Reklam hesabında otomatik teklife geçildiğinde ilk birkaç haftada görülen iyileşme çoğu zaman yanlış yorumlanır. Tıklama başı maliyet düşer, platform daha fazla dönüşüm raporlar ve ekip bunun ölçeklenebilir büyüme anlamına geldiğini varsayar. Oysa otomatik teklif stratejisi örneği incelenirken asıl soru şudur: Algoritma, işletmeniz için değerli müşteriyi mi öğreniyor; yoksa sadece kolay dönüşen kullanıcıyı mı?

Bu ayrım, özellikle yüksek harcama yapan e-ticaret markaları ve satış ekibiyle çalışan B2B şirketleri için belirleyicidir. Google Ads veya Meta Ads, kendisine iletilen sinyale göre bütçe dağıtır. Form dolduran herkesin eşit değerde kabul edildiği bir sistem, satışa dönüşmeyen ucuz talepleri bulmakta oldukça başarılı olabilir. Raporlanan sonuç iyileşirken müşteri edinme maliyeti, satış verimliliği ve kârlılık bozulabilir.

Otomatik teklif, bir kampanya ayarı değil, ölçüm ve ticari karar sistemidir. Doğru kurulduğunda medya satın almayı hızlandırır. Eksik veriyle kurulduğunda ise mevcut ölçüm hatasını çok daha büyük bir bütçeyle tekrarlar.

Otomatik teklif stratejisi neyi optimize eder?

Platformlar niyeti doğrudan görmez. Arama sorgusu, cihaz, saat, konum, kullanıcı davranışı, kitle sinyalleri ve geçmiş dönüşüm verilerinden bir olasılık hesaplar. Ardından açık artırmadaki teklifi bu olasılığa göre değiştirir. Hedef ROAS kullanıyorsanız sistemin mantığı basittir: Daha yüksek gelir getirmesi beklenen açık artırmalara daha fazla kaynak ayırmaya çalışır.

Buradaki kritik nokta, platformun sizin kârlılığınızı varsayılan olarak bilmemesidir. Sipariş değerini bilir, ancak iade oranını, brüt marjı, iptal olasılığını veya müşterinin ikinci alışveriş ihtimalini çoğu durumda bilmez. B2B tarafında ise formu, toplantıyı ve hatta bazen CRM’e düşen fırsatı görebilir; fakat satış ekibinin neden kaybettiğini CRM verisi olmadan anlayamaz.

Bu nedenle teklif hedefi seçmeden önce dönüşüm tanımını tartışmak gerekir. Sepete ekleme, teklif alma formu veya telefon araması pazarlama açısından faydalı ara sinyaller olabilir. Fakat bunların her biri ana optimizasyon hedefi olduğunda, algoritma en çok bu eylemleri üreten trafiğe yönelir. Bu trafik her zaman en fazla geliri üretmez.

E-ticarette otomatik teklif stratejisi örneği

Yıllık cirosu büyüyen, ancak reklam kârlılığı baskı altında olan bir e-ticaret markasını düşünelim. Marka Google Ads üzerinden aylık 600.000 TL medya harcaması yapıyor. Hesapta alışveriş dönüşümü doğru ölçülüyor ve kampanyalar hedef ROAS ile yönetiliyor. Yönetim ekibi, toplam ROAS’ın 5 seviyesinde kalmasını istiyor.

İlk bakışta doğru yaklaşım, tüm kampanyalara yüzde 500 hedef ROAS vermek gibi görünür. Ancak ürün kategorilerinin marjı aynı değildir. Bir kategoride yüzde 18 brüt marj ve yüksek iade oranı varken, diğerinde yüzde 45 marj ve güçlü tekrar satın alma davranışı olabilir. İkisi de 1.000 TL ciro getirdiğinde platform açısından eşit görünür. İşletme açısından eşit değildir.

Daha sağlıklı kurgu, ürün gelirini olduğu gibi reklam platformuna göndermek yerine ticari değeri yansıtan bir değer modeli kurmaktır. Örneğin düşük marjlı ve yüksek iadeli ürünlerde dönüşüm değeri aşağı çekilebilir. Daha yüksek marjlı ürünlerde veya yeni müşteri ediniminin kritik olduğu ürün gruplarında değer artırılabilir. Bu, her ürün için karmaşık bir matematiksel model kurmak gerektiği anlamına gelmez. Başlangıçta kategori bazlı marj, iptal ve iade verisini hesaba katmak çoğu hesapta anlamlı bir ilerleme sağlar.

Bu örnekte hedef ROAS da sabit bir yönetim tercihi değildir. Marka yüzde 500 hedefle yeterli hacim alamıyorsa, hedefi yüzde 450’ye çekmek kârlılığı bozmayabilir. Çünkü daha fazla sipariş, lojistik sabit maliyetleri ve müşteri yaşam boyu değeri üzerinde olumlu etki yaratabilir. Tersi de geçerlidir. Stok daraldığında veya marj düştüğünde aynı kampanyada yüzde 550 hedef ROAS daha doğru olabilir.

Asıl mesele, hedefin platform metriklerinden değil, katkı payı mantığından türetilmesidir. Reklam panelinde iyi görünen ROAS ile finansal olarak kabul edilebilir reklam maliyeti aynı şey değildir.

Yeni müşteri değeri ayrı ele alınmalı

E-ticaret ekiplerinin sık yaptığı hata, tekrar satın alan müşterinin cirosunu yeni müşteri cirosuyla aynı ağırlıkta değerlendirmektir. Mevcut müşteri markayı zaten biliyor olabilir; arama reklamında dönüşmesi daha kolay ve daha ucuz olabilir. Sistem de doğal olarak bu işlemleri tercih eder.

Büyüme hedefi yeni müşteri kazanımıysa, yeni müşteri siparişine ek değer tanımlamak daha gerçekçi bir sinyal üretir. Bu değer, ilk sipariş kârlılığına, tahmini tekrar satın alma oranına veya stratejik müşteri segmentine göre belirlenebilir. Ancak burada da ihtiyat gerekir. Yeni müşteri için fazla agresif değer atamak, sistemin müşteri edinmek uğruna zarar eden siparişleri artırmasına yol açabilir. Değer modeli finans ekibiyle aynı ticari varsayımlara dayanmalıdır.

B2B’de hedef CPA neden çoğu zaman yanıltır?

B2B kampanyalarında otomatik teklif genellikle hedef EBM veya dönüşümleri artırma stratejisiyle başlar. Çünkü ilk görünür dönüşüm form gönderimidir. Ancak form maliyetini düşürmek, nitelikli talep maliyetini düşürmek anlamına gelmez.

Örneğin bir yazılım şirketi için iki form türü düşünelim. İlki öğrenci, küçük işletme veya bütçesi olmayan kişilerden geliyor. İkincisi karar verici unvanına, uygun şirket büyüklüğüne ve gerçek ihtiyaca sahip potansiyel müşterilerden geliyor. İlk form 300 TL, ikinci form 1.200 TL maliyetli olabilir. Satışa dönüşüm oranı ilk grupta yüzde 1, ikinci grupta yüzde 15 ise düşük CPA hedefi doğrudan yanlış davranışı teşvik eder.

Bu durumda otomatik teklif stratejisi örneği, reklam hesabında değil CRM akışında başlar. Pazarlama kaynağı, kampanya ve anahtar kelime verisi CRM’e güvenilir biçimde aktarılır. Satış ekibi talepleri standart tanımlarla niteliklendirir: uygun değil, görüşme yapıldı, satış fırsatı oluştu, kazanıldı gibi. Ardından nitelikli lead veya satış fırsatı verisi, mümkünse çevrimdışı dönüşüm olarak reklam platformuna geri gönderilir.

Bu kurulumun etkisi hemen görülmeyebilir. Satış döngüsü uzunsa algoritmanın öğrenmesi için daha fazla zaman gerekir. Buna rağmen platformun optimize ettiği olay, işletmenin gelir yaratma sürecine yaklaşır. Daha pahalı görünen bir lead kaynağı, satış fırsatı başına maliyette çok daha verimli hale gelebilir.

Satış ekibinin hızı da teklif performansıdır

Lead kalitesi değerlendirilirken yalnızca reklam kaynağına odaklanmak eksik kalır. Bir talebe ilk dönüş 24 saat sonra yapılıyorsa, en iyi hedefleme bile beklenen sonucu üretmez. Satış ekibinin temas hızı, takip disiplini ve teklif süreci dönüşüm verisini doğrudan etkiler. Bu da platforma geri giden kalite sinyalini bozar.

Başka bir ifadeyle, reklam algoritması satış operasyonundaki gecikmeyi telafi edemez. Otomatik teklif daha fazla talep üretebilir; fakat talep yönetimi zayıfsa sistem zamanla yanlış kaynakların daha iyi olduğu sonucuna varabilir. Bu nedenle reklam ve CRM verisini bağlamak kadar, lead’e ilk temas süresini ve satış aşaması tanımlarını yönetmek de önemlidir.

Hedefi değiştirirken kampanyayı neden sabote edebilirsiniz?

Otomatik teklif kullanan hesaplarda en maliyetli alışkanlıklardan biri, kısa dönem dalgalanmalarında hedefi sık değiştirmektir. Hedef ROAS’ı birkaç günde bir artırıp azaltmak veya hedef CPA’yı haftalık sonuçlara göre sert biçimde düşürmek, sistemin kararlı öğrenmesini zorlaştırır. Özellikle düşük dönüşüm hacimli kampanyalarda birkaç sipariş ya da birkaç nitelikli lead, raporu olduğundan iyi veya kötü gösterebilir.

Bu, hedeflerin hiç değiştirilmemesi gerektiği anlamına gelmez. Değişiklikler anlamlı bir veri penceresine dayanmalı ve ticari bir gerekçesi olmalıdır. Stok, fiyat, marj, satış kapasitesi veya sezon talebi değiştiyse teklif hedefi de değişebilir. Sadece panelde iki gün zayıf sonuç görüldü diye yapılan müdahale genellikle reaktif yönetimdir.

Aynı nedenle kampanya yapısı da önem taşır. Bir kampanyaya birbirinden çok farklı marj, talep yapısı ve müşteri profili olan ürünleri doldurmak, algoritmanın doğru hedefe gitmesini zorlaştırabilir. Fazla parçalı yapı ise veriyi böler ve öğrenmeyi yavaşlatır. Doğru denge, ticari açıdan farklı davranması gereken alanları ayırırken her grupta yeterli dönüşüm hacmini korumaktır.

Otomasyonun sınırı veri kalitesidir

Otomatik teklif, uzman yönetimini ortadan kaldırmaz. Uzmanın işi tek tek teklif artırmak yerine, sistemin hangi veriye göre karar verdiğini denetlemeye kayar. Dönüşüm sayısı, dönüşüm değeri, iade, iptal, lead niteliği, satış fırsatı ve kârlılık arasındaki bağ düzenli kontrol edilmelidir.

Pratikte en değerli kontrol sorusu şudur: Reklam platformunda büyüyen dönüşüm, işletmenin satış ve kâr tablolarında da büyüyor mu? Cevap hayırsa teklif stratejisini değiştirmeden önce ölçüm tanımına, satış takibine ve değer sinyallerine bakmak gerekir.

Fimarka’nın performans yaklaşımında otomatik teklif bu yüzden tek başına bir çözüm olarak ele alınmaz. Reklam hesabındaki karar, açılış sayfası, CRM, satış ekibi ve finansal veriyle aynı ticari hedefe bağlanmadığında platform verimli görünebilir, işletme ise yerinde sayabilir.

Daha iyi bir otomatik teklif stratejisi, algoritmaya daha sık müdahale etmekle kurulmaz. Algoritmanın başarı olarak gördüğü sonucu, şirketin gerçekten büyümek istediği sonuçla mümkün olduğunca yaklaştırmakla kurulur.

Mustafa Erol Çakan

Dijital Pazarlama Stratejisti
@acunmedyaakademi ve @iu1453 de Eğitmen
200+ Marka, 500 Milyon TL üzerinde Reklam Bütçesi Yönetimi.