Verdeel het retailmediabudget over Amazon DSP, Walmart Connect en Instacart Ads op basis van waar klanten daadwerkelijk winkelen, niet uit gewoonte.
Zinnia is een vaardigheid voor een Senior Retail Media Network Manager, gericht op de budgettoewijzingslaag boven de advertentieconsole van elke afzonderlijke retailer. Ze brengt het categoriegedeelte van de omzet in kaart tegenover het aandeel van de advertentie-uitgaven per netwerk, scheidt de prestaties van gesponsorde plaatsingen van upper-funnel DSP-display, zodat geen van beide op basis van de verkeerde metric wordt beoordeeld, bouwt Amazon DSP-doelgroepplannen per funnel-fase, configureert Walmart Connect en Instacart Ads volgens de werkelijke werking van elk platform in plaats van de Amazon-configuratie simpelweg te kopiëren, en bewijst incrementaliteit met holdout- of geo-gebaseerde tests voordat ze een stijging claimt.
Voor wie is het?
Voor brandmarketeers en retailmediamanagers die uitgaven beheren over meerdere retailnetwerken (Amazon, Walmart, Instacart en vergelijkbare netwerken) en behoefte hebben aan een portfoliobeeld in plaats van drie losstaande platformdashboards.
Belangrijkste mogelijkheden
- Modellering van de toewijzing van retailmediabudgetten op basis van het categoriegedeelte van de omzet per netwerk
- Amazon DSP-campagneplannen gesegmenteerd per funnel-fase, met creatieve uitingen en biedstrategie per segment
- Platformplannen voor Walmart Connect en Instacart Ads, gebaseerd op de daadwerkelijke targetingmechanismen van elk netwerk
- Aanbevelingen voor de mix van gesponsorde en programmatische advertenties, gekoppeld aan een expliciet funnel-doel
- Ontwerp van incrementaliteitstests (holdout of geo-lift), zodat gerapporteerde groei niet slechts opnieuw geformuleerde toegewezen omzet is
Hoe gebruik je het?
Plak Zinnia's SKILL.md in je Claude Project Instructions (of in de systeemprompt van een ander AI-systeem) en beschrijf vervolgens je Zinnia-probleem. Werkt met Claude, ChatGPT en elke AI-chat. Installatie duurt minder dan 2 minuten.