亚马逊基于规则的竞价(Rule-Based Bidding)是一种以广告的最终效果为目标,使用机器学习算法来考虑影响广告效果的一系列参数(时间、观众群体、展示地点等等),并根据大量数据来帮助广告客户更精确的报价。
卖家每天开广告所需要的并不是曝光量而是点击量(个别类型广告除外),因为只有一个点击量,才能证明成功地将“流量引入”到卖家产品详细页面,“引流”才是广告最大的价值。
为增加流量,必须提高出价以将广告置于较高的位置,因为前面的位置会有足够的曝光量,然后增加点击率。
但是,由于买家需求的多样性、市场动态性的变化以及自身产品的竞争力等因素,卖家常常会在错误的时间将错误的产品呈现给错误的人群,使广告的展示对象很不准确,不仅增加了流量成本,而且影响了广告的最终效果。这种情况对于买家、卖家和平台方都是一种损失。
站在买家角度:搜索出来的产品要么太贵,要么款式不喜欢,总之不想要,浪费时间,影响购物体验,差评!
站在卖家角度:烧掉了这么多广告费用,却没有向产品的目标受众展示,ACoS高的也都快上天了,差评!
站在平台角度:广告位很有价值,结果卖家的产品点击率很低,而CPC广告是通过点击付费的,还是无法收钱,很大地影响了广告收入,股价又要跌了,差评!
要解决这个问题,首先要了解影响买家需求的准确性(影响流量准确性)要考虑什么因素:美国有成千上万个城市,跨越6个时区,每星期7天,每天都分昼夜两次,买家在查看产品之前是否看过或购买过产品,还要考虑买家使用的是iOS还是Android,是电脑手机还是平板电脑等。
单是以上这些因素的排列组合就必须有上千万的情况了,就这还没提到买家搜了什么。
以前推出的动态报价有一些硬伤,即完全以转化率为目标去优化,转化率是销售过程值而不是结果值,尽管可以提高流量转换效率,但是由于忽略了流量成本这一因素,常常出现转化率和ACoS齐飞的情况。转换率是上升,最终核算成本,相反广告亏的更多,最后买家买到心仪的产品,亚马逊赚足了广告费,只留卖家默默流泪。
基于规则竞价模式可以很好地弥补了这一缺陷,卖家只需设定预算并保证最终RoAS的目标。不必为每一次投标价格都操心,不必担心“大范围匹配”与自动广告相匹配的长尾词语,更不必在午夜爬起来对广告进行“分时调整”,毕竟,人工调整的再准不能和机器相比。
这一智能竞标模式将大大改善亚马逊卖家的广告投放效果的下限,同时专注于广告投放的人也不必为每日调整价格0.05这样的小事而烦恼,省下的时间精力可以用来考虑广告策略和研究产品。