تزيد ماركة التجميل من أداء BFCM من خلال استراتيجية تمهيدية

في هذه الدراسة، يُجري باحثو Amazon Ads اختبار A/B لتقييم ما إذا كان تنشيط حملة تمهيدية قبل حدث مهم (White Friday واثنين الإنترنت) يمكن أن يساعد في زيادة الاهتمام والتحويل خلال الأحداث.

أرادت ماركة ألمانية للتجميل تقوم بالإعلان على Amazon في عام 2021 معرفة كيف يمكنها تحسين أداء حملتها الإعلانية خلال حدث White Friday واثنين الإنترنت (BFCM). على وجه التحديد، أرادوا معرفة كيف يمكنهم تحسين عدد مشاهدات صفحة التفاصيل، ومعدل الشراء، ومعدل الشراء الجديد بالنسبة للماركة.

لتحقيق النتائج، أجرينا اختبار A/B بين استراتيجيتين خلال حدث BFCM لتحديد أيهما أفضل أداءً:

ملاحظة: تستند معايير الأداء هذه إلى مُعلن واحد في وقت واحد، وقد تختلف النتائج بسبب الاختلافات السياقية والموسمية.

لقد وجدنا أن تنشيط حملة Amazon Ads التمهيدية قبل حدث BFCM يؤدي إلى مزيد من الاهتمام والتحويل خلال فترة الحدث.

تفوقت حملة "الاختبار" على حملة "التحكم" في جميع المعايير الثلاثة.

• أقصى قدر من التعلم: يمكن للمُعلنين المؤهلين إجراء تجربة بسلاسة باستخدام جزء من ميزانيتهم السنوية. من خلال إضافة اختبار إلى خطة الوسائط الإعلامية، يمكن للمُعلنين جمع رؤى علمية تتجاوز إعداد تقارير أداء الحملة القياسية.
• رؤية مخصصة: يمكن للمُعلنين إنشاء رؤى مخصصة من خلال الاختبار مع حملاتهم الفعلية. يمكن أن تساعد رؤية التجربة أيضًا في التحقق من صحة توصيات Amazon Ads.
• دقة التجربة: من خلال الاختبارات العشوائية المتحكم بها، والتحليل الإحصائي، نحدد العلاقة السببية بين الاستراتيجية المنفذة والنتيجة.

1. ترجم مشكلة النشاط التجاري إلى فرضية قابلة للتنفيذ: (1) هل يؤدي الإعلان في الفترة التي تسبق حدث BFCM إلى تحسين معدل عرض صفحة التفاصيل، ومعدل الشراء، ومعدل الشراء الجديد بالنسبة للماركة؟
2. تحديد مقياس النجاح: (1) ارتفاع مهم إحصائيًا محفزًا بمعالجة (معالجات) اللمس المتعدد، مما يدل على قيمة إعلانات العرض من خلال Amazon DSP في الفترة التي تسبق حدث BFCM. (2) عملية رفع ذات دلالة إحصائية محفزة بأحد علاجات اللمس المتعدد. (3) تشير إحدى النتائج المهمة إلى أن الرفع الملحوظ من المحتمل أن يكون محفزًا بالعلاج بدلاً من الصدفة. يجب التعامل مع نتيجة الاختبار غير ذات الدلالة الإحصائية على أنها دليل غير كافٍ للادعاء بوجود تأثير العلاج، والتبديل المنطقي للفرضية الصفرية، مع عدم وجود فرق بين التباينات المختبرة.
3. صمم التجربة: (1) في هذه التجربة، تضمنت استراتيجية الاختبار حملة تمهيدية لمدة أسبوعين تليها حملة BFCM من 11 نوفمبر 2021 إلى 29 نوفمبر 2021. تم تشغيل استراتيجية التحكم كحملة BFCM قائمة بذاتها من 25 نوفمبر 2021 إلى 29 نوفمبر 2021. (2) استفادت استراتيجية الاختبار من حملة إعادة التسويق السابقة، والتي تروج للمنتجات للجمهور الملائم. (3) تنعكس معظم العناصر (الميزانية التكتيكية، وASIN المروج والمميز، والتصميمات الإبداعية، والتكرار، وعروض الأسعار، وما إلى ذلك) في إعداد DSP عبر العلاجات. يتم إيقاف تشغيل تحسين الميزانية أثناء الاختبار - حيث يمكن أن تؤدي تغييرات الميزانية إلى حدوث اختلافات تتجاوز ما يمكن تحديده بواسطة المتغير الذي تم اختباره.
4. تحديد مؤشرات الأداء الرئيسية للتجربة (KPI): في هذا الاختبار، يعد معدل عرض صفحة التفاصيل، ومعدل الشراء، ومعدل الشراء الجديد بالنسبة للماركة المعايير الأساسية التي تم اختبارها. يمكننا قياس التأثير على المعايير الأخرى، ولكن فرص اكتشاف ارتفاعات كبيرة أقل نظرًا لأن الاختبار ليس مناسبًا لمؤشرات الأداء الرئيسية الثانوية.
5. تقدير حجم عينة التجربة: بشكل عام، يتيح حجم العينة الأكبر للاختبار تمييز التأثير الحقيقي عن التشويش العشوائي بشكل أفضل. نظرًا للميزانية المحدودة، نحتاج إلى الوصول إلى حجم العينة المرغوب فيه الذي يوازن التكلفة والفائدة من اكتشاف نتيجة ذات دلالة إحصائية. نقوم بتقدير حجم العينة من خلال إجراء تحليل الطاقة، والذي يعتمد على 80٪ إلى 90٪ من القوة الإحصائية، ومستوى الثقة بنسبة 95٪، ومستوى الأهمية بنسبة 5٪، وخط الأساس لـ KPI، والحد الأدنى من التأثير القابل للاكتشاف. تمثل تقديرات حجم العينة الحد الأدنى الموصى به للدلالة الإحصائية.
6. إعداد التجربة: تقسم Amazon Ads الجمهور إلى مجموعات حصرية لمنع التلوث المتبادل.
7. نتائج المراجعة: في المتوسط، تستمر التجارب لمدة أربعة أسابيع. يراقب فريق تجربة Amazon Ads التقدم في منتصف الاختبار ويقدم تحليلًا لنهاية الاختبار بعد إغلاق فترة الانتساب. يمكن للمُعلنين دمج الدروس المستفادة للتجريب في الحملات المستقبلية لتحسين الأداء.