Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Tác động qua lại của quảng cáo trên công cụ tìm kiếm đến doanh số bán lẻ truyền thống: Phân tích tổng hợp từ các thí nghiệm thực địa quy mô lớn trên Google.com
Tóm tắt
Chúng tôi nghiên cứu tác động qua lại của quảng cáo trên công cụ tìm kiếm trên Google.com đến doanh số bán hàng tại các cửa hàng bán lẻ truyền thống. Việc thu thập ước lượng nguyên nhân và có thể hành động trong bối cảnh này là một thách thức: Doanh số bán hàng tại cửa hàng truyền thống thay đổi mạnh mẽ theo tuần; truyền thông ngoại tuyến chiếm ưu thế trong ngân sách tiếp thị; quảng cáo tìm kiếm và cầu có mối tương quan đồng thời; và các ước lượng phải có tính thuyết phục để vượt qua các vấn đề giữa các nhóm tiếp thị trực tuyến và ngoại tuyến. Chúng tôi báo cáo về một phân tích tổng hợp trong một quần thể gồm 15 thí nghiệm thực địa độc lập, trong đó 13 nhà bán lẻ đa kênh nổi tiếng của Hoa Kỳ đã chi hơn 4 triệu đô la vào quảng cáo tìm kiếm bổ sung. Tại các thị trường thử nghiệm, các từ khóa trong danh mục được duy trì ở vị trí 1-3 cho 76 danh mục sản phẩm mà không có quảng cáo tìm kiếm cho các từ khóa này tại các thị trường kiểm soát. Các kết quả đo được bao gồm doanh số trong các danh mục quảng cáo, tổng doanh số cửa hàng và Lợi tức trên Chi tiêu Quảng cáo (ROAS). Chúng tôi ước lượng tác động trung bình của mỗi kết quả cho quần thể thí nghiệm này bằng mô hình Bayesian phân cấp (HB). Các ước lượng từ mô hình HB cung cấp bằng chứng nguyên nhân cho thấy việc tăng cường quảng cáo trên công cụ tìm kiếm đối với các từ khóa rộng trên Google.com có tác động tích cực đến doanh số bán hàng tại các cửa hàng truyền thống cho các danh mục được quảng cáo trong quần thể các nhà bán lẻ này. Ngoài ra, cũng có tác động tích cực đến tổng doanh số cửa hàng. Do đó, việc tăng doanh số trong các danh mục quảng cáo là bổ sung cho doanh số ròng của nhà bán lẻ, trừ đi bất kỳ doanh số nào được vay từ các danh mục không được quảng cáo. Sự gia tăng tổng doanh số cửa hàng là một cải thiện đáng kể so với tỷ lệ tăng trưởng doanh số cơ bản. Lợi tức trung bình trên chi tiêu quảng cáo (ROAS) là dương, nhưng không đạt điểm hòa vốn trung bình mặc dù một số nhà bán lẻ đã đạt hoặc vượt qua điểm hòa vốn chỉ dựa vào doanh số cửa hàng truyền thống. Chúng tôi xem xét tính vững chắc của các phát hiện của mình đối với các giả định thay thế về dữ liệu cụ thể cho bộ thí nghiệm này. Các ước lượng của chúng tôi gợi ý rằng thị trường trực tuyến và ngoại tuyến là liên kết, rằng các nhà lập kế hoạch truyền thông nên xem xét các tác động ngoại tuyến trong việc lập kế hoạch và thực hiện các chiến dịch quảng cáo tìm kiếm, và rằng những tác động này nên được điều chỉnh theo danh mục và nhà bán lẻ. Việc nhân rộng rộng rãi và một giao thức nghiên cứu độc đáo đảm bảo rằng các kết quả của chúng tôi có tính chất chung và đáng tin cậy.
Từ khóa
#quảng cáo công cụ tìm kiếm #doanh số #bán lẻ truyền thống #phân tích tổng hợp #thí nghiệm thực địa #Google.comTài liệu tham khảo
Agarwal, A., Hosanagar, K., & Location, M.S. (2008). Location, location: An analysis of profitability of position in online advertising markets. Journal of Marketing Research, 46(6), 1057–1073.
Babapulle, M.N., Joseph, L., Bélisle, P., Brophy, J.M., & Eisenberg, M.J. (2004). A hierarchical Bayesian meta-analysis of randomised clinical trials of drug-eluting stents. The Lancet, 364(9434), 583–591. https://scholar.google.com/scholar?hl=en&q=Babapulle%2C+M.N.%2C+Joseph%2C+L.%2C+Be%C2%B4lisle%2C+P.%2C+Brophy%2C+J.M.%2C+%26+Eisenberg%2C+M.J.+%282004%29.+A+hierarchical+bayesian+978+meta-analysis+of+randomised+clinical+trials+of+drugeluting+stents.+The+Lancet%2C+364%289434%29%2C+583%E2%80%93591.&btnG=&as_sdt=1%2C5&as_sdtp=.
Bajari, P., & Hortacsu, A. (2003). The winner’s curse, reserve prices, and endogenous entry: Empirical insights from ebay auctions. RAND Journal of Economics, 329–355.
Banjo, S., & FitzGerald, D. (2014). Stores confront new world of reduced shopper traffic. Wall Street Journal, 4. https://scholar.google.com/scholar?q=Banjo%2C+S.%2C+%26+FitzGerald%2C+D.+%282014%29.+Stores+confront+new+world+of+reduced+shopper+traffic.+Wall+Street+982+Journal.&btnG=&hl=en&as_sdt=0%2C5.
Berndt, E.R. (1991). The practice of econometrics: classic and contemporary. Addison-Wesley Reading MA.
Berry, D.A., Berry, S.M., McKellar, J., & Pearson, T.A. (2003). Comparison of the dose-response relationships of 2 lipid-lowering agents: a bayesian meta-analysis. American Heart Journal, 145(6), 1036–1045.
Blake, T., Nosko, C., & Tadelis, S. (2013). Consumer heterogeneity and paid search effectiveness: A large scale field experiment. NBER Working Paper, 1–26.
Brucks, M. (1985). The effects of product class knowledge on information search behavior. Journal of Consumer Research, 12(1), 1–16.
Brynjolfsson, E., Dick, A.A., & Smith, M.D. (2010). A nearly perfect market?. QME, 8(1), 1–33.
DerSimonian, R., & Kacker, R. (2007). Random-effects model for meta-analysis of clinical trials: an update. Contemporary clinical trials, 28(2), 105–114.
Eastlack, J.O. Jr, & Rao, A.G. (1989). Advertising experiments at the campbell soup company. Marketing Science, 8(1), 57–71.
Farley, J.U., & Lehmann, D.R. (1986). Generalizing about market response models: Meta-analysis in marketing. Lexington: Lexington Books.
Farley, J.U., Lehmann, D.R., & Sawyer, A. (1995). Empirical marketing generalization using meta-analysis. Marketing Science, 14(3_supplement), G36–G46.
FitzGerald, D. (2013). Retail sales on thanksgiving, black friday rose 2.3 reports. http://online.wsj.com/news/articles/SB10001424052702304017204579230801763930942.
Fulgoni, G.M., & Morn, M.P. (2009). Whither the click? how online advertising works. Journal of Advertising Research, 49(2), 134.
Greenland, S. (1994). Invited commentary: a critical look at some popular meta-analytic methods. American Journal of Epidemiology, 140(3), 290–296.
Holmes, E. (2014). Why online retailers like Bonobos, Boden, Athleta mail so many catalogs. https://scholar.google.com/scholar?hl=en&q=Holmes%2C+E.+%282014%29.+Why+online+retailers+like+bonobos%2C+boden%2C+athleta+mail+so+many+catalogs.+Wall+Street+1007+Journal.&btnG=&as_sdt=1%2C5&as_sdtp=. Accessed 18 Apr 2014.
Hong, H., & Shum, M. (2006). Using price distributions to estimate search costs. The RAND Journal of Economics, 37(2), 257–275.
Imbens, G.W., & Rubin, D.B. (2015). Causal inference in statistics, social, and biomedical sciences. Cambridge University Press.
Ioannidis, J.P.A. (2005). Why most published research findings are false. PLoS Medicine, 2(8), e124.
Joo, M., Wilbur, K.C., Bo, C., & Yi, Z. (2013). Television advertising and online search. Management Science, 60(1), 56–73.
Levitt, S.D., & List, J.A. (2007). Viewpoint: On the generalizability of lab behaviour to the field. Canadian Journal of Economics/Revue canadienne d’é,conomique, 40(2), 347–370.
Lewis, R.A., & Reiley, D.H (2014). Online ads and offline sales: measuring the effect of retail advertising via a controlled experiment on Yahoo! Quantitative Marketing and Economics, 12.3, 235–266. https://scholar.google.com/scholar?q=Randall+lewis+and+david+reiley&btnG=&hl=en&as_sdt=0%2C5.
Lieber, E., & Syverson, C. (2012). Online versus offline competition. Oxford Handbook of the Digital Economy, 189–223. https://scholar.google.com/scholar?hl=en&as_sdt=0,5&q=Lieber,+E.,+%26+Syverson,+C.+(2012).+Online+vs+offline+competition.+Oxford+Handbook+of+the+Digital+1020+Economy,+189%E2%80%93223.
Lodish, L.M., Abraham, M., Kalmenson, S., Livelsberger, J., Lubetkin, B., Richardson, B., & Stevens, M.E. (1995). How tv advertising works: a meta-analysis of 389 real world split cable tv advertising experiments. Journal of Marketing Research, 125–139.
Maniadis, Z., Tufano, F., & List, J.A. (2014). One swallow doesn’t make a summer: New evidence on anchoring effects. The American Economic Review, 104 (1), 277–290.
Naik, P.A., & Peters, K. (2009). A hierarchical marketing communications model of online and offline media synergies. Journal of Interactive Marketing, 23(4), 288–299.
Narayanan, S., & Kalyanam, K. (2015). Position effects in search advertising and their moderators: A regression discontinuity approach. Marketing Science, 34.3, 388–407.
Ratchford, B.T., Lee, M.-S., & Talukdar, D. (2003). The impact of the internet on information search for automobiles. Journal of Marketing Research, 193–209.
Rutz, O.J., & Bucklin, R.E. (2011). From generic to branded: a model of spillover in paid search advertising. Journal of Marketing Research, 48(1), 87–102.
Sahni, N.S (2015). Effect of temporal spacing between advertising exposures: Evidence from online field experiment. Quantitative Marketing and Economics, 13.3, 203–247.
Sahni, N.S (2016). Advertising spillovers: evidence from online field experiments and implications for returns on advertising. Journal of Marketing Research, 53(4), 459–478.
Sethuraman, R., Tellis, G.J., & Briesch, R.A. (2011). How well does advertising work? generalizations from meta-analysis of brand advertising elasticities. Journal of Marketing Research, 48(3), 457– 471.
Shapiro, S., MacInnis, D.J., & Heckler, S.E. (1997). The effects of incidental ad exposure on the formation of consideration sets. Journal of consumer research, 24 (1), 94–104.
Sutton, A.J., & Higgins, J. (2008). Recent developments in meta-analysis. Statistics in medicine, 27(5), 625–650.
Tellis, G.J. (1988). The price elasticity of selective demand: A meta-analysis of economic models of sales. Journal of Marketing Research (JMR) 25(4).
Varian, H.R. (2007). Position auctions. International Journal of Industrial Organization, 25(6), 1163– 1178.
Verhoef, P.C., Neslin, S.A., & Vroomen, B. (2007). Multichannel customer management: Understanding the research-shopper phenomenon. International Journal of Research in Marketing, 24(2), 129– 148.
Yang, S., & Ghose, A. (2010). Analyzing the relationship between organic and sponsored search advertising: Positive, negative, or zero interdependence?. Marketing Science, 29(4), 602–623.
Yusuf, S., Collins, R., & Peto, R. (1984). Why do we need some large, simple randomized trials?. Statistics in medicine, 3(4), 409–420.
Zettelmeyer, F., Morton, F.S., & Silva-Risso, J. (2006). How the internet lowers prices Evidence from matched survey and automobile transaction data. Journal of Marketing Research, 43(2), 168–181.