已收藏,可在 我的資料庫(kù) 中查看
關(guān)注作者
您可能還需要

一文讀懂亞馬遜營(yíng)銷(xiāo)云(AMC) 背后的價(jià)值

亞馬遜營(yíng)銷(xiāo)云(AMC) 背后的價(jià)值

一文讀懂亞馬遜營(yíng)銷(xiāo)云(AMC) 背后的價(jià)值

一文讀懂亞馬遜營(yíng)銷(xiāo)云(AMC) 背后的價(jià)值

數(shù)字化營(yíng)銷(xiāo)時(shí)代,依托大數(shù)據(jù)的分析和洞察,營(yíng)銷(xiāo)過(guò)程中不同媒體的投放結(jié)果、不同用戶(hù)的觸媒習(xí)慣以及同樣的數(shù)據(jù)從不同維度進(jìn)行解讀,都將產(chǎn)生不一樣的分析結(jié)果。

對(duì)于中國(guó)出海企業(yè)和賣(mài)家來(lái)說(shuō),如何通過(guò)大量的數(shù)據(jù)建模分析,更清晰地監(jiān)測(cè)不同廣告形式的投放效果,了解海外消費(fèi)者的喜好和行為習(xí)慣,愈發(fā)受到大家的關(guān)注和重視,特別是在復(fù)雜的廣告歸因邏輯中更為凸顯。以亞馬遜廣告生態(tài)為例,比如說(shuō),某個(gè)消費(fèi)者看了SP搜索廣告,又看了DSP投放的展示類(lèi)廣告,最后又在搜索廣告中完成下單,那么這個(gè)轉(zhuǎn)化應(yīng)該怎么算?或者說(shuō),亞馬遜站內(nèi)站外的廣告都在投,但并不知道廣告費(fèi)用怎么分配才能使最后的轉(zhuǎn)化效果達(dá)到最佳?

針對(duì)這一系列的營(yíng)銷(xiāo)痛點(diǎn),今年初亞馬遜廣告推出了亞馬遜營(yíng)銷(xiāo)云Amazon Marketing Cloud(簡(jiǎn)稱(chēng):AMC),一種整體衡量和分析亞馬遜生態(tài)廣告效果的解決方案,旨在幫助賣(mài)家或者營(yíng)銷(xiāo)人員通過(guò)更加多維度、更加細(xì)顆粒度的數(shù)據(jù)分析,來(lái)衡量搜索廣告、展示廣告、視頻廣告、OTT電視廣告等不同媒體渠道的營(yíng)銷(xiāo)效果。

也就是說(shuō),與賣(mài)家從亞馬遜廣告后臺(tái),或者DSP后臺(tái)看到的數(shù)據(jù)有所不同通過(guò) AMC數(shù)據(jù)粒度可以精細(xì)到用戶(hù)層級(jí)(UserID),并且可以看到日志級(jí)別 (log-level) 的數(shù)據(jù),針對(duì)每一次曝光的所有信息都會(huì)被記錄。

此外,AMC 構(gòu)建在亞馬遜網(wǎng)絡(luò)服務(wù)Amazon Web Services (AWS) 之上,因此可以為廣告客戶(hù)提供靈活性強(qiáng)、透明度高的跨渠道數(shù)據(jù),從而幫助他們作出更精準(zhǔn)的營(yíng)銷(xiāo)決策。換句話(huà)說(shuō),AMC一定程度上是依托AWS的云計(jì)算服務(wù)進(jìn)行工作的,AWS本身的安全性、合規(guī)性以及作為一種基礎(chǔ)設(shè)施的大數(shù)據(jù)分析和管理能力將保障AMC的高效運(yùn)行。

一、AMC具體是如何運(yùn)行工作的?

簡(jiǎn)單來(lái)說(shuō),大家可以把AMC當(dāng)作一個(gè)云平臺(tái),在這個(gè)保護(hù)隱私的安全專(zhuān)用云環(huán)境中,可以輕松跨越多個(gè)匿名數(shù)據(jù)集進(jìn)行分析,生成匯總報(bào)告。盡管AMC平臺(tái)的數(shù)據(jù)粒度精細(xì)到每個(gè)用戶(hù)(User),但廣告主在 AMC 實(shí)例中的所有信息都是嚴(yán)格按照亞馬遜的隱私聲明進(jìn)行處理的,只能從亞馬遜營(yíng)銷(xiāo)云(AWS)訪(fǎng)問(wèn)匿名的匯總分析,卻無(wú)法返回任何個(gè)人數(shù)據(jù)。

借助AMC超越傳統(tǒng)報(bào)告的分析功能,可以幫助賣(mài)家或者廣告主深入分析所需信息,提供更全面的廣告系列效果視圖,并且對(duì)各個(gè)渠道更加復(fù)雜的歸因和廣告效果進(jìn)行衡量和評(píng)估。

點(diǎn)擊了解

此外,當(dāng)前AMC主要通過(guò)開(kāi)放API及UI給到使用者,來(lái)實(shí)現(xiàn)數(shù)據(jù)的匯集與分析。除了亞馬遜廣告活動(dòng)指標(biāo),如展示、點(diǎn)擊和轉(zhuǎn)化等等之外,還可以輸入廣告主自己的數(shù)據(jù)集,從而通過(guò)AMC 報(bào)告,進(jìn)一步分析廣告數(shù)據(jù)表現(xiàn),幫助賣(mài)家針對(duì)每個(gè)跨渠道營(yíng)銷(xiāo)投放做出更明智的決策。

二、AMC的主要功能及優(yōu)勢(shì)有哪些?

通過(guò)上述內(nèi)容,我們不難發(fā)現(xiàn)AMC最重要的一個(gè)功能和優(yōu)勢(shì),就是可以基于賣(mài)家或者廣告主的廣告目標(biāo)、策略和渠道進(jìn)行完全自定義的數(shù)據(jù)分析,包括各個(gè)渠道的廣告運(yùn)營(yíng)策略調(diào)整,效果分析,轉(zhuǎn)化路徑分析,轉(zhuǎn)化窗口分析等等。同時(shí),還可以開(kāi)發(fā)自定義歸因模型,以幫助大家清楚地了解廣告投放過(guò)程中,哪個(gè)渠道或者形式對(duì)于目標(biāo)受眾最具影響力。

具體我們可以結(jié)合實(shí)際案例,看看這幾個(gè)不同維度的數(shù)據(jù)分析到底有什么意義?

1、最佳廣告頻次分析模塊 (Optimal Frequency)

分析廣告頻次對(duì)于廣告點(diǎn)擊率的關(guān)系,根據(jù)不同產(chǎn)品在投放不同階段的表現(xiàn),隨時(shí)調(diào)整廣告設(shè)置,優(yōu)化整體投放表現(xiàn)。

一文讀懂亞馬遜營(yíng)銷(xiāo)云(AMC) 背后的價(jià)值

(圖片來(lái)源邑炎,轉(zhuǎn)化率在轉(zhuǎn)化階段的廣告頻次分析)

如上圖所示,該圖為某個(gè)客戶(hù)在轉(zhuǎn)化階段的投放表現(xiàn),第一次廣告曝光后轉(zhuǎn)化率處于最高水平,隨著曝光次數(shù)增多轉(zhuǎn)化率同步減少,并在第5次曝光后大幅度減少。也就是說(shuō),在轉(zhuǎn)化階段,受眾被觸達(dá)控制在6次之內(nèi)轉(zhuǎn)化效果相對(duì)較好。

一文讀懂亞馬遜營(yíng)銷(xiāo)云(AMC) 背后的價(jià)值

(圖片來(lái)源邑炎,DPVR在考慮階段的廣告頻次分析)

在考慮階段的投放目標(biāo)主要是吸引潛在消費(fèi)者了解產(chǎn)品和品牌,所以我們以DPVR (到達(dá)DPV的轉(zhuǎn)化率) 作為主要考核目標(biāo)。上圖數(shù)據(jù)分析中同樣出現(xiàn)第一次曝光獲得最高DPVR,隨著次數(shù)增多轉(zhuǎn)化率逐步減弱。可以發(fā)現(xiàn),在考慮階段受眾被觸達(dá)4/3次以?xún)?nèi)廣告投放效率更高。

2、轉(zhuǎn)化路徑分析 (User Path to Conversion)

一文讀懂亞馬遜營(yíng)銷(xiāo)云(AMC) 背后的價(jià)值

(圖片來(lái)源邑炎,轉(zhuǎn)化全路徑分析)

進(jìn)行轉(zhuǎn)化路徑分析的主要目的,是觀(guān)察每個(gè)消費(fèi)者從被廣告曝光到完成購(gòu)買(mǎi)的所有路徑,通過(guò)每個(gè)獨(dú)立路徑深入理解消費(fèi)者在不同階段以及不同渠道的喜好及行為習(xí)慣,從而進(jìn)一步分析每個(gè)渠道在不同時(shí)間節(jié)點(diǎn)對(duì)于促成轉(zhuǎn)化的影響力。

如上圖所示,左側(cè)我們可以當(dāng)作是First Touch的渠道,右側(cè)則是用戶(hù)下單購(gòu)買(mǎi)的渠道。以在亞馬遜下單購(gòu)買(mǎi)為例,通過(guò)AMC的轉(zhuǎn)化路徑分析,從右向左看可以發(fā)現(xiàn),對(duì)該品牌客戶(hù)而言,在亞馬遜下單的消費(fèi)者,其實(shí)也會(huì)經(jīng)常出現(xiàn)在新聞、電子郵件、娛樂(lè)網(wǎng)站以及其他app等平臺(tái)。這就意味著在投放時(shí)我們可以對(duì)亞馬遜站內(nèi)站外的多渠道進(jìn)行布局,全面覆蓋更多的目標(biāo)受眾,擴(kuò)大上層流量入口。

一文讀懂亞馬遜營(yíng)銷(xiāo)云(AMC) 背后的價(jià)值

片來(lái)源邑炎,用戶(hù)轉(zhuǎn)化數(shù)據(jù)

在日常運(yùn)營(yíng)過(guò)程中,我們也發(fā)現(xiàn)不少客戶(hù)比較注重Retargeting階段的投放,而忽視了對(duì)完整消費(fèi)鏈路的流量滲透。從上面這張圖的客戶(hù)案例分析,也可以清晰地發(fā)現(xiàn),對(duì)消費(fèi)者進(jìn)行從認(rèn)知到考慮再到轉(zhuǎn)化的全流程覆蓋,長(zhǎng)期來(lái)看整體轉(zhuǎn)化率較之單純只打其中某一個(gè)或者某兩個(gè)階段要高得多。

同時(shí),通過(guò)AMC轉(zhuǎn)化全路徑的分析,我們還可以針對(duì)消費(fèi)者比較集中的路徑,及時(shí)調(diào)整預(yù)算比例。持續(xù)分析不同人群包、廣告位等因素的影響,對(duì)整個(gè)投放鏈條進(jìn)行數(shù)據(jù)追蹤,實(shí)現(xiàn)效果轉(zhuǎn)化的歸因,并由此不斷提升廣告精準(zhǔn)度。

3、轉(zhuǎn)化窗口分析 (Conversion Time Window)

一文讀懂亞馬遜營(yíng)銷(xiāo)云(AMC) 背后的價(jià)值

(圖片來(lái)源邑炎,轉(zhuǎn)化窗口分析)

通過(guò)轉(zhuǎn)化窗口分析,可以了解消費(fèi)者在廣告曝光后,一般會(huì)在哪個(gè)時(shí)間段上發(fā)生轉(zhuǎn)化。如上圖所示,其實(shí)用戶(hù)在被廣告觸達(dá)后,廣告對(duì)于用戶(hù)的影響效果是遞減的。這就需要根據(jù)分析結(jié)果,及時(shí)調(diào)整針對(duì)不同投放天數(shù)的人群包的競(jìng)價(jià)設(shè)置,最大化可曝光機(jī)率,提升轉(zhuǎn)化效果。

4、跨渠道廣告數(shù)據(jù)分析 (Cross-channel Analysis)

如我們文章開(kāi)頭所說(shuō),不少賣(mài)家經(jīng)常會(huì)有疑問(wèn),我的廣告預(yù)算到底要怎么分配?不同渠道之間如何配合最有效?亞馬遜的飛輪效應(yīng)到底有沒(méi)有?

一文讀懂亞馬遜營(yíng)銷(xiāo)云(AMC) 背后的價(jià)值

(圖片來(lái)源邑炎)

針對(duì)賣(mài)家的這些靈魂拷問(wèn),AMC的跨渠道廣告數(shù)據(jù)分析功能,就可以很好地幫助我們以數(shù)據(jù)為基礎(chǔ)做精細(xì)化的預(yù)算分配。從AMC日志層級(jí)的數(shù)據(jù)-Data Science 建模-最佳預(yù)算組合拳打法,深入了解不同廣告渠道、廣告形式對(duì)于生意增長(zhǎng)的影響,利用算法有效分配不同渠道的投放比例,最大化生意增長(zhǎng)的可能性。

總而言之,Amazon Marketing Cloud可以根據(jù)不同賣(mài)家及廣告客戶(hù)的定制化需求、差異化受眾分類(lèi)、多元化渠道選擇以及復(fù)雜的歸因模型,傳遞出獨(dú)特的數(shù)據(jù)報(bào)告和營(yíng)銷(xiāo)結(jié)論,包括對(duì)于亞馬遜站內(nèi)站外整體廣告投放效果的分析,AMC都可以給出一個(gè)比較完整和全面的報(bào)告指南。

目前,SparkX自主研發(fā)的一站式智能營(yíng)銷(xiāo)平臺(tái)——Xplatform,已經(jīng)與AMC進(jìn)行了對(duì)接,并且選擇了部分出海頭部客戶(hù)率先開(kāi)始通過(guò)AMC進(jìn)行數(shù)據(jù)分析和精細(xì)化運(yùn)營(yíng)管理在保證數(shù)據(jù)安全和用戶(hù)隱私的前提下,我們希望無(wú)限釋放出亞馬遜生態(tài)的數(shù)據(jù)紅利,進(jìn)一步賦能廣告客戶(hù)的數(shù)字化戰(zhàn)略布局,促進(jìn)品牌生意的長(zhǎng)效增長(zhǎng)。

一文讀懂亞馬遜營(yíng)銷(xiāo)云(AMC) 背后的價(jià)值

(編輯:江同)

以上內(nèi)容僅代表作者本人觀(guān)點(diǎn),不代表雨果跨境立場(chǎng)!如有關(guān)于作品內(nèi)容、版權(quán)或其它問(wèn)題請(qǐng)于作品發(fā)表后的30日內(nèi)與雨果跨境取得聯(lián)系。

分享到:

--
評(píng)論
最新 熱門(mén) 資訊 資料 專(zhuān)題 服務(wù) 果園 標(biāo)簽 百科 搜索

收藏

--

--

分享