Amazon'un Medya Planlama API paketi ile kampanya tahminine yönelik bir uygulama kılavuzu

Orta ölçekli bir reklam ajansında medya stratejistiyim. Bir sağlıklı yaşam markası, Amazon'da harcamayı planladığı 150 milyon $ ile bize başvurdu. Tek bir soruları vardı: "Bunun işe yarayacağını garanti edebilir misiniz?"

Yapamadım. Hiçbirimiz yapamadık. 15 yıllık deneyimimiz, binlerce kampanya birikimimiz ve ürüne duyduğumuz gerçek inanç vardı. Ancak kesin bir bilgimiz yoktu. 150 milyon $’lık bir medya planını, yapısal mühendislik var olmadan önce mimarların bina tasarladığı şekilde, deneyim, sezgi ve umutla oluşturuyorduk. İçimiz korkuyla doluydu. Üç ay sonra müşteri şu soruyu sordu: "Hedef kitlemize tahmin ettiğiniz gibi ulaşıyor muyuz?" Hiçbir fikrim yoktu. Kanallar genelinde tekil erişimi doğru şekilde ölçemedik. Erişim tahminlerimiz ne mi? Bilgiye dayalı çıkarımlar.

Altı ay sonra bir Amazon Ads konferansına katıldım ve cevaplayamadığımız her soruyu yanıtlayabilecek medya planlama API'leri hakkında bilgi edindim:

• Geçen çeyrekte Amazon envanteri genelinde reklamveren bağlamımızdaki modellenmiş erişim ne kadardı?
• Farklı bütçe seviyelerinde kaç kişiye ulaşabiliriz?
• Bütçeyi taahhüt etmeden önce hangi kampanya sonuçlarını tahmin edebiliriz?
• Aynı kişiye birden fazla kanal üzerinden ulaşmak için mi ödeme yapıyoruz?
• Hangi müşteri davranışları en yüksek dönüşüm oranlarını öngörür?
• Medya yatırımımızın gerçek etkisini nasıl ölçeriz?

Bugün aynı müşteri, aynı kanallara daha fazla harcama yaparak değil; API paketi aracılığıyla belirlenen yeni personalara ve envantere ulaşacak şekilde kapsamını genişleterek yılda 200 milyon $ yatırım yapıyor ve bunu tam bir güvenle gerçekleştiriyor. Daha zeki olduğumuz için değil. Çünkü çıkarımda bulunmayı bıraktık.

Medya planlamasını, bir film stüdyosunun büyük bir film vizyona girişini planlaması gibi düşünün. Prodüksiyona bütçe harcamadan önce stüdyo şunu sorar: Hedef kitlemiz kim? Hangi kanallarda yer alacaklar? Her pazar için ne kadar harcama yapmalıyız? Ne tür bir getiri beklemeliyiz? Medya planlaması, reklamverenler için de aynı şekilde işler: reklamlar satın almadan önce yaptığınız stratejik çalışmadır ve kampanyanızın başarıya ulaşma şansını artırır.

Plan olmadığında çıkarımda bulunursunuz. Doğru araçlarla, özellikle Amazon'un Medya Planlama API paketiyle tahmin yapabilirsiniz. Bu fark on milyonlarca dolara değer.

Amazon'un medya planlama API'leri, her biri temel bir planlama zorluğunu ele alan dört grup halinde düzenlenmiştir:

Kaç kişiye ulaştık, kaç kişiye ulaşacağız ve gerçek örtüşme ne kadar?

Bütçe taahhüt etmeden önce hangi sonuçları tahmin edebiliriz?

Kimi hedeflemeliyiz ve neden?

Kanallar genelinde gerçek medya etkisini nasıl ölçeriz?

Tüm API'ler, Amazon Ads envanteri ve davranışsal sinyaller üzerinde çalışır. Yayıncılar arası erişim, tekilleştirme, performans karşılaştırması ve hedef kitle karakterizasyonu için üçüncü taraf ölçüm iş ortakları gereklidir.

Her kampanya dört aşamadan geçer ve medya planlama API'leri her aşamaya entegre olur.

Hiçbir harcama yapmadan önce geçmiş sonuçları analiz eder, erişim ve performansı tahmin eder ve planınızı oluşturursunuz. Erişim eğrisi API'leri, performans tahmini ve kitle API'leri size her üçünü de yapmanız için gereken verileri sağlar.

Planınız hazır olduğunda, hedeflemeyi ayarlayın, kanalları yapılandırın ve bütçe tahsislerini sonuçlandırın. Kitle API'leri, kimlere ulaştığınızı tanımlarken erişim eğrisi API'leri (Erişim tahmini, tahmin tekilleştirme), başlatmadan önce kanal karmanızı doğrulamanıza katkıda bulunur.

Kampanya başladıktan sonra performansı izler, bütçeleri ayarlar ve hedeflemeyi optimize edersiniz. Erişim eğrisi API'leri (Tahmin tekilleştirme), benzersiz müşterilere ulaşıp ulaşmadığınızı veya örtüşme için ödeme yapıp yapmadığınızı gösterir.

Kampanya sona erdikten sonra gerçek sonuçları tahminlerle karşılaştırırsınız, çıkarımlar elde edersiniz ve bir sonraki kampanyayı planlarsınız. Erişim eğrisi API'leri (Geçmiş erişim), gerçekte ne olduğunu gösterir; MMM API'si ise bu sinyalleri ölçüm çerçevenize aktarır.

Geçmiş erişim size, reklamveren bağlamınıza göre kapsamlandırılmış, Amazon envanterine ilişkin geçmiş erişim eğrileri sunar. Tarih aralığı ve hedef kitle parametreleri girdiğinizde, Amazon paneli ve envanter verilerine dayalı modellenmiş tekil erişim rakamlarını getirir. Çıkarım yapmak yok. Varsayım yok.

Geçmiş erişim özelliğini, müşterinin geçmiş kampanyalarına ait altı aylık verileri üzerinde çalıştırdık. Sonuç: 8 milyon değil, 12 milyon benzersiz müşteri. %50'lik ölçüm açığı. Bu her şeyi değiştirdi. Erişim başına maliyetlerinin düşündüklerinden %37 daha düşük çıkması, kampanyalarını ilk istatistiklerin gösterdiğinden çok daha verimli hale getirdi. Performansları düşük değildi; ölçümleri yetersizdi. Bu temel bilgilerle 150 milyon $’lık bir kampanyayı güvenle planlayabildik.

Geçmiş erişim ileriye değil, geriye bakar. Bir sonraki çeyrekle ilgili tahminde bulunmaz. Ancak gerçek başlangıç noktanızı anlamadan iyi bir tahminde bulunamazsınız. Bunu, gelecek yılın bütçesini belirlemeden önce geçen yılın mali tablolarını incelemek gibi düşünün: stratejinin tamamı değil, temel bağlam. Geçmişi olmayan, ilk kez yapılan Amazon kampanyaları için uygun değildir.

Müşteri şunu sordu: "120 milyon $ mı, 150 milyon $ mı yoksa 180 milyon $ mı harcamalıyız? Erişimdeki farkı nedir?" Geleneksel olarak, geçen yılın harcamasından kabaca doğrusal bir ölçekleme çıkarımında mı bulunurduk? O soru işaretleri... kaygı tam da orada yaşar.

Erişim tahmini, herhangi bir harcama yapmadan önce bütçe senaryolarını test etmenizi sağlar. Hedef kitlenizi, kampanya tarihlerinizi ve birden fazla bütçe seçeneğini girersiniz. Bütçenin kaç benzersiz müşteriye ulaştığını ve eğrinin nerede düzleştiğini (yani ekstra harcamanın orantılı erişim sağlamayı bıraktığı noktayı) gösteren bir erişim eğrisi getirir.

Erişim tahmini API’si özelliklerini gösteren açıklayıcı örnek:

Eğri, 150 milyon {{content}}#x27;dan sonra keskin biçimde düzleşti. 150 milyon {{content}}#x27;dan 175 milyon {{content}}#x27;a geçildiğinde, 7,35 {{content}}#x27;lık ortalamaya kıyasla artımlı her müşteri için 14,70 $ karşılığında yalnızca 1,7 milyon müşteri ekledi. Bu 25 milyon {{content}}#x27;ın tasarrufa ayrılmasını ve potansiyel müşteri aramaya yeniden tahsis edilmesini önerdik. Müşterinin tepkisi: "Harcamadan önce bize 25 milyon $ tasarruf ettirdiniz."

Bunlar, garantili ifadeler değil, hava tahminlerine benzer öngörülerdir. Doğruluk, kampanya koşullarına göre farklılık gösterir; gösterilen aralıklar, tipik performans kalıplarına dayalı açıklayıcı örneklerdir. Her zaman bir güven aralığı belirtin; örneğin, "20,4 milyon erişim öngörüyoruz; olası aralık 18,5 milyon ile 22,1 milyon arasında." Marjlı plan yapın, gerçek verileri takip edin ve modellerinizi zamanla geliştirin.

Dördüncü çeyrek kampanyasının yarısına gelindiğinde müşteri bir durum değerlendirmesi talep etti. Amazon Ads'in birden fazla kanalı genelinde 21,6 milyon tekil müşteriye ulaştığımızı onlara bildirdik. Bu rakam bize kendimizi iyi hissettiriyordu. Yanıldık.

Tahmin tekilleştirme, her kanalın erişiminin şişirilmiş toplamını değil, tüm Amazon kanallarınızda aslında kaç benzersiz kişiye ulaştığınızı gösterir. Kanallar arasındaki örtüşmeyi haritalayarak mükerrer sayımın tam olarak nerede gerçekleştiğini ve aynı kişiler için iki kez hesaplama ve ödeme yaptığınız noktaları net biçimde görebilirsiniz.

Tahmin tekilleştirme API’si özelliklerini gösteren açıklayıcı örnek:

Tahmin Tekilleştirme işlemini başlattık. Gerçek tekil erişim şunlara ulaşır: 21,6 milyon değil, 13,2 milyon kişi. 8,4 milyon "müşteri" aslında birden fazla kanalda görünen aynı kişilerdi. Bağlı TV kanallarında %68 örtüşme görüldü. Daha önce ulaştığımız kişilere ulaşmak için 61,740 $’ı boşa harcadık. Medya karmasını yeniden yapılandırdık, örtüşen kanal bütçelerini kıstık, harcamayı (örtüşmenin daha düşük olduğu) Twitch'e kaydırdık ve aynı 150 milyon $ bütçeyle 16,8 milyon tekil erişime ulaştık. Tekil erişimde ücretsiz %27 artış.

"Aynı kişilere beş farklı ekranda reklamlar göstermek için 61.000 $ ödüyorduk. Bu çok kanallı strateji değil; aynı daireye beş kez kira ödemek gibi."

Tekilleştirme yalnızca Amazon'un envanteri içinde çalışır. Google, Meta, TikTok veya geleneksel TV reklamları da yayınlıyorsanız bu örtüşmeler burada görünmez. Müşterileri önceden bilgilendirin: "Bu, Amazon hedef kitle örtüşmesini gösterir. Çapraz yayıncı tekilleştirmesi için üçüncü taraf ölçüm iş ortaklarına ihtiyacınız olacak." Beklentileri açıkça belirleyin.

Erişim önemlidir. Ancak müşterinin asıl sorusu şuydu: "Bu kampanya ne kadar verimli bir şekilde yayınlanacak?" 150 milyon $ taahhüt etmeden önce tıklama başına maliyetin nasıl şekilleneceğini, hangi video tamamlanma oranlarını bekleyebileceklerini ve harcamanın büyük ölçekte sonuç verip vermeyeceğini bilmeleri gerekiyordu. Söyleyebildiğimiz en iyi şey şuydu: "Sektör ortalamalarına dayanarak bize güvenin."

Performance tahmini, siz harcama yapmadan önce kampanya sonuçlarını tahmin eder. Bir istatistik (tıklamalar, video tamamlamaları veya detay sayfası görüntülemeleri) seçersiniz; API bir tahmin eğrisi getirir: her harcama seviyesinde tahmini sayıyı, sonuç başına maliyeti (CPC, eCPM, CPDPV, CPVC) ve oran istatistiklerini (tıklama oranı (CTR), video tamamlanma oranı (VCR)) görürsünüz. Umut verici bir tahmin değil. Güven aralıklarına sahip, veri destekli bir tahmin.

Performans tahmini API’si özelliklerini gösteren açıklayıcı örnek:

API, planlanan harcama seviyemizde tahmini tıklamaları ve sonuç başına maliyeti gösteren bir tahmin eğrisi getirdi; güven aralıkları, alt sınırda bile müşterinin verimlilik kıyaslamalarını karşıladı. Planlama toplantısına girip şunu söyledik: "Muhafazakar senaryoda bile sonuç başına maliyet oranınız hedeflenen aralıkta kalıyor. Bu kampanyayı onaylamanızı öneririz."

Üç ay sonra, gerçek tıklama oranları ve sonuç başına maliyet, API'nin tahmininin %5’i içinde kaldı. Kampanya nihayetinde bir iş sonucu olarak 4,0 katı ROAS elde etti. Bu kombinasyon, yani güvenli kararları destekleyen doğru tahminler, müşteri ilişkisini tamamen değiştirerek bize önemli bir yenilenme kazandırdı.

Doğruluk, veriler sayesinde iyileşir. Fark, yeni ürün lansmanlarında ve yoğun dönemlerde artar. Daha uzun Amazon geçmişine sahip kampanyalar daha isabetli tahminler üretir. Bunu müşterilere açıkça iletin: Güven aralıkları bir engel değil, öngörülerin nasıl işlediğine dair dürüst bir gerçektir.

Kitle API grubu, demografik verilerin ötesine geçmenize, müşterilerinizin gerçekte kim olduğunu anlamanıza ve henüz keşfetmediğiniz yeni müşteriler bulmanıza katkıda bulunur.

Müşterinin asıl hedefi: "25–54 yaş arası yetişkinler, sağlık ve sağlıklı yaşam ile ilgileniyorlar, hane geliri 60 bin $’ın üzerinde" Bu bilgiler, Amazon'da yaklaşık 42 milyon kişiyi tanımlar. Hangi segmentlere öncelik vermeliyiz ve her birine ne kadar bütçe ayırmalıyız? Demografik veriler, insanların kim olduğunu size söyler. İnsanların ne yaptığını söylemezler. Davranışlar, dönüşümü yaş aralıklarından çok daha iyi öngörür.

• Persona oluşturucu, hedef kitlenizi davranışsal segmentlere göre gruplandırmak için insanların ne satın aldığını, ne izlediğini ve ne aradığını kapsayan, Amazon'un Birinci Elden Verilerini kullanır. Yaş aralıkları yerine, satın alma kalıplarına, yayın akışı alışkanlıklarına ve arama davranışlarına dayalı gerçek müşteri profilleri elde edersiniz.
• Kitle keşfi, henüz değerlendirmediğiniz yeni kitle segmentlerini, davranışlarıyla yüksek niyet sinyali veren ancak mevcut hedeflemenizin dışında kalan kişileri ortaya çıkarır. Aramayı aklınıza bile getirmediğiniz müşterileri bulmanın yolu budur.
• Kitle örtüşmesi, segmentlerinizin nasıl kesiştiğini gösterir; böylece hangi hedef kitlelerin gerçekten farklı, hangilerinin büyük ölçüde aynı kişilerden oluştuğunu anlayabilirsiniz. Bu sayede, büyük ölçüde örtüşen segmentlere fazla yatırım yapmanızı önler.

Birlikte yanıtlarlar: "En iyi müşterilerimiz kimler, onlara benzeyen başka kimler var ve aynı kişileri iki kez hedeflemekten nasıl kaçınırız?"

Kitle API'si özelliklerini gösteren açıklayıcı örnek; geriye kalan %10, Kitle Keşfi özelliği aracılığıyla belirlenen yeni hedef kitle segmentlerinin test edilmesi için ayrılmıştır.

Bütçe geniş çaplı demografik verilerden davranışsal personalara kaydırıldığında kampanya verimliliği önemli ölçüde arttı. Yalnızca 8,2 milyon kişiden oluşan aktif sağlıklı yaşam segmenti en yüksek dönüşleri sağladı. Başından beri en büyük hayranlar onlardı. Onları ancak davranışlara baktığımızda görebildik.

Kitle Keşfi özelliği, daha önce hiç değerlendirmediğimiz bir segmenti ortaya çıkardı: "Organik atıştırmalıklar satın alan fitness içeriği yayıncıları." Kitle Örtüşmesi özelliği, bu grubun mevcut hedeflerimizle %12'den az örtüştüğünü doğruladı; yani halihazırda elimizde olanların yeniden paketlenmiş bir versiyonu değil gerçek anlamda yeni bir hedef kitleydi.

Kitle API'leri, davranışları Amazon'un bakış açısından gösterir. Müşteriniz ağırlıklı olarak Amazon dışından alışveriş yapıyor veya medya içerikleri tüketiyorsa tablo eksik kalacaktır. Daha kapsamlı bir görünüm için kendi birinci elden verilerinizi ekleyin. Ayrıca, örneklem boyutlarının anlamlı kümelemeyi sınırladığı çok küçük niş hedef kitleler için de ideal değildir.

Kampanya sona erdikten sonra müşteri şu soruyu sordu: "Diğer kanallarımıza kıyasla Amazon yatırımımızın gerçek etkisi neydi?" Platform düzeyinde istatistiklerimiz mevcuttu, ancak Amazon'un sinyallerinin daha geniş çaplı ölçüm modellerine aktarılabileceği standart bir yöntem yoktu. Analiz ekibimiz günlerce manuel olarak raporları çekip verileri yeniden biçimlendirdi ve tutarsızlıkları giderdi; analizler planlama ekibine ulaştığında bir sonraki kampanya çoktan yayındaydı.

MMM API, reklamverenlere ve ölçüm iş ortaklarına, daha hızlı ve daha ölçeklenebilir pazarlama karması modelleri için Amazon'un reklamcılık ve perakende sinyallerine programatik erişim sağlar. Manuel veri alışverişini ortadan kaldırır ve medya sinyallerinin (gösterimler, erişim, harcama) ile sepete ekleme etkinlikleri gibi günlük alışveriş etkileşim istatistiklerini içeren perakende sinyallerinin mevcut iş akışlarına doğrudan gönderilmesini otomatikleştirir. Sonuç: kanallar arası bütçe optimizasyonu için daha sık ve güvenilir analizler.

MMM API özelliklerini gösteren açıklayıcı örnek:

Analitik ekibimizin günlerini alan manuel veri işlemleri otomatik hale geldi. Amazon'un medya ve perakende sinyalleri, ayrıntılı alışveriş davranışı verileri de dahil olmak üzere, üç ayda bir değil günlük olarak doğrudan müşterinin MMM'sine aktarıldı. Sonuç: Amazon yatırımının diğer kanallara kıyasla sonuçları nasıl etkilediğine dair daha net bir tablo; üstelik anlam ifade etmeyecek kadar geç kalmadan, bir sonraki bütçe kararını gerçekten yönlendirecek kadar sık güncellenir.

MMM API sinyalleri sağlar; modeli sizin yerinize oluşturmaz. Verileri almak ve analiz etmek için bir MMM çerçevesinin (şirket içi veya bir ölçüm iş ortağı aracılığıyla) bulunmasına ihtiyacınız olacaktır. Değer, otomasyon ve standartlaşmada yatıyor; manuel çabayı azaltan ve daha sık analiz yapılmasını sağlayan tutarlı, programatik erişim.

• Geçmiş erişim temeldir. Gerçekte ne olduğunu bilmeden doğru tahmin yapamazsınız. Gerçekler rahatsız edici olsa bile her müşteri ilişkisine buradan başlayın.
• Tek bir plan değil, birden fazla senaryo tahmin edin. Erişim eğrileriyle birlikte 3-5 bütçe seçeneği sunun. Verilerin önermesine izin verin. Müşteriler optimizasyona değer verir, yalnızca maksimizasyona değil.
• Güven aralıkları sahte kesinlikten daha fazla güven oluşturur. Tek bir rakam vaat etmeyin. Güven seviyesi sunan bir aralık belirtin. Verilen aralık dahilinde teslimatı tamamladığınızda kahraman olursunuz.
• Davranışlar demografiyi geçer. "25-54 yaş arası yetişkinleri" hedeflemekten vazgeçin. "Fitness içeriği izleyen protein tozu alıcılarını" hedefleyin. Dönüşüm farkı önemlidir.

• Desteklenen mağaza (bölgenizin kapsama dahil olduğunu doğrulayın)
• Amazon kampanya geçmişi (Geçmiş erişim için minimum 6 ay önerilir)
• Çok kanallı medya karması (Tahmin tekilleştirme’nin anlamlı olması için gereklidir)
• AMC örneği (birinci elden veri katmanlama için)
• Geliştirici kaydı ve hesap ekibine kabul

1. 1. ay: Geçmiş erişim. Son 6 ay içindeki kategori ve envanter karmanız için temel erişimi belirlemek amacıyla geçmiş erişim özelliğini çalıştırın. Müşterinize gerçek erişim ile tahmini erişimi karşılaştırmalı olarak gösterin. Bu keşfin kendisi genellikle tüm çabayı haklı kılar. Kampanya bazında ölçüm için belgelerimizi inceleyin.
2. 2. ay: Erişim tahmini. Sonraki kampanya için 3 ila 5 bütçe senaryosunu test edin. Erişim eğrileri sunun. Öneriye veriler yön versin.
3. 3. ay: Performans tahmini. Güven aralıklarıyla birlikte sonuç tahminleri ekleyin. Haftalık takibi tahmine göre ayarlayın.
4. 4. ay: Tahmin tekilleştirme. Kampanya ortasında çalıştırın. Örtüşmeyi bulun. Tekil erişimi en üst düzeye çıkarmak için medya karmasını yeniden yapılandırın.
5. 5-6. ay: Kitle API'leri. Persona oluşturucu özelliği ile davranışsal personalar oluşturun. Kitle keşfi özelliği ile yeni segmentler keşfedin. Kitle örtüşmesi özelliği ile farklılığı doğrulayın. Bütçeyi en yüksek dönüşüm sağlayan personalar için yeniden tahsis edin.
6. Devam eden: MMM API. Amazon'un medya ve perakende sinyallerini ölçüm çerçevenize entegre edin. Sonraki planlama döngüsünü yönlendirmek için analizlerden yararlanın.

Yeni entegratörler, model trafik profillerine uyum sağlayana kadar ilk 30 gün boyunca daha geniş fark aralıklarıyla karşılaşmayı beklemelidir.

Medya Planlama API paketini kullanmaya başlamanıza yardımcı olacak kaynakları aşağıda keşfedebilirsiniz.

Amazon Ads API'si kılavuzu ve medya planlama kılavuzları, teknik özellikleri, uç noktaları ve entegrasyon kılavuzlarını içerir. API belgeleri ayrıca güncel bölgede kullanılabilirlik ve API durumu bilgilerini sağlar.

Gigi, Pacvue, Perpetua, Intentwise ve Skai; paneller de dahil olmak üzere kod gerektirmeyen hazır entegrasyonlar sunar.

İş ortağı ağı, uygulama konusunda size yardımcı olabilecek sertifikalı Amazon Ads iş ortaklarını bulmanıza yardımcı olur.

Medya planlama sertifikası, medya planlaması temel ilkeleri ve API kullanımı konusunda ücretsiz eğitim sunar.

Amazon Ads temsilciniz örnek vaka çalışmaları, katılım desteği ve pilot program erişimi sağlar.

Geliştirici değil misiniz? Sorun değil. Birçok Amazon Ads iş ortağı platformu (Pacvue, Perpetua, Skai, Gigi ve diğerleri) Medya Planlama API'lerini aşamalı olarak entegre ediyor. Geliştirme süresi gerekmez. Hesap ekibinizle birlikte çalışarak yığınınız için doğru iş ortağını belirleyin.

• Satış Sinyalleri: Amazon'un perakende ve müşteri sinyallerinin kampanya öncesi planlama iş akışlarına doğrudan daha derinlemesine entegrasyonunu keşfetme. Böylece medya planlaması yalnızca reklam istatistikleriyle değil, gerçek perakende sonuçlarıyla ilişkilendirilecektir.
• Temsilci entegrasyonu katmanı: Üçüncü taraf yapay zeka aracılarının medya planlama API'leriyle doğrudan entegre olmasını sağlayan yeni bir özellik. Böylece, kendi tescilli planlama araçlarınız, otomatik iş akışlarınız ve yapay zeka destekli optimizasyon motorlarınızın, Amazon'un planlama sinyallerine programatik olarak erişebilmesi sayesinde manuel API çağrılarından otonom ve kesintisiz planlama zekasına geçiş sağlanır.

Ek kaynaklar:

• Amazon Ads hesap ekibinizle iletişime geçin
• GitHub topluluğumuzda sohbete katılın
• Geliştirici kaydını tamamlayın

Kaynaklar:

¹ Amazon şirket içi verileri, ABD, 2025-2026.

² Amazon Ads API'si belgeleri, dünya geneli, 2026.

Katkıda bulunanlar:

Vic Awokoya, Kapil Dwivedi