Yerel Reklamların Öğrenme Aşaması: Bütçe ve Sabır

Yerel reklamların öğrenme aşaması, yeni bir kampanyanın ya da maddi olarak düzenlenmiş bir kampanyanın genellikle ilk birkaç gününden iki haftasına kadar süren bir penceredir; bu sürede ağın teslimat algoritması, performansı güvenilir bir şekilde tahmin etmek için yeterli tıklama ve dönüşüm verisi toplamaya devam eder. Bu pencere boyunca teslimat genellikle düzensizdir, CPC'ler daha fazla dalgalanır ve kampanyayı duraklatma ya da yoğun bir şekilde düzenleme isteği en güçlüdür; bu da tam da saatin sıfırlanmasının gerçekleştiği zamandır.

Öğrenme aşaması aslında nedir#

Her yerel ağın açık artırması, ne kadar teklifinizin teslimata dönüştüğünü belirlemek için tahmini bir CTR (ve dönüşüm takibi bağlıysa tahmini bir dönüşüm oranı) kullanır. Yepyeni bir kreatif ya da kampanyanın geçmişi yoktur, bu yüzden algoritma keşif yapmak zorundadır: reklamınızı daha geniş, daha az rafine bir izleyici dilimine gösterir, hem sinyal toplamak hem de henüz hangi segmentlerin yanıt vereceğini bilmediği için.

Bu, herhangi bir açık artırma tabanlı reklam sisteminde, yerel reklamlar dahil, keşif aşamasının aynı temel mekanizmasıdır. Tek bir ağa özgü değildir. Taboola, Outbrain ve MGID hepsi bir versiyonunu çalıştırır, ancak kesin süre ve hacim eşikleri hiçbirinin detaylı olarak yayınlamadığı bir gerçektir.

Öğrenme aşamasını, algoritmanın hedef kitleniz üzerinde canlı bir deney yürüttüğü, henüz puanlamadığı segmentler arasında trafiği bölüştürdüğü, hangi segmentlerin yanıt verdiğini izlediği ve zamanla teslimatı bu segmentlere yönlendirdiği bir süreç olarak düşünmek yardımcı olur. Bu sürecin erken aşamasında, bütçenizin bir kısmı algoritmanın yeterli veri topladıktan sonra bırakacağı segmentlere harcanır. Bu harcama bir hata olarak değil, keşif maliyeti olarak görülür. Bu durumu anlayan alıcılar, ilk birkaç günün çirkinliğinden daha az etkilenir; kampanyanın ilk izlenimden itibaren nihai istikrarlı durumuna ulaşmasını bekleyen alıcılar ise daha fazla endişe duyar.

Gerçekten ne kadar bütçe ve zaman gerekir#

Bir kampanyanın öğrenmeden çıkması için kaç tıklama ya da dönüşüm gerektiğine dair tek bir resmi sayı yoktur ve çevrimiçi gördüğünüz herhangi bir rakam, bir gerçeğin üzerine giydirilmiş bir tahmindir. Açık artırma mekanikleri arasında tutarlı olan şey, algoritmanın bir segmentte istatistiksel güven oluşturması için yeterli olay, en azından tıklama, ideal olarak dönüşüm gerektirmesidir. Günlük $20 harcayan bir kampanya, $200 harcayan bir kampanyadan çok daha uzun sürede bu sinyali biriktirir; çünkü saat başına daha az olay üretir.

Pratik bütçeleme kuralı: En az birkaç düzine dönüşüm ya da henüz dönüşüm takibi aktif değilse birkaç yüz tıklama harcamayı bekleyin, ardından kesin sonuçlara varın. Birim ekonominiz bu harcamayı anlamlı bir acı olmadan karşılayamıyorsa, kampanya öğrenme aşaması için yeterli fonlanmamıştır ve çözüm, geniş bir yelpazede yetersiz fonlanmış kampanyalar yerine iyi finanse edilmiş daha az sayıda test yapmaktır.

Bu, yeni yerel alıcıların ilk gerçek hatasını yaptığı yerdir: toplam bütçeyi beş ya da altı kampanyaya "pazarı test etmek" amacıyla dağıtmak yerine, bir ya da iki kampanyaya yeterli bir bütçe ayırarak her birinin öğrenmeyi tamamlamasını sağlamak. Beş yetersiz fonlanmış kampanya, her biri çok az veri toplar ve gerçek bir sonuç çıkaramaz; bu da beş belirsiz sonuç verir. Gerçek dönüşüm hacmine ulaşan tek bir kampanya, hiç bir zaman tahmin aşamasını geçemeyen bir dizi kampanyadan çok daha iyidir.

Öğrenme sırasında YAPILMAMASI GEREKENLER#

• Kreatifi, teklifi ve hedeflemeyi aynı oturumda düzenlemeyin. Önemli her düzenleme, algoritmanın birikmiş sinyalinin bir kısmını sıfırlayabilir ve üç şeyi aynı anda değiştirirseniz, hangi değişikliğin sonraki olaya yol açtığını bilemezsiniz.
• Yavaş bir başlangıcı "sıfırlamak" için duraklatıp yeniden başlatmayın. Duraklatmak sizi daha iyi bir konuma atlamaz; genellikle keşif saatini sıfıra yakın bir noktadan yeniden başlatır.
• İkinci gün CPA'yı sabit durum hedefinizle karşılaştırmayın. Erken CPA, olgun bir kampanyanın yerleştiği seviyeden neredeyse her zaman daha kötüdür; çünkü algoritma hâlâ bütçeyi zayıf segmentlerden uzaklaştırmayı öğrenmemiştir.
• Öğrenme ortasında bütçeyi agresif bir şekilde artırmayın. Bazı ağlarda bütçe artışı kısmi bir sıfırlama gibi çalışır, çünkü algoritmanın kalibre ettiği hacim ve tempo değişir.

Öğrenme aşamasından çıktığınıza dair sinyaller#

Teslimat temposu önce düzelir: gün içinde keskin, tahmin edilemez gösterim hacmi yerine daha istikrarlı bir saatlik desen görürsünüz. CPC de genellikle daha dar bir aralığa sabitlenir, açık artırmalar arasında geniş dalgalanmaz. Dönüşümleri izlemeye başladığınızda, tutarlı bir bant içinde seyreden maliyet‑başına‑dönüşüm (hedefe henüz ulaşmamış olsa bile) CTR'den daha güçlü bir sinyaldir; çünkü CTR iyi görünebilir ancak trafik hâlâ düşük dönüşüm oranına sahip olabilir.

Çoğu ağ, bir kampanya yeterli aktiviteyi kaydettikten sonra gösterge panelinde bir teslimat ya da öğrenme‑durumu göstergesi sunar; ancak bu göstergenin ne zaman değiştiğine dair eşik değerler tutarlı bir şekilde belgelenmemiştir. Bunu kesin bir garanti değil, kabaca bir sinyal olarak değerlendirin.

Çıktıktan sonra ne yapılmalı#

Teslimat istikrar kazandığında, bu, kasıtlı optimizasyonun güvenilir sinyal ürettiği noktadır: ağ için gerçek CPC benchmark'ları karşısında teklifleri daraltmak ya da genişletmek, gerçekten zayıf kreatif varyantları duraklatmak ve kazananlar için yatay vs. dikey ölçekleme düşünmeye başlamak. Öğrenme aşaması henüz oturmadıkken bu kararları almak, çalışabilecek bir kampanyayı öldürmenin en yaygın yoludur.

Bir kampanya hiç öğrenme aşamasından çıkmazsa#

Bazı kampanyalar, algoritmanın kalibre olabilmesi için temel girdiler sürekli değiştiği sürece asla oturmaz: sürekli kreatif değişiklikler, sürekli düzenlenen bir açılış sayfası ya da her gün ya da iki günde bir ayarlanan bir bütçe. Kampanya haftalarca yayında ve hâlâ erken öğrenmenin karakteristik dalgalı temposunu ve CPC dalgalanmalarını gösteriyorsa, çözüm daha fazla sabır değil, neyin ne sıklıkta değiştiğini denetlemektir. Mütevazı harcamalarla tam bir hafta sabit kalan bir kampanya, bir ay içinde günlük olarak ayarlanan bir kampanyadan daha fazla bilgi verir.

Rakiplerinizin açıkça öğrenmeden çıktığını ve istikrarlı bir şekilde çalıştığını görmek isterseniz, OpenAdLibrary'nin yerel reklam istihbarat aracı canlı kreatifler için ömür uzunluğu verilerini gösterir; bu, kampanyanın istikrarlı bir duruma ulaştığını ve çalışmaya devam ettiğini gösteren makul bir göstergedir.

Tek bir kampanyada birden fazla kreatif ile öğrenme aşaması#

Ayrı bir nokta: zaten istikrarlı bir kampanyaya yeni bir kreatif eklemek, tüm kampanyanın öğrenmesini mutlaka sıfırlamaz, ancak bu spesifik kreatif kendi performans geçmişini kazanmalı ki algoritma ona mevcut kreatifler kadar güven duysun. Bu yüzden yeni bir kreatif, olgun bir kampanyaya eklendiğinde, ilk birkaç gün düşük performans gösteriyormuş gibi görünebilir; ancak kampanya genel olarak istikrarlı teslimat gösterir. Yeni kreatif eklemeye kendi “runway” süresini tanıyın, birinci gün mevcut kreatiflerin mevcut rakamlarıyla karşılaştırmayın.

Pratik çıkarım, "kreatif çeşitliliği eklemek" ile "yeni bir kampanya başlatmak" farklı öğrenme maliyetlerine sahiptir. Mevcut, istikrarlı bir kampanyada yeni bir başlık ya da görsel döndürmek, sıfırdan yeni bir kampanya başlatmaktan daha hafif bir dokunuştur ve genellikle ilk öğrenme penceresini aştıktan sonra test etmeye devam etmenin daha iyi yoludur.

Öğrenme aşaması yeni alıcıları neden şaşırtır#

Öğrenme aşamasıyla ilgili en büyük hayal kırıklığı, beklenti ile mekanizma arasındaki uyumsuzluktan kaynaklanır. Daha olgun, şeffaf raporlamaya sahip platformlardan gelen alıcılar, yeni bir kampanyanın hemen nihai istikrarlı durumuna yakın performans göstereceğini varsayar; yerel teslimat ilk aşamada kesintili ve pahalı göründüğünde, içgüdüsel olarak bir şeylerin kırıldığını düşünürler: kreatif kötü, teklif kötü, ağ hatalı. Bazen bunlardan biri doğru olabilir. Çoğu zaman kampanya, açık artırma tabanlı bir ağda her yeni kampanyanın yaptığı şeyi yapar: erken bütçesinin bir kısmını keşif için harcar, algoritmanın kalanını verimli bir şekilde yönlendirecek kadar sinyal toplaması için.

Bunu en iyi yöneten alıcılar, lansmandan önce beklentileri belirler: öğrenmeyi temizlemek için ne kadar bütçe ayıracağınızı, bir karar vermeden önce hangi veri eşiklerini bekleyeceğinizi belirleyin ve bu sayıları bir yere not edin ki gerçekten tekrar göz atın. Bu tek alışkanlık, çoğu kaygıya dayalı teklif değişikliklerini ve erken duraklatmaları ortadan kaldırır; böylece potansiyel olarak geçerli kampanyalar istikrarlı durumlarına ulaşamaz.