Un brand di prodotti di bellezza aumenta le performance per il BFCM con una strategia per il periodo che precede l'evento

In questo studio, i ricercatori di Amazon Ads hanno condotto un test A/B per valutare se la pubblicazione di una campagna nel periodo che precede un evento importante (Black Friday e Cyber Monday) possa favorire l'aumento della considerazione e delle conversioni durante tale evento.

Un brand di prodotti di bellezza tedesco che nel 2021 faceva pubblicità su Amazon voleva sapere come migliorare la performance della sua campagna pubblicitaria durante il BFCM (Black Friday e Cyber Monday). In particolare, voleva sapere come aumentare le visualizzazioni delle pagine di dettaglio prodotto, il tasso di acquisto e il tasso di acquisto dei nuovi clienti.

Per comprendere i risultati, durante il BFCM abbiamo eseguito un test A/B su due strategie per capire quale delle due funzionasse meglio.

Nota: i dati sulla performance sono relativi a uno specifico inserzionista e a un determinato momento. I risultati possono variare in base a differenze contestuali e di stagionalità.

Abbiamo rilevato che la pubblicazione di una campagna Amazon Ads nel periodo che precede il BFCM aumenta la considerazione e le conversioni durante l'evento.

La campagna di test ha superato la campagna di controllo per tutti e tre i dati.

• Grande quantità di informazioni: gli inserzionisti idonei possono condurre tranquillamente un esperimento utilizzando una parte del loro budget annuale. Aggiungendo un test al piano media, possono raccogliere dati scientifici che vanno ben oltre i report sulla performance della campagna.
• Dati personalizzati: gli inserzionisti possono ottenere dati personalizzati testando le proprie campagne attive. I dati dell'esperimento possono contribuire a confermare i consigli di Amazon Ads.
• Precisione dell'esperimento: attraverso test controllati randomizzati e analisi statistiche stabiliamo la causalità tra la strategia adottata e il risultato raggiunto.

1. Trasforma un problema dell'azienda in un'ipotesi fruibile (1) La pubblicità nel periodo che precede il BFCM aumenta le visualizzazioni delle pagine di dettaglio prodotto, il tasso di acquisto e il tasso di acquisto dei nuovi clienti?
2. Definisci la misura del successo (1) Un aumento statisticamente significativo determinato da trattamenti dei dati multi-touch, a dimostrazione del valore dell'utilizzo del display advertising tramite Amazon DSP nel periodo che precede il BFCM. (2) Un aumento statisticamente significativo determinato da uno dei trattamenti dei dati multi-touch. (3) Una scoperta significativa secondo la quale l'aumento registrato sarebbe determinato da un trattamento anziché dal caso. Il risultato di un test non statisticamente significativo deve essere considerato una prova insufficiente per affermare l'esistenza di un effetto del trattamento dei dati e si basa ovviamente su un'ipotesi nulla, che non rileva alcuna differenza tra le varianti testate.
3. Progetta l'esperimento (1) In questo esperimento la strategia di test conteneva una campagna di due settimane per il periodo che precede l'evento seguita da una campagna per il BFCM attiva dall'11 al 29 novembre 2021. La strategia di controllo è stata invece eseguita come campagna indipendente per il BFCM dal 25 al 29 novembre 2021. (2) La strategia di test ha utilizzato una campagna di remarketing per il periodo precedente all'evento che pubblicizzava i prodotti rivolgendosi a segmenti di pubblico rilevanti. (3) La maggior parte degli elementi (budget strategico, ASIN pubblicizzato e in primo piano, contenuti creativi, frequenza, offerte, ecc.) della configurazione di Amazon DSP erano presenti in tutti i trattamenti dei dati. L'ottimizzazione del budget è stata disattivata durante il test perché i cambiamenti di budget possono causare variazioni oltre a quelle determinate dalla variabile in esame.
4. Individua i Key Performance Indicator (KPI) dell'esperimento In questo test, i principali dati esaminati sono stati le visualizzazioni delle pagine di dettaglio prodotto, il tasso di acquisto e il tasso di acquisto dei nuovi clienti. Possiamo misurare l'effetto su altri dati, ma le possibilità di rilevare aumenti significativi sono inferiori perché il test non è calibrato per i KPI secondari.
5. Calcola la dimensione del campione dell'esperimento In genere dimensioni maggiori del campione consentono ai test di distinguere meglio l'effetto reale dall'effetto casuale. Nonostante il budget limitato, la dimensione desiderabile del campione deve bilanciare costi e benefici della rilevazione di un risultato statisticamente significativo. Calcoliamo la dimensione del campione svolgendo un'analisi della potenza basata su una potenza statistica dell'80-90%, su un livello di confidenza del 95%, su un livello di significatività del 5%, sui livelli di riferimento dei KPI e sull'effetto minimo rilevabile. Queste stime della dimensione del campione rappresentano il minimo indispensabile per ottenere significatività statistica.
6. Imposta l'esperimento Amazon Ads suddivide il pubblico in gruppi che si escludono a vicenda per evitarne la contaminazione.
7. Analizza i risultati Gli esperimenti durano in media quattro settimane. Il team di sperimentazione di Amazon Ads monitora i progressi a metà test e fornisce un'analisi di fine test dopo il termine della finestra di attribuzione. Gli inserzionisti possono così integrare le informazioni ottenute dell'esperimento nelle campagne future per migliorarne la performance.