ROAS neden yanıltabilir? Kanalların payı ve reklamın ek katkısı

ROAS’ı yorumlarken satış gelirinin hangi kanala yazıldığını da bilmek gerekir. Kullanılan ilişkilendirme modeli, aynı satış için farklı kanallara farklı paylar verebilir.

Son tıklama sorunu, tek örnekte

Tipik bir satın almayı düşünün. Biri pazartesi günü ücretli bir sosyal reklam görüyor, çarşamba bir blog yazısı okuyor, cuma günü marka adınızı aratıp marka reklamına tıklıyor ve satın alıyor. Son tıklama atfı, satışın tamamını marka araması reklamına teslim ediyor. Talebi yaratan sosyal reklam ve içerik hiçbir şey almıyor. Son tıklama, satın alma öncesindeki son temas noktasını ödüllendirir ve onu mümkün kılan yolculuğu yok sayar.

Son tıklama atfının tüm krediyi son marka araması tıklamasına verdiği dört adımlı bir müşteri yolculuğu — Son tıklama, satışın tamamını satın alma öncesindeki son tıklamaya verir. Yolculuğun başındaki talep yaratan temaslar sıfır alır.

Bu yaklaşım hesap genelinde kullanıldığında, marka araması olduğundan güçlü, yeni kitlelere ulaşan kampanyalar ise zayıf görünebilir ve bütçe, talebi yaratan kanallardan satın alma öncesindeki son temasın gerçekleştiği kanallara doğru akar. Bu dağılım, yeni talep oluşturacak kanalların bütçesini azaltabilir.

Birinci düzeltme: model olarak son tıklamayı bırakın

İlk adım, ilişkilendirme ayarını kontrol etmek. Google, GA4’te ilk tıklama, doğrusal, konum bazlı ve zaman azalmalı modelleri 2023’te emekliye ayırdı ve veri odaklı atfı varsayılan yaptı. Bunu atıf ayarlarından doğrulayıp değiştirebilirsiniz. Veri odaklı atıf, dönüşümdeki payı, hesabınızdaki dönüşüm verilerini kullanarak temas noktalarına dağıtır. Kusursuz değildir; ama son tıklamadan kesinlikle daha iyi bir başlangıç noktasıdır.

Bu önemli, çünkü seçtiğiniz model raporladığınız ROAS’ı, o da kaydırdığınız bütçeyi değiştirir. Aynı hesaba son tıklamayla ve veri odaklı modelle bakan iki ekip, hangi kampanyaların ölçekleneceği konusunda farklı sonuçlara varır. Sayıları tartışmadan önce daha iyi modeli seçin.

İkinci adım: reklamın sağladığı ek katkıyı ölçün

Atıf, ne kadar akıllı olursa olsun, yalnızca gözlemlediğiniz dönüşümleri paylaştırır. Reklam olmasaydı kaç dönüşüm gerçekleşeceğini söyleyemez. Asıl önemli olan o soruyu yanıtlayan şey, artımlılık testidir (incrementality).

Google’ın kendi versiyonu Conversion Lift. Google’ın dokümantasyonunun anlattığı gibi, kitlenizi reklamlarınızı görebilen bir deney grubuna ve göremeyen bir kontrol grubuna bölüyor, sonra aralarındaki dönüşüm farkını ölçüyorsunuz. Aradaki fark, reklamın ek katkısını gösterir: yalnızca reklamlar yayımlandığı için var olan dönüşümler. Google bunu artımlı eylem başına maliyet (iCPA) ve artımlı reklam harcaması getirisi (iROAS) olarak raporluyor.

Bir artımlılık kontrol grubunu: reklam gören deney grubu, görmeyen kontrol grubundan daha çok dönüşüyor; aradaki fark artımlı kazanç — Artımlılık, deney grubunu bir kontrol grubu ile karşılaştırır. Reklamların gerçekten yarattığı şey, yalnızca aradaki farktır.

Her zaman platformun aracı da gerekmiyor. Coğrafi kontrol grubu aynı mantıkla çalışır: kampanyayı benzer bölgelerin bir kümesinde yayınlar, diğerinde göstermez ve karşılaştırırsınız. Sonuçların insanları düzenli olarak şaşırttığı marka araması gibi kanalları test etmenin en temiz yolu budur. Marka araması dönüşümlerinin büyük bir bölümünün artımlı olmadığını, yani o insanların reklamsız da satın alacağını görmek yaygındır. Bunu birinci elden yaşadık; sonuçlar bütçe kararlarını yeniden değerlendirmemize yardımcı oldu.

Ek katkı testleri uzun süre yüksek bütçe gerektirdi. Bu değişiyor. Google, gelişmiş artış testleri için minimum harcamayı düşürüyor; deney başına 100.000 dolar civarındaki rakamlardan 5.000 dolara doğru, bu da orta ölçekli reklamverenlerin bu testlere erişimini kolaylaştırıyor.

İki ölçümün farkı: atıf, dönüşümün hangi temas noktalarına yazıldığını gösterir; ek katkı testleri ise reklam olmasaydı kaç dönüşüm gerçekleşeceğini anlamaya yardımcı olur. Bütçe kurmak için ikincisi gerekir.

Bir hesapta nasıl çalıştırıyoruz

GA4 ile Google Ads’i veri odaklı atfa alın ve raporlarda son tıklama ROAS’ı söylemeyi bırakın.
Dönüşümlerdeki payını olduğundan yüksek raporladığını düşündüğünüz bir-iki kanalı (genellikle marka araması ve yeniden hedefleme) seçin ve onlar için kontrol gruplu bir test tasarlayın.
Testi anlamlılığa ulaşacak kadar uzun çalıştırın, sonra bütçeyi raporlanan getirinin değil artımlı getirinin etrafında yeniden kurun.
Düzenli aralıklarla yeniden test edin. Artımlılık tek seferlik bir denetim değildir; kanal dağılımınız ve pazarınız değiştikçe sonuçları değişebilir.

Bu yöntemler, raporlanan sonuçlarla reklamın ek katkısını ayrı değerlendirmenizi sağlar. Bir müşteri, 6x raporlanan ROAS’lı bir kampanyadan bütçeyi neden çektiğimizi sorduğunda yanıt basittir: artımlı ROAS birin ancak üzerindeydi ve bütçeyi işletmeye daha fazla katkı sağlayan kampanyalara yönlendirmek istiyoruz. Veri odaklı atıf modelini ve ek katkı testlerini birlikte kullanmak analitik hizmetlerimizin temelini oluşturuyor.