Blog Archives - RTB House | TR

black-friday-2

Black Friday’de Başarı için 3 Altın Kural

Posted by | Blog | No Comments

ABD’de de ilk kez 1 trilyon doları geçmesi beklenen alışveriş sezonunda, yapay zeka teknolojilerinin desteğiyle Türkiye’de de rekorlar kırılacak

 

Dünyanın en büyük markalarına en gelişmiş teknoloji pazarlama çözümleri sağlayan RTB House, 2019’un son döneminde e-ticaret şirketlerinin Black Friday fırsatlarını kaçırmamak için yapmaları gerekenleri duyurdu.

Geçtiğimiz yıl Black Friday döneminde kredi kartı kullanarak yapılan harcamalar, bir önceki yıla kıyasla yüzde 38 artış sağlayarak 3,4 milyar liralık harcama yapılmasının önünü açtı. Nielsen’in araştırmasına göre, Türkiye’de internetten alışveriş yapan her 10 kullanıcıdan 9’u promosyon ve indirimlerin satın alma eğilimini arttıracağını söylüyor. Bu dönemi iyi değerlendiren şirketlerin satışlarını yüzde 60’a kadar artırabileceğini gösteriyor.

Birçok şirketin “Efsane Cuma”, “Şahane Cuma”, “Fırsat Cuması”, “Beklenen Cuma”, “Süper Cuma” ve “Bereketli Cuma” gibi sloganlar altında düzenlediği farklı kampanyalarda işletmelerin unutmaması gerekenleri RTB House Türkiye Ülke Müdürü Can Tunçer, şöyle sıralıyor:

-       Satın alma kararı için en 1 hafta önceden hatırlatmaya başlayın. Kullanıcı davranışına baktığımızda, satın alma kararlarının zaman aldığını görüyoruz. Bu süre, ürünün fiyatıyla doğru orantılı olarak artıyor. Örneğin büyük bir moda perakendecisi, web sitesini ziyaret etmelerinden sonra 5 gün içinde kullanıcıların büyük bir kısmını dönüştürebiliyor. Bu sırada bir elektronik perakendecisi, çevrimiçi mağazayla etkileşime başlayan kullanıcının dönüşmesi için 15 güne kadar beklemek zorunda kalıyor. Burada sadece ortalama rakamlardan bahsediyoruz. Daha önce e-mağazadan alışveriş yapmamış yeni kullanıcılar, ilk kez bir şey satın almak için daha da uzun süre harcıyor. Bu davranış göz önünde bulundurulduğunda, kullanıcının teklifimizi unutmamasını sağlamamız ve promosyon gerçekleşmeden en az 1 hafta önce ona hatırlatma yapmamız gerekiyor.

-       Kampanya günü öncesine dikkat edin. Kampanya gününden önce müşterilerin ilgisi her gün daha da değerli hale geliyor. İnsanların çevrimiçi ortamda güncel haberleri öğrenmek için harcadığı süre pek değişmese de promosyonunu göstermek isteyen pazarlamacıların sayısı artıyor. Genellikle envanter maliyetinin normal günlere kıyasla Black Friday’de 1,5-2 kat artabildiğini görüyoruz. Envanter maliyetindeki artış çoğu zaman promosyon gününden birkaç hafta önce başlayarak önceleri azar azar artıyor ve promosyonun 1-2 gün öncesinde ciddi bir artış yaşanıyor. Dolayısıyla kullanıcıya doğru zamanda bir reklam gösterebilmek için bile çok daha fazla yatırım yapmak gerekiyor.

-       Algoritmaya yardımcı olun. Yeniden hedefleme mekanizmalarının tarihsel verilere dayalı olarak çalıştığını da unutmamalıyız. Bundan dolayı, kullanıcı davranışındaki büyük değişimler algoritmalarla hesaplanırken bir zaman kayması söz konusudur ve promosyon gününde dakikalar bile önemlidir. Dolayısıyla, dönüşüm oranının artacağına dair bir ipucu vererek algoritmaya “yardımcı olmak” gerekir. Teknik olarak bu, teklifin artmasıyla sonuçlanır. Kampanya yönetimi ekibi satış artışını öngörebilmeli ve kampanyaya daha fazla yatırım yapma riskini almalıdır. Zirve noktası aşıldıktan sonra ekibin tam tersini yaparak algoritmanın yavaşlamasına yardımcı olması gerekir.

Kampanya dönemlerini daha verimli değerlendirmek ve daha fazla bilgi için www.rtbhouse.com adresini kullanabilirsiniz.

deep learning-a1

Her 10 Tüketiciden 9’u Kişiselleştirilmiş Öneriler Görmek İstiyor

Posted by | Blog, Press releases | No Comments

Açıklanan yeni rapora göre, gelişmiş kişiselleştirilen pazarlamaya yatırım yapan şirketler 20 kata kadar yatımın karşılığını alabiliyor

Yapılan araştırmalara göre tüketicilerin çoğu kişiselleştirilmiş tekliflerle gelen markalardan alışveriş yapacağını belirtiyor. Accenture raporuna göre, tüketicilerin yüzde 91’i kendilerini ilgilendiren teklif ve önerilerle gelen markalardan alışveriş yapmak istiyor. Bununla birlikte her 10 pazarlamacıdan 9’u kişiselleştirme tekniklerini kullandıklarını ifade ederken, yüzde 55’i etkili bir kişiselleştirme yapamadığından endişe ediyor. Oysa kişiselleştirme ile yatırım maliyeti yüzde 50’ye kadar düşerken gelirleri yüzde 5 ila 15, pazarlama yatırım verimliliğini yüzde 10 ila 30 artırmak mümkün. Hatta gelişmiş kişiselleştirilmiş tekniklerini kullanan markaların 1’e 20 oranında kazanabildikleri görülüyor.

Markaların kişiselleştirilmiş önerilerle tüketicilere gitmek istediğini ancak teknoloji bariyeriyle karşılaştığına değinen RTB House Türkiye Ülke Müdürü Can Tunçer, “Bir süre önce bilim kurgu filmlerinde gördüğümüz detayda kişiselleştirilmiş reklamlar derin öğrenme teknolojisiyle mümkün hale geldi. Büyük verinin kilidini açmaya yarayan derin öğrenme teknolojisi ile daha önce hiç olmadığı kadar hedefli, yüksek yatırım geri dönüşü (ROI) sağlayan ve pazarlama bütçelerinin daha verimli kullanılabildiği bir döneme girdiğimizi görüyoruz” dedi.

Derin öğrenme, gerçek zamanlı kişiselleştirmeyi nasıl destekliyor?

Tüketicilerin internette gezinme geçmişlerinin yanı sıra davranışlarını da analiz ederek en doğru önerileri sunmaya yardımcı olan yeniden hedefleme ve kişiselleştirme teknolojileri derin öğrenme ile gerçeğe dönüşüyor. Derin öğrenme öneri sistemi, bir reklam her görüntülendiğinde gösterilen reklamda sunulanları uyarlayıp, gerçek zamanlı olarak davranış profili oluşturmayı sağlıyor.

Reklam, her görüntülendiğinde kullanıcılara nelerin sunulması gerektiğine karar verirken ayrıca algoritmaların, belirli bir kullanıcının daha önce görüntülenen tekliflere verdiği tepkiye göre yanıt vermesini ve uyarlamasını sağlıyor. Kullanıcının davranışsal profili gerçek zamanlı olarak oluşturuluyor ve sadece kullanıcının mağazada yaptıklarına değil, reklam mesajına verdiği yanıta da dayanıyor.

Ekranda bir reklam görüntüleme olasılığı hakkında bilgi alındığı andan itibaren reklam ekranda görüntülenene kadar geçen süre bir saniyeden daha kısa olması sürecin çok zor olmasını ifade ediyor. Güçlü algoritmalar ve sürekli analizler sayesinde ise derin öğrenme yeniden hedefleme mekanizmaları, kullanıcıların davranışsal profilini gerçek zamanlı olarak yeniden oluşturabiliyor.

RTB House verilerine göre derin öğrenme, öneri mekanizmalarına uygulandıktan sonra kullanıcılar, reklamlara %41′e oranında daha fazla tıklıyor. Böyle bir artış, özellikle çapraz kategori önerileri kullanma olasılıklarının neredeyse sınırsız olduğu moda ve çok kategorili e-mağazalar gibi sektörlerde göze çarpıyor.

Kişiselleştirilmiş yeniden hedefleme hakkında daha fazla bilgi için https://www.rtbhouse.com/tr/our-products/personalized-retargeting/ adresini kullanabilirsiniz.

so accurate-A1

Seyahat Sektörü Reklam Harcamalarının Yüzde 65’i Dijital Olacak

Posted by | Blog | No Comments

Geçtiğimiz yıl seyahat sektöründeki reklam yatırımlarının yarısını oluşturan dijital reklamların 2019 yılında artması, derin öğrenme ile çok daha kişiselleştirilmiş anlık tekliflerin kullanıcılara sunulması bekleniyor

RTB House, seyahat pazarlama uzmanlarının 2019 yazındaki tercihlerinde dijitalin rolünün artacağını açıkladı. Geçtiğimiz yıl reklam harcamalarının yarısı dijital reklamlardan oluşurken, bu yıl bu rakamın yüzde 65’i aşması bekleniyor. Bu bütçe içerisinde harcamaların yüzde 10’undan fazlasının programatik display reklamlara ayrılacağı tahmin ediliyor.

Dijital reklam bütçelerinin artmasıyla birlikte birçok farklı kanalda kişiselleştirilmiş reklamlarla tüketicilere ulaşmak mümkün oluyor. Sojern tarafından 600 pazarlama uzmanı ile yapılan Seyahat Sektörü Reklam Araştırması 2019’a göre, seyahat sektöründeki pazarlama uzmanlarının yüzde 46’sı kişiselleştirilmiş ve gerçek zamanlı olarak reklam sunmanın önlerindeki en önemli zorluk olduğunu dile getirdi.

Derin öğrenme ile geliştirilen algoritmaların anlık olarak tüketicilere özel teklifleri sunmaya yardımcı olduğunu belirten RTB House Türkiye Ülke Müdürü Can Tunçer, “Derin öğrenme, daha hassas hedeflemeyle kampanya performansını iyileştirmede yardımcı oluyor. Kullanıcıların ihtiyaçlarını daha doğru bir şekilde analiz ve tespit etmek için gelişmiş algoritmalar, veri modelleri kullanan derin öğrenme teknolojileri pazarlamacıların daha ileri gitmesini mümkün kılıyor. Özellikle ürün yelpazelerinin geniş ve çeşitli olduğu seyahat sektöründe, her kullanıcının kişisel zevklerine uygun kararların milisaniyeler içinde verilmesi gerekiyor. Derin öğrenme algoritmaları tarafından yapılan derinlemesine analizler, kişiselleştirilmiş tekliflerin hızlı ve büyük ölçüde her kullanıcıya özel olarak uyarlanmış şekilde görüntüleneceği anlamına geliyor. Sonuç olarak kullanıcılara yalnızca alakalı oldukları öneriler sunan reklamverenler daha etkili bir kampanya ortaya çıkarıyor” dedi.

Derin öğrenme ile yüzde 41 daha fazla tıklanma

Derin öğrenme, yeniden hedefleyenlerin sadece temel kullanıcı davranışlarını (hangi ürünler veya ürün kategorilerinin ziyaret edildiği vb.) değil, aynı zamanda “gizli katman verileri”ni de analiz etmelerini sağlıyor.

Vücut dilinde olduğu gibi, mikro ifadeler, gerçek ve keşfedilmemiş niyetleri açığa çıkarabiliyor. Derin öğrenmeyi kullanan gelişmiş algoritmalar; görüntülenen fırsatlar arasında geçen süre, görüntülenen ürünlerin fiyatları ve hatta mağazanın ziyaret edilen alt sayfalarının sıralamasının analiz edilebilmesine olanak tanıyor.

Bu bilgilerle donatılan makineler, kullanıcının mağazada tam olarak ne yaptığını yorumluyor ve kullanıcının gerçek alışveriş amacını öngörmeye çalışıyor. Çok sayıda geçmiş veri algoritması ile kullanıcının en çok ilgisini çekebilecek ürünler tahmin ediliyor.

RTB House verilerine göre derin öğrenme, öneri mekanizmalarına uygulandıktan sonra kullanıcılar, reklamlara %41′e oranında daha fazla tıklıyor. Böyle bir artış, özellikle çapraz kategori önerileri kullanma olasılıklarının neredeyse sınırsız olduğu moda ve çok kategorili e-mağazalar gibi sektörlerde göze çarpıyor.

Derin öğrenme her geçen gün daha popüler hale geliyor ve otomotivden eğlence, pazarlamaya kadar birçok sektörde büyük değişimler yaratıyor. Reklamcılık sektörü, derin öğrenme ile kullanıcılar için özel olarak tasarlanmış ve kişiselleştirilmiş mesajlar, daha fazla kullanıcı memnuniyeti ve daha etkili kampanyalar meydana getiriyor.

Derin öğrenme teknolojisiyle yeniden hedefleme hakkında daha fazla bilgi için www.rtbhouse.com adresini kullanabilirsiniz.

Kaynaklar

https://www.sojern.com/blog/travel-advertising-industry-report-2019/

Mobile first-A1

e-Ticarette Neden Mobil Uygulamalar Önce Gelir?

Posted by | Blog | No Comments

Pazarın şu anda en hızlı gelişen alanlardan biri olan mobil ticaret ile uygulama içi satın almanın artışı arasında doğrusal bir bağlantı bulunuyor. Ancak çoğu şirket hâlâ bu yolu izlememenin yanı sıra özellikle pazarlama konusunda geleneksel yöntemleri ve araçları kullanmaya devam ediyor. E-ticaret gibi hızla gelişen, rekabetçi bir alanda eğilimleri ve değişiklikleri yakalamak bir zorunluluk; uygulama içi öğelere odaklanmayan markalar da kısa zamanda bunun farkına varacaklar

eMarketer, 2019’da küresel mobil reklam harcamasının 232,34 milyar dolar olacağını öngörüyor [1]. Dahası, Statista’ya göre 2018-2021 arasında küresel mobil veri trafiği yaklaşık 3 kat artacak [2]. Bu durumun temelinde, gitgide daha çok insanın cep telefonu ve özellikle uygulama kullanıyor olması yatıyor. Üstelik mobil kullanıcılarının %87’si mobil cihazında vaktini uygulamalarla geçiriyor [3]. İnternet hızının artması ise bu süreci her yıl daha da ilerletiyor.

Şirketler mobil çağa ayak uydurmak adına kendi uygulamalarını oluşturmaya başlasa da çoğu zaman işler bununla sınırlı kalıyor. Günümüzde, özellikle de yeni teknolojilerin ve müşteriye ulaşma yollarının her ay şekil değiştirdiği e-ticaret dünyasında bu yeterli değildir. Tekniklerini geliştirmeyen ve kullanıcılarla etkileşim kurmayan markalar silinip gidecekler. Bu nedenle tüm dünyadaki pazarlamacılar için asıl soru mobile yatırım yapılıp yapılmayacağı değil, satış sürecinde mobilin tüm potansiyelinden nasıl yararlanılacağı olmalıdır.

Her şeyden önce, büyüme olasılıklarını hesaplamadan, mobil uygulamanın arkasında yatan düşünceyi bilmek çok önemlidir. Bugün, e-ticaret alanında faaliyet gösterenler başta olmak üzere tüm markalar, uygulamaları yeni bir satış kanalı ve müşterinin markayla olan deneyimini geliştirmek için yeni bir yol olarak görmelidir.

Mobil uygulama ve mobil cihazlar için optimize edilmiş web sitesi karşılaştırması

TechCrunch’a göre mobil uygulamalar, mobil cihazlar için optimize edilmiş web sitelerine veya masaüstünden web görüntülemeye kıyasla çok daha yüksek etkileşim oranına ve yüzde 100 ila yüzde 300 daha fazla dönüşüm oranına sahip [4]. Bu satış artışı, ziyaret hacmi ve sıklığındaki artıştan ötürü meydana geliyor. Bain & Co’nun analizine göre mobil uygulama kullanıcıları, diğer kanallara kıyasla müşteri yolculuğunu 3 kat daha hızlı tamamlıyor ve 4,2 kat daha fazla ürün görüyor [5].

Bu rakamların arkasında, mobil cihazlar için optimize edilmiş web sitelerinde kullanılmayan bazı etkinlikler ve araçlar bulabiliriz. İlk olarak, uygulamalar hem daha hızlı çalışır ve yüklenir hem de kullanıcıların parmaklarının hemen ucundadır. Mobil cihaz ve uygulama kullanımındaki artış nedeniyle tüketiciler, markalardan yalnızca bir tık uzaktalar. App Annie’nin raporuna göre alışveriş uygulamalarında harcanan süre 2018’de küresel olarak 18 milyar saate ulaştı [6].

Elbette bu rakamların ardında, gerek uygulama üzerinden gerekse anlık mesajlar, e-postalar, bildirimler gibi yollarla kullanıcı çekme imkanı sunan anında bağlantı olanakları yatıyor. Bu da bizi mobil uygulamaların en önemli özelliğine ve asıl kullanım nedenine, yani kişiselleştirmeye getiriyor. Mobil uygulamalarda, özelleştirilebilir teklifler ve güncellemelerden (sadakat programları yoluyla) coğrafi konum tespiti ve kullanıcı etkileşimi takibine kadar pek çok seçenek yer alıyor. Uygulama ortamı genel olarak farklı pazarlama yaklaşımlarını ve stratejilerini test edip sonuçta daha yüksek dönüşüm oranları elde etmek için harika bir alan sunuyor. Üstelik bilmek isteyebileceğiniz bir başka nokta da; Compuware’in analizine göre tüketicilerin %85’i mobil web sitelerindense uygulamaları tercih ediyor.

Envanter kârının yüzde 80’den fazlası halihazırda mobil cihazlardan

App Annie raporunun gösterdiğine göre 2019’da yüzde 60 oranında daha fazla uygulama, uygulama içi reklamlar ile kazanç sağlayacak. Buna rağmen bazı pazarlamacılar hâlâ uygulama ortamındaki reklam olanaklarının farkında değiller. Bu şaşırtıcı bir durum çünkü hem markalar arasındaki rekabet hem de kullanıcıların davranışları, ihtiyaçları ve beklentileri gittikçe daha zorlu ve çetin bir hale geliyor. Dünya çapında 8 milyar uygulama yüklemesini analiz eden Adjust’a göre ise uygulamalar, son kez kullanıldıktan sonra ortalama 5,8 gün içinde siliniyor. Tabii ki bunun yetersiz depolama alanı, sistem hataları, kötü kullanıcı deneyimi veya yalnızca etkileşim eksikliği nedeniyle uygulamanın unutulup kullanılmaması gibi pek çok sebebi var. Bu da bizi yeniden hedefleme konusuna getiriyor.

Markalar, sürekli alışveriş yapan müşterileriyle etkileşim kurmak veya alışverişini tamamlamamış kullanıcıların geri gelip satın alım işlemini tamamlamasını sağlamak için yeniden hedeflemeyi başarılı bir şekilde kullanıyor. Bu, birkaç yıl içinde kesinlikle sahip olunması gereken günlük bir pazarlama aracı haline geldi. Ancak yine pek çok şirket bunu mobil alışveriş uygulamaları için kullanmıyor. RTB House’un kendi verilerine göre, envanter kârının yüzde 80’den fazlası halihazırda mobil cihazlardan sağlanıyor. Bu durumda sonuç gayet basit: E-mağaza içi yeniden hedeflemeye önem veren markaların, uygulama içi yeniden hedeflemeye de aynı şekilde önem vermesi kazandırıyor.

Değişmekten korkmayın, entegrasyon işin en kolay kısmı

İkinci neden ise markaların yeniden hedefleme araçlarını uygulamalara entegre etmede tereddüt etmesi. Markalar genelde bunun web mağazası entegrasyonu gibi karmaşık bir süreç olduğunu düşünüyor. Aslında durum tam tersi. Gelişmiş yeniden hedefleme şirketleri zaten pek çok tedarikçi ve platformla iş ortağı olarak entegre durumda olduğu için, bir marka bu tarz bir platformda uygulama oluşturduğunda entegrasyon yalnızca saniyelerini alır.

Üstelik uygulama içi yeniden hedefleme, web yeniden hedefleme ile aynı değerleri sunuyor. Kullanıcıların etkileşimde kalmasına yardımcı oluyor ve gelecekte uygulamaya geri dönme olasılıklarını artırıyor. Kişiselleştirilmiş reklamları ve ilgili teklifleri doğru zamanda sunarak hem dönüşüm oranını hem de satış hacmini yükseltiyor, kullanıcı deneyimini iyileştirir ve ilgili ürünlerin gösterilmesini sağlıyor. Ayrıca kampanyalar tamamen özelleştirilebiliyor. Bu ikisi arasında, artan mobil müşteri sayısı dışında hiçbir fark yoktur. Statista verilerine göre kullanıcıların yüzde 67’si, kendisine ürünü aldıran faktörün mobil uygulama deneyimi olduğunu söylüyor. Burada ciddi bir potansiyel yatıyor ve tüketiciler, parmaklarının ucunda markayı görmeyi bekliyorlar.

Mothers day-A1

Yapay Zekâ ile Annelere En Uygun Hediyeyi Önerin

Posted by | Blog | No Comments

Bu yıl Türkiye’deki anneler günü online satın almasının 2 milyar TL’yi geride bırakması beklenirken, derin öğrenme temelli yeniden hedefleme reklamları, en uygun anneler günü hediyelerini kullanıcılara sunuyor

Ülkemizde de olduğu gibi tüm dünyada anneler günü, yılbaşından sonra en fazla alışverişin yapıldığı perakende günü oluyor. Bu yıl 12 Mayıs’ta gerçekleşecek anneler günü için derin öğrenme temelli algoritmalar, en iyi hediyenin bulunması için tüketicilere yardımcı olurken, e-ticaret sitelerinin de satışlarını artırmalarına olanak tanıyor.

Tüketicilerin kişisel dokunuşlara sahip hediyeler aradığına dikkat çeken RTB House Türkiye Ülke Müdürü Can Tunçer, “Şirketlerin kullanıcılarının beğenilerine göre kişiselleştirilmiş reklamlar çıkarmaları gerekiyor. Derin öğrenme öneri mekanizmalarına uygulandıktan sonra kullanıcılar, derin öğrenmeye sahip olmayanlara kıyasla reklamlara yüzde 41 oranında daha fazla tıklıyor. Derin öğrenme her geçen gün daha popüler hale geliyor ve otomotivden eğlence, pazarlamaya kadar birçok sektörde büyük değişimler yaratıyor. Reklamcılık sektörü, derin öğrenme ile kullanıcılar için özel olarak tasarlanmış ve kişiselleştirilmiş mesajlar, daha fazla kullanıcı memnuniyeti ve daha etkili kampanyalar meydana getiriyor” dedi.

BKM verilerine göre, 2018 yılında yüzde 40 artan online kredi kartı harcamalarının, bu yıl da artmaya devam ettiğinin altını çizen Tunçer, Mayıs ayında, anneler gününün de etkisiyle harcamaların yükseldiğine dikkat çekti ve artıştan yararlanmaları için e-ticaret pazarlama uzmanlarına şu önerilerde bulundu:

-       Annelerin tarzlarına göre profiller oluşturun. Daha kesin bir profil tanımına sahip olmak, potansiyel müşterilerinizin alışveriş yapmak istediği genel kategoriyi daha iyi anlamanızı sağlayacak. Böylece, her profil segmenti için uygun ürün önerisine göre daha iyi hedeflenmiş yeniden pazarlama stratejisi benimseyebilirsiniz.

-       Anneler günü için hatırlatmada bulunun. Mayıs ayı başında anneler gününün yaklaştığını, yoğun gündemde kaybolan kullanıcılara hatırlatın.

-       Bir hafta kala reklam yatırımlarınızı sıklaştırın. Anneler gününden önceki son hafta en fazla satın almanın yaşandığı dönem olurken, normal düzende en fazla harcamanın Perşembe akşamları yapıldığını unutmayın.

-       Son dakikacılara önerilerle gidin. Anneler günü için en fazla satın alma, bir önceki Cuma ve Cumartesi günleri yaşanıyor. Özel tekliflerle son güne kalan kullanıcıları yakalamak mümkün. Aynı zamanda son güne kalan kullanıcılara online satın alma sonrası paketin teslim alınabileceği yerleri gösterebilirsiniz. Son dakikacı kullanıcıların çoğunda zamanında teslimat endişesine çare olabileceğinizi gösterin.

Derin öğrenme teknolojisiyle yeniden hedefleme hakkında daha fazla bilgi için www.rtbhouse.com adresini kullanabilirsiniz.

deep-learning

Kişiselleştirilmiş İçeriğin Anahtarı: Derin Öğrenme

Posted by | Blog | No Comments

Reklamverenler, ilgisiz reklamlardan kaçmaya çalışan ve kişiselleştirilmiş reklamlar isteyen kullanıcılara, yapay zekânın en umut veren alt kolu olan derin öğrenme ile ulaşıyor

İnsanlar çevrimdışı ve çevrimiçi olarak her gün binlerce reklam ile muhatap oluyor. Reklam engelleyici yazılımların gittikçe popüler hale gelmesinin ardından insanlar gösterilen reklamları azaltmanın yollarını arıyor. Asıl sorun ise bu içeriğin büyük bölümünün hâlâ kullanıcılarla alakasız olması. RTB House’dan Can Tunçer derin öğrenmenin, reklamverenlerin bu sorunla başa çıkmalarına ve derin öğrenme yoluyla daha hassas hedeflemeyle kampanya performansını iyileştirmelerine nasıl yardımcı olabileceğini açıklıyor.

Pazarlamacılar, derin kişiselleştirme teknolojileri ile kullanıcılara, alakalı oldukları mesajlar ileterek dikkat çekme açığını kapatabilme imkanına sahip durumdalar. Yaklaşımın temeli, reklam sağlayıcısının kişiselleştirme sürecini kendi önerme teknolojilerine dahil etme yöntemine dayanıyor. Yapay zeka ve makine öğrenimi teknolojilerini (Netflix ya da Amazon’un başarılı olmasını sağlayan aynı tür teknolojiler) kullananlar, başarılı kampanyalar meydana getiriyorlar.

Bu noktada makine öğrenimi ve yapay zekâ tekniklerinden yararlanmak, dijital pazarlamacı için ilk adımı oluşturuyor. Kullanıcıların ihtiyaçlarını daha doğru bir şekilde analiz ve tespit etmek için gelişmiş algoritmalar, veri modelleri kullanan derin öğrenme teknolojileri pazarlamacıların daha ileri gitmesini mümkün kılıyor. Özellikle ürün yelpazelerinin geniş ve çeşitli olduğu e-ticaret sektöründe, her kullanıcının kişisel zevklerine uygun kararların milisaniyeler içinde verilmesi gerekiyor.

Derin öğrenme algoritmaları tarafından yapılan derinlemesine analizler, kişiselleştirilmiş tekliflerin hızlı ve büyük ölçüde her kullanıcıya özel olarak uyarlanmış şekilde görüntüleneceği anlamına geliyor. Sonuç olarak kullanıcılara yalnızca alakalı oldukları öneriler sunan reklamverenler daha etkili bir kampanya ortaya çıkarıyor.

Derin öğrenme, makine öğreniminden daha iyi sonuç veriyor

Yeniden hedefleme yapılan durumlarda süreç, birçok mağazada benzer ürünlere göz atan; fakat alışveriş yapmayan kullanıcılarla başlıyor. Dijital pazarlamacı, bu kullanıcılar ile yeniden bağlantı kurmak ve onu geri getirmek için yeniden hedefleme kampanyası kullanıyor.

Standart makine öğrenimi, büyük miktarda veriden çıkarım yapacak şekilde tasarlanıyor. Ancak bu yöntemde makinenin nasıl öğreneceğinin, neleri analiz edeceğinin ve hangi sonucu çıkaracağının öğretilmesi gerekiyor.

Derin öğrenme kullanıldığında ise öğrenme yöntemi değişiyor. Bilgileri işleme ve karar alma konularında insan beyninin işleyişini taklit eden derin öğrenme; insanların pratik yaparak öğrenmelerine benzer şekilde, son kararı vermeden önce standart makine yönteminden farklı yönlere odaklanıyor.

E-ticarette kendi kendine öğrenme prosedürü, deneyim veya simülasyonlardan sezgisel olarak öğrenmeyle gerçekleşiyor ve satın alma potansiyelinin daha doğru ve daha hızlı bir şekilde tanımlanmasıyla sonuçlanıyor.

Derin öğrenme yönteminde tüm bunlar, insan girdisi veya manuel olarak uygulanan kurallar olmadan gerçekleşiyor. Derin öğrenme, yeniden hedefleyenlerin sadece temel kullanıcı davranışlarını(hangi ürünler veya ürün kategorilerinin ziyaret edildiği vb.) değil, aynı zamanda “gizli katman verileri”ni de analiz etmelerini sağlıyor.

Derin öğrenme ile yüzde 41 daha fazla tıklanma

Vücut dilinde olduğu gibi, mikro ifadeler, gerçek ve keşfedilmemiş niyetleri açığa çıkarabiliyor. Derin öğrenmeyi kullanan gelişmiş algoritmalar; görüntülenen ürünler arasında geçen süre, görüntülenen ürünlerin fiyatları ve hatta mağazanın ziyaret edilen alt sayfalarının sıralamasının analiz edilebilmesine olanak tanıyor.

Bu bilgilerle donatılan makineler, kullanıcının mağazada tam olarak ne yaptığını yorumluyor ve kullanıcının gerçek alışveriş amacını öngörmeye çalışıyor. Çok sayıda geçmiş veri algoritması ile kullanıcının en çok ilgisini çekebilecek ürünler tahmin ediliyor.

Bununla birlikte, ürün kategorisine ve tüketici özelliklerine bağlı olarak, nihai satın alma için karar süreci birkaç hafta sürebiliyor. Kullanıcının belirli bir mağazayı ziyaret etme ya da cihazı kullanma sıklığı gibi gizli bilgiler kullanılırken; bu, yakın gelecekte kullanıcının arayacağı ürünler için öneri mekanizmalarının çok daha erken uyarılmasına olanak tanıyor.

RTB House verilerine göre derin öğrenme, öneri mekanizmalarına uygulandıktan sonra kullanıcılar, reklamlara %41′e oranında daha fazla tıklıyor. Böyle bir artış, özellikle çapraz kategori önerileri kullanma olasılıklarının neredeyse sınırsız olduğu moda ve çok kategorili e-mağazalar gibi sektörlerde göze çarpıyor.

Derin öğrenme her geçen gün daha popüler hale geliyor ve otomotivden eğlence, pazarlamaya kadar birçok sektörde büyük değişimler yaratıyor. Reklamcılık sektörü, derin öğrenme ile kullanıcılar için özel olarak tasarlanmış ve kişiselleştirilmiş mesajlar, daha fazla kullanıcı memnuniyeti ve daha etkili kampanyalar meydana getiriyor.

Derin öğrenme teknolojisiyle yeniden hedefleme hakkında daha fazla bilgi için www.rtbhouse.com adresini kullanabilirsiniz.

 

Performance vs. Branding-A1

Reklamcılar marka ve performans odaklı stratejileri nasıl bir araya getirebilir?

Posted by | Blog | No Comments

Türkiye’de 2018 yılında dijital reklam pazarı, bir önceki yıla kıyasla yüzde 14,2 büyüyerek 2,47 milyar TL’ye ulaştı. Ocak 2019′da yayınlanan We are Social raporuna göre, Türkiye’deki nüfusun yüzde 72’si 59 milyondan fazla kişi internet kullanıyor. Bu internet kullanıcılarının her biri, günde binlerce reklamla karşılaşıyor. Dolayısıyla, pazarlamacıların en önemli işi, bu görülen ve bir şekilde kullanıcının zihni tarafından işleme alınan reklamlar arasında yer almak.

Pazarlama sektörü hem marka hem de performans odaklı pazarlamanın değerli olduğunun ve olumlu sonuçlar getirdiğinin farkında. Bununla birlikte, performansa dayalı pazarlama, şirketin büyümesini sağlarken marka adını odak noktasına alan pazarlama stratejileri daha uzun vadeli tanınırlık getiriyor. Uzun süredir pazarlama sektörünün kilit noktası sayılan marka oluşturma hedefi artık performans odaklı pazarlama araçlarının tehdidi altında; çünkü pazarlamacıların odak noktası hedef kitleye erişimden ziyade, yatırım getirisine kaymış durumda. Bunun sonucu olarak, ölçülebilir ve kısa vadeli performansın daha büyük bir önem kazandığını görüyoruz.

Farklar

Aradaki fark tam olarak nedir? Genel olarak, marka odaklı stratejinin marka görünürlüğünü, tanınırlığını artırma ve müşterilerin markaya sadık kalmalarını sağlamaya yönelik tüm etkinlikleri temsil ettiğini söyleyebiliriz. Marka odaklı dijital pazarlama kampanyaları yürüten reklamcılar genellikle sosyal özelliklerine dayalı olarak belirli grupları hedef alacak şekilde tasarlanan, statik reklamlar (banner) kullanırlar. Ayrıca, pazarlama kanalındaki yerleşim seçenekleri en geniş gruba ulaşacak şekilde, genellikle önceden seçilir. Bu durumda performans odaklı pazarlamanın marka oluşturma stratejisiyle tam bir zıtlık içinde olduğu söylenebilir. Bu yöntem daha küçük bir hedef kitleyi ve hatta doğru zamanda ve doğru yerde, doğru insanı hedef almayı amaçlar. Özellikle de somut ve ölçülebilir hedefler elde etmek söz konusu olduğunda. Pazarlamacılar artık bire bir pazarlama planları yapabiliyor ve yürütebiliyorlar; çünkü sofistike teknolojik gelişmeler, veri analizi ve bunlardan elde edilen bilgiler, belirli bir tüketici belirli bir mağazayı ziyaret ettiğinde ve belirli bir ürün için alışveriş yaptığında bunun görülebilmesini sağlıyor.

Yeniden hedefleme ile karma bir yaklaşım şansı

Yeniden hedefleme (retargeting) kampanyaları, eskiden tamamen performans odaklı pazarlama olarak sınıflandırılırdı. Sonuçlar kolayca ölçülebilir ve kreatif materyaller marka yerine ürünlerle doludur. Peki yeniden hedefleme kampanyalarında marka görsellerinin yer alması imkansız mı? Tabii ki de değil! Aslına bakılırsa, hem kısa vadeli hem de uzun vadeli hedeflere uygun, karma bir modeli seçen markaların sayısının her geçen gün arttığını gözlemliyoruz. Yeniden hedefleme teknolojisi sunan bir şirket olarak yaşadığımız deneyimlerde, sayısız müşterimiz oldu ve çok çeşitli gereksinimleri ele almamız gerekti. Bazı müşteriler kreatif materyallerin görünüşü ile ilgili en ufak bir koşul getirmeden sadece performansa odaklanırken bazıları da kesinlikle değiştirilmeden yeniden hedefleme kampanyalarına dahil edilmesini istedikleri bir marka stratejisiyle geliyordu. Bu da bize, en iyi sonuçlara ulaşmanın anahtarının denge olduğunu öğretti.

Ekrandaki kreatif materyalin etkinliği sadece pazarlamacıların reklam mesajını kişiselleştirmelerine ve kullanıcı gereksinimlerine göre uyarlanmış teklifi sunmalarına olanak tanıyan teknolojiye ve gelişmiş algoritmalara dayalı değil. Pazarlama etkinliklerindeki tutarlılık, yani reklamcının marka rehberi ve belirli kampanyaların temel görselleri de çok önemli. Bu şekilde hazırlanan kreatif materyaller, satışların önemli ölçüde artmasını sağlayabilir ve aynı zamanda marka algısını olumlu yönde etkileyebilir.

Örnek olay

Müşterilerimizden biri, mağazanın web sitesini ziyaret eden ama artık satın alma sürecinde olmayanları hedef almak istiyordu. O zamanlarda, bu kullanıcıların yeniden hedefleme etkinliklerindeki payının yüzde 15 olduğu tahmin ediliyordu. Destek etkinliklerinin parçası olarak, RTB House mağaza tekliflerini, bu daha az sadık müşterilerin ilgisini çekecek şekilde, marka oluşturma kampanyasının öğeleriyle bir araya getirerek güncellenmiş kreatif materyaller kullandı.

Sonuçta bu etkinlikler, satın alma sürecinin dışındaki kullanıcıların payının, toplam yeniden hedefleme akışı içinde yüzde 37,5′e kadar çıkmasını ve markaya olan ilgilerinin (dönüşüm oranı neredeyse yüzde 4′e ulaştı) yanı sıra müşterinin mevcut tekliflerine dair farkındalıklarının artmasını sağladı.

Özet

Reklamcıların yanıt bulmaya çalıştıkları soru şudur: Pazarlama nasıl daha verimli hale getirilebilir? Olası yanıtlardan biri performans odaklı ve marka odaklı reklamcılık stratejilerini bir araya getirmek olabilir. Kullanılacak pazarlama kanallarına her geçen gün verilerin daha fazla yön verdiği günümüzde, hem performans hem de marka odaklı pazarlama birimleri birbirlerinin hedeflerini öğrenmeli ve doğru mesajı, doğru zamanda, doğru insana ulaştırmak için birlikte çalışmalıdır. Stratejiyi ve araçları ortaklaşa planlamak hayati önem taşıyor. Kalıplaşmış yapıyı kırmak, markalar için ilk ve genellikle en zor adımdır. Bununla birlikte, planlama kararlarını alırken tüm pazarlama ekibinizin bir arada olması, temel performans kriterlerine uygun hareket edilmesi ve başarıyı getirecek entegre bir strateji oluşturmak açısından çok önemlidir. Açık fikirli bir yaklaşım, ekiplerin aynı anda tüm araçların sağladığı avantajlardan yararlanmalarını sağlayacaktır. “Performans odaklı yeniden hedefleme kampanyaları”na marka öğelerini ekleme ya da “marka tanınırlığı kampanyalarında’ kişiselleştirilmiş yaklaşım ve performans ölçümlerini kullanmak mümkündür. Karma taktikler hem satışlar hem de marka tanınırlığı açısından daha iyi sonuçlar sunacaktır.

Multiple retargeting strategy-A1

Birden Fazla Yeniden Hedefleme Stratejisi ile Performansı Nasıl Artırırsınız?

Posted by | Blog | No Comments

E-ticaretin yeniden hedefleme dünyasında performans her şeydir. Yeniden hedefleme yapacak ikinci bir sağlayıcı yaklaştığında, pazarlamacılar genelde bu ikinci sağlayıcının daha kötü sonuçlara yol açmasından, yeniden hedefleme yapan ilk sağlayıcının çalışmaları üzerinde olumsuz etki yaratmasından ve her kampanyada daha yüksek fiyatlara yol açmasından korkarlar. Ancak pazarlama hizmeti sunan şirketler arasındaki rekabetin, sonuçlar üzerinde olumlu etkisi olduğu görülmüştür. Birden fazla yeniden pazarlama stratejisi, daha fazla kâr sağlayabilir ve rekabet yoluyla daha iyi sonuçlar elde edilmesine imkan verir.

Aynı hedef için rekabetçi teklifler

Reklamverenler genellikle, birden fazla yeniden hedefleme yapan pazarlamacının rekabet nedeniyle daha kötü sonuçlara neden olabileceğinden endişe duyarlar. Her ikisinin de aynı kullanıcılar için birbirlerine karşı teklif verecekleri ve bunun da belirli bir izlenim için fiyatların yükselmesine neden olacağı gibi yanlış bir kanı söz konusudur. Bu durumun gerçekte nasıl işlediğine bir bakalım:

  • Yeniden hedefleme yapan pazarlamacının açısından bakıldığında, açık artırma senaryosuna bir başka hizmet sağlayıcının eklenmesi, elbette stratejide zorunlu değişim anlamına gelir.
  • Ancak reklamverenlerin açısından bakıldığında en önemli ayrıntı, nihai sonuçtur. Bu da en değerli tüm kullanıcılara (bir satın alma işlemi yapmaya kararlı olanlar ve farklı e-mağazaları ziyaret edenler) ulaşmak ve onları mağazamıza geri getirmek demektir.

Hemen elde edilen avantajlardan biri de kaliteli kitledir. Yüksek potansiyele sahip bir kullanıcı için birden fazla e-ticaret sitesi teklif verir. Bir reklamverenin adına teklif veren, yeniden hedefleme yapan ikinci bir pazarlamacının olması, bu kullanıcıları kaybetme riskini azaltır.

Uzun vadede elde edilen bir diğer avantaj da kesinlikle fazla ödeme yapılmayacak olmasıdır. Etkin maliyet hedeflerine sahip bir ödeme modeli kullanarak yeniden hedefleme yapan pazarlamacılar, rollerini üzerinde önceden anlaşılan hükümlere uygun olacak şekilde ayarlarlar. Böylece reklamcılar, en kârlı kullanıcılarının çoğuna, en uygun maliyetli şekilde ulaşma konusunda daha fazla fırsat yakalayabilir.

Teknoloji Her Şeyi Değiştiriyor

Pazarlamacılar her yeniden hedefleme çözümünün eşit olduğunu varsayma hatasına da düşerler ve bu stratejinin sunduğu avantajları istemeden de olsa gözden kaçırabilirler.

Yeniden hedefleme yapan şirketler, teknolojilerini birbirlerinden tamamen bağımsız olarak geliştirir ve eğitirler. Teknolojilerden algoritmalara ve iş hedeflerine kadar, yeniden hedefleme yapan her pazarlamacı farklı yöntemlerle çalışır ve çok farklı sonuçlar elde edilmesini sağlar. Teknolojik farklılıklar bir kenara, yeniden hedefleme yapan her pazarlamacı kendi benzersiz reklam öğelerini hazırlar ve kullanıcıları kendi yöntemiyle segmentlere ayırır.

Modern teknolojiler sayesinde, bireysel düzeydeki kullanıcılara bile erişmede, hizmet sağlayıcılar arasındaki farklılıkları görebilirsiniz. Elbette her iki sağlayıcı da yeniden hedefleme görevlerini gerçekleştirir ama bunu yapma yöntemleri büyük ölçüde farklılık gösterir. Yeniden hedefleme yapan pazarlamacılardan biri, kullanıcıları benzersiz ölçütlerle değerlendirebilir. İkincisi reklam öğelerini daha iyi kişiselleştirebilen, tamamen farklı derin öğrenme algoritmaları kullanabilir. Reklamcılar, birden fazla yeniden hedefleme yaklaşımı benimseyerek, ilk hizmet sağlayıcılarına ulaşma yolunda önlerindeki boşlukları doldurabilirler.

Reklam Envanteri Çeşitliliği

Reklam alanı sınırlamaları diye bir şey neredeyse yoktur. Yeniden hedefleme yapan her teknolojisi sağlayıcısı farklıdır ve farklı reklam envanterleri kullanabilir. Bu nedenle, sağladıkları sonuçlar aynı değildir.

Örneğin bir hizmet sağlayıcı, Facebook envanterleri üzerinde çalışırken diğeri başka bir yayıncı grubu üzerinde çalışıyor olabilir. Envanterler kesişmediği için bu, pozitif sonuçların yer aldığı açık bir örnektir.

Peki yeniden hedefleme yapan pazarlamacılar aynı reklam alanında çalışırsa ne olur?

1

İki yeniden hedefleme aracı kullanıldığında genel olası getiri, yeniden hedefleme yapan her iki pazarlamacı için yukarıda çizilen düz çizgi olarak düşünülebilir (birleştirilmiş sonuçlar olarak). Tipik bir senaryoda, her hizmet sağlayıcı kimi örneklerde kazanacak ve kimi örneklerde kaybedecektir ama reklamverenin genel getirisi daha yüksek olacaktır. Reklamverenler, bir kullanıcı için teklif veren birden fazla oyuncu olduğunu unutmamalıdır. Yüksek performanslı, yeniden hedefleme yapan iki pazarlamacıya sahip olmak, sadece daha sık kazanmalarını sağlar.

Rekabet, Gelişimi Artırıyor

Rekabet her zaman önemlidir. Fiyatları düşürür, müşterilere daha geniş bir seçenek yelpazesi sunar, kalitenin yüksek olmasını sağlar, yeniliklere ve ekonomik gelişmelere yön verir. Bu, yeniden hedefleme yapan birden fazla pazarlamacı kullanılması için de geçerlidir.

Yeniden hedefleme yapan pazarlamacılardan hangisinin farklı alanlarda daha yüksek performans sergilediğini karşılaştırarak tespit eden birçok e-ticaret markası, kampanyasını optimize ederek ve yeniden hedefleme yapan pazarlamacıların her birini belirli hedefler için kullanarak bu farklılıkları kesin bir avantaj haline getirecek sonuçlara dönüştürebilir.

İkinci yeniden hedefleme çözümüyle yüzde 22 ek satış olanağı

Güzellik, fitness, sağlık, mutfak, ev ve elektronik ürünlerden oluşan geniş bir yelpaze sunan (çevrimdışı ve çevrimiçi) bir perakende satış markası, yeniden hedefleme yapan diğer (ilk) pazarlamacının sonuçlarını olumsuz etkilemeden, satış hacmini artırmak ve yatırımdan daha fazla getiri elde etmek istiyordu.

“Yeniden hedefleme yapan ek pazarlamacı” olarak Derin Öğrenme teknolojisi destekli, kişiselleştirilmiş bir yeniden hedefleme kampanyası oluşturup yürüttü. Hedefler, Müşterinin iş stratejisine uygun olarak ve uzun vadeli ortaklık inşa etme umuduyla belirlendi.

İş birliğinin henüz ilk ayında, mevcut yeniden hedefleme sonuçlarını olumsuz etkilemeden yüzde 22 ek satış olanağı sağlandı. Kampanyanın performansını daha detaylı analiz ettikten sonra, verimliliği daha da artırmak için müşteri verilerine dayanarak belirli ürün segmentasyonları uygulandı. Sonuçta kendi müşteri segmentleri, satın alma potansiyeli yüksek müşteriler ve diğer birçok ölçüt için özel olarak optimize edilmiş, tamamen özelleştirilmiş bir yeniden hedefleme çözümü aldı.

Kampanyada, yeniden hedefleme yapan ek yeniden hedefleme şirketinin çalışmaya katılmasıyla şu sonuçlar elde edildi:

  • Yeniden hedefleme yapan tek bir teknoloji ile kıyaslandığında, birleştirilen yeniden hedefleme kampanyasının üçüncü ayında satış hacminde %122 artış.
  • Müşterinin yeniden hedefleme için yaptığı yatırımdan elde ettiği getiride %9 artış.
  • Toplam satış hacminde yeniden hedefleme kaynaklı %64 artış (aylık ortalama).

 

RTB House Türkiye Ülke Müdürü Can Tunçer

Digital marketing in 2019-A1

2019’da Dijital Reklamın Yüzde 65’i Programatik olacak

Posted by | Blog | No Comments

Programatik reklamcılık, 2019 yılında da dijital pazarlama endüstrisini yönlendirmeye devam edecek ve 84 milyar dolarlık bir hacim oluşturacak

Geçtiğimiz yıl, programatik yönteminin verimliliği ve etkinliğinin, pazarlama bütçesi harcamaları açısından hâlâ çok önemli olduğuna tanıklık ettik. Gelecek yıl da benzer gelişmeler görüleceğini belirten RTB House Türkiye Ülke Müdürü Can Tunçer, programatik pazarlama stratejileri için en önemli eğilimleri açıklıyor:

Yapay Zekâ ile derin öğrenme programatik satın almayı destekliyor

En yeni programatik platformları, en önemli kullanıcılara ulaşmak için gelişmiş yapay zekâ (AI) ve derin öğrenme ile destekleniyor. Programatik sayesinde, reklam satın alan markalar her bir kullanıcıya bireysel olarak erişebiliyor ve bu kullanıcılara göre uyarlanmış, kişiselleştirilmiş bir mesaj sunabiliyor.

Programatik teknolojisinin istikrarlı yükselişinin devam etmesi bekleniyor. Zenith’in açıkladığı verilere göre, bu ticaret modeli, 2019′da dijital medyada harcanacak tüm paranın %65′ini oluşturacak. Yüzde artış görülecek programatik sektörünün, 2019 yılında 84 milyar dolara yükselecek.

Günümüzün talepkar müşterileri, artık reklamların kişiselleştirilmesini bekliyor ve programatik, bu yeni dönemin pazarlama başarısında önemli bir yer buluyor. 2019’da programatik alanındaki dijital trendlerin optimizasyon, maliyet verimliliği ve şeffaflığa odaklanması bekleniyor.

Yola Hibrit Devam Edin!

Programatik modelin alıcılar için bir dezavantajı, gittikçe popüler hale gelen aynı anda tüm tekliflerin verilip en yüksek teklifin kazandığı birinci teklif türü ihalelerde daha yüksek fiyatlarla başa çıkmak zorunda olmalarıdır. Ama açık artırmada beklenmeyen sonuçlarla karşılaşmazken yeni yöntemde bir anda teklif ettiklerini ödemek zorunda kalabiliyorlar. Bu sorunu çözmek ve ikinci fiyat ile birinci fiyat modelleri arasında bir denge kurmak için teklif gölgeleme (bid shading) orta yolu buluyor.

Bid Shading sayesinde, reklam teknolojisi ortağı tarafından yapılan bir tahmine dayalı olarak, alıcılar birinci ve ikinci teklif arasında bir fiyat ödüyorlar. Değerlendirme, kazanan teklifin ne kadar yüksek olması gerektiğini hesaplamak için geçmiş teklifleri, belirli web sitelerindeki benzer reklam yerleşimlerini ve açık artırmayı kaybeden fiyatları dikkate alıyor.

ads.cert ile Şeffaflık Atılımları

IAB Tech tarafından sunulan, ads.cert mekanizması, yayıncıların sitelerinde yasal ya da sahtekârlık faaliyetlerini belirleme amaçlı dijital imzalar kullanıyor. Bazı sahtekarlar alan adı, IP adresi, cihaz ya da sayfadaki konum gibi daha değerli işaretleri taklit eder ve değerleri yanlış bir şekilde değiştirir. ads.cert’in amacı, böylesi manipülasyonları algılamak ve önlemektir. İşlem, alıcı ile satıcı arasında geçen bilgileri kontrol ederek bot manipülasyonunu önler ve alıcıların web sitesinin envanterini doğrulamasını sağlıyor. Şirketlerin sektörde güçlü konumlarını sürdürebilmek için reklam sahteciliğini önlemek üzere geliştirilen yeni standartlara uyum sağlaması gerekiyor.

Daha Az Sayıda Reklam, Optimum Verimlilik

Başlık tekliflerinin (header bidding) popülerliği, teklif talepleri hacminde önemli bir artışa yol açıyor. Yayıncılar kullanılabilir envanteri tek seferde bir reklam borsasına (ad exchange) göndermek yerine aynı teklifleri birden fazla borsaya sunmaya başlıyor. Sonuç olarak, birçok DSP üstesinden gelebileceğinden daha fazla sayıda talep alıyor, teklifler yineleniyor ve teklif verme süreci daha etkisiz hale geliyor.

RTB House, kısa süre önce farklı borsalardaki aynı gösterimi belirlemeyi amaçlayan başka bir çözüm tasarladı. Bu yöntem, her kullanıcının her zaman aynı şekilde tanımlanması için tedarik platformları arasında paylaşılan bir kullanıcı tanımlama etiketine dayalı. Kullanıcıların ilgisini, oturumda olabildiğince erken yakalayan bu birleşik sistem, çok sayıda reklam görüntülemek yerine, her kullanıcıya doğrudan ihtiyaçlarına göre uyarlanan daha az sayıda ama kişiselleştirilmiş reklamlarla hizmet verilmesini sağlıyor.

Gelecekte Bizi Neler Bekliyor?

Programatik büyümeye devam ediyor; çünkü endüstri hâlâ hızla değişiyor. Mevcut ortamımızın ötesinde, gelişme aşamasında olan hâlâ birçok fikir ve teknoloji var. Bu alanlardan biri, henüz emekleme aşamasında olan programatik TV’dir. 2019 yılında, pazarlamacılar programatiği daha verimli hale getirmek istiyorlarsa güvenlik, şeffaflık ve maliyet optimizasyonları sunan reklam teknolojisi iş ortaklarına odaklanmalıdır. Bu girişimler yalnızca markaların doğrudan getiri elde etmeleri açısından değil, aynı zamanda tüketicileri genelinde dijital pazarlamaya daha fazla güven oluşturmaları açısından da önemlidir.

deep learning-a1

Derin Öğrenme Önerilerini Bu Kadar Hatasız Kılan Nedir?

Posted by | Blog | No Comments

İnsanlar çevrimdışı ve çevrimiçi olarak her gün binlerce reklam ile muhatap oluyor. Reklam engelleyici yazılımların gittikçe popüler hale gelmesinin ardından insanlar gösterilen reklamları azaltmanın yollarını arıyor. Asıl sorun ise bu içeriğin büyük bölümünün hâlâ kullanıcılarla alakasız olması. RTB House’dan (yerel ülke yöneticisi) derin öğrenmenin, reklamverenlerin bu sorunla başa çıkmalarına ve derin öğrenme yoluyla daha hassas hedeflemeyle kampanya performansını iyileştirmelerine nasıl yardımcı olabileceğini açıklıyor

Dijital pazarlamanın, reklamlara aşırı maruz kalan kullanıcıların dikkatini çekme konusunda yarattığı olumsuz etki bardağı taşıran son damla oldu. Şimdiki süreçte pazarlamacılar, derin kişiselleştirme teknolojileri ile kullanıcılara, alakalı oldukları mesajlar ileterek dikkat çekme açığını kapatabilme imkanına sahip durumdalar.

Yaklaşımın temeli, reklam sağlayıcısının kişiselleştirme sürecini kendi önerme teknolojilerine dahil etme yöntemine dayanıyor. Yapay zeka ve makine öğrenimi teknolojilerini (Netflix ya da Amazon’un başarılı olmasını sağlayan aynı tür teknolojiler) kullananlar, başarılı kampanyalar meydana getiriyorlar.

Bu noktada makine öğrenimi ve yapay zeka tekniklerinden yararlanmak, dijital pazarlamacı için ilk adımı oluşturuyor.

Kullanıcıların ihtiyaçlarını daha doğru bir şekilde analiz ve tespit etmek için gelişmiş algoritmalar, veri modelleri kullanan derin öğrenme teknolojileri pazarlamacıların daha ileri gitmesini mümkün kılıyor.

Bu tür bir çözüm, özellikle ürün yelpazelerinin geniş ve çeşitli olduğu e-ticaret sektörü için önemli bir konumda bulunuyor. Nitekim e-ticaret sektöründe, her kullanıcının kişisel zevklerine uygun kararların milisaniyeler içinde verilmesi gerekiyor.

Derin öğrenme algoritmaları tarafından yapılan derinlemesine analizler, kişiselleştirilmiş tekliflerin hızlı ve büyük ölçüde her kullanıcıya özel olarak uyarlanmış şekilde görüntüleneceği anlamına geliyor.

Sonuç olarak kullanıcılara yalnızca alakalı oldukları öneriler sunan reklamverenler daha etkili bir kampanya ortaya çıkarıyor.

Farklı teknolojiler farklı sonuçlar anlamına geliyor

Yeniden hedefleme yapılan durumlarda süreç, birçok mağazada benzer ürünlere göz atan; fakat alışveriş yapmayan kullanıcılarla başlıyor. Dijital pazarlamacı, bu kullanıcılar ile yeniden bağlantı kurmak ve onu geri getirmek için yeniden hedefleme kampanyası kullanıyor.

Günümüzde e-ticaretin yeniden hedefleme kampanyalarında karşılaşılan iki önemli sorun bulunuyor:

1-) Belirli bir kullanıcıya gösterilecek reklam ve bunun nasıl gösterileceği:

Reklamverenler, reklam mesajını, müşteriyi sipariş vermeye ikna edecek kadar kişisel ve çekici hale getirmek için farklı yaklaşımlar deniyor. Yeniden hedefleme yapanlar, müşterileri doğru mesajla (reklam öğesi) bulup onlara benzersiz teklifi (kişiselleştirilmiş ürünler) gösteriyor.

2-) Derin öğrenmeyi, tipik makine öğrenimi yaklaşımından ayıran öğrenme yöntemi: 

Standart makine öğrenimi, büyük miktarda veriden çıkarım yapacak şekilde tasarlanıyor. Ancak bu yöntemde makinenin nasıl öğreneceğinin, neleri analiz edeceğinin ve hangi sonucu çıkaracağının öğretilmesi gerekiyor.

Derin öğrenme kullanıldığında ise öğrenme yöntemi değişiyor. Bilgileri işleme ve karar alma konularında insan beyninin işleyişini taklit eden derin öğrenme; insanların pratik yaparak öğrenmelerine benzer şekilde, son kararı vermeden önce standart makine yönteminden farklı yönlere odaklanıyor.

E-ticarette kendi kendine öğrenme prosedürü, deneyim veya simülasyonlardan sezgisel olarak öğrenmeyle gerçekleşiyor ve satın alma potansiyelinin daha doğru ve daha hızlı bir şekilde tanımlanmasıyla sonuçlanıyor.

Derin Öğrenme Yöntemi’nde tüm bunlar, insan girdisi veya manuel olarak uygulanan kurallar olmadan gerçekleşiyor.

Gizli olanı açığa çıkarma

Derin öğrenme, yeniden hedefleyenlerin sadece temel kullanıcı davranışlarını(hangi ürünler veya ürün kategorilerinin ziyaret edildiği vb.) değil, aynı zamanda “gizli katman verileri”ni de analiz etmelerini sağlıyor.

Vücut dilinde olduğu gibi, mikro ifadeler, gerçek ve keşfedilmemiş niyetleri açığa çıkarabiliyor. Derin öğrenmeyi kullanan gelişmiş algoritmalar; görüntülenen ürünler arasında geçen süre, görüntülenen ürünlerin fiyatları ve hatta mağazanın ziyaret edilen alt sayfalarının sıralamasının analiz edilebilmesine olanak tanıyor.

Bu bilgilerle donatılan makineler, kullanıcının mağazada tam olarak ne yaptığını yorumluyor ve kullanıcının gerçek alışveriş amacını öngörmeye çalışıyor. Çok sayıda geçmiş veri algoritması ile kullanıcının en çok ilgisini çekebilecek ürünler tahmin ediliyor.

Bununla birlikte, ürün kategorisine ve tüketici özelliklerine bağlı olarak, nihai satın alma için karar süreci birkaç hafta sürebiliyor. Kullanıcının belirli bir mağazayı ziyaret etme ya da cihazı kullanma sıklığı gibi gizli bilgiler kullanılırken; bu, yakın gelecekte kullanıcının arayacağı ürünler için öneri mekanizmalarının çok daha erken uyarılmasına olanak tanıyor.

Teklif puanlandırma optimize edildi

Tüm bu istihbarat sürecini ve bir sonraki adımı, bir reklam öğesinde tekliflerin nasıl ve hangi sırada sunulması gerektiği oluşturuyor. “Teklif puanlandırma” ile mağazanın envanterindeki her ürün sürekli olarak tekrar değerlendiriliyor. Derin öğrenme algoritmaları, teklifleri analiz ediyor ve genel kümeler olmadan, belirli bir kullanıcının bakış açısından ne kadar çekici olduklarını değerlendiriyor.

Derin öğrenmenin olmadığı standart yaklaşımda yeniden hedefleyenler; kullanıcı tarafından görüntülenen ürünler, aynı kategoriden benzer ürünler (diğer tüketicilerin geçmişine dayalı olarak) ve belirli bir mağazada en çok satılan ürünler gibi bazı basit segmentlerin karışımını yapmak için afişlerde makine öğrenimini kullanıyorlar.

Derin öğrenme ise standart bir yaklaşıma göre çok daha gelişmiş bir çözüm sunuyor. Seçim sürecini daha esnek kılarken, bir afişte görüntülenen ürünlerin son listesi daha da kişiselleştiriliyor. Aynı zamanda olası ürün kombinasyonu sayısı daha fazla oluyor.

Yeniden hedefleyenler, bu yaklaşım ile bir grup kullanıcı için tek bir çalışma senaryosunun bulunmadığı bir kuralı uygulayabiliyor. Algoritmalar, her zaman bireysel kullanıcının seviyesine iniyor ve tekliflerin afişlerde gösterilmesi gereken sıralamayı ya da en iyi teklifleri arıyor.

 Gerçek zamanlı kişiselleştirme ekranı

Hiçbir kullanıcının dünyadan kopuk yaşamaması davranış profilleri her zaman değişkenlik göstermesine sebebiyet veriyor. Derin öğrenme öneri sistemi, bir reklam her görüntülendiğinde afişte sunulanları uyarlayıp, gerçek zamanlı olarak davranış profili oluşturmayı gerekli kılıyor.

Eski yapay zeka teknolojisine dayalı bazı mekanizmalar, genellikle davranış profillerini sabit zaman aralıklarında oluşturuyor ve yeniden tasarlıyor. Bu, görüntülenen birçok ürünün, kullanıcının artık ilgilenmediği ürünler olduğu anlamına geliyor.

Afiş, her görüntülendiğinde kullanıcılara nelerin sunulması gerektiğine karar verirken ayrıca, algoritmaların, belirli bir kullanıcının daha önce görüntülenen tekliflere verdiği tepkiye göre yanıt vermesini ve uyarlamasını sağlıyor.

Sonuç olarak, kullanıcının davranışsal profili gerçek zamanlı olarak oluşturuluyor ve sadece kullanıcının mağazada yaptıklarına değil, reklam mesajına verdiği yanıta da dayanıyor.

Ekranda bir afiş görüntüleme olasılığı hakkında bilgi alındığı andan itibaren afiş ekranda görüntülenene kadar geçen süre bir saniyeden daha kısa olması sürecin çok zor olmasını ifade ediyor.

Güçlü algoritmalar ve sürekli analizler sayesinde ise derin öğrenme yeniden hedefleme mekanizmaları, kullanıcıların davranışsal profilini gerçek zamanlı olarak yeniden oluşturabiliyor.

RTB House verilerine göre derin öğrenme, öneri mekanizmalarına uygulandıktan sonra kullanıcılar, reklamlara %41′e oranında daha fazla tıklıyor. Böyle bir artış, özellikle çapraz kategori önerileri kullanma olasılıklarının neredeyse sınırsız olduğu moda ve çok kategorili e-mağazalar gibi sektörlerde göze çarpıyor.

Özet

Reklamların aşırı uyarımı, reklamların etkinliklerini azalttığında; reklamverenler ve ortaklarının, pazarlama süreçlerini farklılaştırmak ve kampanyalarını etkili hale getirmek için önde gelen yapay zeka teknolojilerine yönelmeleri gerekiyor.

Basit yeniden hedefleme kampanyaları artık yeterli bir profil çizmezken; yeni çözümlere yatırım yapmak, markaların gelecekteki rekabet ortamında hayatta kalmasını sağlıyor.

Derin öğrenme her geçen gün daha popüler hale geliyor ve otomotivden eğlence, pazarlamaya kadar birçok sektörde büyük değişimler yaratıyor.

Reklamcılık sektörü, derin öğrenme ile kullanıcılar için özel olarak tasarlanmış ve kişiselleştirilmiş mesajlar, daha fazla kullanıcı memnuniyeti ve daha etkili kampanyalar meydana getiriyor.