← Lihat semua bahan muat turun

Laporan: L'Oréal Paris x Nivea x Garnier — Purata CPE untuk Kempen Penjagaan Kulit 2023
Baca dokumen asal penuh di bawah.

Muat Turun PDF →

Laporan ini menganalisis kempen penjagaan kulit TikTok yang dijalankan oleh L'Oréal Paris, Nivea, dan Garnier pada 2023, menggunakan titik data awam untuk mengenal pasti empat pemacu utama engagement dalam kategori ini. L'Oréal Paris mendahului dengan cost-per-engagement RM0.66, jauh mengatasi Garnier (RM2.72) dan Nivea (RM2.85).

Kunci #1 — Julat follower meramalkan prestasi. Dalam kandungan penjagaan kulit, hubungan antara kreator dan khalayak amat penting. KOL Micro (10K–50K follower) secara konsisten menunjukkan kadar engagement dan tontonan tertinggi, manakala KOL Alpha (300K+ follower), walaupun reach mereka tinggi, berada pada kedudukan keberkesanan lebih rendah — bukti jelas bahawa kandungan bermutu mengatasi populariti.

Kunci #2 — Padankan format kandungan dengan platform. Format kreatif yang berbeza memberikan prestasi berbeza merentasi Instagram Reels dan video TikTok, jadi memahami platform mana yang sesuai dengan jenis kandungan tertentu adalah sama pentingnya dengan kandungan itu sendiri.

Kunci #3 — Kenali jenis kandungan terbaik untuk penjagaan kulit. Ulasan tulen adalah format paling menarik engagement di TikTok, di mana kreator bercakap terus dengan khalayak mereka dan membina kepercayaan. Tutorial penjagaan kulit mengekori rapat di belakang. Yang menarik, video "Get Ready With Me" — yang pernah menjadi hit — kini berprestasi rendah akibat ketepuan dan keletihan kandungan, dan video giveaway turut gagal menarik perhatian.

Kunci #4 — Betulkan nisbah tahap KOL anda. Purata CPE kukuh L'Oréal Paris terhasil daripada gabungan yang hampir 70% kreator tahap Micro, dengan hanya sebahagian kecil Alpha. Apabila nisbah beralih kepada lebih sedikit Micro dan lebih banyak Alpha, kos per engagement meningkat mendadak — mengukuhkan bahawa melabur dalam kreator tahap Micro cenderung menurunkan kos engagement.

Nota: semua angka adalah berdasarkan penormalan data untuk mengecualikan kesan diskaun dan ad boosting, dan diperoleh daripada titik data awam dan bukan data kempen dalaman klien.