵字或否定序號策略。

換句話說,與其他運動服飾廣告主相比,表現最佳的運動服飾廣告主使用否定關鍵字或否定 ASIN 的可能性多出了 11%。

建議

使用否定關鍵字和否定 ASIN。使用否定關鍵字的好處之一,是可以確保廣告不會出現在特定購物搜尋結果頁面上。這些結果通常來自您已知較不容易轉化的購物搜尋字詞。使用否定關鍵字或否定 ASIN 的第二個好處,是可以協助確保廣告觸及正確的受眾。

若要改善否定關鍵字和 ASIN 的準確度,廣告主可以使用亞馬遜內建的指標。舉例來說,較低的點閱率 (CTR) 和較低的轉化率,能指出表現不佳的關鍵字,以便優先排除。

4.表現最佳的運動服飾廣告主會遵循買家評論的最佳實務

洞察

我們的分析顯示,比起表現最差的廣告主,表現最佳的運動服飾廣告主在每個獨特 ASIN 序號中的買家評論數平均多出了 4 倍。

建議

對於正在決定要購買商品的顧客而言,買家評論是非常重要的指標。若要協助改善瀏覽量和轉化量,廣告主可以使用下列工具:

供應商: 使用亞馬遜 Vine 計畫。此計畫的建立目標是為了向顧客提供更多資訊,包括一些誠實且不偏頗的意見反應 (來自一些最值得信賴的亞馬遜評論者)。

賣家: 加入亞馬遜品牌註冊,並使用早期評論者計劃。加入亞馬遜品牌註冊即可解鎖一套工具,其設計旨在協助您建立和保護品牌,藉此為顧客打造更好的體驗。

結論

我們相信,為廣告主提供可協助改善績效的研究導向洞察非常重要。在本文中,我們探討了表現最佳的運動服飾廣告主如何達成較高的品牌新客和瀏覽量。首先,這些廣告主會全年投放品牌推廣活動。其次,他們在品牌推廣和商品推廣之間維持 2:1 的預算比例。第三,他們使用否定關鍵字和 ASIN 來為購物搜尋字詞增加廣告相關性。最後,對於每個推廣的獨特商品,他們的買家評論為 4 倍。

綜上所述,我們的分析顯示,這四個策略協助表現最佳的廣告主達成了 2.2 倍的品牌新客和 2.5 倍的瀏覽量。

方法

在 2019 年,我們分析了超過 650 個美國運動服飾和鞋款類別的品牌。此研究使用進階機器學習演算法,將廣告主分類成數個叢集,並深入探討他們的推廣和零售歸因,以便擷取洞察導向的建議來協助廣告主改善品牌新客和瀏覽量績效成長率。

廣告主如何分類到不同的叢集?
我們會根據廣告主的推廣和零售屬性,使用機器學習演算法自動將廣告主分類到不同的叢集中。

7%

叢集 1

瀏覽量和品牌新客成長率最高

60%

叢集 2

23%

叢集 3

10%

叢集 4

瀏覽量和品牌新客成長率最低

叢集分類如何運作?
我們使用廣告投資報酬率 (ROAS)、與去年同期相較的零售銷售成長率,以及與去年同期相較的商品頁面檢視成長率組合來建立二元綜合評分。我們將在所有三個標準中排名前 50% 的廣告主標示為「1」,其他廣告主則標示為「0」。 然後,我們應用 XGBoost 分類器來識別哪些特徵和權重最能預測這些標籤。在此過程中,我們考慮了廣告或零售行為的特徵,如廣告商品的使用強度和組合情況、廣告支援的時機、定向策略、創意素材和廣告展示位、買家評論數量和評級、具有優質商品頁面的商品百分比和廣告中推廣的商品類型等等。
然後,我們會根據上述已確定的特徵和權重,採用 k-medoid 叢集演算法來分類廣告主。請注意,我們是根據廣告主的行動而非綜合分數進行分類。接下來,我們會將他們的綜合分數從高排到低,得出最終叢集排名。叢集 1 是最成功的叢集,綜合得分最高,而叢集 5 則最不成功。