Reklam Yükünün Kullanıcı Sadakatine Faturası

Reklam geliri sayfa gösterimi başına ölçülür, maliyeti ise ziyaretçi başına birikir. Bu asimetri yüzünden reklam kutusu eklemek kolay bir karar gibi görünür: kazanç bu ayın raporunda, kayıp önümüzdeki çeyrekte çıkar. Kaybın nereden geldiğini ve ne kadar büyüdüğünü ölçmek mümkün.

Kullanıcı reklamdan neden kaçar

Rahatsız edici reklam biçimleri belli: ekranı kaplayan katmanlar, otomatik oynayan sesli videolar, içeriği okuma sırasında kaydıran geç yüklenen kutular. Bunların ortak özelliği kullanıcının o an yaptığı işi kesmeleri. Kesinti bir kez olduğunda tahammül edilir, kalıba dönüştüğünde ziyaretçi siteye gelme alışkanlığını bırakır.

İkinci etki daha sinsi. Kullanıcılar reklam olduğunu düşündükleri alanlara bakmayı bütünüyle bırakıyor, yani banner blindness geliştiriyor. Peki bu yalnızca reklamları mı görünmez kılıyor? Hayır, işin can sıkıcı tarafı burada: reklam kutusuna benzeyen her şey aynı filtreye takılıyor. Sağ kolonda duran gerçek bir uyarı, çerçeveli ve renkli bir bilgi kartı, kampanya bandına benzeyen bir duyuru. Reklam yerleşimi arayüzün kendi bileşenlerinin okunma şansını da düşürüyor.

Üçüncüsü güven tarafı. Davranışsal reklam ve takip çerezleri, kullanıcının başka sitede gezdiğinin burada bilindiğini açık ediyor. "Bu site beni izliyor" hissi, ödeme adımında en pahalıya gelen histir.

Saha deneyi ne gösterdi

Bir müzik yayın platformunda 35 milyon kullanıcıyla 18 ay boyunca yürütülen bir saha deneyinde reklam yoğunluğu kasıtlı olarak artırıldı. Sonuç, haftalık kullanımda yaklaşık %2,8'lik bir düşüş. Tek başına küçük bir sayı, kimsenin panik yapmayacağı bir oran.

İlginç olan kaybın dağılımı. Düşüşün %41'i platformu tamamen bırakan kullanıcılardan, %59'u ise kalan kullanıcıların daha az kullanmasından geliyordu. Bu ayrım neden önemli: iki kalem geri kazanılabilirlik açısından hiç benzemiyor. Kullanımı azalan kullanıcı sitede duruyor, reklam yükünü düşürdüğünüzde davranışı geri dönebilir. Ayrılan kullanıcı ise iyileştirmeyi hiç görmüyor. Onu geri getirmek yeni bir kullanıcı kazanmak kadar pahalı, üstelik bir kez kötü deneyim yaşamış olduğu için daha da zor.

Yani reklam yükü kararı simetrik değil. Artırmak kademeli olarak ölçülebilir, azaltmak aynı eğriyi geri yürümez.

Çarpımın gizlediği şey

İş hacmini üç terimle modelleyen basit bir formül dolaşımda: B = V × C × L. V ziyaretçi sayısı, C dönüşüm oranı, L sadakat oranı. Model kullanışlı ama sıklıkla yanlış okunuyor, çünkü üç terim bağımsız sanılıyor. Reklam yükü ise üçünü aynı anda hareket ettirir.

Reklam betiği sayfa yükünü geciktirir, gecikme dönüşüm oranını düşürür: C azalır. Kesintili deneyim geri dönüşü azaltır: L azalır. Geri dönmeyen kullanıcı sayfayı paylaşmaz ve arama motorlarında davranışsal sinyaller zayıflar: V azalır. Üç terimin her birinde %3'lük bir kayıp, toplam iş hacminde %3 değil, 0,97 × 0,97 × 0,97 = 0,913 yani yaklaşık %8,7'lik bir kayıp demek. Ölçtüğünüz tek metrikteki küçük düşüş, çarpımda üç katına yakın büyür.

Buradan çıkan sonuç, "reklam koymayın" değil. Reklamı tek bir metrikle (gösterim başına gelir) değerlendirip diğer üç terime etkisini ölçmezseniz, kârlı görünen bir kararla toplam hacmi düşürebilirsiniz.

Nerede hangi denge doğru

Reklam yükünün doğru seviyesi sitenin iş modeline göre değişir, tek bir cevap yok.

Geri dönüşe dayanan sitelerde (haber, dokümantasyon, topluluk, abonelik) L terimi hacmin belkemiğidir ve reklam yükünü olabildiğince düşük tutmak gerekir. Buradaki her kesinti, aylara yayılan bir ziyaret serisini riske atar. Tek seferlik trafikte ise hesap farklı çalışır: bir kampanya iniş sayfasında L zaten 1'e yakın değildir, kullanıcı bir kez gelip karar verir. Orada tek bir yerleşim, dönüşümü bozmadığı ölçüde savunulabilir.

Reklam kutusunu sayfaya koymadan önce yükleme süresine etkisini ölç. Üçüncü parti bir reklam betiği ana iş parçacığını yüz milisaniyelerle kilitleyebiliyor ve o gecikme doğrudan dönüşümden düşüyor. Aynı alanı kendi sunucundan servis edilen sabit bir görselle doldurabiliyorsan, ölçüm de kontrol de sende kalır.

Frekans sınırı koymak da en düşük maliyetli iyileştirmelerden biri. Aynı kullanıcıya aynı yerleşimi oturumda ikiden fazla göstermenin ek getirisi hızla sıfıra yakınsıyor, rahatsızlık ise birikiyor.

Ölçmenin pratik hali

Reklam yükünün gerçek maliyetini görmek için A/B testinde ölçülen metriğin doğru seçilmesi gerekiyor. Tek oturumdaki gelir yanıltıcıdır, çünkü kaybın büyük kısmı bir sonraki hafta ortaya çıkar. Anlamlı ölçüm, kohort bazlı geri dönüş oranı: aynı hafta gelen kullanıcıların dört hafta sonra ne kadarı hâlâ sitede. Bu ölçüm reklam denemelerinin çoğunda yapılmıyor, çünkü sonucu beklemek dört hafta sürüyor ve gösterim başına gelir aynı gün raporlanabiliyor. Kolay metriğin kazandığı yerde karar da kolay metriğe göre şekilleniyor.