Una marca de belleza aumenta el rendimiento del BFCM a través de una estrategia introductoria

En este estudio, los investigadores de Amazon Ads llevan a cabo un test A/B para evaluar si la activación de una campaña introductoria antes de un evento de gran envergadura (Black Friday y Cyber Monday) puede ayudar a generar una mayor consideración y conversión durante el evento.

Una marca de belleza alemana que se anunció en Amazon en 2021 quería saber cómo puede mejorar el rendimiento de su campaña publicitarias durante el evento Black Friday y Cyber Monday (BFCM). En concreto, querían saber cómo pueden mejorar las visitas a la página de detalles del producto, el índice de compras y el índice de nuevos compradores de la marca.

Para comprobar los resultados, realizamos un test A/B de dos estrategias durante el BFCM para determinar cuál funcionaba mejor:

Nota: Estas métricas de rendimiento se basan en un solo anunciante en un momento dado, y los resultados pueden variar debido a variaciones por contexto y temporada.

Hemos observado que la activación de una campaña previa de Amazon Ads antes del BFCM genera una mayor consideración y conversión durante el período del evento.

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

• Aprendizaje maximizado: Los anunciantes que cumplan los requisitos pueden hacer un experimento fácilmente utilizando una parte de su presupuesto anual. Al añadir un test al plan de medios, los anunciantes pueden recopilar información específica que va más allá del informe estándar sobre el rendimiento de la campaña.
• Información personalizada: Los anunciantes pueden elaborar información personalizada haciendo tests en sus campañas existentes. La información del experimento puede ayudar aún más a validar las recomendaciones de Amazon Ads.
• Rigor del experimento: Mediante tests controlados aleatorios y análisis estadísticos, establecemos la causalidad entre la estrategia aplicada y el resultado.

1. Convierta el problema de la empresa en una fórmula práctica: (1) ¿Aumenta la publicidad en el período previo al BFCM el índice de visualización de la página de detalles del producto, el índice de compra y el índice de compra de nuevos clientes de la marca?
2. Establezca la medida del éxito: (1) Un incremento estadísticamente significativo gracias a los sistemas multi-touch, lo que demuestra el valor de la publicidad de display de Amazon DSP en el período previo al BFCM. (2) Un incremento estadísticamente significativo impulsado por uno de los sistemas multi-touch. (3) Un hallazgo significativo sugiere que el aumento observado está probablemente impulsado por el enfoque y no por el azar. Los resultados de un test que no sean estadísticamente significativos deben tratarse como pruebas insuficientes para afirmar que hay un efecto del enfoque y, lógicamente, se pasa a la hipótesis nula, afirmando que no hay diferencias entre las variantes probadas.
3. Diseño del experimento: (1) En este experimento, la estrategia de test contenía una campaña de dos semanas de antelación seguida de una campaña de BFCM desde el 11 de noviembre de 2021 hasta el 29 de noviembre de 2021. La estrategia de Control se llevó a cabo como una campaña independiente de BFCM desde el 25 de noviembre de 2021 hasta el 29 de noviembre de 2021. (2) La estrategia del test se basó en una campaña de remarketing que promocionó los productos entre las audiencias pertinentes. (3) La mayoría de los elementos (presupuesto de la táctica, ASIN promocionado y recomendado, material creativo, frecuencia, ofertas, etc.) de la configuración del DSP se reflejan en los diferentes enfoques. La optimización del presupuesto se desactiva durante la prueba, ya que los ajustes del presupuesto pueden generar variaciones más allá de lo que puede definir la variable probada.
4. Determinación de los indicadores de rendimiento clave (KPI) del experimento: En este test, el índice de visualización de la página de detalles del producto, el índice de compra y el índice de compra de nuevos clientes son las principales métricas analizadas. Podemos medir el efecto en otras métricas, pero las posibilidades de detectar subidas significativas son más bajas ya que el test no está calibrado para los KPI secundarios.
5. Estimación del tamaño de la muestra del experimento: En general, un tamaño de muestra mayor permite que un test diferencie un auténtico efecto del impacto aleatorio. Con un presupuesto limitado, hay que llegar a un tamaño de muestra deseable que equilibre el coste y el beneficio de detectar un resultado estadísticamente significativo. Estimamos el tamaño de la muestra mediante un análisis sobre la potencia, que se basa en una capacidad estadística del 80% al 90%, un nivel de confianza del 95%, un nivel de significancia del 5%, un KPI de base y un efecto mínimo detectable. Estas estimaciones del tamaño de la muestra representan el mínimo recomendado para la significancia estadística.
6. Configuración del experimento: Amazon Ads segmenta la audiencia en grupos mutuamente excluyentes para eliminar la contaminación mutua.
7. Revisión de los resultados Por término medio, los experimentos duran cuatro semanas. El equipo de experimentación de Amazon Ads supervisa el progreso a mitad de la prueba y proporciona un análisis al final de la prueba después del cierre de la ventana de atribución. Los anunciantes pueden integrar lo aprendido en las campañas futuras para mejorar su rendimiento.