Sayılarla ne demek?
1.000 müşterisi olan bir markada ciro genelde eşit dağılmaz: üst %20 çoğu zaman toplam cironun %55–70'ini üretir. Standart lookalike bu 1.000 kişinin tamamına eşit ağırlık verir — yani 40 TL harcayan da 4.000 TL harcayan da aynı sinyaldir. Value based lookalike ise 4.000 TL'lik müşteriye 100 kat ağırlık verir ve modeli ona benzeyenler üzerine kurar.
Değerin nasıl tanımlandığı sonucu doğrudan etkiler. Kar marjı ürün grupları arasında çok değişiyorsa, ciro yerine brüt karı göndermek daha doğru bir sinyal verir. Yüksek ciro üreten ama düşük marjlı bir ürün grubunun müşterilerine benzeyen kitle bulmak, ROAS'ı iyi gösterip karı düşürebilir.
Standart ile farkı
| Standart Lookalike | Value Based Lookalike | |
|---|---|---|
| Kaynak | Kişi listesi | Kişi listesi + değer sütunu |
| Optimizasyon | Dönüşüm olasılığı | Yüksek değerli dönüşüm olasılığı |
| Tipik etki | Daha çok dönüşüm | Daha yüksek sepet ortalaması |
| Minimum veri | ~1.000 kişi | ~1.000 kişi + geçerli değer |
Fark en çok sepet ortalaması değişken olan kategorilerde belirginleşir. Tek fiyatlı ürün satan bir markada iki yöntem arasında anlamlı fark çıkmaz.
Kurulum şartları
- Değer sütunu gerekir. Müşteri listenize kişi başına toplam harcama veya LTV kolonu eklemeniz gerekir.
- Değer gerçekçi olmalı. İade edilen siparişleri düşmezseniz model yanlış kişiye benzemeye çalışır.
- Yeterli varyans lazım. Herkesin harcaması birbirine yakınsa modelin öğrenecek bir şeyi olmaz.
- Kaynak yeterince büyük olmalı. 1.000 kişi teknik alt sınırdır; 5.000+ ile sonuç belirgin iyileşir.
Uygulamada ne oluyor?
Sepet ortalaması geniş bir aralığa yayılan hesaplarda — örneğin hem 200 TL'lik aksesuar hem 5.000 TL'lik ana ürün satan markalarda — value based lookalike'a geçmek dönüşüm sayısını çok değiştirmiyor ama gelen dönüşümlerin sepet ortalamasını yukarı çekiyor. ROAS'taki iyileşme dönüşüm adedinden değil, dönüşüm başına gelirden geliyor. Tek fiyatlı kataloglarda ise fark ölçülebilir düzeyde çıkmıyor; oralarda standart lookalike ile devam etmek daha az bakım gerektiriyor.
Bir de şu var: value based lookalike, veri hacmine standart lookalike'tan daha duyarlı. Değer sinyalinin anlamlı olması için modelin yeterli sayıda yüksek değerli örneği görmesi gerekiyor. 1.000 müşterinin yalnızca 50'si yüksek değerliyse model o 50 kişiden öğrenmeye çalışır ve sonuç dalgalı olur. Bu hesaplarda önce müşteri tabanını büyütmek, kitle tipini değiştirmekten daha etkili.
Neyi garanti etmez?
Value based lookalike, yüksek değerli müşteri bulma olasılığını artırır; yüksek değerli müşteri üretmez. Ürün fiyatlandırmanız, çapraz satış kurgunuz ve kargo eşiğiniz sepet ortalamasını değiştirmiyorsa, kitleyi değiştirmek tek başına yeterli olmaz.
Sıkça sorulan sorular
Hangi değeri göndermeliyim: tek sipariş mi, toplam mı?
Toplam yaşam boyu harcama daha iyi çalışır; tek siparişlik değer, tekrar alan müşteriyi tek seferlikle aynı kefeye koyar. Tekrar satış oranı düşük kategorilerde ikisi arasında pratik fark azalır.
Yüzde kaçlık dilim seçilmeli?
Value based lookalike'ta %1 dilimi standart lookalike'a göre daha dar bir havuz üretir. Test etmek için %1 ile başlayıp hacim yetmezse %3'e çıkmak yaygın yaklaşımdır.
Standart lookalike ile aynı anda test edilebilir mi?
Edilebilir ama iki kitle büyük ölçüde örtüşür ve setler birbiriyle yarışır. Daha temiz yöntem, dönemsel karşılaştırma yapmak: bir süre standart, ardından benzer koşullarda value based çalıştırıp sepet ortalamasını kıyaslamak.
Value Based Lookalike tek başına değil, bir sistemin parçası olarak çalışır. Sistemin tamamı: Meta Ads Rehberi.
Facebook ve Instagram reklamlarını katalog, kreatif test, remarketing, broad, lookalike, Advantage+ ve CAPI ile uçtan uca yönetiyorum.
