编辑导语：亚马逊在电商企业中处于龙头位置，它的广告业务在过去五年发展迅猛，我们一起看看亚马逊广告业务有何特别之处？

亚马逊的广告业务在过去五年里发展迅猛：SSP（Supply Side Platform，供给方平台）使用量排名第二，DSP（Demand-Side Platform，需求方平台）覆盖范围可与谷歌匹敌，整个广告部门更是在过去一年里就创下220亿美元收益。

尽管发展势头强劲，但亚马逊的广告业务模式在外界，甚至在花重金合作的广告商看来仍是一个“谜”。

以视频广告为例：亚马逊的视频广告主要投放在自己旗下的Fire TV上，但与此同时，亚马逊还拥有流媒体频道IMDb TV和去年开始尝试程序化购买的Twitch。

此外，亚马逊还支持广告商在使用网站搜索功能时植入In-feed video，用于产品展示。 其DSP业务同时支持在全网范围内插入程序化视频广告。

繁杂的业务模式给服务于广告主的代理商们带来了许多问题。

“我们得向每一位广告商解释不同类型视频广告的特点和监测标准”，Wunderman Thompson Commerce的副总监Jeromy Rew说到。

然而，这种反复的广告体系并不仅限于视频广告类型的选择上。

大量的企业正在尝试通过亚马逊的DSP投放广告，即使其本身并不通过包括亚马逊在内的电商平台完成销售，而是仅仅想要通过亚马逊的数据能力来触达全网的用户。

要想了解其庞大的广告业务背后的逻辑与相应的分析能力，就要从以下4个核心增长领域入手：

1. 亚马逊对视频广告的重视；
2. 与不同品牌的异业广告合作；
3. 其广告强大的“转化”能力；
4. 以及其在定位、衡量标准上的升级。

广告

一、视频，视频，还是视频

如果说付费的产品搜索推荐是亚马逊广告目前最重要的收益来源，那么视频广告就是他们的未来， 同时也是他们与其他零售媒体平台间的重要差异点。

“谈起‘亚马逊视频’，人们的第一反应都是Amazon Prime的视频库。 但代理商口中的‘亚马逊视频’往往指的是亚马逊盒子Fire TV。 ”

曾短暂担任亚马逊DSP广告的广告程序化合作负责人，现任群邑Wavemaker投资与执行部门主管的Vinny Rinaldi 说到。

Fire TV覆盖了全美5千万家庭，占据流媒体平台近30%的市场份额，也是亚马逊唯一一个电视效果广告投放平台。

在2018年，亚马逊曾为Fire TV尝试实行过一个与dataxu和The Trade Desk合作的程序化广告项目。

但是自从亚马逊摒弃了合作机制后，亚马逊DSP成为了唯一购买亚马逊Fire TV库存组员的渠道 。

基于以上背景，当熟悉于电视广告投放的品牌转向代理商寻求帮助时，他们也会首先推荐Fire TV。

而对于体量小，且不做全国性广告， 而是更专注于电商的亚马逊卖家来说，更好用的视频广告模式则是in-feed视频，电子商务咨询公司Momentum Commerce的创始人John Shea说。

所谓in-feed video就是会出现在搜索结果展示时同步播放的视频广告。 它的广告价格看起来比静态广告更贵，但对于此类赞助视频广告，亚马逊按点击量的模式使得它更容易受到广告商的青睐。

因此，即使人们并没有点击广告，也会翻阅并且看到品牌的视频，品牌方获得了相应的曝光，却不需要为曝光量买单，Shea说。

相比于按浏览量或是时间收费的程序化视频广告而言，投放in-feed视频广告似乎更划算。

Blue Wheel Media是一家专注于服务亚马逊商家的代理公司，其CEO，创始人Trevor George表示在美国，视频广告是每一个品牌必备的营销手段，因为亚马逊把产品平等化了：你花千万美金做品牌，做产品研发与升级，但在亚马逊上，你的产品还是会和半价的仿品放在一起呈现给消费者。

“能否进入赞助商品牌列表，越来越能说明一个品牌的能力了”，George说。 因为亚马逊在视频广告投放上很精明，只会把拍的好的，有深度的广告放在关联度高的搜索界面上，或者推给搜索高端品牌的用户。

总而言之，赞助视频广告之所以能成为如此重要的营销手段，是因为在视频广告行业中，创意是最难逾越的那道坎， Shea说。

那些只会投放自动生成的展示广告的卖家，需要先建立广告创意的思路和能力，才能打入真正的电视广告或短片广告市场。

二、发展广告异业合作

在电子商务领域打下稳定的合作基础后，亚马逊开始着手拓宽其广告业务。

DSP部门雇佣了一支广告销售团队，专门对接“非主流”类型的电商广告主，即一般不会放在亚马逊平台上进行售卖的商品品牌。

举例来说，亚马逊不卖车，但可以协助汽车品牌列出买车前的必备品，利用购买数据找出买过这些产品的用户，从而锁定有买车需求的人群。

同理，如果酒店想在亚马逊上找到潜在客户，可以看看谁搜索了“旅行洗漱包”。

Shea表示这一类型的广告收入目前只占亚马逊广告业务的沧海一粟，但有可能发展成一个主要来源。

如果一个品牌只想吸引年轻人，那可以试试在Twitch上投放广告。受到主要消费群体的影响，这类异业合作尤为重要，尤其是对那些想要吸引不看有线电视的年轻一代的品牌而言。

目前快餐品牌Chipotle和Ally Bank就已经加入了Twitch的营销合作项目。

Twitch虽然一直在自主处理广告业务，但也有使用亚马逊提供的DSP服务。据三家代理商公司的资讯显示，亚马逊一直在尝试将Twitch纳入其DSP可服务的范围当中去。

三、“征服”与“防守”

简单来说，如果你在谷歌搜索某品牌衬衣，其他向谷歌付费的服装品牌就会出现在该品牌的自然搜索结果之前，以分散用户的注意力并转移其搜索目标。这种在消费者有明确意图时还试图影响其消费结果的行为被广告人称为“征服”。

这种“征服”手段一直都是亚马逊广告业务的核心。与谷歌不同的是，亚马逊还会把相关的自营品牌与广告商竞争产品一起在搜索结果中置顶。

这种策略的缺点是“不划算”，因为直接搜索品牌的用户明确知道自己的目标，这就意味着他们很少会转而购买其他品牌。“这时，竞品只能通过降价，让利的形式刺激消费者”，George说。

这一策略还会把广告价格抬高，因为同一个关键词下的其他品牌不得不采取同样的手段购买广告，作为“防御手段”。还有些品牌愿意牺牲利润以换取在电商平台上的市场份额。

有的品牌眼睁睁看着用户原本搜索了自己的产品，却在“家门口”被竞争者劫走，于是勉勉强强地在亚马逊上买了广告。因为他们知道，如果不去赞助广告，自己所有的营销活动都是在为竞争对手做嫁衣。

对于这一点，做素食零食的企业Snacklins深有体会。“不管我们在哪个平台上投放哪种类型的广告，无论我们的广告投放对象是谁，我们在亚马逊上的搜索量都会随之增长”，Snacklins的营销总监Jeremy Sherman说。

这一现象使得Snacklins在亚马逊上的广告投入超过了在谷歌上的投入。

四、精准定位与测量

亚马逊的广告平台一直以“笨重且过时”著称。如今他们正在尝试向谷歌和Facebook看齐，允许卖家对平台数据进行整合，甚至在原有数据基础上将其用户群体进行不同层面上的划分。

以有声儿童玩具品牌Yoto为例，市场经理Matthew Ralph-Savage表示，Yoto可以在海外社交平台Instagram上收获一批以家长，儿童和关心儿童教育的人为主的关注者，并把社会人口，消费习惯等方面的数据叠加进来进行分析。

相比之下Amazon的数据来源只有消费记录和搜索记录，局限性较强。

当然，亚马逊也在尝试创建一个云端clean room，以改善自己的定位模式和衡量标准。

与谷歌用来储存广告数据的Ads Data Hub相比，亚马逊的clean room还处于初期阶段。但在亚马逊的销售数据的利用方式上，clean room能为广告商提供更多可能性。

例如归因期限。亚马逊DSP的归因窗口为14天（attribution window：归因窗口（或转化窗口）是指广告发行商可用来宣称点击或展示所带来之安装的时间段。），但利用亚马逊的云端营销技术，广告商可以尝试设置更长时间的归因期限。

另外，亚马逊的clean room提供了一种线上转线下的衡量技术。品牌方可以把自己的销售数据上传到亚马逊营销云端，逐步进行深度测试，从而理解亚马逊在整体上是如何影响自己的销售量的。

比方说某品牌香体剂在亚马逊排名第一，这是否会促使人们在线下购买时也优先考虑这个品牌？这类问题都可以借助clean room的数据进行分析。

毕竟电子商务并非完美适配每一个品类。考虑到线上销售带来的包装，运输等成本，很多大牌都在考虑电商平台到底是不是一个有利可图的销售渠道。

George表示许多传统零售品牌在亚马逊上实际是赔钱的，但他们宁可赔钱也不愿意将已经占据的电商渠道市场份额舍弃掉。

与之相反，还有些零售品牌即使能在亚马逊获利，也不愿意让利给电子商务平台以换取市场份额。

亚马逊的广告业务模式突出了这种对比与挑战。面对广告投资回报率（ROAS，Return on Ad Spend）的问题，亚马逊给出了自己的衡量标准，即广告作为一种营销手段的成本（ACOS， Advertising as a Cost of Sale)。

亚马逊的衡量标准强调了一个问题：广告并不仅仅是为了广而告之。对亚马逊而言，一个品牌的销售成绩背后不仅是通过广告来完成的，还有定价、库存、运输、配送。这些因素交织在一起，决定了交易能否顺利完成。

品牌方习惯于把成百上千的货盘发给零售商，而不是把一个个单独的产品送到消费者家门口，George说到。

他认为这种售货方式需要调整，而亚马逊的数据就能够帮助品牌方搞清楚，电子商务到底是不是他们的出路。

转自：Adexchanger

原文作者：James Hercher

文：Zijing Wang，编辑：Innocent Roland

本文由 @Morketing 翻译发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议。