Dönüşümü Oyunlaştırmak ve Dönüşüm Hunisinin Tam Büyümesini Sağlamak için Algoritmik İlişkilendirme Nasıl Kullanılır?

Pazarlama bütçenizi nereye ayıracağınızdan emin değilseniz, karlı büyümeyi nasıl sağlarsınız? Alıcı yolculuklarının bir dönüşümle sonuçlanmadan önce birden fazla cihaza, kanala ve temas noktasına yayıldığı günümüzün giderek parçalanan dünyasında, bu soru her zamankinden daha önemli olmaya devam ediyor.

Cevap algoritmik ilişkilendirmedir.

Yeni dijital kanalların ve teknolojinin hızlanan büyümesiyle, tüketiciler daha bilgili hale geldi (daha kısa ve daha kısa dikkat süreleri ile). Bir Cisco araştırmasına göre, bir müşterinin bir satın alma işlemi yapması için ortalama 56 temas noktası gerekiyor. Performansın tam bir resmini elde etmek isteyen pazarlamacılar için, şimdi daha kapsamlı pazarlama ölçüm biçimlerine geçme zamanı.

Algoritmik çoklu dokunma ilişkilendirme (MTA) modeli nedir?

Tek dokunuşla ilişkilendirme, birkaç yıldır temel model olmuştur; kullanım kolaylığı ve popülerliği, Google Analytics ile olan bağlarından kaynaklanmaktadır. Ancak, tek dokunuşla ilişkilendirme modeli, dönüşüme yol açan her bir temas noktasının (ve kullanıcının o oturum sırasında gerçekleştirdiği eylemlerin) etkisini değerlendiremeden yalnızca bir temas noktasına %100 dönüşüm kredisi verir. Aşağıda, tek dokunuşla ilişkilendirme modellerine ilişkin bazı örnekler verilmiştir:

• Son dokunuş: Kredinin %100'ünü dönüşümden önceki son pazarlama temas noktasına verir
• Son tıklama: kredinin %100'ünü dönüşümden önceki "son tıklamaya" verir
• İlk dokunuş: İlk pazarlama temas noktasına (müşteriyi edinen kanal veya aktivite) kredinin %100'ünü verir
• İlk tıklama: kredinin %100'ünü "ilk tıklamaya" verir

Kısacası, kafiye veya sebep olmadan tek bir dönüşüm temas noktasına körü körüne kredi atamak mantıklı değil. Muhtemelen zaten reklam paranızı farklı kanallara ve kampanyalara yatırıyorsunuz - o halde neden bu ileri görüşlü pazarlamacı olmayasınız ve dönüşüme gerçek katkılarına dayanarak verilere dayalı olarak her kullanıcı işlemine kredi atamaya başlamıyorsunuz?

Algoritmik MTA modelleri, pazarlamacıların farklı kanal etkileşimlerinin pazarlama performansını doğrudan nasıl etkilediğine ilişkin anlayışını genişleterek, müşteri temas noktalarına mümkün olan en doğru ve alakalı krediyi atamak için yeni en iyi uygulamadır. Tipik bir müşteri yolculuğunun nasıl görünebileceğine dair bir örnek:

Her temas noktasının (ve bu temas noktaları sırasındaki kullanıcı eylemlerinin) performansını en iyi şekilde ölçerek, algoritmik MTA'nın ilk temas veya son temas modellerine kıyasla çok daha üstün olduğu kanıtlanmıştır.

Daha derine inen algoritmik ilişkilendirme, dönüşüm gerçekleştiren müşterilerin dönüşüm gerçekleştirmeyenlere karşı pazarlamayla etkileşim kurma biçimlerindeki farklılıkları arar ve pazarlamacıların bu yüksek dönüşümlü etkileşimlere yönelik krediyi nesnel bir şekilde oyunlaştırmasına olanak tanır. Esasen, kârlı olmayan izleyiciler yerine kârlı izleyiciler arasındaki kalıpları arar. Dönüşüm gerçekleştiren kişilerin sıralamasında tutarlı kalıplar bulduğunda, daha çok bu kalıplara odaklanır.

Ana işiniz için uygun bir ilişkilendirme modeli seçerken önemli noktalar

Google Ads ve Google Analytics şu anda çoklu dokunma ilişkilendirme için veriye dayalı bir yaklaşım (DDA) kullanıyor ve bu, insanların çeşitli reklamlarınızla nasıl etkileşime girdiğine ve müşteriniz olmaya nasıl karar verdiğine bağlı olarak dönüşümler için kredi sağlıyor. Ancak yalnızca bir DDA veya üçüncü taraf MTA modeli kullanmayı düşünmemeli, bir adım daha ileri gitmeli ve platformlarınızı besleyen temas noktaları olarak "yumuşak dönüşümler" eklemelisiniz. Yaygın bir yumuşak dönüşüm, ürün veya hizmetlerinize kanıtlanabilir bir ilgi gösteren bir müşterinin sepete eklemesidir. Pek çok pazarlamacı, yeniden pazarlamaya yardımcı olmak için Google Analytics'te bu etkinliği zaten izlese de, müşteri kaybettiklerini izlemek için platformda bir hedef olarak alışveriş sepetini terk etmeyi atayarak daha derine inilebilir. Burada, nihai olarak bir satın alma işlemi gerçekleştirmeden önce birkaç geçici dönüşümle etkileşime giren bir ziyaretçi örneği verilmiştir:

Sitede 30 saniye geçirdi → 3+ ürün detay sayfasını ziyaret etti → sayfadaki ürünler için incelemelere baktı → sepete eklendi → ödemeye başladı → satın alma

Pazarlamacılar, nihai temas noktasına (satın alma) %100 değer atamak yerine, bu dönüştürme yolunda var olan diğer yumuşak dönüşümleri hesaba katan algoritmik bir MTA modeline dönmelidir. Algoritmanın çekirdeği için gerekli olan belirli metrikler ve özellikler şunları içerir:

• Tüm aktif pazarlama kanallarını göz önünde bulundurarak
• Temas noktasının doğası (ör. tıklama, indirme, kaydolma)
• Site içi kullanıcı katılımı düzeyi (ör. sayfada geçirilen zaman)
• Medya karışımı geliştiğinde uyum sağlama

Müşterilerinizin bu daha bütünsel görünümünü alarak, bu verileri hem otomatik hem de manuel teklif verme tekniklerinize besleyebilir ve kampanyaları buna göre optimize edebilirsiniz. MTA aracılığıyla kredi paylaşımının yanı sıra algoritmik ilişkilendirme yoluyla yumuşak dönüşümlere değer atamanın birleşimi, performans pazarlamasının nihai oyunlaştırılmasına yol açabilir.

Pazarlama yatırımının getirisini en üst düzeye çıkarmak için algoritmik bir MTA modeli kullanma

Bunun kısayolu, Google Analytics'i ücretsiz olarak kullanmak ve dönüşümlerin nereden geldiğini belirlemek için son tıklama modellerini kullanmak olsa da, bu, günümüzün müşteri yolculuğunun gerçek bir yansıması değil.

Algoritmik bir MTA modeli, herhangi bir temas noktasında iyi performans gösteren kanallardan daha fazlasını tanımlamanıza olanak tanır. Bu yaklaşımın gerçek gücü, pazarlamacıların, müşterileri dönüşüm hunisinde nihai bir dönüşüme taşımak için kanallarının el ele nasıl çalıştığını anlamalarına yardımcı olma yeteneğidir. Diğer avantajlar şunlardır:

• Birleştirilmiş ölçüm: Müşteri etkileşimlerinin bütünsel ve entegre bir görünümü için pazarlama çabalarına ilişkin daha iyi içgörüler
• Gerçek zamanlı optimizasyon: Doğru mesajla doğru zamanda doğru hedef kitleye ulaşmak için neyin işe yaradığına dair ayrıntılı bir anlayış
• Daha akıllı yatırımlar: Daha akıllı harcama kararları vermek ve daha yüksek bir yatırım getirisi (ROI) elde etmek için güçlü pazarlama bilgileri

Basitçe söylemek gerekirse: pazarlamacıların neyin işe yarayıp neyin yaramadığını anlamalarına ve en yüksek yatırım getirisini sağlayan kanallara fon ayırmalarına yardımcı olur. İşletmeniz için aşağıdakilerden herhangi biri geçerliyse, nitelikli algoritmik MTA kullanıyor olmalısınız:

1. Birden çok kanal ve ağ üzerinden pazarlama yapıyorsunuz: Algoritmik ilişkilendirme, birden çok reklam platformu üzerinden pazarlama yapmıyorsanız fazla katma değer sağlamayacaktır. Bu noktada, müşterilerinizin satın alma yolu o kadar basit değil, yani reklam platformları arasında bütçe tahsisini bilgilendirmek için daha karmaşık bir yola ihtiyacınız var.
2. Çevrimdışı kanalları düşünüyorsunuz veya aktif olarak satın alıyorsunuz: Basılı medya, ticari fuarlar vb. gibi çevrimdışı pazarlamaya başladığınız an, Google Analytics'in ilgili verileri beslemek için yetersiz kaldığı andır. Çevrimdışı pazarlamanızı ölçemiyorsanız, harcamaları nerede artıracağınızı veya azaltacağınızı bilemezsiniz.
3. Ekibiniz gerçekçi hedefler ve beklentiler belirledi: Algoritmik bir modelin faydaları nadiren bir gecede fark edilir. Katılan tüm ekipler, yarın değil, önümüzdeki birkaç yıl için gerekli pazarlama temelini oluşturduğunuzu anlamalıdır. İlk birkaç ay boyunca, temel bir performans karşılaştırması oluşturmak için kampanyalarınız herhangi bir algoritmik optimizasyon olmadan yayınlanacaktır.
4. Pazarlamanızın nasıl sonuç ürettiğini göstermeniz gerekir: İdeal bir dünyada, pazarlama paralarını mümkün olan her kanala yönlendirmek güzel olurdu. Ancak gerçekte, pazarlamacıların sınırlı bir bütçesi vardır ve yönetim kurulu genelinde yatırım getirisini en üst düzeye çıkarmaları gerekir. Çözüm: Algoritmik bir ilişkilendirme stratejisi, pazarlama ekiplerinin harcanan her dolar için daha fazla gelir elde etmek ve düşük performans gösteren taktikleri kesmek için kampanyalarını optimize etmelerini mümkün kılar.

İhtiyaçlarınıza uyan doğru ilişkilendirme yazılımını nasıl seçersiniz?

Bir sonraki adım, yalnızca tıklamalardan fazlasını ölçmenize, bireysel platformlardan dönüşümleri toplamanıza ve doğru genel dönüşüm verilerini elde etmek için bunları entegre etmenize olanak sağlayacak pazarlama ilişkilendirme yazılımını aramaktır. İşte başlamak için bazı ipuçları:

• Analiz panosu veya her kanalın ve temas noktasının performansı hakkında hem üst düzey hem de ayrıntılı ayrıntılar sunan bir raporlama mekanizması gibi karmaşık MTA modellerini yöneten ve izleyen yazılım araçlarını düşünün
• Müşterilerin birden çok kanalda nasıl davrandığını ve markanızla nasıl etkileşime girdiğini görme olanağı sunan çözümler arayın. Merkezi bir gösterge panosuna sahip olmak, kanallar arası analiz için gereken doğru bilgileri sağlar.
• En önemlisi, sistemin verileri platformlara geri gönderdiğinden emin olun. Sofistike bir MTA modeli, insanların neyin işe yarayıp neyin yaramadığını daha iyi anlamalarına yardımcı olabilirken, MTA'nın faydalarından gerçekten faydalanmak için açık artırma sırasında gerçekleşen otomatik teklif vermeyi de bilgilendirmemiz gerekiyor.

Verilerin kendi başlarına doğası gereği yararsız olduğunu unutmayın; Eyleme geçirilebilir içgörülere ulaşmak, herhangi bir işletme için nihai hedeftir.

Sürekli optimizasyon yoluyla müşteri içgörülerini uygulayın ve derinleştirin

Algoritmik MTA bir kur ve unut olayı değildir. Tam potansiyelini ortaya çıkarmak için, pazarlama çabalarınızı bilgilendirmek ve doğru müşterilere doğru zamanda ulaşmanızı sağlamak için modelinizi sürekli olarak test etmek, analiz etmek ve daha fazla optimize etmek çok önemlidir.

Örneğin, alışveriş sepetini terk etme gibi basit dönüşümleri belirlemek ve izlemek, önemli öngörülere yol açabilir ve sürekli optimizasyonun ilk adımı olabilir.

Algoritmik bir ilişkilendirme stratejisinin gerçek amacı, pazarlamacıların büyümeyi sağladığı kanıtlanmış deneyimlere yatırım yapmasına yardımcı olmaktır. Gerçek şu ki, çoğu pazarlamacı, tüketicilerini neyin motive ettiği konusunda eksik (hatta yanlış) bir anlayışa sahip olma eğiliminde olsa da, bu yaklaşım, belirli pazarlama taktiklerinin daha geniş kitle segmentlerinde ne gibi bir rolü olduğunu çok daha büyük bir kesinlikle anlamalarına yardımcı olabilir.

Başarılı pazarlamacılar, sürekli olarak içgörülerini derinleştiriyor ve performansı test etmek için verilerden yararlanıyor. Güçlü bir temel öğrenim temeli üzerine inşa edilen ve veri ile stratejinin sürekli etkileşimiyle beslenen bir performans pazarlama çerçevesi, pazarlamanız, müşteri ilişkileriniz ve kârlılığınız için harikalar yaratacaktır.

2022'de veriye dayalı pazarlamaya yönelik daha çevik, amaçlı ve entegre bir yaklaşıma hazırsanız, Wpromote'un tam yönetici anketi raporunu şimdi indirin.