แบรนด์ความงามเพิ่มประสิทธิภาพ BFCM ผ่านกลยุทธ์เกริ่นนำ

ในการศึกษานี้ นักวิจัยของ Amazon Ads จะทำการทดสอบ A/B Test เพื่อประเมินว่าการเปิดใช้งานแคมเปญเกริ่นนำก่อนอีเว้นท์สนับสนุน (Black Friday และ Cyber Monday) จะสามารถช่วยกระตุ้นให้มีการพิจารณาและคอนเวอร์ชันมากขึ้นในระหว่างอีเว้นท์หรือไม่)

การโฆษณาแบรนด์ความงามของเยอรมันบน Amazon ในปี 2021 ต้องการทราบว่าพวกเขาสามารถปรับปรุงประสิทธิภาพของแคมเปญโฆษณาในช่วงอีเว้นท์ Black Friday และ Cyber Monday (BFCM) ได้อย่างไร โดยเฉพาะอย่างยิ่ง พวกเขาต้องการทราบว่าจะสามารถปรับปรุงรายละเอียดจำนวนการเปิดดูหน้าเพจ อัตราการซื้อ และอัตราการซื้อจากลูกค้าใหม่ของแบรนด์ได้อย่างไร

เพื่อให้ได้ผลลัพธ์ เราได้ทำการทดสอบ A/B Test ระหว่างสองกลยุทธ์ในช่วง BFCM เพื่อพิจารณาว่ากลยุทธ์ใดทำงานได้ดีกว่ากัน:

หมายเหตุ: เมทริกซ์วัดประสิทธิภาพเหล่านี้ได้รับการอ้างอิงจากผู้โฆษณารายเดียวในช่วงเวลาใดเวลาหนึ่ง และผลลัพธ์อาจไม่เหมือนกันเนื่องจากความแตกต่างตามบริบทและความแปรผันตามฤดูกาล

เราพบว่าการเปิดใช้งานแคมเปญ Amazon Ads เกริ่นนำก่อน BFCM ช่วยกระตุ้นการพิจารณาและคอนเวอร์ชันที่มากขึ้นในช่วงเวลาอีเว้นท์

แคมเปญทดสอบมีประสิทธิภาพดีกว่าแคมเปญควบคุมในทั้งสามเมทริกซ์

• การเรียนรู้สูงสุด: ผู้โฆษณาที่มีคุณสมบัติเหมาะสมสามารถทำการทดลองได้อย่างราบรื่นโดยใช้งบประมาณประจำปีส่วนหนึ่ง ผู้โฆษณาสามารถรวบรวมข้อมูลเชิงลึกทางวิทยาศาสตร์ที่นอกเหนือจากการรายงานประสิทธิภาพแคมเปญมาตรฐานด้วยการเพิ่มการทดสอบในแผนสื่อ
• ข้อมูลเชิงลึกที่กำหนดเอง: ผู้โฆษณาสามารถสร้างข้อมูลเชิงลึกที่กำหนดเองโดยการทดสอบกับแคมเปญจริงของตน ข้อมูลเชิงลึกด้านการทดลองสามารถช่วยตรวจสอบคำแนะนำของ Amazon Ads ได้มากขึ้น
• ความแม่นยำในการทดลอง: เราสามารถกำหนดความสัมพันธ์ระหว่างกลยุทธ์ที่ปรับใช้และผลลัพธ์ผ่านการทดสอบควบคุมแบบสุ่มและการวิเคราะห์ทางสถิติ

1. เปลี่ยนปัญหาทางธุรกิจไปสู่สมมติฐานที่ดำเนินการได้: (1) การโฆษณาในช่วงเกริ่นนำก่อนถึง BFCM ช่วยปรับปรุงรายละเอียดจำนวนการเปิดดูหน้าเพจ อัตราการซื้อ และอัตราการซื้อของลูกค้าใหม่ของแบรนด์หรือไม่
2. กำหนดตัวชี้วัดความสำเร็จ: (1) การเพิ่มขึ้นอย่างมีนัยสำคัญทางสถิติเป็นผลมาจากการดำเนินการแบบมัลติทัช ซึ่งแสดงให้เห็นถึงมูลค่าของการแสดงโฆษณาผ่าน Amazon DSP เพื่อเกริ่นนำไปสู่ BFCM (2) การเพิ่มขึ้นอย่างมีนัยสำคัญทางสถิติเป็นผลมาจากการดำเนินการแบบมัลติทัช (3) การค้นพบอย่างมีนัยสำคัญชี้ให้เห็นว่าการเพิ่มขึ้นที่สังเกตได้น่าจะมาจากการดำเนินการแทนความบังเอิญ ผลการทดสอบที่ไม่มีนัยสำคัญทางสถิติจะได้รับการพิจารณาเป็นหลักฐานที่ไม่เพียงพอต่อการกล่าวอ้างว่ามีผลการดำเนินการอยู่ และในทางตรรกะมีค่าเริ่มต้นเป็นสมมติฐานว่าง โดยอ้างว่าไม่มีความแตกต่างระหว่างรูปแบบที่ทดสอบ
3. ออกแบบการทดลอง: ในการทดลองนี้ กลยุทธ์การทดสอบมีแคมเปญเกริ่นนำล่วงหน้าสองสัปดาห์ตามด้วยแคมเปญ BFCM ตั้งแต่วันที่ 11 พฤศจิกายน 2021 ถึง 29 พฤศจิกายน 2021 กลยุทธ์การควบคุมดำเนินการเป็นแคมเปญ BFCM แบบสแตนด์อโลนตั้งแต่วันที่ 25 พฤศจิกายน 2021 ถึงวันที่ 29 พฤศจิกายน 2021 (2) กลยุทธ์การทดสอบใช้ประโยชน์จากแคมเปญการทำตลาดซ้ำเกริ่นนำ ซึ่งโฆษณาสินค้าไปยังกลุ่มเป้าหมายที่เกี่ยวข้อง (3) องค์ประกอบส่วนใหญ่ (งบประมาณเชิงกลยุทธ์, ASIN โฆษณาและแนะนำ ชิ้นงานโฆษณา ความถี่ การประมูล ฯลฯ) ของการตั้งค่า DSP จะสะท้อนให้เห็นในการดำเนินการต่าง ๆ การเพิ่มประสิทธิภาพงบประมาณจะถูกปิดระหว่างการทดสอบ เนื่องจากการเปลี่ยนแปลงงบประมาณสามารถทำให้เกิดผลต่างเกินกว่าที่กำหนดโดยตัวแปรทดสอบ
4. ระบุตัวชี้วัดประสิทธิภาพหลัก (KPI) ด้านการทดลอง: ในการทดสอบนี้ อัตรารายละเอียดจำนวนการเปิดดูหน้าเพจ อัตราการซื้อ และอัตราการซื้อจากลูกค้าใหม่ของแบรนด์เป็นเมทริกซ์หลักที่ทดสอบ เราสามารถวัดผลกระทบกับเมทริกซ์อื่น ๆ แต่โอกาสในการตรวจพบการเพิ่มขึ้นอย่างมีนัยสำคัญนั้นต่ำกว่า เนื่องจากการทดสอบไม่ได้กำหนดขนาดสำหรับ KPI รอง
5. การประมาณขนาดตัวอย่างการทดลอง: โดยทั่วไป ขนาดตัวอย่างที่ใหญ่ขึ้นช่วยให้การทดสอบสามารถแยกแยะผลกระทบที่แท้จริงจากสัญญาณรบกวนแบบสุ่มได้ดีกว่า ด้วยงบประมาณที่จำกัด เราต้องได้ขนาดตัวอย่างที่ต้องการซึ่งสมดุลระหว่างต้นทุนและประโยชน์ของการตรวจหาผลลัพธ์อย่างมีนัยสำคัญทางสถิติ เราประเมินขนาดตัวอย่างโดยใช้การวิเคราะห์กำลัง ซึ่งอ้างอิงตามกำลังทางสถิติ 80% ถึง 90% ระดับความเชื่อมั่น 95% ระดับนัยสำคัญ 5% ระดับ KPI พื้นฐาน และผลกระทบขั้นต่ำที่ตรวจพบได้ การประมาณขนาดตัวอย่างเหล่านี้แสดงถึงค่าต่ำสุดที่แนะนำสำหรับนัยสำคัญทางสถิติ
6. ตั้งค่าการทดลอง: Amazon Ads แบ่งกลุ่มเป้าหมายออกเป็นกลุ่มพิเศษเพื่อป้องกันการปนเปื้อนข้าม
7. รีวิวผลลัพธ์: โดยเฉลี่ยแล้ว การทดลองจะใช้เวลาสี่สัปดาห์ ทีมทดลองของ Amazon Ads จะติดตามตรวจสอบความคืบหน้าระหว่างการทดสอบ และจัดให้มีการวิเคราะห์เมื่อสิ้นสุดการทดสอบหลังจากหน้าต่างแอตทริบิวต์ปิดลง ผู้โฆษณาสามารถรวมการเรียนรู้ด้านการทดลองเข้ากับแคมเปญในอนาคตเพื่อปรับปรุงประสิทธิภาพ