Thương hiệu làm đẹp tăng hiệu suất BFCM thông qua chiến lược chuẩn bị trước

Trong nghiên cứu này, các nhà nghiên cứu của Amazon Ads tiến hành thử nghiệm A/B để đánh giá xem việc kích hoạt chiến dịch chuẩn bị trước khi diễn ra sự kiện quảng bá (Black Friday và Cyber Monday) có thể giúp gia tăng mức độ cân nhắc và chuyển đổi trong quá trình diễn ra các sự kiện không).

Một thương hiệu làm đẹp của Đức quảng cáo trên Amazon vào năm 2021 muốn biết làm thế nào họ có thể cải thiện hiệu suất chiến dịch quảng cáo trong sự kiện Black Friday và Cyber Monday (BFCM). Cụ thể, họ muốn biết làm thế nào để có thể cải thiện lượt xem trang chi tiết, tỷ lệ mua hàng và tỷ lệ mua từ khách hàng mới đối với thương hiệu.

Để thu về kết quả, chúng tôi đã tiến hành thử nghiệm A/B giữa hai chiến lược trong dịp BFCM để xác định chiến lược nào có hiệu suất tốt hơn:

Lưu ý: Các chỉ số hiệu suất này được lấy từ một nhà quảng cáo duy nhất tại một thời điểm và kết quả có thể thay đổi do sự khác biệt về bối cảnh và thời vụ.

Chúng tôi nhận thấy rằng việc kích hoạt chiến dịch Amazon Ads trong giai đoạn chuẩn bị trước cho dịp BFCM sẽ thúc đẩy mức độ cân nhắc và chuyển đổi lớn hơn so với việc kích hoạt trong thời gian diễn ra sự kiện.

Chiến dịch thử nghiệm vượt trội hơn so với chiến dịch đối chứng ở cả ba chỉ số.

• Tối đa hóa thông tin tìm hiểu được: Các nhà quảng cáo đủ điều kiện có thể chạy thử nghiệm một cách liền mạch bằng cách trích một phần ngân sách hàng năm của họ. Nhờ việc thêm thử nghiệm vào kế hoạch truyền thông, các nhà quảng cáo có thể thu thập thông tin chi tiết mang tính khoa học nằm ngoài báo cáo hiệu suất chiến dịch tiêu chuẩn.
• Thông tin chi tiết tùy chỉnh: Nhà quảng cáo có thể tạo ra thông tin chi tiết tùy chỉnh bằng cách thử nghiệm với các chiến dịch thực tế của họ. Thông tin chi tiết từ thử nghiệm có thể giúp xác thực thêm các nội dung đề xuất của Amazon Ads.
• Thử nghiệm nghiêm ngặt: Thông qua các thử nghiệm đối chứng ngẫu nhiên và phân tích thống kê, chúng tôi thiết lập quan hệ nhân quả giữa chiến lược đã thực hiện và kết quả.

1. Chuyển vấn đề kinh doanh thành một giả thuyết thúc đẩy hành động: (1) Quảng cáo trong giai đoạn chuẩn bị cho dịp BFCM có cải thiện tỷ lệ lượt xem trang chi tiết, tỷ lệ mua hàng và tỷ lệ mua từ khách hàng mới đối với thương hiệu không?
2. Xác định thước đo thành công: (1) Mức tăng đáng kể về mặt thống kê nhờ (các) phương pháp xử lý đa chạm, thể hiện giá trị của quảng cáo hiển thị thông qua Amazon DSP trong giai đoạn chuẩn bị cho dịp BFCM. (2) Mức tăng đáng kể về mặt thống kê nhờ một trong các phương pháp xử lý đa chạm. (3) Một phát hiện quan trọng cho thấy mức tăng quan sát được có khả năng bắt nguồn từ phương pháp xử lý thay vì cơ hội. Kết quả thử nghiệm không có ý nghĩa đáng kể về mặt thống kê sẽ được coi là không đủ căn cứ để khẳng định rằng phương pháp xử lý có hiệu quả và theo logic sẽ được mặc định quy về giả thuyết không, khẳng định không có sự khác biệt giữa các biến thể được thử nghiệm.
3. Thiết kế thử nghiệm: (1) Trong thử nghiệm này, chiến lược thử nghiệm chứa một chiến dịch chuẩn bị trước kéo dài hai tuần, theo sau là chiến dịch BFCM từ ngày 11 tháng 11 năm 2021 đến ngày 29 tháng 11 năm 2021. Chiến lược đối chứng đóng vai trò là một chiến dịch BFCM độc lập từ ngày 25 tháng 11 năm 2021 đến ngày 29 tháng 11 năm 2021. (2) Chiến lược thử nghiệm tận dụng một chiến dịch tiếp thị lại chuẩn bị trước, giúp quảng bá sản phẩm cho các đối tượng có liên quan. (3) Hầu hết các yếu tố (ngân sách chiến thuật, ASIN được quảng bá, quảng cáo, tần suất, giá thầu, v.v.) của thiết lập DSP được sao chép giữa các phương pháp xử lý. Tính năng tối ưu hóa ngân sách bị tắt trong quá trình thử nghiệm - vì sự thay đổi ngân sách có thể tạo ra chênh lệch vượt quá mức mà biến được thử nghiệm có thể xác định.
4. Xác định các chỉ số đo lường hiệu quả công việc (KPI) của thử nghiệm: Trong thử nghiệm này, tỷ lệ lượt xem trang chi tiết, tỷ lệ mua hàng và tỷ lệ mua từ khách hàng mới đối với thương hiệu là các chỉ số chính được thử nghiệm. Chúng tôi có thể đo mức ảnh hưởng đến các chỉ số khác, song cơ hội phát hiện mức tăng đáng kể sẽ thấp hơn vì thử nghiệm không được thiết lập đo các KPI phụ.
5. Ước tính quy mô mẫu của thử nghiệm: Nhìn chung, quy mô mẫu lớn hơn cho phép thử nghiệm phân biệt ảnh hưởng thực sự với nhiễu ngẫu nhiên hiệu quả hơn. Với ngân sách hạn chế, chúng ta cần một quy mô mẫu phù hợp cân bằng giữa chi phí và lợi ích của việc phát hiện kết quả có ý nghĩa về mặt thống kê. Chúng tôi ước tính quy mô mẫu bằng cách chạy phân tích sức mạnh, dựa trên sức mạnh thống kê từ 80% đến 90%, khoảng tin cậy 95%, mức ý nghĩa thông kê 5%, đường cơ sở KPI và ảnh hưởng có thể phát hiện tối thiểu. Các ước tính quy mô mẫu đại diện cho mức tối thiểu được đề xuất để đạt được ý nghĩa thống kê.
6. Thiết lập thử nghiệm: Amazon Ads chia đối tượng thành các nhóm loại trừ lẫn nhau để ngăn chặn sai lệch.
7. Đánh giá kết quả: Trung bình, các thử nghiệm chạy trong bốn tuần. Đội ngũ thử nghiệm Amazon Ads giám sát tiến trình chạy thử nghiệm và cung cấp phân tích khi kết thúc thử nghiệm sau khi giai đoạn phân bổ kết thúc. Các nhà quảng cáo có thể kết hợp các thông tin tìm hiểu được từ thử nghiệm vào các chiến dịch trong tương lai để cải thiện hiệu suất.