YouTube’da sponsorlu içerikler gerçekten etkili mi?
Premium account olsanız da, izlediğiniz içeriklerde içerik sahipleri çeşitli markalarla affiliate reklam anlaşması yaparak, içeriklerinin belirli bir bölümünü bu markaların tanıtımına ayırıyorlar.
Her ne kadar reklam görmemek ve diğer özellikleri kullanmak için ücretli üyeliğe geçsek de, alınan hizmet doğrudan hizmet sağlayıcı değil, içerik üreticileri olduğu için Google bu modele izin veriyor.
YouTube creators may include paid product placements or endorsements as part of their content only if they comply with our advertising policies and any applicable legal and regulatory obligations.
Kaynak: Google
Mr Beast ve Fake Progress Bar Metodu
Dünyada en çok YouTube abonesi olan kanallardan MrBeast, sponsorlu içeriklerindeki geri dönüşüm oranı o kadar düşük ki, bunu fake bir progress bar kullanarak içerik tüketicilerinin reklamı geçmemesini amaçlıyor.
Şu şekilde işliyor, reklam ilk başladığında X birim hızında %50'ye ulaşırken, kalan yarısı X/2 hızında ilerliyor. Psikolojik olarak da, reklamın geri kalan kısmı için “Reklamı Geç” demek anlamsızlaşıyor.
Konumuza dönelim.
İçerik üreticileri ve reklam verenlerin nasıl bir kazan-kazan durumu sağladığını basitçe açıklayabiliriz: affiliate marketing.
Reklam veren ile içerik üreticisi arasında yapılan bir anlaşma ile belirli bir dönemdeki kampanya için sağlanan indirim kodu, özel teklifler vb. devreye giriyor.
Peki, Affiliate Marketing YouTube’ta ne kadar etkili?
İşler burada bıraz karışıyor.
Genelde içerik üreticileri, reklamverenlerle kendi YouTube Analytics Dashboard’larını paylaşarak, ortalama ne kadar izlenme aldıklarını, hangi bölgelerden, hangi cinsiyet dağılımıyla ne kadar kez izlendiğine göre, reklamverenlere bir teklif sunuyorlar.
Fakat reklamverenlerle içerik üreticileri arasında yapılan bu anlaşmanın ölçümlenmesi, yani karşılıklı yaptıkları yatırımın geri dönüş oranının hesaplanması, en az offline pazarlama ölçümlenmesi kadar kompleks bir durum. Marketing Mix Modeling’deki gibi yaklaşımlar, Weibull olasılık dağılım analizi, multi-touch, time-series gibi bir ürünü gördükten ne kadar süre sonra o ürünü satın almaya yöneldiğiniz gibi marketing tasarımları çıkarılmalı.
Reklamveren sadece marka bilinirliği artsın da istiyor olabilir, ancak ölçümleyemedikten ya da bunu doğru kitleye ulaştıramadıktan sonra bunun artık hiçbir faydası yok, çünkü artık 1930'larda yaşamıyoruz.
Bir billboardun (OOH) gözlemlenebilen bir attribution’u ölçmenin ne kadar zor olduğunu şimdi anlattırmayın bana. Şaka şaka, sonra anlatırım. Ama fikir olması açısından şu şekilde tahminleniyor:
OOH (Out-Of-Home) reklamlarının etkisini tahmin etmek için Marketing Mix Modelleme (MMM) kullanarak, satışlar gibi bir bağımlı değişkeni, OOH reklam harcamaları dahil çeşitli bağımsız değişkenlerle açıklayan bir regresyon modeli kurarız ve OOH reklam harcamalarının bu satışlar üzerindeki etkisini bu şekilde belirleyebiliriz.
Basic OOH for MMM:
- Y = Dependent variable (e.g., Sales, Revenue, etc.)
- α\alphaα = Intercept
- βi\beta_iβi = Coefficients for each independent variable
- XiX_iXi = Independent variables (e.g., Advertising Spend, Media Spend, etc.)
Y=α+β1X1+β2X2+β3X3+…+βnXn
Yani diyor ki, bir TV reklamını izlediğinizde, sezonsallık, gecikme etkileri (Lag Effects) gibi faktörler devreye girer ve performans ölçümü, bir sonraki dönemdeki tüketici satın alma davranışları veya KPI’lar bu verilere göre belirlenir. Aynı durum dijital reklamlarda da geçerlidir; ancak, gecikme süresi daha düşük, ölçülebilirlik ve etkileşim daha yüksektir. Ancak ikisi de aynı amaca hizmet eder; targeting.
YouTube Türkiye’de Durum Nasıl?
Türkiye’de en çok izlenen kanalları listeledim ve rastgele seçtiğim Barış Özcan kanalında, sponsorlu içeriklerin olduğu videoların tamamını veri seti olarak kullanarak bir analiz çalışması yaptım.
Normalde, kanal sahibi tarafından sponsorlu olarak tanımlanmış tüm videoların analytics verisini çıkarmak gerekiyordu. Ancak, Barış Özcan sponsorlu içeriklerini “Bu içerik sponsorludur” diye işaretlemediği için, video açıklamasında Affiliate Link olan videolarını scrape ederek veriyi çıkarmak zorunda kaldım.
Çünkü genelde bu linklerde yasal yükümlülüğünü Google tarafından yerine getirmek yerine, manuel olarak “iş birliği” ibaresi yer alıyordu.
Videoları exportlamak için de ChannelID’ye ihtiyacımız olacak, bu da YouTube’daki kanal sayfalarının URL’lerinde önceden yer alıyordu, ancak şimdi kanallar kendi kullanıcı isimlerini yazdıklarından dolayı bunu da kendi API’ları aracılığıyla ytInitialData ile client-side’tan tarayıcı içinden çekebiliyorsunuz.
Bu veri seti için kullandığım sorgu parametreleri:
- isPaidPromotion — Bunu kullanamıyoruz, işaretlenmediği için.
- View Count
- Relevance Time
- Donations
- Sponsorship Gifts
- Ve en önemli metrik olarak Most Replayed
Kanal ID’sini ve YouTube Data API v3 kullanarak bu videoların analytics verilerine ulaşabilirsiniz. Detayları burada.
Son 3 video için analytics verisini bu şekilde exportlayıp, her bir video için en çok replay edilen sekans aralıklarını da bu yöntemle Intensity Score çıkardım.
def plot_replayed_scenes(data):
markers = data["items"][0]["mostReplayed"]["markers"]
sorted_markers = sorted(markers, key=lambda x: x["startMillis"])
top_5_markers = sorted_markers[:5]
formatted_ranges = []
for marker in top_5_markers:
start_time_sec = marker["startMillis"] / 1000
end_time_sec = (marker["startMillis"] + 10000) / 1000
formatted_range = f"{format_time(start_time_sec)} - {format_time(end_time_sec)}"
formatted_ranges.append(formatted_range)
print("Top 5 Most Replayed Time Ranges:")
for idx, range_str in enumerate(formatted_ranges):
print(f"{idx + 1}. {range_str}")
start_times = [marker["startMillis"] / 1000 for marker in sorted_markers]
intensities = [marker["intensityScoreNormalized"] for marker in sorted_markers]
plt.figure(figsize=(14, 6))
plt.plot(start_times, intensities, marker='o', linestyle='-', color='b', label='Intensity Score')
plt.title('Most Replayed Scenes Intensity')
plt.xlabel('Time (seconds)')
plt.ylabel('Intensity Score (normalized)')
plt.grid(True)
plt.legend()
plt.tight_layout()
plt.show()Temel amacımız, en çok pik yapan iki “most replayed” sekansını anomali ile bulup bir intensity score çıkarmak ve bu aralıklarda sponsorlu reklam içeriği olup olmadığını belirlemektir.
Gelelim videolarımıza.
1. Video: 2024'ÜN EN GELİŞMİŞ İNSANSI ROBOTLARI
YouTube URL: https://www.youtube.com/watch?v=dqpr4o8Z4bM
3. Video: Kendinizi Dondurup Geleceğe Yolculuk Yapabilir misiniz?
YouTube URL: https://www.youtube.com/watch?v=fUzZSU9wBCM
3. Video: Bu gezegende uzaylı yaşam mı keşfedildi? — K2–18b
YouTube URL: https://www.youtube.com/watch?v=giGKlpuXdwo
Sonuç
Bu iki sekans aralığı, bize izleyicilerin en çok tekrar ettiği yerleri veriyor ve bu sonuçlardan sponsorlu içerik kısımlarının en çok ileri sarıldığı kısmı çıkarım yapabiliriz.
Kanıt
Tüm en düşün aralıklardaki reklamlar.
Dijital kanallardaki reklam ölçümlenebilirliği ne kadar kesin olmazsa, o kadar manipülasyona açık bir strateji endüstriyi gereksiz yere şişirir.
Google Ads Video reklamlarından bahsetmiyorum.
Reklam görmemek için ücret ödediğiniz bir platformda yine de promosyonlu içerik olarak reklam izliyoruz. Bunu filtrelemek adına, normalde bu videoların Includes paid promotion olarak etiketlenmesi gerekiyor, bu şekilde bu videoları es geçebilıyorsunuz. Ancak Türkiye’deki çoğu YouTuber, videolarında sponsorlu içerik olduğunu işaretlemiyor. Bunun nedeni, Google’ın bu videolardan belirli bir prosedür uygulamasıdır.
You may include paid product placements, endorsements, sponsorships, or other content that requires disclosure to viewers in your videos. You have to let us know if you include any of those by selecting the paid promotion box in your video details.
