績效上佳玩具廣告主改善亞馬遜增長時使用的 2 種策略
作者： Andrew Holsopple，分析和媒體經理
我們研究了亞馬遜商店中超過 1,400 個玩具類別品牌，以探索他們在商品詳情頁瀏覽次數和品牌新客方面連年增長的深入洞察。
故事亮點：
在本研究中，我們在 2020 年分析了美國玩具類的 1,400 多個品牌。玩具類品牌所銷售的產品包括建築、遊戲、動作人偶和收藏品、藝術和工藝品、嬰兒玩具和騎乘等產品。我們針對商品詳情頁面檢視率 (DPVGR) 和品牌新客各年增長率 (NTBGR) 的建立了一套綜合分數機制，然後分辨出頂級廣告宣傳和零售策略，以幫助使用機器學習演算法提高綜合分數。
想要改善 DPGVR 和 NTBGR 的廣告主應考慮：
如需有關我們如何收集資料的詳細資訊，請參閱本文結尾的方法部分。
1. 績效上佳玩具廣告主皆運行不間斷投放的展示型推廣和商品推廣活動
洞察
2020 年，74% 績效上佳玩具廣告主皆以全年不間斷投放的方式執行商品推廣和品牌推廣。
建議
使用不間斷投放的廣告活動時，我們建議：
- 關鍵字涵蓋範圍： 使用品類關鍵詞協助觸達更高流域的全新受眾，並使用品牌關鍵詞來推動轉化量。
- 品牌推廣季節性預算： 顧客的瀏覽和購買行為在年間會有高點和低點，同步預算以反映這一點有助於最大化投資報酬率 (ROI)。我們的分析顯示，在亞馬遜購物活動期間，玩具類的績效上佳廣告主增加了品牌推廣的使用。
- 請勿太頻繁更改促銷 ASIN： 為支援發現和精準相關，請預留足夠的時間讓支援生效，且不要太頻繁更改促銷 ASIN，例如每天或每週。
2.績效上佳玩具廣告主在亞馬遜購物活動期間，增加展示型推廣和品牌推廣的支援
洞察
100% 的績效上佳玩具廣告主在亞馬遜活動期間投放了品牌推廣廣告，61% 的廣告主在亞馬遜活動期間投放了展示型推廣廣告。除了提供曝光數之外，我們的分析顯示，在客戶所到之處使用亞馬遜 DSP 行銷活動的品牌，能獲得更高的品牌新客增長。
建議
在亞馬遜購物活動期間進行廣告時，需要考慮一些事項：
- 顧客會在亞馬遜研究、考慮和購買產品。他們通常會在亞馬遜購物活動之前增加互動，並在亞馬遜購物活動後保持積極互動。在聖誕假期期間，他們通常在 10 月下旬和 11 月初開始研究，在黑色星期五和網路星期一週末達到高峰，並持續積極互動至 12 月底。因此，廣告主應盡早與顧客互動，並考慮使用活動後再行銷，以發揮最大潛力。
- 廣告主可以使用細分受眾群來觸及最有可能在亞馬遜購物活動期間進行購買的顧客。
- 廣告主可以在客戶所及的任何地方使用展示型推廣和亞馬遜 DSP。
方法
我們首先使用受監管模型來分辨一份有助於提高 30 多個媒體和零售之綜合分數的屬性清單。然後，我們使用此屬性清單在廣告主/品牌之間進行叢集分析，因此同一叢集中的廣告主/品牌在廣告和零售屬性上相似，而不同叢集中的廣告主/品牌在廣告和零售屬性方面則不同。這些屬性為 X1，X2，... Xn。（屬性以泡泡視覺效果顯示）。
機器學習算法傳回 4 個叢集。我們按照成功指標對這 4 個叢集進行了排名，比較了表現最好和表現最差的叢集，比較了它們之間的差異，並確定了它們在 NTB 和 GV 增長方面表現不同的關鍵屬性。
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。在此過程中，我們考慮了廣告或零售行為的特徵，如廣告主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、客戶評論數量和評級、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。