Otomatik teklif optimizasyonu, makine öğrenimi algoritmalarının daha iyi gerçek zamanlı kararlar almasını sağlamak için kampanya ayarlarınızı, veri girişlerinizi ve dönüşüm izlemenizi iyileştirme uygulamasıdır. Başarılı bir optimizasyon, sistemin hangi kullanıcı eylemlerinin işletmenize gerçekten katkıda bulunduğunu anlamasını sağlamak için platforma yüksek kaliteli sinyaller vermenizi gerektirir. Veri mimarinizin hassasiyetine odaklanarak, teklif mantığının yüksek değerli segmentleri manuel ayarlamaların asla yapamayacağı kadar etkili bir şekilde tanımlamasına yardımcı olursunuz.
Dönüşüm verileri teklif performansını nasıl etkiler?
Otomatik teklif, doğru çalışmak için dönüşüm verilerinin kalitesine büyük ölçüde güvenir. İzlemeniz kesin değilse, algoritma yanlış sinyaller için optimize edecek ve genellikle bütçeyi dönüşüm gibi görünen ancak hiçbir ticari fayda sağlamayan düşük değerli trafiğe harcayacaktır. Zayıf veri kalitesine sahip tipik bir hesap, model sıradan tarayıcılar ile gerçek alıcılar arasında ayrım yapmakta zorlandığı için dalgalı bir performans gösterecektir. Dönüşüm izlemenin doğru kurulduğundan emin olmak, makine yalnızca sağladığınız geri bildirim döngüsünden öğrendiği için AI destekli herhangi bir kampanya için temel adımdır.
Dönüşüm pikselini kampanya ayarlarınız için bir pusula olarak düşünün. Pusula yanlış hizalanmışsa, teklifleriniz ne kadar yüksek olursa olsun, otomatik teklif sistemi yanlış yöne doğru ilerleyecektir. Örneğin, ev mobilyası satan bir Shopify mağazasında ‘Sepete Ekle’, ‘Ödemeyi Başlat’ ve ‘Satın Alma’ gibi birden fazla dönüşüm noktanız olabilir. Bunların hepsini teklif sistemine eşit değerler olarak girerseniz, sistem gelirden ziyade hacim için optimize edecek ve bu da daha düşük marjlara yol açacaktır. Yalnızca en kritik, gelir getiren eylemlerin teklif verme amacıyla birincil dönüşüm hedefleri olarak ele alındığından emin olmalısınız.
Otomatik teklif ayarlarındaki yaygın tuzaklar nelerdir?
Yaygın bir model, algoritmanın öğrenmesi için ihtiyaç duyduğu verilerden mahrum bırakan kampanyaları aşırı segmentlere ayırma eğilimidir. Bir bütçeyi çok fazla küçük, parçalanmış kampanyaya böldüğünüzde, her biri öğrenme aşamasından çıkmak için yeterli dönüşüm verisi toplamakta zorlanır. Otomatik sistemler, farklı cihazlar, konumlar ve günün saatleri genelinde kalıpları tespit etmelerine olanak tanıyan büyük bir veri havuzundan yararlanabildiklerinde en iyi şekilde çalışırlar. Kampanyalarınızın sık sık tekrar öğrenme aşamasına girdiğini fark ederseniz, muhtemelen mevcut dönüşüm hacminiz için çok fazla kampanya ile çalışıyorsunuzdur.
Bir diğer sorun bütçe değişikliklerinin sıklığıdır. Günlük satış performansına tepki vermek için günlük harcamalarınızı ayarlamak cazip gelse de, sık yapılan manuel müdahaleler öğrenme sürecini bozar. Hedef EBM veya ROAS’ınızı her önemli ölçüde değiştirdiğinizde, algoritma etkili bir şekilde bir sıfırlama düğmesine basar. Tipik bir hesapta, sistemin nasıl stabilize olduğunu görmek için bütçeyi en az iki hafta sabit bırakmak daha verimlidir. Ani değişimler, modeli tüm teklif mantığını yeniden değerlendirmeye zorlar, bu da genellikle edinme başına maliyette geçici artışlara veya genel teslimatta düşüşlere yol açar.
Otomatik teklif sağlığınız için kontrol listesi
- Dönüşüm izleme etiketlerinin düğme tıklamalarında değil, yalnızca gerçek tamamlama sayfalarında tetiklendiğini doğrulayın.
- Veri gürültüsüne neden oluyorlarsa, doğrudan gelire yol açmayan gereksiz dönüşüm eylemlerini kaldırın.
- Her birinin ayda en az 30-50 dönüşüm almasını sağlamak için benzer hedeflere sahip küçük kampanyaları birleştirin.
- Algoritmanın istatistiksel olarak anlamlı benzerlikler bulabilmesi için kitle listesi boyutlarınızın yeterince büyük olduğundan emin olun.
- Kullanıcı deneyiminin otomatik teklif sisteminin izlediği niyetle uyumlu olduğundan emin olmak için açılış sayfalarınızı denetleyin.
Kampanya yapınızı neden birleştirmelisiniz?
Birleştirme, otomatik teklif kullanan hesaplar için performansı artırmanın genellikle en etkili yoludur. Benzer ürünleri veya hizmetleri tek bir kampanyada gruplandırarak, makineye analiz etmesi için daha geniş bir veri noktası seti sağlarsınız. Bu genişlik, algoritmanın hangi kullanıcı özelliklerinin bir dönüşüm için en tahmin edici olduğunu anlamasını sağlar. Örneğin, ayakkabı satıyorsanız, koşu ve yürüyüş ayakkabılarınızı tek bir kampanyada birleştirmek, sistemin kampanyalar ayrı kalsaydı görünmeyebilecek ortak alıcı özelliklerini tanımlamasını sağlar.
Birleştirilmiş bir yapıya geçen büyük hesaplar, zaman içinde genellikle daha istikrarlı bir performans sergiler. Makinenin daha fazla veriye erişimi olduğunda, teklif kararları bireysel tıklamalara daha az tepkisel hale gelir ve uzun vadeli eğilimlere daha fazla odaklanır. Bu istikrar, size öngörülebilir bir dönüşüm maliyeti tabanı sağladığı için ölçeklendirme için gereklidir. Unutmayın ki amaç her bir teklifi kontrol etmek değil, hesap organizasyonunuz aracılığıyla sistemi doğru iş sonuçlarına yönlendirmektir.
Hedef EBM veya ROAS’ınızı ne zaman ayarlamalısınız?
Teklif hedeflerinizdeki ayarlamalar, kısa vadeli dalgalanmalardan ziyade uzun vadeli performans eğilimlerine dayanmalıdır. Tipik bir hesap, mevsimsel ilgi veya rakip etkinliği gibi kontrolünüz dışındaki pazar faktörleri nedeniyle günlük sonuçlarda %10 ila %15’lik bir varyasyon görebilir. Bir kötü gün nedeniyle ROAS hedefinizi aceleyle ayarlarsanız, muhtemelen sistemik bir sorundan ziyade gürültüye tepki veriyorsunuzdur. Hedeflerinizi yalnızca hedeflerinizin önemli ölçüde üzerinde veya altında olan net, tutarlı bir performans eğiliminiz olduğunda ayarlayın.
Hedeflerinizi güncellemeye karar verdiğinizde, bu değişiklikleri kademeli olarak uygulayın. %5 ila %10’luk bir değişim, teslimatta büyük, istikrarı bozucu bir kaymaya neden olmadan algoritma için bir yön değişikliğine işaret etmek için genellikle yeterlidir. Bu değişiklikleri küçük tutarak, makinenin kademeli olarak uyum sağlamasına izin verir ve sonuçlarınızı yönetilebilir bir aralıkta tutarsınız. Bu disiplinli yaklaşım, teklif hedeflerinin bir kerede %20 veya daha fazla değiştirildiği hesapları genellikle rahatsız eden düzensiz performansı önler.
Teklif değişikliklerinin etkinliğini nasıl izleyebilirsiniz?
- Birleştirmeden sonra trafik kalitesinin iyileşip iyileşmediğini görmek için ‘Dönüşüm Oranı’ eğilim çizgisini takip edin.
- Otomatik tekliflerinizin bütçeniz tarafından aşırı kısıtlanmadığından emin olmak için ‘Gösterim Payı’nı izleyin.
- Rakiplerinizin stratejilerini otomatik tekliflerinizi etkileyecek şekilde değiştirip değiştirmediğini görmek için ‘Açık Artırma Bilgileri’ni inceleyin.
- Günlük dalgalanmayı düzeltmek için 30 günlük bir pencerede ‘Dönüşüm Başına Maliyet’i karşılaştırın.
- Makinenin hala test ediyor olabileceği alakasız aramalara bütçe harcamadığınızdan emin olmak için ‘Negatif Anahtar Kelime’ performansını kontrol edin.
Tıklamaların ötesinde iş değeri için optimizasyon
Gerçek optimizasyon, sadece daha fazla dönüşüm elde etmenin ötesine geçer; sistemi en yüksek değerli müşterilerinize öncelik vermeye eğitmeyi içerir. Bunu, gerçek işlem tutarlarını reklam platformuna geri gönderdiğiniz değer tabanlı teklif vermeyi uygulayarak başarabilirsiniz. Sistem, belirli bir dönüşümün 500$ değerinde olduğunu, diğerinin ise 50$ değerinde olduğunu bildiğinde, tekliflerini doğal olarak en yüksek değeri üretme olasılığı en yüksek olan kullanıcılara odaklayacaktır. Hacim tabanlı teklif vermeden değer tabanlı teklif vermeye bu geçiş, olgun bir hesabın doğal evrimidir.
Doğrudan işlem değerleriniz yoksa, sistemi yönlendirmek için yine de vekil değerler kullanabilirsiniz. Örneğin, bir bülten kaydı için 10$ ve demo talebi için 100$ gibi farklı potansiyel müşteri aşamalarına bir ağırlık atayabilirsiniz. Bu değerleri dönüşüm ayarlarınızda atayarak, makineye hangi eylemlerin daha önemli olduğunu etkili bir şekilde söylersiniz. Bu, nihai satışın ilk tıklamanın dışında gerçekleştiği B2B veya hizmet tabanlı işletmeler için otomatik teklif vermeyi kullanmanın en güçlü yollarından biridir.
Bu hafta nereden başlamalı
Tüm kampanyalarda dönüşüm izlemenizi denetleyerek, kaydedilen her dönüşümün anlamlı bir iş olayı olduğundan emin olun. İzlemenizin düşük değerli olaylarla dolu olduğunu fark ederseniz, teklif algoritmasının bunları görmezden gelmesi için bunları birincil dönüşüm raporlarınızdan kaldırın. Verileriniz temizlendikten sonra kampanya yapınıza bakın; son 30 günde dönüşüm hedeflerine ulaşmamış birden fazla küçük kampanyanız varsa, makinenin daha fazla veri toplamasına yardımcı olmak için bunları daha büyük bir kampanyada birleştirmeyi düşünün. Son olarak, teklif hedeflerinizi haftanın geri kalanı için değiştirmeden bırakın ve bu teknik iyileştirmelerden sonra mevcut ayarların oturmasına izin verin.
Okumaya devam edin: AI Reklam Optimizasyonu · AI Reklam Optimizasyonu