已收藏,可在 我的资料库 中查看
关注作者
您可能还需要

亚马逊2018年PPC广告可视化改版最新解读

刷单被封,广告后台更新,2018年亚马逊运营的重心不言而喻

亚马逊2018年PPC广告可视化改版最新解读


本文之前先回顾几个事件:

1.2018年1月不少卖家因涉嫌操纵review被封账号;

2.2018年2月14日,亚马逊判定大批量卖家操控评价和刷单,涉嫌欺诈,大批账号无法登入;

3.2018年2月24日,亚马逊群发警告信,指出账号可能涉嫌测评、刷单、操作review,并强调如果继续将同样被停止销售;

4.2018年3月1日,目前这个小红旗的警报已经解除,亚马逊方面已证实这封邮件是自己的错误。

同时我们再看另外两个消息:

1. 新浪网称:据多个广告主和技术合作伙伴透露,亚马逊一直在悄悄的在自己的网站和其他服务中测试广告产品。该公司计划在2018年发力数字广告业务。消息人士表示,亚马逊希望在2018年中,将重心放在电子商务搜索和视频产品的广告上。

2.亚马逊宣布推出新的广告工具,旨在帮助广告主管理Sponsored Product广告的每日预算。新的通知及个性化建议旨在让广告主的广告保持全天有效。

我们都知道,刷单也好,测评也好都是为了获得流量或者赢得转化,而从另外一个角度PPC广告也是可以达到同样的效果,那么一方面在打压,一方面在鼓励…

细思极恐!!!所以2018年亚马逊运营的重心不言而喻,想想Jeff的套路也是一溜一溜的!!!

言归正传,我们今天聊聊广告后台的最新的变化——后台数据可视化!(根据我在卖家群中的调查,目前只是部分测试,没有变化的卖家可以耐心等待)

图一:广告活动总览

亚马逊2018年PPC广告可视化改版最新解读

在后台多了一个图标视图的按钮,选择图标视图则数据会出现可视化。

图二:数据指标

亚马逊2018年PPC广告可视化改版最新解读

卖家可以根据自己的需求添加数据指标,数据指标一共有8个,依次是花费(spend)、曝光量(impressions)、点击(clicks)、每次点击费用(cpc)、点击率(ctr)、贡献销售(sales)、订单量(orders)以及广告成本销售占比(acos)。

卖家朋友可以根据自己的需求选择两组数据进行分析,除曝光量是以柱状图展示外,其他的数据指标都是以曲线进行展示。

亚马逊2018年PPC广告可视化改版最新解读

同时针对于单独的广告组,也有了可视化的数据展示:

亚马逊2018年PPC广告可视化改版最新解读

坦白说,数据可视化之后,小麦感觉压力倍增,以前这些数据是需要人工去记录,工作比较复杂,所以广告数据的分析需要经过数据的收集——数据整理——数据分析,而现在广告数据可视化之后,将大大降低数据收集和整理的工作量,数据可视化将会更加直观,使数据分析更加便捷。亚马逊直接把小麦之前自己做的数据分析表格放在了后台,泪奔…但是对于大部分卖家来说这是一件好事。

数据的可视化将会带来这些好处:

1. 数据信息的获取更加的便捷

“研究报告能用表格不要用文字,能用图片不要表”以前大学导师经常跟我们这样说。实际上人脑对视觉信息的处理要比书面信息容易得多。使用图表来总结复杂的数据,可以确保对关系的理解要比那些混乱的报告或电子表格更快。

这提供了一种非常清晰的沟通方式,作为运营可以更快的理解和处理后台的广告信息。数据可视化工具可以提供实时信息,使运营更容易对整个广告方案进行评估。对市场变化更快的调整和对新机会的快速识别。

2. 理解运营与结果之间的关系

数据可视化的一个好处是,它可以让运营去跟踪运营和整体业务性能之间的连接。在竞争环境中,找到业务功能和市场性能之间的相关性是至关重要的。

例如:我们之前会关注点击率与销售额的变化趋势,我们发现点击率跟销售额之间存在着正向相关的联系。于是我们强化图片的点击率,不断的优化图片。

3. 数据之间建立联系

数据可视化的主要好处是它及时带来了风险变化。但与静态图表不同,交互式数据可视化鼓励用户探索甚至操纵数据,以发现其他因素。这就为使用分析提供了更好的意见。

原先的广告数据都是表格,并且收集整理比较麻烦,并且数据之间都是独立的个体,需要运营人员对数据的意义有一定的了解和对数据分析有着一定的基础技能才能操作,而现在只需要添加两个指标就可以进行数据的分析。

我们以Acos为例,从Acos的计算的公式我们可以知道它是由花费/总销售,那么当我们的Acos增加时,我们需要具体的去考虑是花费升高了呢,还是总销售下降了。通过添加Acos和花费的指标以及Acos和总销售的数据可视化指标我们就可以找到原因所在。

数据的可视化好处还有很多,这里就不一一讲述了。

对于数据分析的方法,今天小麦也简单的跟大家聊一下可以应付基本的数据分析的四大分析思路:

1. 对比思想

数据对比主要是横向和纵向两个角度,指标间的横向对比帮助我们认识预期值的合理性,而指标自身在时间维度上的对比,即我们通常说的趋势分析。

横向对比是指在同类事物或同一历史时期进行的比较,而纵向对比多指从历史的角度比较。

比如说,你把中国现在跟30年前比较,那是纵向的,跟当前西方国家比较,就是横向的。一个是历史视角,一个是国际视野。

纵向对比

通过可视化的报表我们可以把最近30天的广告数据进行筛选,这样可以看出最近30天整个广告效果的变化趋势,如果我们上周做了调整,那么我们这周就可以看看广告的效果是否能够达到预期,如果没有,那么根据趋势图,需要继续调整。

但是我们要注意一点,所有的分析需要考虑到具体的实际场景,我们例如在旺季的时候广告单次点击会上涨,这就是一个普遍的现象;有可能在某一天转化特别差,那么可能不是广告流量出了问题,而需要去考虑是否是产品评价或者其他的转化因素出了问题。

横向对比

假设我们这周的广告费用不变,销售上涨了20%,我们是不是应该高兴呢?

当然值得高兴,不过这个上涨我们需要考虑另外一个重要的要素,市场整体情况趋势向好,我们增长了20%,但是竞争对手增长了40%,这样一不小心就会被竞争对手给打败了。也就是说我们判断一个现象好还是不好,都需要一个参照系,虽然我们很难知道竞争对手涨了多少,但是我们可以通过整体的曝光量的变化来判断整个市场的流量变化趋势。

通过稳定的广告组在充足的预算的情况下,根据每天的展现来判断市场的变化趋势,这种方法是有一定的参考性的。

2. 细分思想

很多时候我们看到的某一个指标都是一种结果,而这个结果同样是由多个因素所决定。于是我们可以看到ACOS这个指标的最终分解图如下:

亚马逊2018年PPC广告可视化改版最新解读

通过细分的思想,我们可以对分析对象剥丝抽茧,逐步定位到问题点。细分的角度可以有很多,越细分越能准确描述问题。那么读懂这张图,我们就能真正的理解ACOS的要素!但是话说回来,广告却不仅仅只有ACOS。

细分思想其实就是不断用更小的量化指标去细分一个大的指标,从而达到定位问题的目的。

所以大家一定要谨记。

3. 转化思想

细分的思想可以找到所有问题的细分定位,但是单纯的把问题细分出来之后并没有多大的意义,而是需要把这些数据进行分析,这些指标都是怎么来的,每一个步骤的转化率怎么样,哪一个步骤的转化不好,可以改善?这些通过转化率都可以分析出来。

例如本周广告成交100件产品,那么我们需要分析这100件产品如何来,梳理一下可以简单分为以下3个步骤:

广告获得的展现——广告获得的流量——最终交易订单——最终交易的件数

这里4个步骤就会有3个转化率,哪些步骤转化率比较高,哪些步骤转化率比较低,历史趋势怎么样,是否合理,是否有改进的空间等等。通过应用转化的思想,能够有效的指导和优化实际的运营工作。

4. 分类思想

分类思想简单的说,就是把一些对象,按照某种规则,划分为若干个类别,然后分析各个类别的特征,并以此来指导我们的行动。

严格说,分类其实也是细分的一种,不过因为它比较重要,所以我们独立展开。

首先我们的广告组可以按照目的进行分类,跑词的广告组、转化的广告组、钓鱼的广告组这是一种分类的方式;同时可以按照产品进行分类,同类型的产品可以做小分类的广告组。基于这种分类我们可以更好的分析该组广告的效果,以及制定相应的优化措施。

虽然这些都是一些非常基本的数据分析思想,但是能够灵活运用起来对付亚马逊的广告数据分析,乃至亚马逊的运营数据分析已经足够了!

小麦预测2018年的广告成本将会继续上涨,卖家所关注的重心应该要从怎样做广告转化为如何更低成本的做广告,难度系数不断增加。小麦在2018年也将重点为大家来讲解广告的相关系统的思想和细节。敬请期待!

分享到:

--
评论
最新 热门 资讯 资料 专题 服务 果园 标签 百科 搜索

收藏

--

--

分享
麦田里的摆渡人-小麦
分享不易,关注获取更多干货