Marca de belleza aumenta el desempeño de BFCM a través de una estrategia de liderazgo

En este estudio, los investigadores de Amazon Ads realizaron una prueba comparativa A/B para evaluar si activar una campaña de preparación antes de un evento de temporada (Black Friday y Cyber Monday [BFCM]) puede ayudar a impulsar una mayor consideración y conversión durante los eventos.

Una marca de belleza alemana que se anunciaba en Amazon en 2021 quería saber cómo puede mejorar el desempeño de la campaña publicitaria durante el evento Black Friday y Cyber Monday (BFCM). Específicamente, querían saber cómo pueden mejorar sus visualizaciones de página de detalles del producto, el porcentaje de compras y el porcentaje de compras nuevo de la marca.

Para comprender los resultados, realizamos una prueba comparativa A/B entre dos estrategias durante el BFCM para determinar cuál se desempeña mejor:

Nota: Estas estadísticas de desempeño se basan en un solo anunciante en un momento dado y los resultados pueden variar debido a diferencias contextuales y de estacionalidad.

Descubrimos que activar una campaña de Amazon Ads antes de BFCM impulsa una mayor consideración y conversión durante el período del evento.

La campaña de prueba superó a la campaña control en las tres estadísticas.

• Aprendizaje maximizado: Los anunciantes elegibles pueden poner en marcha un experimento sin problemas utilizando una parte de su presupuesto anual. Al agregar una prueba al plan de medios, los anunciantes pueden recopilar información científica que va más allá de los informes estándar de rendimiento de campaña.
• Información personalizada: Los anunciantes pueden generar información personalizada al probar con sus campañas reales. La información del experimento puede ayudar aún más a validar las recomendaciones de Amazon Ads.
• Rigor del experimento: A través de pruebas controladas aleatorias y de análisis estadístico, establecemos una causalidad entre la estrategia implementada y el resultado.

1. Traducir el problema del negocio en una hipótesis procesable: (1) ¿La publicidad en el período antes del BFCM mejora la tasa de visualización de la página de detalles del producto, el porcentaje de compras y el porcentaje de compras nuevo de la marca?
2. Definición de la medida del éxito: (1) Elevación estadísticamente significativa impulsada por los tratamientos multitáctiles, lo que demuestra el valor de la publicidad de display a través de Amazon DSP en el período previo a BFCM. (2) Elevación estadísticamente significativa impulsada por uno de los tratamientos multitáctiles. (3) Un hallazgo significativo sugiere que la elevación observada probablemente sea impulsada por el tratamiento en lugar de por casualidad. Un resultado de prueba que no sea estadísticamente significativo debe tratarse como evidencia insuficiente para afirmar que existe un efecto de tratamiento y lógicamente incumplirá la hipótesis nula, al alegar que no hay diferencia entre las variantes probadas.
3. Diseño del experimento: (1) En este experimento, la estrategia de prueba contenía una campaña previa de dos semanas, seguida de una campaña de BFCM del 11 de noviembre de 2021 al 29 de noviembre de 2021. La estrategia de control se puso en marcha como una campaña independiente de BFCM del 25 de noviembre de 2021 al 29 de noviembre de 2021. (2) La estrategia de prueba aprovechó una campaña de remarketing previa, que promueve los productos a audiencias relevantes. (3) La mayoría de los elementos (presupuesto táctico, ASIN promocionado y destacado, material creativo, frecuencia, puja, etc.) de la configuración DSP se duplican en todos los tratamientos. La optimización del presupuesto se desactiva durante la prueba, ya que los cambios presupuestarios pueden inducir variaciones más allá de lo que se puede definir por la variable probada.
4. Identificar los indicadores clave de desempeño (KPI) del experimento: En esta prueba, el porcentaje de visualización de página de detalles del producto, el porcentaje de compras y el porcentaje de compra nueva para la marca son las estadísticas principales probadas. Podemos medir el efecto en otras estadísticas, pero las posibilidades de detectar elevaciones significativas son menores ya que la prueba no se dimensionó para KPI secundarios.
5. Estimación del tamaño de la muestra del experimento: En general, un tamaño de muestra más grande permite que una prueba distinga mejor un efecto verdadero del ruido aleatorio. Dado el presupuesto limitado, necesitamos llegar a un tamaño de muestra deseable que equilibre el costo y el beneficio de detectar un resultado estadísticamente significativo. Estimamos el tamaño de la muestra al poner en marcha un análisis de potencia, el cual se basa en 80% a 90% de potencia estadística, 95% de nivel de confianza, 5% nivel de significancia, KPI iniciales y un efecto detectable mínimo. Estas estimaciones del tamaño de la muestra representan el mínimo recomendado para la significación estadística.
6. Establecer el experimento: Amazon Ads divide a su audiencia en grupos mutuamente excluyentes para evitar la contaminación cruzada.
7. Resultados de la revisión: En promedio, los experimentos duran cuatro semanas. El equipo de experimentos de Amazon Ads supervisa el progreso a mitad de la prueba y proporciona un análisis de fin de prueba luego del cierre de la ventana de atribución. Los anunciantes pueden incorporar los aprendizajes del experimento en campañas futuras para mejorar el desempeño.