1Sorun
Meta reklam paneli yüksek bir ROAS gösteriyordu; ancak harcama arttıkça kârın aynı oranda artmadığı hissediliyordu. Hangi kampanyanın gerçekten kâr getirdiği bilinmiyordu.
Telefon ve WhatsApp’tan gelen siparişler hiçbir reklam aracında görünmüyordu; bu da tabloyu daha da bulanıklaştırıyordu.
2Teşhis
Her siparişi ikas üzerinden ziyaret oturumlarıyla eşleştirdik. Aynı dönemde Meta’nın beyanı 12,2 ROAS, yalnızca 7 günlük tıklamalar 7,3, sitede ilk tıklama 5,1 ve son tıklama 4,5 çıktı. Meta beyanının yaklaşık %40’ı görüntüleme kaynaklıydı ve doğrulanamıyordu.
Markanın her şey dahil net marjı %20. Bu, karışık bir sepette başabaş ROAS’ın 5,0 olduğu anlamına geliyor. Ürün grubuna göre ise çıta çok farklı: bal ürünlerinde 2,2, peynirde 8,0, tereyağında 8,2.
Kampanya düzeyinde: bir prospecting testinde iki reklam seti de aynı kitleyi hedeflediği için A/B testi fiilen çökmüştü; aktif bir reklam stoğu biten bir pakete gidiyordu; terk edilen sepet e-postaları neredeyse hiç sepet kurtarmıyordu.
İlk denetimde, ROAS’ı 0,14 olan kampanyayı ve verimsiz yaş grubunu tespit edip durdurmuştuk.
3Yaptığımız iş
Bütçe kararlarını reklam panelinin beyanına değil, site siparişine ve ürün grubunun marjına göre veren bir karar kuralı kurduk.
Telefon ve WhatsApp siparişlerini ayrı izleyip reklam kararlarının dışında tuttuk.
Meta trafiğini analitikte sekiz parçaya bölen dağınık UTM kullanımını tespit ettik ve tek bir şablon tanımladık.
Kampanya yapısı, ürün setleri ve terk edilen sepet akışı için öncelikli bir büyüme planı hazırladık.
4Sonuç
Marka artık hangi kampanyanın kâr ettiğini, hangisinin yalnızca panelde iyi göründüğünü biliyor.
Bal ürünlerinin hem marj hem yeni müşteri kazanımında, tereyağı ve peynirin ise tekrar satın almada güçlü olduğu ortaya çıktı; bütçe ve teklifler bu ayrıma göre planlanıyor.