雜貨廣告主用於在亞馬遜上的 Amazon.jp 上成長的 3 種策略

作者: 媒體和分析管理經理村山和也和,技術作家阿什頓·布朗

在這項 2020 年對亞馬遜上的 Amazon.jp(日本)的雜貨品類中 400 個品牌進行的研究中,我們比較表現最佳和績效較低的廣告主的推廣, 廣告宣傳策略。然後,我們使用此比較來得出可行的洞察見解,廣告主可用來改善品牌新客品牌顧客的年度增長。

故事亮點:

在本研究中,我們在 2020 年 1 月至 12 月期間分析了亞馬遜上的 Amazon.jp(日本)雜貨品類的 400 多個品牌。為了進行我們的分析,我們將雜貨品牌分為四個集群,其中第一集是最成功的,第四集則是最成功的群集群,就品牌新客品牌顧客的年增長率(NTBGR)而言,第四集群則是最成功的群集群。

我們的分析發現,績效上佳的雜貨廣告主 (叢集一) 的 NTBGR 比較績效較低的廣告商(第四集群)高 1.3 倍。

頂尖表現

1.3 倍

品牌新客增長率同比較高

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分析 40 多個推廣, 廣告宣傳和媒體屬性,這些屬性對 NTBGR 有多或少貢獻。然後,我們確定哪些屬性對 NTBGR 具有最大的積極影響。

本文提供關鍵屬性或策略的洞察見解/上佳做法,透過量化績效上佳雜貨廣告主(叢集一)和績效較低的雜貨廣告主(第四集群)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,參閱本文末尾終止的方法部分。

最佳表現同時利用亞馬遜 DSP 和贊助廣告

在 NTBGR 方面,商品和品牌發現可以提供幫助。增加品牌品牌發現的方法之一是將亞馬遜 DSP 和贊助廣告納入廣告活動中。我們的分析發現,表現最佳表現的使用亞馬遜 DSP 和贊助廣告比較低表現更多。

事實上,亞馬遜上的 Amazon.jp 上績效上佳的雜貨廣告活動中,71% 結合了亞馬遜 DSP 和贊助廣告;而績效較低的廣告活動則是 52%。

同時使用二手商品亞馬遜 DSP 和贊助廣告的廣告活動的百分比

71 %

頂尖表現

52 %

績效較低

使用亞馬遜 DSP 和贊助廣告時需要考慮的事項

  • 首先,廣告主可以考慮在至少 71% 的廣告活動中同時使用亞馬遜 DSP 和贊助廣告
  • 第二,廣告主應考慮將不間斷投放的 DSP 保持超過 11 週,而廣告活動有效超過 110 天

頂級表現的每個唯一的 ASIN 或序號的客戶評論數增加 4.6 倍

我們發現客戶評論的影響通常被廣告主忽略。在我們對亞馬遜上的 Amazon.jp 上的雜貨品類中的廣告主分析中,我們發現,表現最佳表現的每個唯一的 ASIN 或序列號有 23 則評論,而表現較低的評論只有 5 則。

每個 ASIN 或序號的客戶評論數目

23

頂尖表現

5

績效較低

在尋求改善或增加買家評論客戶評論時需要考慮的事項

有一個購買意向考量的是,廣告主可能能夠增加和改善顧客評論買家評論以提高顧客信任,我們建議廣告主努力每個唯一的 ASIN 或序列號至少獲得 23 個顧客評論買家評論。有關增加和改善客戶評論的更多信息,雜貨廣告主可以考慮以下內容:

    • 如果您是供應商: 使用Amazon Vine 評論, 亞馬遜 Vine計畫。Amazon Vine 評論, 亞馬遜 Vine 邀請亞馬遜上最值得信賴的評論者發布關於全新品和發行前品項的意見,以幫助其他顧客做出明智的購買決定。
    • 如果您是賣家: 使用Amazon 品牌註冊, 亞馬遜品牌註冊。註冊 Amazon 品牌註冊表可解鎖一套工具,旨在幫助您組建和保護品牌,為顧客創造更好的體驗。

表現最佳表現的可能性在關鍵字或 ASIN 上使用否定定向的可能性高 1.8 倍

我們的分析發現,相關的購物搜尋結果可能會導致更高的互動,這意味著通過否定關鍵詞改善廣告的廣告主也可能會獲得更高的 NTBGR。相比之下,績效上佳的雜貨店廣告主在 67% 的廣告活動中使用了二手商品關鍵字或 ASIN 的否定定向,而表現較低的表現只在 37% 的廣告活動中使用負面定位關鍵字或 ASIN。

使用二手商品否定關鍵字或 ASIN 策略的廣告活動百分比

67 %

頂尖表現

37 %

績效較低

使用關鍵字時需要考慮的事項

  • 查看現有廣告活動的報告,尋找需要與否定關鍵字定向搭配使用二手商品的術語。較低的點擊率 (CTR)、更高的支出和較低的轉化率是指標的良好定向,表現不佳,可能會導致關鍵字排除。
  • 經常檢查排除關鍵字的績效, 表現,以了解並使用最適合您品牌的廣告活動進行優化化。
  • 檢查是否有例外情況。例如,用於提高推出的全新商品;產品發佈(例如飲料、茶、水)的認知度的通用關鍵字可能表現不佳,但不應用作二手商品排除關鍵字,因為它們實際上是雜貨品類中商品;產品的正確受眾。

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,我們確定了廣告主可以使用的三種關鍵鑰匙策略來提高他們的品牌新客顧客增長率: (1) 將亞馬遜 DSP 和贊助廣告合併到廣告活動中;(2) 每個唯一的 ASIN 或序列號維持至少 23 個客戶評論;(3) 考慮在可能的情況下使用否定關鍵字或 ASIN 策略。

方法

我們首先使用二手商品受監督模型來識別具有助於提高 40 多種媒體和零售屬性之綜合分數的屬性清單。具體來說,我們遵循五個步驟,創建一套成功指標,包括:品牌新客顧客年增長率(NTBGR),然後確定了頂級推廣, 廣告宣傳和零售策略,以幫助使用機器學習算法提高成功指標。

  • 選擇品牌: 2020 年 1 月至 2020 年 9 月期間,雜貨類別中有 400 個品牌品類。
  • 建立成功指標: 根據品牌新客品牌顧客的同比增長計算。
  • 識別有效的廣告或零售行動: 確定有助提高綜合分數的主要行動(導致 NTBGR 同比增長的行動)。行動包括客戶評論,廣告商品;產品(商品推廣, 贊助產品;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。
  • 集團品牌: 品牌按綜合分數(NTBGR)分為四個群組,分為從排名表現最高到最低的群組。
  • 比較品牌組別: 確定績效上佳品牌 (Cluster One) 使用哪些策略來增加 NTBGR 的同比增長,與績效較低品牌(第四集群)正在使用或不使用的策略。