績效優異的亞馬遜音訊廣告活動中更常使用的 2 種策略
作者： Michael Wilson, Sr.分析及媒體經理
績效最佳的音訊廣告活動會比其他廣告主更常使用亞馬遜細分受眾群，且執行更長的廣告活動時間。分析顯示，增加這些區域的支援有助於改善商品詳情頁瀏覽率。
故事亮點：
對廣告主來說，要衡量音訊廣告的成效通常極具挑戰性，因為與展示廣告或影片廣告活動不同，音訊顧客通常與點擊一下即可購買相隔更遠的距離。這意味著，為了吸引顧客，廣告主必須先激勵他們執行另一個非購買動作，然後他們才會實際購買。廣告主嘗試的作法通常是先鼓勵消費者查看產品頁面。在本文中，我們探討 2020 年亞馬遜廣告有關音訊廣告活動研究的洞察。具體來說，我們探討績效最佳的音訊廣告主所採取不同於其他廣告主的動作。
我們透過商品詳情頁瀏覽率 (DPVR) 來量化關鍵動作，DPVR 是指廣告曝光受眾的頁面瀏覽量與交付的曝光數之間的關係。運用這項指標和機器學習演算法，我們便能識別可能有助於改善 DPVR 的洞察。
如需更多資訊，請參閱本文結尾的方法部分。
1.績效最佳的音訊廣告主更常使用亞馬遜音訊細分受眾群
洞察
與其他廣告主相比，績效最佳的音訊廣告主使用亞馬遜生活方式細分受眾群的可能性高出 24% (特徵僅適用於亞馬遜音訊的免費、支持廣告的層級)。我們的分析指出，生活方式和場內客群音訊細分是績效最佳的音訊廣告主最常使用的細分受眾群。在觸及率和 DPVR 方面，這些細分的績效也比人群特徵細分更高。
建議
亞馬遜消費者會透過第一方串流和購物訊號收到通知。當使用亞馬遜細分受眾群進行音訊廣告活動時，廣告主應考慮觸及比通常用於展示廣告或推廣廣告更為廣泛的受眾。廣告主也應該使用「OR」修飾詞而不是「AND」修飾詞來增加多個受眾到廣告活動計畫中，以改善廣告活動的觸及率，並確保讓最多的顧客聽到他們的訊息。
2.績效優異的音訊廣告活動持續時間更長
洞察
績效最佳的音訊廣告主平均每月執行音訊廣告活動的時間比其他廣告主多 10 天。透過執行較長的廣告活動，廣告主可能會增加獨立用戶觸達。績效最高的廣告活動不僅持續時間更長，還能更頻繁地被聽到 (績效最高的音訊廣告主平均使用 5-6 倍的頻率上限，而其他廣告主的平均頻率上限為 4 倍)。
我們的分析顯示，績效最高的音訊廣告主會執行持續的音訊廣告活動，使廣告活動期間最少達到 30 天，並以 5 倍或 6 倍的頻率上限播放，藉此幫助提高購買意向 (DPVR)。較長的廣告活動持續時間很重要，因為它可以讓演算法有更多時間來分析廣告活動績效，並提供針對投放中和未來廣告活動最佳化的建議。更高的廣告活動相關頻率也很重要，因為或許有助於提高品牌知名度。
建議
計畫至少 30 天的音訊廣告活動，並以至少 5-6 倍的頻率投放。我們的分析顯示，擁有最高 DPVR 的廣告主皆符合這些最低要求。為了更有效規畫廣告活動並更清楚地了解廣告活動的績效，具有亞馬遜 Amplifier 報告和受眾人群洞察存取權限的廣告主應考慮利用這兩種資源來監控和最佳化廣告活動效能。
方法
本研究的方法由五個部分組成：廣告活動的選擇、建立成功指標、識別有效的廣告行動、廣告主排名 (根據將廣告主分為四個叢集)，然後進行比較分析，以識別在成功和策略方面，績效最高和最低的廣告主的屬性。
我們在 2020 年分析了 176 個美國音訊廣告活動，以識別哪些策略最能有效使廣告活動成功。本研究所選的成功指標是針對在亞馬遜品牌旗艦店銷售的廣告主的 DPVR。有了此指標，我們便能接著使用機器學習演算法 (例如 Pearson Correlation 與 XGBoost) 和主題專家的建議來分配特徵權重，以識別與高 DPVR 相關的主要廣告活動動作。識別主要的廣告活動動作之後，我們會根據顧客執行這些動作的頻率以及顧客最不常執行這些動作的廣告活動進行排名，並在本文中提供了這些結果。
1.選取廣告活動
2020 年在美國投放了 176 個亞馬遜音訊廣告活動。
2.建立成功指標
成功指標：累計淨觸及率；特有廣告主的商品詳情頁瀏覽率 (DPVR)
3.識別有效的廣告行動
使用機器學習演算法識別率低的主要廣告活動動作
4.排名廣告主
依成功指標将廣告活動從最高到最低排名
5.比較廣告主
識別績效優異的廣告活動採取了哪些不同的動作
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。
叢集分類如何運作？
我們根據 DPVR 建立了一個二元綜合評分，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。特徵是指廣告或零售行為，如廣告產品的使用強度和組合情況、廣告支援的時機、定向策略、創意和投放情況、客戶評論數量和評級、具有優質產品頁面的產品百分比以及廣告中推廣的產品類型。
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動作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，具有最高綜合分數，而叢集 5 是最不成功的叢集。