SMS pazarlama benchmark'ları
321 milyon mesajdan e-ticaret SMS benchmark'ları: kampanyalara karşı otomasyonda tıklanma ve dönüşüm oranı, mesaj başına gelir ve iletilebilirlik.
SMS, e-postanın ekonomisini tersine çevirir: neredeyse her şey iletilir ve okunur, dolayısıyla ilgi çekici sütunlar tıklanma ve siparişlerdir. 150,000 e-ticaret markasından gelen 321 milyon mesaj genelinde kampanyalar %12.39, otomatik mesajlar %20.34 tıklanma alıyor.
Kanalın hacim ünü, işin karmaşıklaştığı yer olan dönüşümde sınanıyor. Gönderilen mesaj başına kampanyalar %0.12, otomasyon %0.77 dönüşüyor; tıklama başına ise %0.97 ve %3.81. Mesaj başına gelir de aynı şekli izliyor — $0.15'e karşılık $0.74 — liste büyüklüğünün tetik tasarımından çok daha az önemli olmasının nedeni bu.
İletilebilirlik de farklı: kampanyalarda %96.6, otomasyonda %92.8. Üstelik izin kuralları, kanalı yanlış kullanmayı alışılmadık ölçüde pahalı hâle getiriyor. Benchmark'lar, programınızın kendi pazarınızda mevzuata uygun olup olmadığını söyleyemez.
E-ticaret SMS'i — kampanyalara karşı otomasyon
Bu örneklemde kimler var: 150,000 e-ticaret markasından 321 milyon SMS mesajı, 2025 takvim yılı
| Sektör | Click | CVR |
|---|---|---|
| Campaigns (one-off sends) | 12,39% | 0,12% |
| Automated (triggered) | 20,34% | 0,77% |
Sektör adları yayıncının kendi ifadesiyle aktarılmıştır.
Kaynak
- Yayıncı
- Omnisend
- Veri dönemi
- Calendar 2025
- Örneklem
- 321 million SMS messages from 150,000 brands (campaign metrics from 246 million sends)
- Coğrafya
- Not stated
- İstatistik
- Değerler ortalamadır
Bu tabloya dair notlar
- Yalnızca e-ticaret gönderenleri.
- Sayfa iki farklı örneklem rakamı (321M mesaj, 246M gönderim) veriyor ve bunları bağdaştırmıyor.
- Buradaki dönüşüm oranı tıklama başına değil, gönderilen mesaj başınadır. Yayıncının tıklamadan dönüşüme oranları kampanyalarda %0.97, otomasyonda %3.81.
- Mesaj başına gelir: kampanyalarda $0.15, otomasyonda $0.74.
- İletilebilirlik: kampanyalarda %96.6, otomasyonda %92.8.
Bu sayılar nasıl kullanılır
Benchmark bir hedef değil, başkasının örnekleminin tarifidir. Tutturulmaya değer sayı kendi başabaşınızdır: marjınızın izin verdiği edinme başına maliyet ya da ürünün maliyeti karşılandıktan sonra kâr bırakan reklam harcaması getirisi. Önce bunu hesaplayıcılarla çıkarın, sonra benchmark'a pazarın buna uygun fiyatlanıp fiyatlanmadığını sorun.
Sayınız tablodan çok uzaktaysa hesabınızı kontrol etmeden önce örneklemi kontrol edin. Bir mağazayı potansiyel müşteri toplayan bir örneklemle ya da marka ağırlıklı bir hesabı geniş kitle hedeflemesiyle karşılaştırmak, her şey yolundayken bile bozuk bir tablo çıkarır. Her tablonun üstündeki örneklem satırı tam olarak bu kontrol için var.
Bu metriklerin hesaplayıcıları
Sık sorulan sorular
- Tıklanma oranları yüksekken SMS dönüşüm oranı neden bu kadar düşük?
- Çünkü tıklama başına değil, gönderilen mesaj başına ölçülüyor. Otomatik SMS, tıklamalarının %3.81'ini dönüştürüyor — %0.77 rakamı ise tüm gönderime bölünüyor ki e-postayla karşılaştırmak için dürüst payda budur.
- Otomatik mesajlar gerçekten beş kat mı iyi?
- Mesaj başına gelirde kabaca öyle: bu örneklemde $0.15'e karşılık $0.74. Otomasyon insanlara kendi seçtikleri bir anda ulaşır — bir sepet, bir gezinme, bir kargo — kampanya ise araya girer.
- Bu veriler e-ticaret dışındaki pazarları kapsıyor mu?
- Hayır. Örneklem yalnızca e-ticaret gönderenlerinden oluşuyor ve coğrafya belirtilmiyor. Mesaj maliyeti ve izin kuralları ülkeden ülkeye yeterince değişiyor; bu yüzden mesaj başına gelir rakamlarını bir tahmin değil, bir şekil olarak okuyun.
Bu veriler nasıl ele alınıyor
- Her rakam kamuya açık bir rapordan aktarılmıştır ve yayıncısını, örneklemini, veri dönemini ve bağlantısını yanında taşır. Hiçbir değer tahmin edilmemiş ya da “yaklaşık” diye yuvarlanmamıştır.
- Yayıncılar asla harmanlanmaz. Bir rapordan gelen tıklama oranı ile başka bir rapordan gelen CPM aynı satırda görünmez.
- Her tablo örnekleminde kimlerin olduğunu belirtir; çünkü raporlar arasındaki farkın büyük kısmını görüş ayrılığı değil, reklamveren bileşimi açıklar.
- Yayıncı hataları ve eskimiş veri setleri sessizce düzeltilmek ya da başka bir kaynaktan tazelenmek yerine dipnotlanır.