Dönüşümleri Maksimize Etme hacmi hedeflerken, Dönüşüm Değerini Maksimize Etme yüksek değerli satışları hedefler. İkisi arasında seçim yapmak, potansiyel müşteri miktarına mı yoksa toplam gelire mi değer verdiğinize bağlıdır. Bu otomatik teklif stratejileri, makine öğreniminin teklifleri gerçek zamanlı olarak ayarlamasına izin vererek reklamverenlerin belirli iş hedeflerine ulaşmasına yardımcı olmak için tasarlanmıştır. Hesabınız için doğru olanı seçmek; mevcut performans metriklerinizin, bütçe kısıtlamalarınızın ve mevcut dijital pazarlama kampanyanızın birincil amacının net bir şekilde anlaşılmasını gerektirir.
Dönüşümleri Maksimize Etme nasıl çalışır?
Dönüşümleri Maksimize Etme teklif stratejisi, her açık artırma için en iyi teklifi bulmak üzere geçmiş kampanya verilerini kullanır. Sistem, belirttiğiniz günlük bütçe dahilinde olabildiğince çok dönüşüm elde etmek için teklifleri otomatik olarak belirler. Bu yaklaşım, birincil hedefiniz bülten kayıtları, teknik rapor indirmeleri veya form gönderimleri gibi sitenizde gerçekleştirilen toplam eylem sayısını artırmak olduğunda yararlıdır. Algoritma hacme odaklandığı için her potansiyel müşterinin parasal değerine öncelik vermez. Satış döngüsünde daha sonra bu belirli kullanıcının işletmeniz için üretebileceği nihai gelirden bağımsız olarak her dönüşümü eşit kabul eder.
Tipik bir hesapta bu strateji, tutarlı bir dönüşüm oranınız ve algoritmayı beslemek için yeterli dönüşüm geçmişiniz olduğunda en etkilidir. Günde 100 dolarlık bir bütçeniz varsa, sistem olası maksimum dönüşüm sayısını güvence altına almak için bu miktarı harcamaya çalışacaktır. Hedef EBM (Edinme Başına Maliyet) belirlerseniz, sistem yine de hacmi hedefleyerek dönüşüm başına ortalama maliyetinizi hedefinizde veya altında tutmaya çalışacaktır. Bu, yüzlerce farklı anahtar kelime veya hedef kitle segmenti için teklifleri manuel olarak ayarlamak zorunda kalmadan potansiyel müşteri oluşturma çabalarını ölçeklendirmenin güvenilir bir yoludur.
Dönüşüm Değerini Maksimize Etme ne zaman kullanılmalıdır?
Dönüşüm Değerini Maksimize Etme, farklı satışlar tarafından üretilen değişen geliri takip eden işletmeler için tasarlanmıştır. Her dönüşümü bir birim olarak saymak yerine, bu strateji her dönüşümle ilişkili değeri dikkate alır. Bazı müşterilerin 20 dolarlık ürünler ve diğerlerinin 500 dolarlık ürünler satın aldığı bir e-ticaret mağazası işletiyorsanız, bu strateji daha fazla harcama olasılığı yüksek olan kullanıcılara öncelik verir. Kullanıcı niyeti, tarayıcı geçmişi ve cihaz türü gibi sinyalleri analiz ederek teklif modeli, günlük bütçeniz dahilinde mümkün olan en yüksek toplam geliri elde etmeye çalışır.
Bu iki strateji arasındaki temel farklar nelerdir?
Temel fark, makine öğrenimi modelinin amaç fonksiyonunda yatar. Dönüşümleri Maksimize Etme olay sayısını maksimize etmeye çalışırken, Dönüşüm Değerini Maksimize Etme dönüşüm değerlerinin toplamını maksimize etmeye çalışır. Bu ayrımı anlamak, reklam harcamalarınızı finansal hedeflerinizle uyumlu hale getirmek için çok önemlidir.
- Dönüşümleri Maksimize Etme, sabit bir maliyetle yüksek hacimli potansiyel müşteri edinimine odaklanır.
- Dönüşüm Değerini Maksimize Etme, daha yüksek marjlar lehine toplam satış sayısını göz ardı ederek yüksek gelirli edinime odaklanır.
- Dönüşümleri Maksimize Etme, potansiyel müşterilerin sabit veya bilinmeyen bir değere sahip olduğu hizmet işletmeleri için idealdir.
- Dönüşüm Değerini Maksimize Etme, net ve değişen işlem değerlerine sahip perakende veya abonelik işletmeleri için idealdir.
Alien Road bu teklif stratejilerini nasıl uygular?
Alien Road olarak, müşterilerimiz için otomatik teklif vermeyi uygulamaya yönelik yapılandırılmış bir yaklaşım izliyoruz. Dönüşüm izlemenin doğru olduğundan ve platforma geri gönderilen verilerin gerçek işletme değerini temsil ettiğinden emin olmak için müşteri hesabını denetleyerek başlıyoruz. Bu stratejileri körü körüne uygulamıyoruz; Manuel BGBM veya muhafazakar bir otomatik strateji ile temel performansını gözlemleyerek başlıyoruz. Bu, algoritma bilinçli teklif kararları vermek için yeterli veriye sahip olduktan sonra karşılaştırabileceğimiz bir performans kıstası belirlememize olanak tanır.
Hesap hazır olduğunda, hacim tabanlı tekliflerin performansını değer tabanlı tekliflerle karşılaştırmak için genellikle bir taslak ve deney çalıştırıyoruz. Hangi stratejinin mevcut iş aşamasıyla en iyi şekilde uyumlu olduğunu belirlemek için Reklam Harcamalarının Getirisi (ROAS) ve toplam dönüşüm hacmi gibi metrikleri inceliyoruz. Bir müşteri büyüme aşamasındaysa, Dönüşümleri Maksimize Etme’ye geçebiliriz. Müşteri kârlılık aşamasındaysa, kâr marjlarını korumak için ayarlanan bir hedef ROAS ile genellikle Dönüşüm Değerini Maksimize Etme’ye geçiş yaparız.
Hangi strateji iş modelinize uygundur?
Doğru yolu seçmek, dönüşüm verilerinizin dürüst bir değerlendirmesini gerektirir. İç raporlama amacıyla her potansiyel müşterinin tam olarak 50 dolar değerinde olduğu hizmet tabanlı bir işletmeyseniz, değer tabanlı teklif verme yöntemini kullanma cazibesine kapılabilirsiniz. Ancak bu 50 dolar rastgele bir sayıysa, muhtemelen Dönüşümleri Maksimize Etme’yi kullanmanız daha iyi olur. Değer tabanlı teklif verme yalnızca giriş verileri işlemlerinizin gerçek ekonomik gerçeğini yansıttığında iyi performans gösterir. Veriler gürültülü veya yanlışsa, algoritma yanlış sonuç için optimize edecektir.
Mevcut potansiyel müşteri kalitenizi de göz önünde bulundurun. Bazen dönüşüm hacminin artırılması, algoritma yine de bir dönüşüm olayını tetikleyen daha ucuz, daha az nitelikli trafik bulabileceğinden potansiyel müşteri kalitesinde bir düşüşe yol açabilir. Dönüşüm Değerini Maksimize Etme buna karşı doğal bir tampon görevi görür çünkü sistemi yalnızca dönüşüm yapan değil, aynı zamanda daha yüksek bir fiyat noktasında dönüşüm yapan kullanıcıları bulmaya zorlar. Potansiyel müşterilerinizin satışla sonuçlanmadığını fark ederseniz, teklif stratejinizi değiştirmeden önce dönüşüm izleme kurulumunuzu yeniden göz geçirmeniz gerekebilir.
Strateji değiştirdikten sonra başarı nasıl değerlendirilir?
Otomatik teklif verme değişikliğinin başarısını ölçmek bir sabır dönemi gerektirir. İlk kez Dönüşümleri Maksimize Etme veya Dönüşüm Değerini Maksimize Etme’ye geçtiğinizde, algoritma bir öğrenme aşamasına girer. Bu aşama bir ila iki hafta sürebilir ve bu süre zarfında performans önemli ölçüde dalgalanabilir. Makine öğrenimi modeli gelecekteki teklifleri optimize etmek için yeni veri noktaları toplarken ilk istikrarsızlığı görmek yaygındır. Bu süre zarfında öğrenme sürecini sıfırlayacağı için sürekli manuel ayarlamalar yapma dürtüsünden kaçının.
- Günlük dalgalanmaları düzeltmek için 30 günlük bir pencerede dönüşüm hacmi trendlerinizi kontrol edin.
- Değişiklikten önce ve sonra Edinme Başına Maliyeti (CPA) karşılaştırın.
- Değer tabanlı teklif veriyorsanız Reklam Harcamalarının Getirisini (ROAS) inceleyin.
- Hedef kitle kompozisyonunun değişip değişmediğini görmek için potansiyel müşterilerin kalitesini veya ortalama sipariş değerini inceleyin.
Otomatik teklif vermenin riskleri nelerdir?
Otomatik teklif verme güçlüdür ancak gözetim gerektirir. Yaygın bir tuzak, geçmiş ortalamanıza kıyasla gerçekçi olmayan bir Hedef CPA veya Hedef ROAS belirlemektir. Çok agresif bir hedef belirlerseniz, algoritma kriterlerinizi karşılayan yeterli açık artırma bulmakta zorlanabilir ve bu da gösterimlerde ve trafikte önemli bir düşüşe yol açabilir. Her zaman son geçmiş performansınıza yakın bir hedefle başlayın ve büyük, ani değişiklikler yapmak yerine zaman içinde kademeli olarak ayarlayın.
Başka bir risk de bütçe yönetimini içerir. Manuel bir stratejiden otomatik bir stratejiye geçerseniz, sistem tüm günlük bütçenizi alışkın olduğunuzdan çok daha hızlı harcayabilir. Harcamalarınızın beklentilerinizle uyumlu olmasını sağlamak için yeni bir stratejinin ilk haftasında hesabınızı günlük olarak izleyin. Maliyetlerinizin dönüşüm veya gelirde karşılık gelen bir artış olmadan kontrolden çıktığını görürseniz, önceki stratejinize geri dönün ve olası hatalar için dönüşüm izleme kurulumunuzu inceleyin.
Bu hafta nereden başlamalı?
Mevcut dönüşüm kurulumunuzu denetleyerek başlayın. Takip ettiğiniz her dönüşüm eyleminin işletmenize gerçek değer sağladığından emin olun. Satın alma gibi makro dönüşümlerin yanı sıra düğme tıklamaları gibi mikro dönüşümleri de takip ediyorsanız, teklif algoritmanız kafası karışabilir. Sistemin yalnızca kâr marjınıza odaklanmasını istiyorsanız mikro dönüşümleri kaldırmayı veya önceliklerini düşürmeyi düşünün. Takibiniz temizlendikten sonra, yeni bir teklif stratejisini müdahale olmadan 14 gün boyunca test etmek için bir kampanya seçin.
Tipik bir hesapta bu test süresi, otomatik teklif vermeye geçişin istediğiniz sonuçları verip vermeyeceğini belirlemek için yeterlidir. Net bir karşılaştırma noktanız olması için temel metriklerinizi bugün belgelendirin. Dönüşüm Değerini Maksimize Etme’yi kullanmayı seçerseniz, gelir takibinizin etiket yöneticinizde veya platform arka ucunuzda doğru şekilde ayarlandığından emin olun. Doğru veri girdileri, makine öğrenimi modellerinin sizin lehinize çalışmasını sağlamanın tek yoludur. Belirli hesap yapınız hakkında sorularınız varsa, mevcut pazarlama hedefleriniz için en iyi teklif stratejisini kullandığınızı onaylamak için hesap paneli ayarlarınıza danışın.
Okumaya devam edin: Yapay Zeka Reklam Optimizasyonu · Yapay Zeka Reklam Optimizasyonu