Örnek olay incelemesi
Blue Wheel, Amazon DSP Performans+ ile Ariat'ın CTR oranını %620 artırmasına yardımcı oluyor
Blue Wheel, Amazon DSP Performans+'ın geleneksel yeniden pazarlamadan daha iyi performans gösterip gösteremeyeceğine ilişkin kritik bir soruya yanıt bulmak için kontrollü bir test ve öğrenme çerçevesi tasarladı. Elde edilen sonuçlar, yapay zeka destekli optimizasyonun büyük ölçekte etkili olduğunu doğruladı.
temel analizler
+%620
Yapay zeka destekli teklif optimizasyonuyla CTR
−%72
%134 daha fazla detay sayfası görüntüleme sayısı sağlarken eCPC
+%60
Performans+ otomasyonu aracılığıyla ROAS
Amaçlar
Perakende medya yatırımları arttıkça ve reklamverenler daha yüksek verimlilik arayışına girdikçe, yapay zeka destekli optimizasyon rekabet avantajı elde etmek için vazgeçilmez hâle geldi. Hızla büyüyen birçok marka gibi, performans odaklı ayakkabı ve giyim markası Ariat da kârlılığı korurken üst huni reklamcılığını ölçeklendirme zorluğuyla karşı karşıyaydı. Marka, standart Amazon DSP yeniden pazarlama kampanyaları ve Amazon mağazasına yaptığı daha kapsamlı yatırımlar sayesinde Amazon'da güçlü bir varlık oluşturmuştu. Ancak operasyonel kontrolü kaybetmeden ek büyüme sağlayacak daha ölçeklenebilir ve verimli yöntemler arıyordu.
Ariat, markaların tam huni Amazon stratejilerini ölçeklendirmesine yardımcı olan Amazon Ads Advanced Partner'ı ve omnichannel performans pazarlama ajansı Blue Wheel ile şu kritik soruyu yanıtlamak üzere iş birliği yaptı: Amazon DSP Performans+, statik hedef kitle segmentasyonu ve manuel teklif yönetimine dayanan geleneksel Amazon DSP kampanya yapılarına kıyasla daha iyi performans gösterebilir miydi? Marka, müşteri edinme çalışmalarını genişlettikçe, yapay zeka destekli optimizasyonun etkisini gerçek bir perakende ortamında ölçebilecek bir test çerçevesine ihtiyaç duydu. Özellikle Ariat, Amazon DSP'nin dinamik, sinyal tabanlı teklif verme yaklaşımının ve tahmine dayalı hedef kitle modellemesinin medya verimliliğini artırıp artıramayacağını, müşteri etkileşimini güçlendirip güçlendiremeyeceğini, markaya yeni müşteri kazanımını iyileştirip iyileştiremeyeceğini ve ölçüm titizliğinden ya da uzun vadeli kampanya istikrarından ödün vermeksizin reklam harcaması başına getiriyi (ROAS) yükseltip yükseltemeyeceğini değerlendirmeyi hedefledi.
Yaklaşım
Blue Wheel, canlı bir perakende ortamında Amazon DSP Performans+ ek katkısını gerçek bir perakende ortamında değerlendirmek için disiplinli bir test ve öğrenme çerçevesi tasarladı. Ekip, Performans+ çok ürünlü görüntülü reklam kampanyalarını geleneksel Amazon DSP yeniden pazarlama stratejilerinden oluşturulan bir kontrol grubuyla karşılaştıran, kontrollü üç aylık bir deney gerçekleştirdi.
Her iki kampanya yapısı da satın alma gerçekleştirmeden ürün detay sayfalarını görüntüleyen aynı yüksek satın alma niyetine sahip hedef kitleye odaklanarak ölçüm koşullarının tutarlı olmasını sağladı. Fark yaratan unsur, Performance+'ın Amazon'un yapay zeka destekli optimizasyonundan yararlanmasıydı. Bu teknoloji, dönüşüm olasılığına ve davranışsal etkileşim modellerine göre teklif verme, hedef kitle önceliklendirmesi ve reklam sunumunu dinamik olarak ayarlamak için birinci taraf müşteri sinyallerini kullanır.
Bu strateji, statik hedef kitle segmentasyonu ve manuel teklif verme mantığına dayanmak yerine, ek dönüşüm sağlayacak müşterileri belirlemek ve müşteri edinimini daha verimli bir şekilde ölçeklendirmek için makine öğreniminden yararlanır. Bütçeler, reklam materyalleri ve kampanya zamanlaması, ölçüm bütünlüğünü korumak ve otomasyon kaynaklı etkiyi yalıtmak amacıyla test grupları genelinde standartlaştırıldı. Blue Wheel, verimlilik eşiklerini, bütçe dağılımını ve ürün önceliklendirmesini stratejik olarak yöneterek performansı daha da iyileştirerek yayın ortasında yapılan ROAS ayarlamaları ise kârlılıktan önemli ölçüde ödün vermeden ek ölçek kazanımına katkıda bulundu. Bu yapılandırılmış metodoloji, Ariat'ın operasyonel riski en aza indirirken ve kampanya sürekliliğini korurken otomasyonu büyük ölçekte güvenle değerlendirmesini sağladı.
Sonuçlar
Amazon DSP Performans+, Amazon'un birinci taraf müşteri sinyallerini makine öğrenimi tabanlı teklif verme ve hedef kitle optimizasyonuyla bir araya getirerek yapay zeka destekli önemli performans iyileştirmeleri sağladı. Kampanya, dört KPI'nın tamamında verimlilik ve edinim beklentilerini aşarak büyük ölçekte otomasyon odaklı reklamcılığın potansiyelini kanıtladı.
Tıklama oranı (CTR) %620 artarak kontrol grubunu belirgin şekilde geride bıraktı ve müşteri etkileşiminin güçlendiğini gösterdi.1 Aynı zamanda etkili tıklama başına maliyet (eCPC) %72 azalırken medya verimliliği arttı ve ürün ayrıntı sayfası görüntülemeleri (DPV) %134 yükseldi.2 Getiri metrikleri de önemli ölçüde iyileşti; ROAS %60 artarken markaya yeni müşterilere (NTB) yönelik ROAS %107 yükseldi. Bu da kampanyanın yeni müşterileri verimli bir şekilde büyük ölçekte kazanabildiğini gösterdi.3
Bu kazanımlar, ölçüm doğruluğundan veya kampanya istikrarından ödün verilmeden elde edildi. Kontrollü test ve öğrenme çerçevesi, performans iyileştirmelerinin dış etkenlerden değil, doğrudan Performans+'ın yapay zeka destekli optimizasyonundan kaynaklandığını doğruladı.
Test, yapay zeka destekli optimizasyonun müşteri edinme çalışmalarını ölçeklendirebildiğini, karar alma sürecini hızlandırabildiğini ve manuel hedef kitle segmentasyonu ile teklif verme stratejilerine olan bağımlılığı azaltabildiğini doğruladı. Böylece Ariat için Amazon mağazasında sürdürülebilir ve uzun vadeli bir reklamcılık çerçevesi oluşturuldu. Bu sonuçlar, Amazon DSP Performans+'ın markaların kârlılığı korurken müşteri edinimini ölçeklendirmesine nasıl yardımcı olabileceğini gösteriyor.
Kaynaklar
1-3 Ariat, ABD, 2025.