Sayılarla ne demek?
Gönderim zamanı optimizasyonu yalnızca "ne zaman" sorusunu yanıtlar; mesaj yine herkese gider. Öngörücü gönderim bir adım öteye geçer ve "göndermeli miyiz?" sorusunu da sorar. Bazı kişiler için bu hafta üçüncü bir kampanya ek satış getirmez, yalnızca abonelikten çıkma ihtimalini artırır; model bu kişileri o gönderimden çıkarır.
Karar iki tahminin dengesine dayanır. Bir tarafta kişinin bu mesaja tıklama ya da satın alma olasılığı, diğer tarafta mesaj yorgunluğu, abonelikten çıkma ve spam şikayeti riski vardır. Fayda riskten yüksekse mesaj gider; değilse atlanır ya da daha uygun bir kanala yönlendirilir.
Bu yaklaşım, liste büyüklüğü yerine etkileşimi merkeze alır. Toplam gönderim sayısı düşebilir ama mesaj başına tıklama ve satış artar, gönderici itibarı korunur. Özellikle büyük ve farklı etkileşim düzeylerine sahip listelerde, herkese aynı sıklıkta gönderim yapmanın gizli maliyeti bu şekilde görünür hale gelir.
Modelin kullandığı sinyaller
| Sinyal | Ne anlatır? |
|---|---|
| Son etkileşim zamanı | İlginin tazeliği |
| Son dönemdeki mesaj sayısı | Yorgunluk düzeyi |
| Kanal bazında tepki geçmişi | Hangi kanalın işe yaradığı |
| Site ve alışveriş davranışı | Satın alma yakınlığı |
| Önceki çıkış ya da şikayet işaretleri | Rahatsızlık riski |
İkinci satır, çoğu kuralın göz ardı ettiği bir bilgi. Son bir haftada beş mesaj almış biri ile hiç mesaj almamış biri, aynı kampanyaya aynı şekilde tepki vermiyor.
Devreye alırken
- Önce kontrol grubu kurun. Herkese gönderilen bir grup bıraksın.
- Başarı ölçüsünü gelire bağlayın. Açılma değil, satış ve liste sağlığı.
- Atlanan kişileri izleyin. Kim, neden, ne sıklıkla?
- Kritik mesajları dışarıda tutun. İşlemsel ve yasal bildirimler.
- Kararları açıklanabilir tutun. Ekip mantığı anlayabilsin.
Uygulamada ne oluyor?
En sık durum, gönderim sayısındaki düşüşün başarısızlık sanılması. Model bazı kişileri atlayınca toplam gönderim azalıyor; ekip bunu gelir kaybı gibi algılıyor ama mesaj başına gelir ve liste sağlığı iyileşiyor.
İkinci gözlem, modelin kara kutu gibi çalışması. Neden belirli bir kişiye mesaj gitmediği açıklanamıyor; bir müşteri "kampanyadan neden haberim olmadı?" diye sorduğunda ekip cevap veremiyor.
Üçüncüsü, düşük etkileşimli kişilerin tamamen unutulması. Model onları sürekli atlıyor; bu kişiler için yeniden etkileşim akışı ya da ayıklama kararı ayrıca verilmeli, aksi halde listede sessizce bekliyorlar.
Dördüncüsü, önemli duyuruların modele bırakılması. Fiyat politikası değişikliği ya da hizmet kesintisi gibi herkesin bilmesi gereken bilgiler, olasılık hesabına göre filtrelenmemeli.
Beşincisi, kontrol grubu olmadan devreye alınması. Model açıldıktan sonra gelir arttı ama aynı dönemde sezon da değişti; gerçek katkıyı gösterecek bir karşılaştırma yok.
Altıncısı, verinin yetersiz olduğu küçük listelerde kullanılması. Birkaç bin aboneli bir listede model güvenilir tahmin üretemiyor; basit kurallar ve sıklık sınırı çoğu zaman yeterli.
Yedincisi, kanal kararının izin kontrolünden bağımsız verilmesi. Model SMS'in daha etkili olacağını tahmin ediyor ama kişinin SMS onayı yok; izin her zaman modelin önünde gelmeli.
Sekizincisi, sezonsal değişimlerin modele yansımaması. Yılbaşı döneminde etkileşim davranışı değişiyor; eski dönem verisiyle eğitilmiş model bu dönemde gereğinden fazla kişiyi atlayabiliyor.
Dokuzuncusu, abonelikten çıkma oranının yalnızca gönderilen mesajlar üzerinden hesaplanması. Gönderim azalınca oran düşüyor gibi görünüyor; kişi başına çıkış ve toplam liste büyümesi birlikte izlenmeli ki tablo doğru okunsun.
Onuncusu, pazarlama ekibinin modele güvenmemesi. Model devreye alınıyor ama önemli kampanyalarda her seferinde kapatılıyor; tutarlı kullanım olmadan sonuçlar değerlendirilemiyor.
On birincisi, modelin işletme hedefleriyle hizalanmaması. Model tıklamayı en üst düzeye çıkarmaya ayarlanmış, işletme ise karı; yüksek tıklama getiren ama düşük marjlı kampanyalar öne çıkıyor.
On ikincisi, tahminlerin birer olasılık olduğunun unutulması. "Bu kişi tıklamaz" değil, "tıklama olasılığı düşük" deniyor; eşik değeri iş hedeflerine göre bilinçli olarak seçilmeli.
Neyi garanti etmez?
Öngörücü gönderim, mesajın içeriğini iyileştirmez ve her kararı doğru vermez. Olasılıklarla çalışır; iyi bir ölçüm düzeni olmadan faydası kanıtlanamaz.
Sıkça sorulan sorular
Gönderim zamanı optimizasyonundan farkı ne?
STO yalnızca saati seçer; öngörücü gönderim mesajın gidip gitmeyeceğine ve hangi kanaldan gideceğine de karar verir.
Küçük listeler için uygun mu?
Genellikle hayır; güvenilir tahmin için yeterli etkileşim verisi gerekir.
Hangi mesajlar dışarıda tutulmalı?
İşlemsel bildirimler ve herkesin bilmesi gereken önemli duyurular.
Bu kavramın bütün resim içindeki yerini Retention Pazarlama Rehberi içinde ayrıntılı anlattım.
E-posta otomasyonları, sepeti terk akışları, segmentasyon ve müşteri elde tutma ile tekrar satışları artıran retention sistemi.
