Bir İlişkilendirme Modeli Nasıl Seçilir ve Test Edilir

Bir pazarlamacı, bütçeyi aşmadan belirli sayıda dönüşüm elde etme zorluğuyla karşı karşıya kaldığında, uyguladıkları ilişkilendirme modelinin doğru kararları vermelerine ve modelin mantığını anlamalarına yardımcı olduğundan emin olmalıdır. Yol boyunca birçok hata yapılabilir, bu da zaman ve para kaybına neden olabilir.

Bu makalede, şirketinizin pazarlamasını bir sonraki düzeye taşımanıza yardımcı olmak için modern ilişkilendirme modellerini karşılaştırmanıza ve uygulamanıza yardımcı olacak bilgileri bir araya getirdik.

Kullanıcılar birkaç reklam kampanyasıyla etkileşimde bulunabileceğinden, her kampanyadan kaynaklanan dönüşümlerin sayısını ve değerini tahmin etmek için bir ilişkilendirme modeli uygulamanız gerekir. İlişkilendirme modeli, dönüşüm değerini, kullanıcının dönüşüm gerçekleştirmeden önce etkileşimde bulunduğu kampanyalara dağıtmanıza olanak tanır.

Bir ilişkilendirme modelinden ne bekliyoruz? Doğru ve anlaşılır olmalıdır. Ancak bilinen modellerin çoğu bu gereksinimlerden yalnızca birini karşılamaktadır.

Örneğin, en popüler son dokunuş ilişkilendirme modeli (son tıklama, son doğrudan olmayan tıklama) oldukça açıktır: Tüm değer son kampanyaya verilir. Ancak bariz bir dezavantajı var: Son kampanya hariç tüm kampanyaların katkısını görmezden geliyor.

Birçok kişi, özellikle görüntülü reklam kampanyalarını değerlendirmek için ilişkili dönüşümleri kullanır. Bu model de yeterince açıktır: Kullanıcının etkileşimde bulunduğu her kampanyaya dönüşüm değerini verir. Ancak böyle bir değerlendirme, yalnızca zincirdeki bir kampanyanın varlığını hesaba kattığı ve etkisinin derecesini göz ardı ettiği için son derece yanlıştır.

Örneğin, erişim kampanyaları, kampanya banner'larını gören kullanıcılar tarafından tüm dönüşümlerin değerini alır. Sonuç olarak, ilişkilendirilen dönüşümlerin sayısı, gerçek dönüşümlerin sayısını önemli ölçüde aşıyor.

Modern hizmetler doğruluğa öncelik verir ve olasılıksal ilişkilendirme modelleri geliştirir. Örneğin, Google Veriye Dayalı modelini, Facebook Dönüşüm Artışını ve Nielsen Kampanya Artışını tanıtmaktadır.

Bu modeller ortak bir yaklaşımı paylaşır: Belirli bir kampanyanın dönüşüm olasılığını ne ölçüde artırdığını ölçer ve değerini buna göre belirler. Bu, değerlendirmeyi daha objektif hale getirir, ancak modeller bir kara kutu gibi göründüğü ve hata ayıklama fırsatları sınırlı olduğu veya hiç olmadığı için reklamverenler için birçok açık soru bırakır.

OWOX'ta 2015'ten beri olasılıksal bir ilişkilendirme modeli geliştiriyoruz. OWOX ilişkilendirme modeli, makine öğrenimini temel alıyor. Reklam kampanyalarını kullanıcı oturumu düzeyinde değerlendirir, dönüşüm hunisine katkılarını dikkate alır ve pazarlamacıların CRM verilerini bağlamanın yanı sıra yönetilen kanalları ve dönüşüm aralığını belirlemesine olanak tanır.

Yakın zamanda, en iyi uygulamaları bir araya getiren ve önemli ticari faydalar sağlayan OWOX BI ilişkilendirme modelinin yeni bir sürümünü piyasaya sürdük:

1. Model, kampanyaların katkısını dönüşüm olasılığına göre belirler ve huni adımlarının manuel olarak seçilmesini gerektirmez. Aşağıdaki örnekte, Ücretli Arama kanalından ilk oturumda, kullanıcının %20 dönüşüm şansı vardı; Yeniden Hedefleme kanalından ikinci oturumda, olasılık %70'e yükseldi; ve üçüncü oturumda, kullanıcı dönüştürdü.

Her bir oturumun değeri, bir önceki oturuma kıyasla kullanıcının dönüşüm olasılığındaki artışa eşittir. Bu durumda:

• Ücretli Arama'daki ilk oturum, olasılığı %0'dan %20'ye yükselttiği için dönüşüm değerinin %20'sini alacaktır
• Yeniden Hedefleme ile ikinci oturum, olasılığı %20'den %70'e yükselttiği için dönüşüm değerinin %50'sini alacaktır
• E-posta ile yapılan üçüncü oturum, dönüşüm değerinin kalan %30'unu alacaktır

Herhangi bir olasılıksal ilişkilendirme modelinde en önemli şey, bir dönüşümün olasılığını tahmin etmedeki doğruluktur. OWOX BI makine öğrenimi algoritmaları son derece doğrudur ve bu, yatırım getirisinde 2,2 kat artış elde etmek için bu algoritmaları kullanan iProspect ve Eldorado tarafından elde edilen sonuçlarla onaylanmıştır.

2. OWOX ilişkilendirme modelinin yeni sürümünün ikinci avantajı, henüz bir dönüşüme yol açmamış olan oturumların bile değerini tahmin edebilme yeteneğidir:

Bu tahmin, kampanyayı bugün kapatırsanız gelecekte bir reklam kampanyasından kaç dönüşüm almayı bekleyebileceğinizi öğrenmenize olanak tanır.

Bu, düşük performans gösteren kampanyaları devre dışı bırakmak için daha hızlı kararlar vermenizi ve gecikmeli kampanyaları yanlışlıkla devre dışı bırakmamanızı sağlar.

Bir modelin tahmin doğruluğu yalnızca algoritmalara değil, aynı zamanda eğitim örneğinin boyutuna da bağlıdır. OWOX modeli için tahmin hızı ve kalitesindeki artış, modelin on binlerce proje üzerinde eğitilmesiyle sağlandı.

3. En önemlisi, hesaplama mantığını olabildiğince şeffaf hale getirmek ve belirli bir işletmenin tüm özelliklerini dikkate almak için veri dönüştürme kodunu tüm müşterilere açık hale getirdik. Kodlamada kendiniz değişiklik yapabilirsiniz ve OWOX BI düzenli veri güncellemeleriyle ilgilenecek, reklam kampanyalarının maliyetlerini birleştirecek ve gerekli tüm raporları sağlayacaktır. Bir demoya kaydolarak verileri dbt'ye (veri oluşturma aracı) dönüştürmenin yararları hakkında bilgi edinebilirsiniz.

Farklı ilişkilendirme modelleri kullanan kampanyaları değerlendirirken farklı sonuçlar bekleyebilirsiniz. Bu nedenle, kaçınılmaz olarak şu soru ortaya çıkıyor: Hangi ilişkilendirme modelini seçmelisiniz ve hangisi doğru yolu gösteriyor?

Aslında bir pazarlamacının solu veya sağı gösteren bir pusulaya değil, trafik sıkışıklığını ve gerekli varış saatini dikkate alarak rotaları hesaplayan ve tavsiye eden tam teşekküllü bir navigasyon sistemine ihtiyacı vardır. Bu, bir işletmenin belirli önerilere dayalı olarak bir hedefe ulaşmasını sağlayan bir ilişkilendirme modelidir.

Üstelik, reklam bütçenizi kanal kapasitesini hesaba katmadan yönetmek, tıpkı bir pusulanın manzarayı hesaba katmadığı gibi, sizi bir çıkmaza götürebilir. Çoğu pazarlamacı, düşük dönüşüm başına maliyetin bütçeyi artırma kararı almak için yeterli olmadığını bilir. Örneğin, markalı kampanyaların dönüşüm başına maliyeti düşük olabilir ancak kapasitelerini tüketmiş olabilir, bu nedenle bütçenizi artırmak dönüşümleri artırmaz.

Yukarıdaki grafik, A ve B kampanyalarındaki dönüşüm sayısının bu kampanyalara yatırılan bütçeye nasıl bağlı olduğunu gösterir. A kampanyasının mevcut EBM'sinin B kampanyasından daha düşük olduğunu unutmayın. Ancak Kanal A'daki bir sonraki dönüşümün maliyeti, Kanal B'dekinden daha fazla olacaktır!

Bu nedenle, ilişkilendirme uygulamak için yalnızca kanalın mevcut performansını değil, aynı zamanda her kanal, kampanya ve anahtar kelime için bütçeyi artırır veya azaltırsanız genel sonucun nasıl değişeceğini de bilmeniz gerekir.

Projelerinde böyle bir modelle pazarlama ekibi uygun büyüme stratejisini seçebilir:

1. Bütçenizi azaltarak aynı sayıda dönüşüm elde edin.
2. Aynı bütçeyle dönüşüm sayısını artırın.
3. Aynı EBM ile dönüşüm sayısını artırın.

Bu, yalnızca bütçenin yeniden dağıtılmasıyla ilgili önerilerin yanı sıra tahmin edilen sonucu da hemen almanızı sağlar.

Asıl soru şu: Her bir anahtar kelime için kapasite eğrisini nasıl bilebilirsiniz? OWOX BI'da, bir projenin bölgesi ve nişi verildiğinde bu soruyu yanıtlayan bir modeli eğitmek için on binlerce projeden elde edilen pazar verilerini kullanıyoruz. Tecrübelerimize dayanarak, büyük projeler için bile bir aylık veriler, yüksek kaliteli bir tahmin elde etmek için yeterli değil.

Anahtar çıkarımlar:

1. Bir ilişkilendirme modeli, reklam kampanyalarını değerlendirir ancak reklam bütçesinin yeniden dağıtılması için öneriler sağlamaz.
2. Tavsiye almak için kampanyaların kapasitesini ve promosyon stratejisini bilmeniz gerekir.
3. En iyi ilişkilendirme modeli, işletmenizin belirli bir hedefe ulaşmasını sağlayan önerilere dayanan modeldir.

Kanal kapasitesini (medya) artırmanın yolları ve ajanslar için hedef belirlemede (son tıklama) yaygın olarak yapılan hatalar özel ilgiyi (ve makaleleri) hak ediyor. Sonraki yazılarımızda okumak istediklerinizi yorumlara yazın.

OWOX ilişkilendirme modeli hakkında daha fazla bilgi edinmek istiyorsanız bir demo için kaydolun. Tüm sorularınızı yanıtlamaktan mutluluk duyacağız.