Mobil Uygulama İçin Sosyal Medya Reklamları

Mobil Uygulama İçin Sosyal Medya Reklamları, mobil ürünlerin pazarda sürdürülebilir bir büyüme yakalamasını sağlayan kullanıcı edinme (UA) mekanizmalarının temel taşını oluşturmaktadır. Doğru hedefleme parametreleri ve teknik entegrasyonlar kullanılarak tasarlanan bu reklam modelleri, yükleme başına maliyet (CPI) değerlerini doğrudan optimize ederek bütçe verimliliğini artırmaktadır. Bu rehber, mobil uygulama sahipleri, büyüme yöneticileri ve pazarlama liderleri için sosyal medya platformlarındaki reklam ağlarının teknik altyapısını, ilişkilendirme (attribution) mekanizmalarını ve veri güvenliği standartlarını ele almaktadır. Kampanya kurulum süreçlerinden sahtekarlık (ad fraud) önleme stratejilerine kadar tüm adımlar teknik detaylarıyla analiz edilmiştir.

Mobil Uygulamalarda Kullanıcı Edinme (UA) Stratejisinin Temelleri

Uygulama Yükleme Reklamları ve Geleneksel Reklamlar Arasındaki Farklar

Mobil pazarlama ekosisteminde kullanıcı edinme (UA) süreçleri, geleneksel web tabanlı reklam modellerinden köklü biçimde ayrışır. Klasik web reklamcılığında nihai hedef kullanıcıyı bir açılış sayfasına (landing page) yönlendirip çerezler (cookies) aracılığıyla takip etmekken, uygulama yükleme reklamları (App install ads) doğrudan mobil mağaza (App Store, Google Play Store) yönlendirmesi ve uygulama içi olay (in-app event) tetiklemelerine dayanır. Bu durum, reklamın teknik yapısını ve ölçümleme metodolojisini tamamen değiştirir.

Geleneksel web reklamları tarayıcı düzeyinde HTTP çerezleri ve piksel kodları ile dönüşüm izleme yapabilirken, mobil uygulama reklamları cihaz bazlı tanımlayıcılar (IDFA - Identifier for Advertisers veya GAID - Google Advertising ID) ve API tabanlı geri bildirimler (postbacks) kullanır. Kullanıcının reklamı gördükten sonra mağazaya gitmesi, uygulamayı indirmesi, kurması ve ilk kez açması adımları arasında gerçekleşen tüm veri akışı, kopukluk yaşamadan izlenmek zorundadır. Bu akışta meydana gelebilecek milisaniyelik bir gecikme veya veri kaybı, ilişkilendirme (attribution) modelinin bozulmasına ve bütçe optimizasyonunun başarısız olmasına yol açar.

Mobil dönüşüm hunisi (conversion funnel) web hunisine kıyasla daha fazla sürtünme noktası içerir. Web üzerinde bir kullanıcı reklama tıklayıp hemen satın alma yapabilirken, mobil uygulamalarda tıklama -> mağaza sayfasına yönlendirme -> uygulamanın indirilmesi -> yükleme süreci -> uygulamanın açılması -> izin onaylarının verilmesi -> kayıt ve nihai aksiyon adımları takip edilir. Bu karmaşık zinciri optimize etmek, ancak her bir aşamanın mikro dönüşüm olarak kaydedilmesi ve analiz edilmesiyle mümkündür.

Etkili Bir UA Kampanyası İçin Teknik Ön Hazırlıklar (SDK ve MMP Entegrasyonları)

Başarılı bir kullanıcı edinme operasyonunun temeli, kod seviyesinde entegre edilen yazılım geliştirme kitleri (SDK) ve bağımsız bir mobil ölçümleme ortağı (MMP - Mobile Measurement Partner) platformudur. Uygulama içerisine yerleştirilen SDK entegrasyonu, kullanıcının cihazındaki eylemleri (oturum açma, satın alma, seviye geçme, abonelik başlatma) anlık olarak kaydeder. Adjust, AppsFlyer, Kochava veya Branch gibi endüstri standardı olan bir MMP kullanılmadığı senaryoda, sosyal medya platformlarının kendi pikselleriyle sağlıklı ölçüm yapması teknik olarak mümkün değildir.

MMP'ler, farklı sosyal mecralardan (Meta, TikTok, LinkedIn) gelen dönüşüm verilerini tek bir panelde konsolide ederek çift sayım (double-counting) hatasını engeller. Örneğin; bir kullanıcı aynı gün hem Instagram hem de TikTok üzerinde uygulamanızın reklamını görüp tıkladıktan sonra indirme gerçekleştirdiyse, her iki platform da bu yüklemeyi kendi hanesine yazmak isteyecektir. MMP, son dokunuş ilişkilendirmesi (Last-Touch Attribution) veya tanımlanan özel ilişkilendirme modeli kurallarına göre dönüşümü tek bir kaynağa atar ve mükerrer raporlamanın önüne geçer.

Apple iOS 14.5 ile devreye giren App Tracking Transparency (ATT) çerçevesi ve Google'ın geliştirmekte olduğu Android Privacy Sandbox, cihaz düzeyinde izlemeyi sınırlandırmıştır. Bu durum, teknik hazırlık aşamasında SKAdNetwork (SKAN) ve Privacy Sandbox API entegrasyonlarını zorunlu hale getirmiştir. SKAN entegrasyonunda, dönüşüm değerlerinin (conversion values) doğru şemalandırılması gerekir. İlk 24-48 saatlik kullanıcı davranışlarını (örneğin; kayıt olma veya ilk satın alma) temsil eden 6-bitlik (0-63 arası) dönüşüm değerleri, sosyal medya platformunun algoritmasını besleyen temel veri kaynağıdır. Bu mimarinin optimize edilmemesi, reklam bütçesinin yanlış hedef kitlelere dağıtılmasıyla sonuçlanır.

Yükleme Başına Maliyet (CPI) Optimizasyonu ve Karlılık Analizi

CPI, CPA ve LTV Dengesi Nasıl Kurulur?

Mobil uygulama pazarlamasında tek başına yükleme başına maliyet (CPI) metriğine odaklanmak, genellikle başarısızlıkla sonuçlanan bir stratejidir. Gerçek karlılık; edinilen kullanıcının aksiyon başına maliyeti (CPA) ile bu kullanıcının uygulama içinde geçirdiği süre boyunca ürettiği toplam geliri ifade eden yaşam boyu değer (LTV - Lifetime Value) arasındaki dengede saklıdır. Sağlıklı bir mobil iş modelinde, LTV değerinin müşteri edinme maliyetinden (CAC veya bu bağlamda CPI) en az 3 kat büyük olması ($LTV > 3 \times CAC$) genel bir endüstri standardı olarak kabul edilir.

Yaşam boyu değer hesabı, kullanıcı elde tutma (retention) oranı ve kullanıcı başına ortalama gelir (ARPU) değişkenlerinin bir fonksiyonudur:

Bu formül uyarınca, eğer uygulamanızın kullanıcı kaybı (churn) oranı yüksekse, reklamlarla ne kadar ucuz CPI elde ederseniz edin, uzun vadede yatırım getirisi (ROAS) negatif kalacaktır. Dolayısıyla sosyal medya kampanyalarında optimizasyon hedefi sadece "Yükleme" değil, dönüşüm hunisinin alt kırılımlarında yer alan "Abone Olma", "Sepete Ekleme" veya "Uygulama İçi Satın Alma" gibi CPA odaklı olaylar (event-based optimization) olmalıdır.

Birim ekonomisi (unit economics) analizi yapılırken amortisman süresi (payback period) de hesaba katılmalıdır. Bir kullanıcının edinme maliyetini (CPI) kaç günde amorti ettiği, şirketin nakit akış yönetimi için kritiktir. Yüksek bütçeli kampanyalarda, sosyal medya reklam kanalları üzerinden gelen kullanıcıların Day 1, Day 7 ve Day 30 geri dönüş eğrileri çıkartılarak, reklam harcamalarının geri dönüş süresi (cohort-based payback analysis) hassasiyetle hesaplanmalıdır.

Hedef Kitle Daraltma vs. Geniş Bırakma Algoritmaları (Dikkat Edilmesi Gerekenler)

Sosyal medya reklamlarında hedef kitle optimizasyonu yaparken yapılan en büyük teknik hatalardan biri, kitleyi çok sayıda ilgi alanı ve demografik filtreyle aşırı daraltmaktır. Modern sosyal medya reklam motorları (özellikle Meta ve TikTok), derin makine öğrenimi modelleriyle çalışır. Bu algoritmalar, reklamı kime göstereceklerini belirlemek için milyarlarca sinyali (cihaz tipi, aktiflik saatleri, benzer uygulamalarla etkileşim sıklığı) gerçek zamanlı olarak işler.

Hedef kitleyi aşırı daralttığınızda, algoritmanın "öğrenme aşaması" (learning phase) için ihtiyaç duyduğu veri havuzunu kısıtlamış olursunuz. Bu durum, bin gösterim başına maliyet (CPM) değerlerinin yükselmesine ve dolaylı olarak CPI değerlerinin artmasına neden olur. Bunun yerine, "Geniş Hedefleme" (Broad Targeting) seçilerek sadece yaş, cinsiyet ve coğrafi konum (TR, US, UK, AE vb.) gibi temel filtrelerin girilmesi, algoritmanın dönüşüm sağlayan kullanıcıları kendi veri modelleriyle bulmasına imkan tanır. Bu stratejide kitleyi filtreleyen unsur, hedefleme ayarları değil; doğrudan kreatif içeriktir.

Bununla birlikte, geniş kitle stratejisinin başarılı olabilmesi için sistemde yeterli miktarda dönüşüm verisi birikmiş olmalıdır. Yeni açılan reklam hesaplarında, algoritmanın doğru kullanıcı profilini tanımlayabilmesi için başlangıçta benzer hedef kitle (Lookalike audience) modelleri kullanılabilir. MMP üzerinden aktarılan "en yüksek harcamayı yapan ilk %10'luk kullanıcı dilimi" gibi nitelikli birinci taraf (first-party) verilerle oluşturulan Lookalike kitleler, yeni kampanyaların öğrenme sürecini hızlandırarak CPI değerlerini optimize eder.

Platform Bazlı Sosyal Medya Reklam Dinamikleri

Meta (Facebook & Instagram): Gelişmiş Algoritma ve Advantage+ Kampanyaları

Meta for Business, mobil kullanıcı edinme dünyasının en olgun ve veri yoğunluğu en yüksek reklam platformudur. Platformun sunduğu "Advantage+ Uygulama Kampanyaları" (Advantage+ App Campaigns - A+AC), reklamverenlerin manuel hedefleme ve optimizasyon yükünü neredeyse tamamen ortadan kaldırarak yapay zeka tabanlı bir dağıtım modeli sunar. A+AC, kreatif varyasyonları, hedef kitle eşleşmelerini ve reklam yerleşimlerini (Facebook Feed, Instagram Reels, Stories, Audience Network) makine öğrenimi aracılığıyla dinamik olarak optimize eder.

Meta'nın reklam algoritması, post-iOS 14.5 döneminde yaşanan sinyal kayıplarını telafi etmek için Conversions API (CAPI) ve Gelişmiş Eşleme (Advanced Matching) teknolojilerini kullanır. Mobil reklam kurulumunda Meta SDK'sının yanı sıra MMP entegrasyonu üzerinden gönderilen "App Events API" verileri, platformun dönüşüm gerçekleştirmesi en muhtemel kullanıcıları daha isabetli tahmin etmesini sağlar. Özellikle oyun ve e-ticaret uygulamalarında, dinamik ürün reklamları (DPA) ile kullanıcıların uygulama içinde sepetlerinde bıraktıkları ürünlerin Instagram akışlarında yeniden gösterilmesi (Retargeting) dönüşüm oranlarını dramatik şekilde artırır.

Ancak Meta ekosisteminde kampanya yönetirken dikkat edilmesi gereken en kritik husus, kreatif çeşitliliğidir. Algoritma ne kadar güçlü olursa olsun, hedef kitleye sürekli aynı görsellerin sunulması reklam yorgunluğuna (ad fatigue) ve dolayısıyla CPM maliyetlerinin tırmanmasına yol açar. Bu nedenle her Advantage+ kampanyasında en az 5-10 farklı formatta (9:16 dikey video, statik tek görsel, kaydırmalı karusel) kreatif varyasyonu sürekli olarak sisteme beslenmelidir.

TikTok For Business: Yüksek Etkileşim ve Yaratıcı Süreç Yönetimi

TikTok, özellikle genç ve dinamik tüketici segmentlerine (Gen Z ve Millennials) ulaşmak isteyen mobil uygulamalar için benzersiz bir kullanıcı edinme kanalıdır. TikTok reklam yöneticisi (TikTok Ads Manager), platformun doğal akışına uyum sağlayan, reklam kokmayan "User Generated Content" (UGC) tarzındaki içeriklerin gücüne dayanır. Platformun temel felsefesi olan "Don't Make Ads, Make TikToks" yaklaşımı, doğrudan reklam performans metriklerine yansır.

TikTok algoritması, kullanıcının videoyu izleme süresi (watch time), ilk 3 saniyedeki etkileşim oranı ve yorum/paylaşım aksiyonları üzerinden reklamın kalitesini puanlar. Yüksek etkileşim alan videolar, açık artırmada (auction) daha düşük CPM değerleriyle ödüllendirilir. TikTok üzerinde mobil uygulama yükleme kampanyası kurgularken, "Spark Ads" modeli sıklıkla tercih edilir. Spark Ads, organik içerik üreticilerinin kendi hesaplarında paylaştığı videoları doğrudan uygulama indirme butonlu bir reklam formatına dönüştürmenize olanak tanır. Bu durum, kullanıcılarda güven duygusu oluşturarak dönüşüm oranlarını (CVR) ciddi oranda artırır.

Teknik açıdan TikTok SDK entegrasyonu, olay izleme (event tracking) yetenekleri açısından oldukça gelişmiştir. TikTok üzerinde "Complete Registration", "Add to Cart" veya "Initiate Checkout" gibi olayları optimize etmek, uygulamanın kullanıcı kalitesini artırır. TikTok reklamlarında coğrafi hedefleme yaparken TR, US, UK ve AE gibi pazarların kültürel tüketim alışkanlıkları ve video trendleri yakından takip edilmeli, her pazar için o bölgenin yerel dilinde ve tarzında kreatifler üretilmelidir.

X (Twitter) ve LinkedIn: Niş ve Kurumsal Uygulamalar İçin Alternatifler

X (eski adıyla Twitter) ve LinkedIn, kitle yapıları gereği tüm mobil uygulamalar için uygun olmasa da belirli niş dikey sektörlerde yüksek dönüşüm gücüne sahiptir. LinkedIn, B2B odaklı SaaS mobil uygulamaları, profesyonel verimlilik araçları, finansal yönetim sistemleri ve kurumsal eğitim platformları için rakipsiz bir hedefleme hassasiyeti sunar. Kullanıcıları şirket büyüklüğü, sektörü, iş unvanı ve kıdem seviyesine göre hedefleyebilmek, yüksek kaliteli kurumsal kullanıcı edinimi sağlar.

LinkedIn'de edinme başına maliyet (CPA) ve yükleme başına maliyet (CPI) değerleri Meta ve TikTok'a kıyasla oldukça yüksektir. Ancak kurumsal bir kullanıcının sunduğu yaşam boyu değer (LTV) de aynı oranda yüksek olduğundan, birim ekonomisi dengesi korunabilmektedir. X platformu ise özellikle gerçek zamanlı gündem takibi yapan, kripto para/web3 dünyasına hitap eden, spor, haber veya anlık etkileşim odaklı mobil uygulamalar için uygundur. X'in hızlı tüketim mimarisi, doğru zamanda (örneğin büyük bir spor müsabakası esnasında) çıkılan reklamların hızlıca viral olmasını sağlayabilir.

Bu platformları Apple Search Ads ile kıyasladığımızda; Apple Search Ads doğrudan arama niyetine (intent-based) odaklanırken, X ve LinkedIn daha çok ilgi alanı ve profesyonel kimliğe (persona-based) dayalı farkındalık oluşturur. Kampanya stratejisinde bütçe dağılımı yapılırken, alt huniyi beslemek adına Apple Search Ads aktif tutulmalı, üst ve orta huniyi besleyerek marka bilinirliği yaratmak adına ise sosyal mecralar devreye sokulmalıdır.

Kreatif (Görsel/Video) Stratejisi ve A/B Testi Süreçleri

Mobil Uygulamalar İçin Video Reklam Standartları (UGC ve Oynanabilir Reklamlar)

Mobil uygulama reklamlarında dönüşüm oranını belirleyen en kritik bileşen kreatif stratejisidir. Akıllı telefon ekranlarının dikey kullanım doğası gereği, tüm video kreatiflerinin 9:16 dikey formatta tasarlanması teknik bir zorunluluktur. Ayrıca reklamların gösterildiği platformların (Instagram Stories/Reels, TikTok) arayüz elemanları (profil simgesi, beğeni butonları, açıklama metinleri) göz önünde bulundurularak, kritik görsel öğelerin ve harekete geçirici mesajların (CTA) "güvenli alanlar" (safe zones) içinde konumlandırılması gerekir.

UGC (User Generated Content) formatı, gerçek kullanıcı deneyimini taklit eden doğal yapısıyla sosyal medya kullanıcılarının reklam direncinin en düşük olduğu modeldir. Bir influencer'ın veya sıradan bir kullanıcının telefonuyla çektiği dikey "kutu açılımı", "uygulama deneyimi incelemesi" veya "reaksiyon videosu" tarzındaki içerikler, profesyonel stüdyo prodüksiyonlarına kıyasla genellikle daha yüksek dönüşüm oranları (CVR) ve daha düşük CPI sonuçları verir.

Özellikle mobil oyunlar ve interaktif uygulamalar için "Oynanabilir Reklamlar" (Playable Ads) dönüşüm hunisinde çığır açan bir teknolojidir. HTML5 tabanlı olarak geliştirilen bu reklamlar, kullanıcının uygulamayı indirmeden önce reklam alanı içinde oyunun kısa bir demosunu deneyimlemesine olanak tanır. Playable Ads geliştirmek teknik olarak daha maliyetli ve zaman alıcı olsa da bu reklamlardan gelen kullanıcıların Day 1 ve Day 7 elde tutma (retention) oranları son derece yüksektir; çünkü kullanıcı uygulamayı neyle karşılaşacağını tam olarak bilerek indirmektedir.

Reklam Yorgunluğu (Ad Fatigue) Nedir ve Nasıl Önlenebilir?

Reklam yorgunluğu (Ad fatigue), hedef kitledeki kullanıcıların aynı reklam görselini veya videosunu çok sık görmesi sonucunda reklamla etkileşime girmeyi bırakması durumudur. Teknik olarak frekans (frequency) değeri yükseldikçe, tıklama oranı (CTR) düşer, bin gösterim başına maliyet (CPM) yükselir ve nihayetinde yükleme başına maliyet (CPI) sürdürülemeyebilir seviyelere ulaşır. Bu durum, bütçenizin aynı kitle üzerinde verimsizce tüketilmesine yol açar.

Reklam yorgunluğunu önlemenin en teknik yolu, sistematik bir kreatif yenileme döngüsü oluşturmaktır. Haftalık bazda bütçe büyüklüğüne bağlı olarak yeni kreatif varyasyonları devreye sokulmalıdır. Ayrıca platformlardaki "Frekans Sınırı" (Frequency Capping) özellikleri aktif edilerek, aynı kullanıcının reklamı günde veya haftada en fazla kaç kez görebileceği sınırlandırılmalıdır.

Sistematik A/B testi süreçlerinde, her seferinde yalnızca tek bir değişkenin test edilmesi teknik doğruluğun kuralıdır. Örneğin; videonun sadece ilk 3 saniyesindeki "kanca" (hook) değiştirilmeli, arka plan müziği ve CTA butonu sabit tutulmalıdır. Aksi takdirde, elde edilen performans artışının veya düşüşünün hangi değişiklikten kaynaklandığını bilimsel olarak tespit etmek imkansız hale gelir.

Risk Yönetimi: Bütçe İsrafı ve Reklam Sahtekarlığı (Ad Fraud)

Tıklama Çiftlikleri ve Sahte İndirmelere Karşı Alınacak Önlemler

Mobil reklamcılık dünyasının en karanlık ve maliyetli risklerinden biri reklam sahtekarlığıdır (Ad fraud). Reklam bütçelerinin önemli bir kısmı, kötü niyetli yayıncılar ve yazılımlar tarafından organize edilen yapay trafik ağlarında heba olabilmektedir. Başlıca sahtekarlık yöntemleri arasında tıklama sel baskını (click flooding), tıklama enjeksiyonu (click injection), SDK taklidi (SDK spoofing) ve fiziksel cihaz çiftlikleri (device farms) yer alır.

Click flooding yönteminde, arka planda milyonlarca sahte tıklama üretilerek organik indirmeler reklam üzerinden gelmiş gibi gösterilir ve haksız yere komisyon alınır. Click injection ise Android işletim sistemindeki bir güvenlik açığından faydalanarak, kullanıcının uygulamayı indirdiğini tespit ettiği an, kurulum tamamlanmadan hemen önce sahte bir tıklama sinyali göndererek attribution hakkını çalma esasına dayanır. SDK spoofing ise doğrudan uygulamanın SDK'sının ürettiği şifreli mesajları taklit ederek fiziksel olarak hiç gerçekleşmemiş indirmeleri MMP paneline gerçekmiş gibi raporlar.

Bu risklerden korunmanın ilk adımı, gelişmiş anti-fraud (sahtekarlık önleme) modüllerine sahip kurumsal bir MMP ile çalışmaktır. Bu sistemler, indirme ile tıklama arasında geçen süreyi (TTI - Time to Install) analiz eder. Örneğin; tıklama ile yükleme arasındaki sürenin 5 saniyeden kısa olması fiziksel olarak imkansızdır ve bu durum doğrudan click injection belirtisidir. MMP'lerin gerçek zamanlı IP kara listeleri, emülatör tespiti ve cihaz anomalileri filtreleri sayesinde sahte indirmeler daha gerçekleşmeden engellenmeli ve bütçe iadesi talep edilmelidir.

Yanlış Optimizasyon Hedeflerinin Yaratacağı Bütçe Kayıpları

Bir diğer büyük bütçe israfı kaynağı ise yanlış kampanya optimizasyon hedefleridir. Özellikle yeni kurulan mobil girişimler, yatırımcılara veya yönetim kurullarına hızlıca büyük sayılar gösterebilmek adına "Toplam İndirme Sayısı" metriğine (vanity metrics) odaklanırlar. Reklam platformlarında optimizasyon hedefi olarak "Yükleme" (Install) seçildiğinde, algoritma en ucuza indirme yapacak kullanıcı grubunu bulur. Ancak bu kullanıcı grubu genellikle uygulamanın hedef kitlesi olmayan, uygulamayı açtıktan hemen sonra silen düşük kaliteli profillerden oluşur.

Örneğin, bir finansal teknoloji uygulaması için sadece "Yükleme" optimizasyonu yapıldığında, elde edilen CPI belki $0.50 olacaktır ancak bu kullanıcıların %95'i kimlik doğrulama (KYC) adımını geçmeyecek veya hesaplarına para yatırmayacaktır. Bunun yerine, optimizasyon hedefi "Kayıt Olma" veya "İlk Para Yatırma" olarak güncellendiğinde, CPI maliyeti belki $3.00 seviyesine çıkacaktır ancak edinilen kullanıcıların finansal değeri ve elde tutma oranları çok daha yüksek olacaktır. Dolayısıyla birim başına maliyet yüksek görünse de nihai yatırım getirisi (ROAS) katbekat fazla olacaktır.

Ayrıca, dönüşüm hunisinde (conversion funnel) çok uzakta yer alan ve seyrek gerçekleşen olayların da başlangıçta tek hedef yapılması algoritmayı kilitleyebilir. Meta veya TikTok algoritmasının sağlıklı optimize olabilmesi için haftalık kampanya seti başına en az 50 dönüşüm (conversion signal) alması gerekir. Eğer "Abonelik Başlatma" olayı haftada sadece 5-10 kez gerçekleşiyorsa, algoritma optimize olamaz. Bu durumda, huninin bir üst basamağındaki "Kayıt Tamamlama" veya "Profil Oluşturma" gibi daha sık gerçekleşen mikro dönüşümler optimizasyon hedefi olarak belirlenmelidir.

Başarıyı Ölçümlemek: Hangi Metrikler Gerçekten Önemli?

Kurulum Sonrası Kullanıcı Elde Tutma (Retention) Oranları

Mobil uygulama başarısının nihai hakemi, indirme sayısı değil, kullanıcıyı içeride tutabilme (retention) kabiliyetidir. Sektör raporlarına göre, mobil uygulamaların ortalama Day 3 retention oranı %15-20, Day 30 retention oranı ise sadece %3-5 civarındadır. Bu, edinilen her 100 kullanıcıdan en az 95'inin ilk bir ay içerisinde uygulamayı terk ettiği anlamına gelir. Sosyal medya reklam stratejisinde, elde tutma oranlarını izlemeden bütçe artırmak, delik bir kovaya su doldurmaya çalışmaya benzer.

Elde tutma oranları kohort (cohort) analiziyle takip edilir. Kohort analizi, belirli bir günde (örneğin 22 Ağustos'ta) sosyal medya reklamınız aracılığıyla gelen kullanıcı grubunun sonraki günlerdeki aktiflik davranışını izler. Eğer Instagram üzerinden gelen kullanıcıların Day 7 retention oranı %25 iken, TikTok üzerinden gelenlerin %10 ise, Instagram kampanyalarının kullanıcı kalitesi daha yüksek demektir. Bu durumda, TikTok'taki CPI daha ucuz olsa bile bütçenin Instagram'a kaydırılması teknik olarak en mantıklı karardır.

Düşen elde tutma oranlarını yukarı çekmek için yeniden hedefleme (retargeting) kampanyaları kritik bir enstrümandır. Uygulamayı kurmuş ancak son 7 gündür açmamış kullanıcılara özel indirimler, push notification bildirimleri veya sosyal medyada kişiselleştirilmiş dinamik reklamlar sunarak onları geri kazanmak, yeni bir kullanıcı edinmekten çok daha düşük maliyetlidir.

Uygulama İçi Satın Alma (In-App Purchase) Odaklı İlişkilendirme

Gelir modeli uygulama içi satın almalara (IAP) veya abonelik sistemlerine dayanan mobil ürünler için başarı ölçümü tamamen finansal ilişkilendirmeye dayanmalıdır. Kullanıcının satın alma yaptığı an ile sosyal medyada reklamı gördüğü an arasındaki ilişkiyi kurmak, bütçe verimliliğinin (ROAS) net hesaplanabilmesini sağlar. Reklam panellerindeki tahmini veriler yerine, MMP platformundan gelen ve doğrudan Apple/Google Store ödeme onaylarıyla (receipt validation) doğrulanan gerçek ciro verileri baz alınmalıdır.

Teknik olarak bu akış şöyle çalışır: Kullanıcı sosyal medyada bir reklama tıklar, uygulamayı indirir ve bir abonelik paketi satın alır. Uygulama içi satın alma işlemi gerçekleştiğinde, sunucunuz Apple App Store veya Google Play Store sunucularına bir doğrulama isteği (receipt validation API call) gönderir. İşlem onaylandığında, bu veri MMP SDK'sı aracılığıyla reklam mecrasına "Purchase" olayı olarak geri bildirilir. Bu sayede reklam algoritması, sadece uygulamayı indirenleri değil, gerçekten para harcayan "balinaları" (high-value users) hedeflemek üzere kendini optimize eder.

Bu süreçte ilişkilendirme penceresi (attribution window) ayarları büyük önem taşır. Genellikle standart olarak sunulan 7 günlük tıklama sonrası (7-day click) ve 1 günlük görüntüleme sonrası (1-day view) ayarları, uygulamanın niteliğine göre optimize edilmelidir. Eğer kullanıcı karar süreci uzun olan pahalı bir finansal araç sunuyorsanız, ilişkilendirme penceresini genişletmek; hızlı tüketilen bir casual oyun sunuyorsanız, bu pencereyi daraltmak verinin doğruluğunu artıracaktır.