Teşvik programları çoğu zaman sonuç vermez
- Tavsiye programları, ücretsiz denemeler, kuponlar ve oyunlaştırma yoluyla gelen kullanıcılar, genellikle doğal yollardan gelen kullanıcılara kıyasla çok daha kötü performans gösterir. Bu kullanıcıların yaşam boyu değeri (LTV), dönüşüm oranı ve etkileşimi daha düşüktür.
- Daha önce Uber’de yıllık 300 milyon doların üzerindeki tavsiye programını yönetmiş olma deneyimine dayanarak, bu çıkarımların oyunlaştırılmış tüketici uygulamaları, web3 oyunları gibi yeni alanlarda da geçerli olduğu görülüyor.
CAC/LTV hesap tablolarının başarısızlığı
- Yeni bir ürün pazara çıktığında ekipler, yaşam boyu değer gibi temel metrikleri ölçer ve rakamlar iyi görünüyorsa teşvik programlarıyla daha fazla kullanıcı çekmeye çalışır.
- Ancak bu teşvikler çoğu zaman, normalde kayıt olmayacak farklı bir kullanıcı tipini çekerek ters seçim (negative selection) yaratır.
- Ürün piyasada uzun süredir bulunuyorsa ve çekirdek pazar büyük ölçüde doymuşsa bu sorun daha da ağırlaşır; teşviklerden yararlanmak için yapılan dolandırıcılık da artar.
- Bu, teşvik almak için yeni hesap açmak kadar basit olabileceği gibi çok daha örgütlü ve kötü niyetli de olabilir.
- LTV ve etkileşim gibi temel metriklerin çoğu zaman neden yarı yarıya daha kötü, hatta daha da düşük olabildiğinin nedeni budur.
- Tersine çalışan mekaniklerle gelen ek kullanıcılar görünüşte iyi hissettirse de, gerçekte daha az kullanıcıya sahip olmak iş modeli için daha iyi olabilir.
- Ayrıca karmaşık tavsiye programlarına duyulan ilgi, ürünün diğer bölümlerindeki inovasyona gösterilecek ilgiyi de elinden alabilir.
- Son olarak daha ince ama çok önemli bir sorun daha var: kannibalizasyon.
- Bir hedef pazar vardır ve ürünün ideal kullanıcılar aracılığıyla yayılması zaman alabilir; ağızdan ağıza yayılım ücretsiz olduğu için adeta sihirlidir.
- Ve bu organik biçimde gerçekleştiğinde, niyet düzeyi çok daha yüksektir.
- Ancak bu ideal kullanıcılar ürünü teşvik programı üzerinden keşfederse, çoğu zaman zaten kazanılabilecek kullanıcıları "öne çekmiş" olursunuz ve bu da maliyet yaratır.
- Bu durum Uber’de gerçekten yaşandı.
- Sürücü değil, yolcu tarafındaki tavsiye programı zaman geçtikçe daha kötü performans gösterdi; yalnızca diğer kanallardan daha kötü olmakla kalmadı, ücretli reklamlarla edinilen kullanıcılardan bile çok daha zayıf kaldı.
- Gereksiz yere milyonlarca dolarlık harcama yapıldı.
Bunun web3 ve oyunlaştırılmış uygulamalar dünyasında neden önemli olduğu
- Web3, oyunlaştırılmış tüketici uygulamaları ve benzeri alanlarda bu sorunun etkileri geniştir.
- Bir oyun ya da uygulamanın kendi içinde güçlü etkileşim ve elde tutma yoksa, yalnızca oyun mekanikleri eklemek yeterli değildir.
- Hatta yeni mekanikler, mekaniklere tepki veren ama temel ürünü kullanmayan bir kullanıcı grubunu çektiği için durumu iyileştirmek yerine daha da kötüleştirebilir.
- Web3.0, başlangıçta teşviklerle spekülatörleri çekti ama gerçek kullanıcıları kazanmak için eğlenceli oynanış bulmakta zorlanan birçok örnek sundu.
- Benzer şekilde oyunlaştırılmış tüketici uygulamaları (çeşitli trade kategorileri), hangi oyunlaştırılmış uygulama olursa olsun katılmaya istekli ama temel uygulamayla etkileşime girmeyen ve kısa sürede başka uygulamaya geçen belirli bir kullanıcı tipini çekip elde tutar.
- Bu dinamikler, "berbat tıklama oranı yasası" ile bağlantılı dinamikler üretir.
- Yalnızca tek tek pazarlama kanallarının performansı düşmekle kalmaz, zaman içinde eklenen birçok yeni kanal da (teşvik verilmesi nedeniyle) ilk kanallardan daha kötü sonuç verir.
- Bu nedenle ilerledikçe tüm sistem daha yavaş ve daha zor hale gelir.
- İlginçtir ki Uber’de sürücü tarafındaki tavsiye programı, çok güçlü biçimde seçilmiş kullanıcıları çekti.
- Yolcu tavsiye programında indirim peşindeki çok sayıda kişi varken, sürücüler çok daha güçlü parasal motivasyona sahipti.
- Motive oldukları ve daha büyük tavsiye ödülü almak için kaydoldukları için, kayıt olduktan sonra gerçekten daha iyi performans gösterdiler.
- Tavsiyeyle gelenler kayıt olanların %15’ini oluşturuyordu, ancak ilk yolculuğunu yapanlar söz konusu olduğunda bu oran %30’un oldukça üzerine çıkıyordu.
5 yorum
Kesinlikle katılıyorum.
İyi yazıyı paylaştığınız için teşekkürler
Yönlendirme programı nasıl tasarlanır
Bu, bu yazıyla birlikte okunması gereken bir yazı gibi görünüyor.
Birleştirince şu sonuca varılıyor: "Yönlendirme programı faydalı olsa da viral özellikler daha iyidir. Yönlendirme yapılacaksa, aktif kullanıcıları çekecek şekilde iyi kurgulanmalıdır."
Hacker News görüşleri
İnternetten önce kupon sistemi işletenler bunu zaten biliyor olmalıydı.
Groupon popülerken bu konu hakkında çok tartışma vardı.
Kuponlar kıtlık zihniyetine sahip insanları çeker.
Kişisel deneyimime göre en kötü müşteriler en ucuz fiyatı isteyenlerdir.
Bazı arkadaşlarım bu tür fırsatlara katılıyor ve bu, başarısız olacak iş modellerinin öncü göstergesi olabilir.
SaaS'ta en çok bakım gerektiren kullanıcılar "küçük" şirketlerdir.
Startup kurmanın zor olmasının büyük nedenlerinden biri, yüksek kaliteli müşterilere ulaşmak zorunda olmaktır.
Bir hedef pazar vardır ve bazen ürünün ideal kullanıcılar arasında yayılması zaman alabilir.
"Kötü" müşteriler yasa dışı bir şey yapmıyor ya da TOS'u ihlal etmiyor.
UX danışmanlığı yaparken, ilk üründe çok akıcı bir UX'e sahip olmanın uzun vadeli başarı açısından bir anti-pattern olabileceğine dair bir örüntü fark ettim.