Amazon Kreativ-Optimierung • Die Kraft der Leistung freisetzen

Der langjährige Amazon-Werbepartner Philips Domestic Appliances [Versuni] musste die kreative Optimierung mit der Medienleistung in großem Umfang integrieren. Diese Art von Operation erfordert tiefgreifendes Fachwissen in den Bereichen maschinelles Lernen, künstliche Intelligenz, kreative Produktion und Optimierung - eine große Aufgabe, aber kein Problem für uns. Philips DA nahm unsere Hilfe in Anspruch, was zur Entwicklung eines automatisierten Tools führte, das die wichtigsten kreativen Elemente identifiziert, die die Leistung in großem Umfang steigern, unterstützt durch die Leistungsdaten der Kampagne.

Amazons robuste, auf Computer Vision und maschinellem Lernen basierende Lösungen in Kombination mit unserer Kompetenz bei der Erstellung automatisierter Workflows bedeuteten, dass wir alles hatten, was wir brauchten, um die Chance von Philips DA in die Realität umzusetzen. Wir begannen damit, die Daten des Amazon Media Cockpit zu entmystifizieren und dem Medienteam Zugang zu angereicherten Benutzerdaten zu geben, um die Medienleistung zu bewerten. Als Nächstes nutzten wir unsere umfassenden Kenntnisse der AWS-APIs, um Labels, Metadaten und Dokumentationen zu extrahieren. Dies bildete die Grundlage für einen optimierten kreativen Kategorisierungs- und Kennzeichnungsprozess und eröffnete zudem die Möglichkeit, Metadaten als Filter in das Digital Asset Management (DAM)-Tool der Marke zu integrieren.

Nachdem wir die Grundlagen geschaffen hatten, entwickelten wir ein auf maschinelles Lernen gestütztes Tool, das vollständig auf den spezifischen Geschäftsfall von Philips DA zugeschnitten und automatisiert war. Nach der Fertigstellung des Tools war Philips DA in der Lage, die kreativen Aspekte seiner Amazon-Anzeigen in Verbindung mit den Daten zur Medienleistung in einer skalierbaren, gut strukturierten Methode zu bewerten. Dieser Durchbruch ermöglichte die Identifizierung zahlreicher Möglichkeiten zur Optimierung von Werbemitteln und machte gleichzeitig spekulative Optimierungen und manuelle Data-Engineering-Arbeiten überflüssig. Infolgedessen konnte das Unternehmen seine technische, analytische, operative und finanzielle Effizienz steigern.