Sonuç

On iki önerme

Yazar: · 5 dk okuma · Son güncelleme

Bu sayfada 2 bölüm
  1. Büyük reklamverenlerden küçük bir çevrimiçi mağazaya ne taşınır?
  2. Açık sorular

Her önerme tek başına anlaşılır ve kanıtının anlatıldığı bölümü gösterir.

On iki önermenin yerleştiği beş katlı merdiven: 1–2 fark, 3–5 kayıt, 6–8 ilişki, 9–11 müdahale, 12 bütünleştirme ve yapay zekâ okuru.
Şekil 9.1. 1–2. önermeler iki dünya arasındaki farkta, 3–5 kayıt basamağında, 6–8 ilişki basamağında, 9–11 müdahale basamağında, 12 ise bütünleştirme basamağında, yapay zekâ okuruyla birlikte durur.Kaynak: Bu kitap.

1. Bir reklamın etkisi iki dünya arasındaki farktır ve bir rapor bunlardan yalnızca birini gösterir. Pay, bir raporun bir satıştan reklama yazdığı kısımdır. Etki, reklam olmasaydı kaybolacak kısımdır. Her ölçüm yöntemi eksik dünyayı tahmin etmenin bir yoludur, ya da tahmin etmeye hiç çalışmamanın. (1. bölüm)

2. Reklam etkileri satışlardaki gürültüye göre küçüktür. Tipik esneklikler 0,1 ile 0,2 civarındadır ve tek bir kampanyanın getirisine ait güven aralıkları çoğu zaman 100 yüzde puanından geniştir. Çok büyük bir raporlanan getirinin etkiden çok seçilimi yansıtma olasılığı daha yüksektir. (1. bölüm)

3. Raporlanan bir dönüşüm, bir tanım altında yapılmış bir iddiadır. Olay, kişiye bağlantı ve zaman penceresi birer tercihtir. Bir platform bunları değiştirdiğinde hiçbir müşteri değişmemişken sayı değişir. (2. bölüm)

4. Platform iddiaları mağaza cirosunu aştığında getiri rakamları karşılaştırılamaz. Her platform ortak satışları kendine yazar; bu yüzden ROAS'ı aynı cironun çakışan ve bilinmeyen bir payı üzerinden hesaplanır. (2. bölüm)

5. Reklamı satan, ona notu da verir. Platform sayıları platform beyanlarıdır: çoğu zaman eldeki en iyi veri, ama hiçbir zaman bağımsız kanıt değil. (2. bölüm)

6. Attribution payı bir kurala göre böler; kanallar etkileştiğinde tek ve doğal bir bölüşüm yoktur. Birbirini güçlendiren kanalların nedensel etkileri birlikte ürettikleri satışların %100'ünden fazlasına ulaşır; aynı alıcılar için yarışan kanallarınki daha azına. Her attribution modeli toplamı %100'e zorlar; nedensel bir bölüşüm ancak etkileşimlerin nasıl paylaştırılacağını belirten varsayımlarla kurulabilir. (3. bölüm)

7. Gözlemsel tahminler reklam etkilerini abartma eğilimindedir, çoğu zaman birkaç kat. Abartma, yeniden hedefleme ve marka araması gibi hedeflemenin en güçlü olduğu yerde en büyüktür; daha iyi veri ya da daha iyi algoritmalar onu ortadan kaldırmaz. (4. bölüm)

8. Bir değişimin yerini bulmak onu açıklamak değildir. Bir değişimi hacim, karma ve orana ayırmak nerede olduğunu gösterir. Yalnızca bir müdahale nedenini gösterir. (4. bölüm)

9. Rastgele atama, paydan etkiye giden en doğrudan yoldur. Ghost ads ve bölgesel deneyler onu karşılanabilir kılar. Bir test sonucu, toplam harcamayla karşılaştırılmadan önce kontrol grubundaki harekete göre düzeltilmeli ve tüm işletmeye ölçeklenmelidir. (5. bölüm)

10. Bütçe ortalamayı değil marjinal getiriyi izlemelidir. Doygunluk marjı ortalamanın altına çeker, gecikmeli etkiler onu kısa pencerelerden gizler, sinerji de her kanalın marjını diğerlerine bağlar. (6. bölüm)

11. Kanıt zayıfken bütçeyi koruyun ve test edin. Her platform sayısına güvenmek de her platform sayısını indirmek de kestirmedir. Kararı her kanaldaki kanıt verir; kısa bir test çoğu zaman önlediği hatadan ucuzdur. (6. bölüm)

12. Attribution yön, deney gerçek, model dağıtım verir; kalibrasyon da onları bağlar. Bir yapay zekâ analisti ancak bu kanıtın ulaştığı yere kadar çıkabilir. Testimizde dil modelleri kanıt görünür olduğunda bu ayrımları uyguladı; zayıf noktaları aritmetik ölçekti. (7. ve 8. bölüm)

Büyük reklamverenlerden küçük bir çevrimiçi mağazaya ne taşınır?

[Bizim okumamız] Bu kitaptaki kanıtların çoğu büyük reklamverenlerden geliyor: büyük ABD perakendecileri ve aracı kurumlarıyla yapılan 25 deney (Lewis ve Rao, 2015), 663 ve 2.226 Meta deneyi (Gordon ve ark., 2023; Gordon ve ark., 2026), eBay'in ulusal arama reklamları (Blake ve ark., 2015) ve ABD televizyonundaki 288 tüketim markası (Shapiro ve ark., 2021). Küçük bir çevrimiçi mağaza büyüklükte, alıcıların onu ne kadar tanıdığında ve kullandığı kanallarda farklıdır. Üç tür bulgu farklı ölçüde taşınır.

Mekanizmalar taşınır. Hedefleme zaten alacak olanları seçer, platformlar ortak satışları kendilerine yazar, bölgesel test kontrol grubuna göre düzeltilip tüm işe ölçeklenmelidir ve ortalama getiri marjinal getiriden farklıdır. Bunların hiçbiri reklamverenin büyüklüğüne bağlı değildir. Reklamların nasıl dağıtıldığından ve raporların nasıl kurulduğundan çıkarlar; aynı platformlardan reklam alan küçük bir mağaza da onları miras alır.

Etki büyüklükleri doğrudan taşınmaz. %5'lik medyan artış, 1960–2008 arasında yayımlanmış çalışmalardan çıkan 0,12'lik ortalama esneklik (Sethuraman ve ark., 2011) ve eBay'in −%63'lük getirisi kendi örneklemlerini anlatır. Shapiro'nun ve Lodish'in tahminleri televizyonda reklamı yapılan hızlı tüketim ürünlerinden ve yerleşik ürünlerden geliyor; eBay'in arama harcamasının çoğu da satın almaları reklama bağlı olmayan sık eBay kullanıcılarına ulaştı (4. bölüm). Az tanınan bir mağaza, başka türlü onu bulamayacak daha çok alıcıya ulaşabilir; bu, etkilerini eBay'inkinden büyük kılardı. Bu kitabın kullandığı kaynaklar bunun küçük mağazalar için geçerli olup olmadığını ölçmüyor.

Gürültü sorunu büyür. Lewis ve Rao'nun deneyleri büyük perakendecilerle 2,8 milyon dolarlık reklamı kapsıyordu ve medyan aralıkları yine de 100 yüzde puandan genişti. Kesin sonuç veren bir deney 10 milyon kişi-haftadan fazla veri gerektirebilir (1. bölüm); bu, küçük bir mağazanın trafiğinin çok ötesindedir. Pratik cevap, daha büyük değişiklikleri test etmek (örneğin bütün bir kanalı durdurmak), testleri daha uzun tutmak ve aralığı sıfıra göre değil başa başa göre değerlendirmektir; 5. bölümdeki çözülmüş örnekte olduğu gibi.

Açık sorular

Kitabın kendi sınırları, kanıtın henüz cevaplamadığı soruları da gösteriyor.

  • Uzun vadeli marka etkisi. Günler ya da haftalar süren testlerin görmediği hafıza, tercih ve fiyatlama gücü etkisi, karar verilebilecek kesinlikte nasıl ölçülür? (Ön kısım; 1. bölüm)
  • Hedeflenen kitlenin ötesi. Platformun seçtiği kitlenin dışındaki insanlara ulaşmanın değeri, kullanıcı düzeyindeki deneylerin görüş alanına nasıl alınır? (Ön kısım)
  • Etkileşimlerin paylaştırılması. Kanallar birbirini güçlendirdiğinde hangi paylaştırma varsayımları savunulabilir ve bir deney bu varsayımları nasıl sınar? (3. bölüm)
  • Deney sonucunun taşınması. Tek bir kampanya, dönem ve bütçe düzeyinden gelen bir deney sonucu başka bütçelere, zamanlara ve kanallara ne ölçüde taşınabilir? (5. bölüm)
  • Modeli dürüst tutmak. Bir işletme her kanalı her ay test edemezken, medya karması modelinin varsayımları hangi deneylerle ve ne sıklıkla denetlenmeli? (7. bölüm)
  • Gerçek raporlarda yapay zekâ analisti. Belirleyici kanıt düzinelerce satırın arasına gömüldüğünde ve birkaç tuzak bir arada bulunduğunda dil modelleri aynı ayrımları yapabilir mi? (8. bölüm)
  • Attribution'ın isabeti. Tıklamaya dayalı attribution zamanla daha az isabetli hâle geldi mi? Kitap bunu ölçülmüş bir eğilim olarak değil, hipotez olarak bırakıyor. (Ek C)