Medya karması modellemesi (MMM): Uygulama pazarlamacısının el kitabı

Medya karması modellemesi oranı:
1. Kullanımdaki pazarlama kanalları.

2. Her bir kanala yapılan harcama miktarı.

3. Önceki kampanya sonuçları ve detayları.

Bu oran, diğer bileşenleri içerme yeteneği açısından esnek MMM çerçevesinin temelini oluşturur. Günümüzdeki dijital medya karması modellemesi, yüksek miktarda veri girişini kolaylıkla kaldırabilir. Ancak hangi değişkenlerin kullanılacağını pazarlama ekibinin belirlemesi gerekir ve bu da modelin sunduğu yararı etkileyecektir.

Uygulama pazarlamacılarının MMM ile yanıtlayabileceği 10 soru

MMM ile pazarlamacılar bu soruların yanıtlarını alabilirler:

1. Her medya kanalı kaç dönüşüm sağladı?
2. Pazarlama kanallarımın her birinin yatırım getirisi nedir?
3. KPI'ları zirveye taşımak için her kanaldaki optimum harcama seviyesi nedir?
4. Bir kampanyanın kanalda yürütülme şekli bu kanalın performansını etkiler mi?
   (Örneğin reklam, kreatif ya da hedefleme sıklığı)
5. Reklam harcamalarımı gelecekte nerede yapmalıyım?
6. Belli bir kullanıcı segmentine ulaşmak için optimum kanal karması nedir?
7. Kanallar ve coğrafi unsurlar pazarlama çalışmalarımı nasıl etkiliyor?
8. Kazanılan, sahip olunan ve ücretli medya nasıl bir rol oynuyor?
9. ROI'ı zirveye çıkarmak için pazarlama temas noktalarını kampanyalara, kitlelere, coğrafi unsurlara, zamanlamaya ve yayıncılara göre en iyi şekilde nasıl optimize edebilirim?
10. Dış faktörlerin toplam ciro üzerindeki etkisi nedir?

Hatta daha da iyisi, MMM'in "X faktörünü değiştirirsem cirom bundan nasıl etkilenir?" gibi iş odaklı birçok soruyu yanıtlayabilmesidir.

MMM tarafından oluşturulan ve belirli bir pazarlama kanalı karmasının ciroya olan katkısını gösteren örnek bir grafiği aşağıda bulabilirsiniz. Oluşturulan ROI'ı haftalık maliyetle karşılaştırmak için MMM'in tüm pazarlama çalışmalarını bir araya getirdiğini görebilirsiniz.

MMM'nin hangi verilere ihtiyacı var?

Pazarlama karması modelleri genel olarak 4 ana unsur göz önünde bulundurularak oluşturulur: Tanıtım, Fiyat, Yer ve Ürün. Ancak mobil uygulamalar için bu unsurların hepsi geçerli değildir. Örneğin, uygulamanın fiyatı gibi. Bu modelin asıl avantajlarından biri ekleyebileceğiniz veri noktaları açısından esneklik sağlaması olsa da, mobil uygulama pazarlamanızın MMM'ine aşağıdakileri eklemenizi öneririz.

Medya harcaması

Pazarlamacıların günlük reklam harcamasını takip etmeleri bir zorunluluktur. Hangi kanalların en yüksek kullanıcı kazanımı oranına sahip olduğunu görerek en yüksek performansa sahip kanalları belirlemeniz gerekir. MMM'in genel pazarlama stratejinizi şekillendirebilmesi için medya harcama verilerinize ihtiyacı olacaktır. Modeli besleyeceğiniz offline medya harcaması verileriniz ile birlikte parasal verilerinizin doğru ve tüm dijital kanallarınız için bir arada olduğundan emin olmak için Adjust'ın ROI ölçümleme çözümü gibi bir araç kullanmayı düşünebilirsiniz.

Sezonsallık

Sezonsallık sadece fiziksel mağazalar için geçerli değildir. Bu faktör, uygulamanızın kampanyalarının başarısı üzerinde önemli bir etkiye sahip olabilir ve es geçilmemelidir. Sezonsallığın sahip olduğu etkiyi daha iyi anlamak için bu makalelere göz atabilirsiniz: Oyun uygulamanızı zirveye taşımak için Q5, 2022 yılbaşı sezonundaki uygulama trendleri, and Touchdown! Mobil uygulama kullanımı Super Bowl Sunday 2023 sırasında hızla arttı.

Örneğin, mobil uygulama kullanımının Yeni Ay Yılında arttığını bildiğinizi varsayalım. Uygulamanız yeterli kaynağa sahipse, ay yılının kutlandığı pazarlarda yerelleştirme yapabilir ve metadata'yı, ikonları ve uygulama içi event'leri Yeni Ay Yılı kutlamasını yansıtacak şekilde güncelleyerek uygulamanızı tanıtmak için bu sezondan yararlanabilirsiniz. MMM'inizi sezonsal veriler ile besleyerek yılın belli zamanlarındaki sezonlar sırasında daha fazla kullanıcı kazanmak ve onları elinizde tutmak için daha hazırlıklı olabilirsiniz.

App store sıralaması

App store sıralamalarındaki yeriniz, uygulamanızın app store'daki görünürlüğü üzerinde kritik bir öneme sahiptir. Daha önce değindiğimiz pazarlama unsurlarından "Tanıtım", tam olarak bunu ifade eder. App Store Optimizasyonu (ASO), uygulama geliştiricileri ve pazarlamacılarının uygulamalarını doğrudan app store'larda tanıtmak için uygulamanın sıralamalarda daha iyi bir yerde olmasını sağlayan bir stratejidir.

ASO, uygulamanızın açıklamasındaki anahtar kelimeler, içerik yerelleştirmesi, uygulamanızın ekran görüntüleri ve diğer unsurlarla ilgilidir. App store sıralamanız, sürekli takip etmeniz ve rutin ASO çalışmalarıyla iyileştirmeniz gereken bir şey olduğundan, MMM'ize dahil etmeniz gereken önemli bir bileşendir.

ASO'ya dair daha derinlemesine bilgi için Mobil pazarlamacılar için app store optimizasyonu rehberimizi okumadan geçmeyin.

Basında yer almak

Dikkate alınması gereken bir diğer faktör de şirketinizin basında yer almasıdır. PR çalışmalarınızın etkisi içinde bulunduğunuz uygulama sektörüne göre değişiklik gösterse de, markanızın basın bültenlerinin, köşe yazılarının ve konuk yazarların uygulama kurulumlarınıza katkı yaptığını düşünüyorsanız bunu takip etmelisiniz. Basında yer almanın uygulamanızdaki etkileşim oranı üzerindeki etkisini görmek için uygulamanızın günlük aktif kullanıcı (DAU) sayısına bakabilirsiniz.

Attribution sayıları

Mobil attribution verilerini de doğal olarak MMM'inize dahil etmek isteyeceksiniz. Bunlar TikTok, Facebook veya Google Ads gibi partnerlik kurduğunuz kendi attribution'ını yapan ağlardan (SAN'lar) gelen veriler, mobil ölçümleme partnerinizin (MMP) SDK'larından gelen veriler, birinci parti veriler (evet, kullanıcıdan takip onayı almanızı öneriyoruz) ve diğerleri olabilir.

Medya karması modellemesi ve attribution modellemesi arasındaki farklar

MMM ve attribution modellemesi, teknik olarak bakıldığında birçok farklılığa sahiptir. Ancak yine de benzer iş ihtiyaçlarına cevap verirler. Günümüzün uygulama pazarlamacıları, tekil kullanıcı etkileşimlerini takip ederek en iyi kullanıcıları ve kanalları belirlemelerini sağlayan mobil attribution'a odaklanmış durumda. Pazarlamacılar bunun aksine MMM konusunda daha az deneyime sahipler. Ancak MMM, ilgili tüm dış etkenlere (sezonsallık, pazar koşulları, rakipler, vb.) ve şirketin yatırım getirisi üzerinde etki sahibi olan diğer toplu verilere bakarak daha makro düzeyde bir görünürlük sunuyor.

Attribution modellemesi ve pazarlama karması modellemesi arasındaki temel farkları aşağıdaki tabloda daha yakından inceleyebilirsiniz.

Pazarlama için bir doğruluk kaynağı olarak attribution kullanmanın yanı sıra, pazarlama stratejinizi ek içgörülerle zenginleştirmek için MMM kullanmanızı öneriyoruz. Attribution takibi ile kampanyalarınızda gerçek zamanlı değişiklikler yaparak en iyi sonuçları alabilirsiniz ve MMM ile kampanya planlarınızı yapabilir ve hedeflerinize dair tahminler yürütebilirsiniz. İki modelleme türünü bir arada kullanmak, özellikle bir uygulamaya sahip fiziksel mağazalar için yararlı olabilir. Bu konuya daha sonra ayrıntılı olarak yer vereceğiz.

Bu iki çerçevenin işlevlerine dair daha fazla bilginin yanı sıra aralarındaki farkları fa öğrenmek için Deloitte'un Gelişmiş Pazarlama Karması Modelleri rehberine göz atabilirsiniz.

Dış kaynak kullanımı seçeneği: MMM Sağlayıcısı

Alternatif olarak, ekibinizi işinizin gereksinimlerine uyan bir MMM ile çalışması için pazarlama karması modelleme şirketlerindeki uzmanlarla işbirliği yapabilirsiniz. Bu şirketlerin çoğu, danışmanlık sağlamaya ve bir model oluşturmaya ek olarak tahmin ve optimizasyon özelliklerine sahip ve otomatikleştirilmiş pazarlama karması modelleme yazılımları sunar. Dış kaynakları kullandığınızda ekibiniz modeli kendileri oluşturmak zorunda kalmayacaktır, ancak bunun maliyeti yüksek olabilir.

MMM sağlayıcınıza sormanız gereken sorular

Medya karması modellemenizi dış kaynaklardan almaya karar verirseniz, sağlayıcınız ile çalışmadan önce onları kapsamlı bir şekilde analiz etmeniz kritik bir öneme sahiptir. Onlara bu soruları yöneltin:

1. Verilerinizi nasıl topluyorsunuz?

Pazarlama karmanız çeşitli kaynaklardan gelecektir ve ekonometrik bir model kullanılarak değerlendirilmelidir. Sağlayıcınız verilerini otomatik bir süreç yerine manuel olarak topluyorsa ve standartlaştırıyorsa, büyük olasılıkla hatalara yatkın olacaktır.

2. Verilere hangi girdiler dahil?

Bu soru, sağlayıcının sektör hakkında bilgi sahibi olup olmadığının yanı sıra uygulama pazarlamanız için en iyi yaklaşıma sahip olup olmadığını da netleştirecektir. Sağlayıcının temel verileri sınırlamadığından ve modelinize anlamsız veri noktaları eklemediğinden emin olmalısınız.

3. Veri girdilerinin doğruluğunu nasıl kontrol ediyorsunuz?

Sağlayıcının verileri bir doğrulama testlerinden geçirip geçirmediğine bakın. Modelinizin istatistik analizi, temiz veriler olmadan doğru sonuçlar vermeyecektir. Bunun sonucunda aldığınız içgörüler kullanılamaz olabilir ve hatta sizi yanlış yönlendirebilir.

4. Sağlanan verilerin ayrıntı seviyesi nedir?

MMM'nin amacı, modelinizden alınan içgörülere dayalı olarak gelecekteki adımlarınızı belirlemektir. Bir sağlayıcı sadece kanal seviyesinde analiz sunuyorsa, bundan daha fazlasını optimize etmeniz mümkün değildir. Çalıştığınız medya karması modellemesi sağlayıcısı belirli kampanyalara, coğrafyalara ve daha fazlasına dayalı olarak yüksek ayrıntı seviyesine inebilmeli ve içgörüler sağlayabilmelidir.

Medya karması modellemenizi oluşturun

İster bir MMM sağlayıcısı ile çalışmaya, ister MMM'inizi kendiniz oluşturmaya karar verin, aşağıdaki adımlar model oluşturma sürecinizde size rehberlik edecektir.

1. Sorularınızı belirleyin
2. Veri toplayın
3. Modelinizi oluşturun
4. Çıktıları analiz edin
5. Tahminlerinizi yapın ve planınızı oluşturun

1. Sorularınızı belirleyin

Yukarıda belirtiğimiz 10 medya karması modelleme örneği sorumuzda değindiğimiz gibi, MMM'izin hangi bilgi boşluklarını doldurmasını istediğinize karar verin. Bütçe optimizasyonu, kanallara göre dönüşümler, kampanya yürütme, offline aktiviteler ve gözlemlemek istediğiniz tüm dış etkenlere dair soruları düşünün.

2. Veri toplayın

Modelinize dahil etmek istediğiniz çeşitli pazarlama kaynaklarından hem bağımlı hem de bağımsız değişkenler olarak karşınıza çıkan verileri toplayın. Modelden elde edebileceğiniz veri noktalarının sayısını artırmak için en az iki yıldan fazla süreyi kapsayan verilerin dahil edilmesinin iyi bir yöntem olduğunu unutmayın.

Uygulama pazarlamacılarının MMM'lerine dahil etmeleri önerilen veriler:

• Kurulumlar, oturumlar ve kullanıcı tutma oranları
• Ücretli ve organik aktivite (gösterimlere odaklanın)
• Gerekli olduğunda sezonsallık gibi makroekonomik faktörler
• Reklam harcaması
• Sahip olunan medya (örneğin blog ya da web sitesi)
• Influencer pazarlaması
• E-posta pazarlaması
• Rakip araştırması

3. Pazarlama karması modelinizi tasarlayın

MMM'inizi oluştururken, ihtiyacınız olan parametreleri belirtmeniz önemlidir. Amacınız sadece iş odaklı tüm sorularınızı yanıtlamakla kalmayıp aynı zamanda bu yanıtların doğru olmalarıdır. Bunun için modeli elinizdeki verilere adapte etmeli ve modelin parametrelerini belirlemelisiniz. Modelinizi uygulamaya koymadan önce en az dört ile altı hafta test etmeniz önerilir.

4. Çıktıları analiz edin

Modelinizi bir süre çalıştırdıktan sonra, genel iş hedefleriniz üzerindeki etkisini değerlendirmeniz gerekir. Modelden aldığınız çıktıları verimlilik, etkinlik ve yatırım getirisi açısından inceleyin.

Modelinizin etkisini değerlendirirken bu soruları sorun:

• Model uygulanabilir mi?
• Reklam sıklığı, kullanılan kanallar ve reklam bütçesi ayrımı gibi çıktıları ilerideki pazarlama adımlarımızı şekillendirmek için kullanabilir miyiz?
• Tahminler güvenilir mi ve iş performansında bir artış sağlıyor mu?

Pazarlamanın birçok alanında olduğu gibi MMM de sürekli gözden geçirilmesi gereken bir süreçtir. Kullandığınız modelin ekibinizin ihtiyaçlarına cevap verip vermediğini rutin olarak kontrol etmeniz ve pazarlama karması optimizasyonu yapmanız gerekecektir.

5. Tahminlerinizi yapın ve planınızı oluşturun

Bu son adım, şimdiye kadar takip ettiğiniz adımlardan geçmenizin asıl nedenidir! Artık modelinizi ihtiyaçlarınıza cevap verecek şekilde oluşturduğunuza göre, gelecek kampanyalarınızı şekillendirecek içgörüleri almanızın zamanı geldi. Bu sadece görselleştirilen geçmiş verileri incelemeyi değil, hedeflediğiniz KPI'larınıza ulaşmak için en iyi pazarlama stratejilerinizin birleşimini keşfetmenizi sağlayacak simülasyonlar içerir.

Uygulama pazarlamacıları, çalışmalarına dair resmin tamamını görmek için medya karması modellerinin çıktılarından yararlanabilir. Örneğin, hedef kitlenizin bir segmentine ne sıklıkla reklam göstermeniz gerektiğini keşfedebilirsiniz. Ayrıca, hangi kanallara daha fazla reklam bütçesi ayırmanız gerektiğini görebilir, hangi unsurların etkisiz kaldığını belirleyebilir, organik artışı anlayabilir ve yatırım getirinize dair genel bir görünüm elde edebilirsiniz.

2. Farklı video formatlarını ve platformlarını ayırın

Videolar birçok formata, amaca ve servis edildikleri platforma göre değişkenlik gösterir. Bu nedenle tek bir kategori yerine ayrı ayrı ele alınmalıdır. Örneğin bir CTV reklamı, bir TikTok akışındaki video reklamdan ya da YouTube'daki bir ürün incelemesinden farklıdır.

Platformlarınızı ve eğer kullanıyorsanız programatik partnerlerinizi ayrı satır öğeleri olarak ayırmanızı ve bunların içinde her biri için medya kanalını ayrı tutmanızı öneririz. Görüntülenebilirliği, izlenme süresini ve işitilebilirliği de hesaba katmalısınız, çünkü bu unsurların hepsi pazarlamanız üzerinde farklı bir etkiye sahiptir.

3. Değişiklikleri test ederek pattern'ları tespit edin

MMM çerçevesi ile pazarlamacılar cesur kararlar alabiliyor ve teorilerini istatistiksel analizlerle test edebiliyor. Örneğin, belirli bir kanalda harcamayı artırırken başka bir kanalda harcamayı azaltmanın markanız için nasıl bir yarar sağlayabileceğini görmek için bu fırsatı kullanmaktan kaçınmayın.

MMM'in sunduğu en büyük avantajlardan biri tahminlerdir. Geçmiş verileri kullanarak tüm bölgesel pazarlarda aylık, haftalık ve günlük tahminler yürüterek tahmine dayalı analitiğin gücünden yararlanın. Bu sayede tahminleriniz için en iyi modelleri oluşturabilirsiniz. Örneğin, yıllık bazda gelir hedeflerine ulaşmak için kanal başına ne kadar reklam harcaması gerektiğini öngörebilirsiniz.

4. Hibrit ölçümleme yaklaşımı: MMM ve attribution

Medya karması modellemesi, attribution için bir alternatif değildir. Uygulama pazarlamacıları, "medya karması modellemesi mi yoksa attribution mu?" sorusunu sormak yerine en son teknolojik gelişmeleri takip etmeli ve iki yaklaşımı da bir arada kullanarak en iyi sonuçlara ulaşmanın yollarını düşünmeliler.

MMM ile pazarlama çalışmalarınızın tamamına dair görünürlük sağlayabilir ve doğru tahminlerde bulunabilirsiniz. Ancak kullanıcı davranışının ayrıntılı detaylarına inmeniz mümkün değildir. Attribution, sahip olduğu aşağıdan-yukarıya bakış açısıyla bu boşluğu dolduruyor ve pazarlamacıların kullanıcı yolculuğundaki tekil temas noktalarını tamamen nesnel doğruluk ve güvenilirlikle görmelerini sağlıyor. MMM ve attribution'ı bir arada kullanmak, özellikle ölçekli bir şekilde büyüyen ve fiziksel ile dijital iş modellerine sahip şirketler için paha biçilmez bir değere sahiptir.