Özet. Arama motoru reklamcılığında reklam alanları, “genelleştirilmiş ikinci fiyat” (GİF; İng. generalized second-price, GSP) olarak adlandırılan bir açık artırma ailesiyle dağıtılır. Literatür, GİF'in doğruyu söyleme (teklifi gerçek değere eşitleme) özelliği taşımadığını, buna karşın belirli denge kavramları altında Vickrey–Clarke–Groves (VCG) sonucuna yakın gelir ürettiğini göstermektedir. Kalite ağırlıklı sıralama kurallarının eklenmesi ise yalnızca sıralamayı değil, reklamverenin tıklama başına ödediği tutarı da doğrudan etkiler. Bu yazıda temel teorik modeller, kalite ağırlıklandırmasının gerekçeleri ve reklamverenler açısından uygulamaya dönük çıkarımlar ele alınmaktadır.
Not: Bu yazı bir literatür derlemesidir; özgün veri ya da yeni bir deney sonucu içermez. Aktarılan bulgular kaynakçada listelenen yayımlanmış çalışmalara aittir.
1. Giriş
1.1. Sınırlı alan, çok sayıda reklamveren
Arama motoru reklamcılığı, kullanıcının yazdığı sorguya göre gösterilen ve çoğunlukla tıklama başına ücretlendirilen reklamlardan oluşur. Bir arama sonuç sayfasında sınırlı sayıda reklam alanı bulunduğundan, bu alanların hangi reklamverene hangi sırayla ve hangi fiyattan verileceği bir tahsis sorunudur. Edelman, Ostrovsky ve Schwarz (2007), bu tahsisin her yıl milyarlarca dolarlık bir piyasayı yönettiğini ve kullanılan mekanizmanın iktisat literatüründeki klasik açık artırmalardan farklı olduğunu vurgulamıştır. Aynı dönemde Varian (2007), konum açık artırmaları (position auctions) adını verdiği modelle bu piyasanın dengesini ayrıntılı biçimde incelemiştir.
2. Kavramsal Çerçeve
2.1. Genelleştirilmiş ikinci fiyat açık artırması
Temel GİF modelinde reklamverenler tıklama başına bir teklif verir; reklamlar tekliflere göre sıralanır ve her reklamveren kendisinin bir altındaki teklif tutarını öder. Tek bir alan satılıyorsa bu yapı, ikinci fiyat (Vickrey) açık artırmasıyla aynıdır ve doğruyu söylemek baskın stratejidir. Ancak birden fazla alan satıldığında bu özellik kaybolur: Edelman ve ark. (2007), GİF'te gerçek değeri teklif etmenin genel olarak bir denge olmadığını göstermiştir. Reklamveren, daha alt bir sırada daha ucuza tıklama almak için teklifini düşürmeyi kârlı bulabilir.
2.2. Denge ve VCG ile karşılaştırma
Edelman ve ark. (2007) ile Varian (2007), reklamverenlerin birbirlerinin yerini almak istemediği durumlar için “yerel olarak kıskançlıksız” (locally envy-free) ya da simetrik Nash dengesi kavramlarını önermiştir. Bu dengelerin en düşük gelirli olanında her reklamverenin aldığı alan ve ödediği tutar, doğruyu söylemenin baskın strateji olduğu VCG mekanizmasının sonucuyla örtüşür. Bu bulgu, uygulamada neden VCG yerine daha basit görünen GİF'in tercih edilebildiğini açıklayan önemli bir sonuçtur. Varian ve Harris (2014) ise VCG'nin pratikte bazı reklam ürünlerinde kullanıldığını ve teori ile uygulamanın nerelerde ayrıştığını tartışmıştır.
2.3. Kalite ağırlıklı sıralama
Yalnızca teklife göre sıralama, platformun beklenen gelirini en üst düzeye çıkarmaz; çünkü yüksek teklif veren ama az tıklanan bir reklam, gösterim alanını verimsiz kullanır. Bu nedenle sıralama kuralları, teklifi reklamın tahmini tıklanma olasılığı gibi kalite ölçütleriyle ağırlıklandırır. Lahaie ve Pennock (2007), teklifin tıklanma oranının belirli bir kuvvetiyle çarpıldığı bir sıralama kuralları ailesini incelemiş ve ağırlıklandırma parametresinin gelir ile verimlilik arasında bir denge kurduğunu göstermiştir. Aggarwal, Goel ve Motwani (2006) de ağırlıklı sıralamada doğruyu söylemeyi teşvik eden fiyatlama kurallarını incelemiştir.
3. Kalite Puanının Tıklama Maliyetine Etkisi
3.1. Kalite ağırlıklı fiyatlama
Kalite ağırlıklı bir GİF'te reklamverenin ödediği tutar, sırasını korumak için gereken en düşük tekliftir. Bu tutar, bir alttaki rakibin “etkin teklifinin” (teklif × kalite) reklamverenin kendi kalite değerine bölünmesiyle bulunur. Dolayısıyla aynı sıradaki iki reklamverenden kalitesi yüksek olanı, tıklama başına daha az öder. Basit bir örnekle: alttaki rakibin etkin teklifi 20 birimse, kalite değeri 10 olan reklamveren tıklama başına yaklaşık 2 birim, kalite değeri 5 olan reklamveren ise yaklaşık 4 birim öder.
3.2. Google’ın güncel uygulaması
Google, güncel uygulamasında reklam sıralamasının teklif, reklam kalitesi (beklenen tıklama oranı, reklamın alaka düzeyi ve açılış sayfası deneyimi), sıralama eşikleri, aramanın bağlamı ve reklam öğelerinin beklenen etkisiyle belirlendiğini; gerçek tıklama başı maliyetin ise sırayı korumak için gereken tutar olduğunu ve çoğu zaman en yüksek tekliften düşük kaldığını açıklamaktadır (Google, t.y.-a; Google, t.y.-b). Hesap arayüzünde görülen 1–10 arası Kalite Puanı ise Google'a göre bir tanı aracıdır; açık artırmada doğrudan bu sayı değil, her aramada anlık olarak hesaplanan kalite tahminleri kullanılır (Google, t.y.-b).
4. Ampirik Bulgulardan Seçmeler
Teorik modellerin ötesinde, ampirik çalışmalar reklam sırasının sonuçlar üzerindeki etkisini ölçmeye çalışmıştır.
4.1. Sıra etkisi ve kârlılık
Narayanan ve Kalyanam (2015), regresyon süreksizliği yaklaşımıyla üst sıralarda olmanın tıklamaları artırdığını, ancak bu etkinin anahtar kelimenin ve reklamverenin özelliklerine göre değiştiğini göstermiştir. Agarwal, Hosanagar ve Smith (2011) ise en üst sıranın her zaman en kârlı sıra olmadığını; daha alt sıralarda tıklama oranının düşmesine karşın dönüşüm oranının görece yüksek kalabildiğini bildirmiştir.
4.2. Belirsizlik altında teklif
Athey ve Nekipelov (2010), reklamverenlerin rakip teklifleri ve kalite tahminlerini belirsizlik altında gözlemlediğini dikkate alan yapısal bir model önermiş; bu belirsizliğin teorik dengeleri daha istikrarlı hâle getirebileceğini tartışmıştır.
5. Reklamverenler İçin Çıkarımlar
- Teklifi artırmak tek kaldıraç değildir. Kalite ağırlıklı sıralamada alaka düzeyini ve beklenen tıklama oranını artırmak, aynı sırayı daha düşük maliyetle tutmanın yoludur. Uygulama adımları için Kalite Puanı nasıl yükseltilir yazımıza bakabilirsiniz.
- En üst sıra her zaman hedef olmamalıdır. Ampirik bulgular, kârlılığın sıraya göre doğrusal artmadığını gösterir; dönüşüm başı maliyet esas alınmalıdır. Bkz. TBM nedir.
- Teklif davranışı stratejiktir. GİF'te teklif, değerin doğrudan ifadesi değildir; bu nedenle otomatik teklif stratejilerinin dönüşüm verisiyle beslenmesi önemlidir. Bkz. akıllı teklif stratejileri.
6. Sınırlılıklar
Aktarılan modellerin çoğu tam bilgi, sabit tıklama oranları ve tek seferlik etkileşim gibi basitleştirici varsayımlara dayanır. Gerçek platformlarda kalite tahminleri her aramada değişir, sıralama eşikleri ve reklam öğeleri devreye girer ve otomatik teklif sistemleri reklamveren adına teklif verir. Ayrıca arama motorlarının kullandığı kesin formüller kamuya açık değildir; bu nedenle teorik sonuçlar, uygulamadaki fiyatları birebir hesaplamak için değil, mekanizmanın yönünü anlamak için kullanılmalıdır.
7. Sonuç
Genelleştirilmiş ikinci fiyat açık artırması, basitliği ve belirli dengelerde VCG'ye yakın sonuç üretmesiyle arama reklamcılığının temel mekanizması olmuştur. Kalite ağırlıklandırması bu mekanizmaya hem platform hem kullanıcı açısından verimlilik kazandırır ve reklamverenin maliyetini doğrudan etkiler. Literatürün reklamverene en net mesajı şudur: Tıklama maliyetini düşürmenin kalıcı yolu teklif savaşından çok, reklamın arama niyetine ve açılış sayfasına uyumunu artırmaktır.
Kaynakça
- Aggarwal, G., Goel, A., & Motwani, R. (2006). Truthful auctions for pricing search keywords. Proceedings of the 7th ACM Conference on Electronic Commerce, 1–7.
- Agarwal, A., Hosanagar, K., & Smith, M. D. (2011). Location, location, location: An analysis of profitability of position in online advertising markets. Journal of Marketing Research, 48(6), 1057–1073.
- Athey, S., & Nekipelov, D. (2010). A structural model of sponsored search advertising auctions [Çalışma raporu]. Stanford University.
- Edelman, B., Ostrovsky, M., & Schwarz, M. (2007). Internet advertising and the generalized second-price auction: Selling billions of dollars worth of keywords. American Economic Review, 97(1), 242–259. https://doi.org/10.1257/aer.97.1.242
- Google. (t.y.-a). Reklam sıralaması hakkında. Google Ads Yardım. https://support.google.com/google-ads/answer/1722122
- Google. (t.y.-b). Arama Ağı kampanyaları için kalite puanı hakkında. Google Ads Yardım. https://support.google.com/google-ads/answer/6167118
- Lahaie, S., & Pennock, D. M. (2007). Revenue analysis of a family of ranking rules for keyword auctions. Proceedings of the 8th ACM Conference on Electronic Commerce, 50–56.
- Narayanan, S., & Kalyanam, K. (2015). Position effects in search advertising and their moderators: A regression discontinuity approach. Marketing Science, 34(3), 388–407. https://doi.org/10.1287/mksc.2014.0893
- Varian, H. R. (2007). Position auctions. International Journal of Industrial Organization, 25(6), 1163–1178. https://doi.org/10.1016/j.ijindorg.2006.10.002
- Varian, H. R., & Harris, C. (2014). The VCG auction in theory and practice. American Economic Review, 104(5), 442–445. https://doi.org/10.1257/aer.104.5.442