Apple’ın gizlilik odaklı ekosistemi içinde, özellikle ATT sonrasında kullanıcı seviyesinde takip sınırlı hale geldiğinden, reklamverenler için en güvenilir veri kaynağı SKAdNetwork (SKAN) çerçevesi olmaya devam ediyor. iOS 17 ile birlikte SKAN 4.0’ın kullanımı daha da yerleşti ve mobil pazarlamacıların hem kurulum hem de sonraki kullanıcı davranışlarını yorumlayabilmesi için önemli fırsatlar sunuyor. Özellikle mobil oyun ve IAP odaklı uygulamalarda, doğru postback yorumlama pratikleri kampanya optimizasyonunun en kritik bölümünü oluşturuyor.
Bu yazıda, SKAN 4.0’ın temel yapısını, iOS 17 ile birlikte öne çıkan noktaları ve postback verilerini doğru okuma yöntemlerini detaylı ancak sade bir dille ele alıyoruz.
SKAN 4.0 Neden Önemli?
SKAN 3 döneminde tek postback ve tek zaman penceresi kullanılırken, SKAN 4.0 ile çok daha kapsamlı bir veri modeli sunuluyor. Artık bir kurulum için üç farklı postback alınabiliyor, conversion value yapısı hem fine hem coarse olarak ikiye ayrılıyor ve kaynak ID sisteminin genişlemesi sayesinde kampanyalar çok daha detaylı olarak etiketlenebiliyor.
iOS 17, SKAN 4.0’ı desteklemeye devam ederek şu alanlarda reklamverenlere net avantajlar sağlıyor:
- Daha uzun vadeli kullanıcı davranışını yorumlama
- Coarse conversion value sayesinde düşük hacimli kampanyalarda bile anlamlı veri alabilme
- Web-to-app atribüsyon desteği
- 4 haneli Source ID sayesinde çok daha detaylı kampanya segmentasyonu
Apple’ın gizlilik politikaları gereği kullanıcı bazlı veri sağlamayan bu sistem, yine de aggregate seviyede oldukça anlamlı kullanıcı kalitesi sinyalleri verebiliyor.
SKAN 4.0’un Temel Bileşenleri
1. Source ID (Kaynak ID)
SKAN 3’te kullanılan 2 haneli campaign ID alanı, SKAN 4.0 ile 4 haneye çıkıyor. Bu da kampanyaları yalnızca kampanya düzeyinde değil; reklam grubu, kreatif varyasyon, ülke, hedefleme gibi çok daha granular seviyelerde segmentleme imkânı sunuyor.
Ancak burada önemli bir nokta bulunuyor: Kaynak ID’nin tamamı ancak yeterli anonimlik eşiği sağlanırsa döner. Düşük hacimli kampanyalarda ID’nin yalnızca ilk 2 veya 3 hanesi gelebilir.
2. Fine ve Coarse Conversion Value Sistemi
SKAN 4.0 conversion value sistemini ikiye ayırıyor:
- Fine CV: 0–63 arasında detaylı değerler (her zaman dönmeyebilir).
- Coarse CV: Low – Medium – High şeklinde üç seviyeli, daha genel sinyaller.
Önemli olan, postback başına yalnızca bir CV türünün raporlanmasıdır. Bu nedenle hangi event’lerin fine CV’ye, hangilerinin coarse CV’ye atanacağı stratejik olarak planlanmalıdır.
3. Üç Postback Penceresi
SKAN 4.0’ın en büyük yeniliklerinden biri, tek bir kullanıcı için üç farklı zaman penceresinde postback dönebilmesidir.
- Postback 1 (0–2 gün): İlk aktivasyon, onboarding, erken satın alma gibi hızlı davranışları ölçmek için idealdir. Fine CV içerme ihtimali en yüksek olan penceredir.
- Postback 2 (3–7 gün): Sadece coarse CV içerir. Haftalık retention, erken churn ve ilk gelir davranışlarını okumak için kritik bir aşamadır.
- Postback 3 (8–35 gün): Sadece coarse CV içerir. Orta vadeli kullanıcı kalitesi ve özellikle IAP ağırlıklı uygulamalarda LTV tahminleri için değerli sinyaller sunar.
Bu yapı sayesinde artık kampanya optimizasyonu yalnızca 24–48 saatlik bir pencereye sıkışmak zorunda değildir.
4. Web-to-App Atribüsyon Desteği
SKAN 4.0 ile Safari üzerinden gelen yönlendirmeler atribüe edilebiliyor. Bu özellikle:
- Web ads,
- Organik aramalar,
- Influencer yönlendirmeleri,
- Landing page kampanyaları
gibi web tabanlı akışların değerini ölçmeyi önemli ölçüde kolaylaştırıyor.
SKAN 4.0 Postback Verilerini Doğru Okuma Yöntemleri
1. Kampanya Yapısını Source ID ile Mantıklı Şekilde Bölmek
4 haneli Source ID yapısını rastgele kullanmak yerine, aşağıdaki gibi bir hiyerarşi ile kodlamak analiz kalitesini belirgin şekilde artırır:
- İlk 1–2 hane: Trafik kaynağı
- Sonraki hane: Reklam grubu
- Son hane: Kreatif varyasyon
Bu düzenleme hem A/B kreatif testlerini hem de ülke ve segmentasyon analizlerini çok daha anlamlı kılar.
2. Fine CV Stratejisini Önceden Netleştirmek
Fine CV yalnızca ilk postback’te gelebileceği için, hangi event’lerin bu 0–2 gün penceresinde ölçüleceği çok önemlidir. Önerilen model:
- Tutorial completion
- 1. gün retention
- Erken seviye ilerlemesi
- Erken satın alma işaretleri
- Adview / session sayısı gibi engagement metrikleri
Daha geç gerçekleşen event’leri coarse CV tarafına taşımak gerekir.
3. KPI’ları Postback Pencerelerine Göre Ayrı Değerlendirmek
Her pencere farklı bir kullanıcı davranışı sinyali taşır. Dolayısıyla kampanya değerlendirmesi de pencere bazlı yapılmalıdır:
- Postback 1: Installden sonraki ilk kalite sinyali
- Postback 2: İlk haftalık kullanıcı bağlılığı
- Postback 3: Monetizasyon davranışları
Bu model, agresif optimizasyon yapılan mobil oyunlarda daha doğru LTV tahmini sağlar. Özellikle ABD pazarı gibi maliyetli marketlerde bu yaklaşım maliyet optimizasyonunda büyük fark yaratır.
4. Web-to-App Trafiğini Ayrı Etiketlemek
Web yönlendirmelerinin ayrı bir Source ID aralığı ile işaretlenmesi, App Store sayfasına gelen kullanıcıların kalitesini değerlendirmeyi kolaylaştırır. Bu metod, özellikle Meta Ads + Google Ads + Influencer kombinasyonlarının kullanıldığı kampanyalarda önemli bir fark yaratır.
5. Anonimlik Eşiğini Dikkate Almak
Düşük hacimli kampanyalarda postback’ler ya gecikmeli gelir ya da daha düşük çözünürlükte (coarse) döner. Bu nedenle:
- Kampanyanın düşük hacimli test aşamasında veri eksikliği normaldir.
- Optimizasyonun doğru yapılabilmesi için yeterli install volümüne ulaşmak gerekir.
Bu durum özellikle IAP odaklı oyunlarda daha da kritik hale gelir.
Sonuç
SKAN 4.0, her ne kadar sınırlı kullanıcı verisi sunuyor olsa da, doğru kurgulandığında mobil reklam kampanyaları için güçlü sinyaller sağlayan bir ölçüm sistemi haline geliyor. Özellikle iOS 17 ile birlikte framework’ün stabil ve standart hale gelmesi, pazarlamacılara daha güvenilir analiz imkanı veriyor.
Postback pencerelerinin doğru yorumlanması, fine/coarse kurgusunun stratejik planlanması ve Source ID yapısının akıllıca segmentlenmesi, SKAN 4.0 ile başarılı bir kampanya yönetiminin temel taşlarını oluşturur.
Bu yaklaşım sayesinde hem erken optimizasyon döngüleri güçlenir hem de uzun vadeli kullanıcı değeri daha net anlaşılır hale gelir.
