আমি ধরে নিয়েছিলাম popunder-এর ফ্রিকোয়েন্সিতে খুব স্পষ্ট একটি সমঝোতা থাকবে: কম বিজ্ঞাপন দেখালে ব্যবহারকারীর অভিজ্ঞতা ভালো থাকবে; বেশি দেখালে আয় বাড়বে, যতক্ষণ না এনগেজমেন্ট কমতে শুরু করে। প্রোডাকশনে বিষয়টি এত সরল ছিল না।
একটি চালু ওয়েব অ্যাপে ফ্রিকোয়েন্সি বাড়ানোর পর আমি এনগেজমেন্টে পরিষ্কার একটি পরিবর্তন আশা করেছিলাম। কিন্তু সামগ্রিক মেট্রিক আগের দৈনন্দিন ওঠানামার সীমার মধ্যেই মোটামুটি চলতে থাকে। কিছু দিন ভালো, কিছু দিন খারাপ ছিল, কিন্তু নতুন নীতি চালুর পর থেকে শুরু হওয়া কোনো স্পষ্ট ও স্থায়ী পতন দেখিনি।
শেষ পর্যন্ত আমি এই কনফিগারেশনটি রাখি:
প্রাথমিক বিলম্ব: 45 সেকেন্ড
সফল popunder-এর পর ন্যূনতম কুলডাউন: 4 মিনিটএকই চার মিনিটের সময়সীমায় একটির বেশি সফল ইভেন্ট না হওয়ার জন্য একটি ফ্রিকোয়েন্সি উইন্ডোও রেখেছিলাম:
const policy = {
initialDelaySeconds: 45,
cooldownSeconds: 240,
windowSeconds: 240,
maxEventsPerWindow: 1,
};এটি কেবল ব্যাখ্যামূলক pseudocode; কোনো নির্দিষ্ট বিজ্ঞাপন প্রদানকারী, SDK, অ্যাপ বা ডিপ্লয়মেন্টের সঙ্গে এটি যুক্ত নয়। আসল আগ্রহের বিষয় implementation নয়, বরং নীতিটি।
আসলে ফ্রিকোয়েন্সির দুটি আলাদা সিদ্ধান্ত আছে
শুরুতে আমি সমস্যাটিকে এক প্রশ্নে নামিয়ে এনেছিলাম: দুটি popunder-এর মধ্যে কত মিনিট বিরতি থাকবে? পরে বুঝলাম এটি ভুল abstraction। অন্তত দুটি সিদ্ধান্ত আছে—প্রথম বিজ্ঞাপন সুযোগের আগে বিলম্ব এবং পরবর্তী সুযোগগুলোর মধ্যে ন্যূনতম বিরতি।
এই দুই মুহূর্ত সমান নয়। নতুন ব্যবহারকারী এখনও ঠিক করেনি পণ্যটি তার কাজে লাগবে কি না; ইতিমধ্যে যুক্ত ব্যবহারকারী সে সিদ্ধান্ত নিয়ে ফেলেছে। তাই প্রথম বাধাটিকে পরবর্তী বাধাগুলোর চেয়ে বেশি সুরক্ষা দেওয়া উচিত বলে মনে করেছি।
প্রথম কয়েক সেকেন্ডে এত আক্রমণাত্মক monetization কেন বন্ধ করলাম
কম প্রাথমিক বিলম্ব বেশি ব্যবহারকারীকে বিজ্ঞাপনের জন্য eligible করে এবং সম্ভাব্য ad event বাড়ায়। যান্ত্রিকভাবে এটি সত্য। কিন্তু এই যুক্তি monetization কখন ঘটছে, তা উপেক্ষা করে।
ব্যবহারকারী ঢোকার প্রায় সঙ্গে সঙ্গে বিজ্ঞাপন পেলে সেটি সাইট সম্পর্কে তার প্রথম মূল্যায়নের অংশ হয়ে যায়। তার আগে যদি সে কিছু নিরবচ্ছিন্ন সময় পণ্য বুঝতে ও ব্যবহার করতে পারে, একই বিজ্ঞাপন ব্যবস্থাও একেবারে ভিন্ন প্রেক্ষাপটে আসে।
আগে আমি আরও ছোট delay ব্যবহার করতাম, পরে সেটিকে 45 সেকেন্ড করি। এটিও তুলনামূলকভাবে তাড়াতাড়ি; লক্ষ্য ছিল না খুব রক্ষণশীল হওয়া। শুধু ভিজিটের শুরু আর প্রথম monetization opportunity-এর মধ্যে কিছুটা ফাঁক তৈরি করা। এই 45 সেকেন্ডকে আমি হারানো ad inventory নয়, product-acquisition time হিসেবে ভাবতে শুরু করি।
45 সেকেন্ড একটি threshold, নির্ধারিত ad time নয়
Delay শেষ হওয়া মানে ব্যবহারকারী eligible হয়েছে; 00:45-এ ঠিক বিজ্ঞাপন দেখাতেই হবে এমন নয়। প্রকৃত event এখনও একটি উপযুক্ত user interaction-এর ওপর নির্ভর করে। ব্যবহারকারী 00:45-এ eligible হতে পারে, কিন্তু পরবর্তী qualifying action 01:03-এ হলে তখনই প্রথম popunder ঘটতে পারে।
Cooldown-ও একইভাবে কাজ করে। চার মিনিটের অর্থ হলো আগের সফল event-এর চার মিনিটের আগে আরেকটি event eligible হবে না। এর অর্থ প্রতি চার মিনিটে স্বয়ংক্রিয় বিজ্ঞাপন নয়। ফলে কনফিগার করা সময়গুলো ন্যূনতম সীমা; বাস্তবে ব্যবধান আরও দীর্ঘ হতে পারে।
প্রথম delay-এর চেয়ে repeat interval বেশি গুরুত্বপূর্ণ ছিল
প্রথম delay নিয়ে সন্তুষ্ট হওয়ার পর repeat cadence-ই বেশি গুরুত্বপূর্ণ ভ্যারিয়েবল হয়ে ওঠে। দীর্ঘ cooldown বিজ্ঞাপনের চাপ কমায়, কিন্তু অনেক engaged user দ্বিতীয় সুযোগ পর্যন্ত পৌঁছাতেই পারে না।
আমি একই সঙ্গে দুটি শর্ত চাইছিলাম: যারা অ্যাপ ব্যবহার চালিয়ে যায় তাদের আরেকটি monetization event তৈরির বাস্তব সুযোগ থাকবে, আবার event দুটির মধ্যে যথেষ্ট অর্থপূর্ণ নিরবচ্ছিন্ন ব্যবহারও থাকবে।
শেষে চার মিনিট রেখেছি। 45 সেকেন্ড initial delay ধরলে সবচেয়ে তাড়াতাড়ি তাত্ত্বিক eligibility point প্রায় 00:45, 04:45, 08:45 ও 12:45। তবে qualifying interaction দরকার হওয়ায় বাস্তব event আরও পরে ঘটতে পারে।
কেন চার মিনিট শুধু impression সর্বাধিক করার মতো মনে হয়নি
Cooldown কমালে তাত্ত্বিক সুযোগ বাড়ে। লক্ষ্য যদি শুধু প্রতি ব্যবহারকারীতে ad opportunity হয়, তাহলে ছোট interval স্পষ্টতই ভালো। কিন্তু পণ্যটির বিজ্ঞাপনমূল্য থাকে কেবল যতক্ষণ তার ব্যবহারকারীমূল্যও থাকে।
অতিরিক্ত monetization
-
আচরণগত ক্ষতি
=
নেট মূল্যচার মিনিট এমন একটি অর্থপূর্ণ স্বাভাবিক ব্যবহারপর্ব তৈরি করেছিল, যেখানে আরেকটি popunder হওয়া অসম্ভব। “প্রতি চার মিনিটে একটি” কথার চেয়ে এই invariant-টাই আমার কাছে বেশি গুরুত্বপূর্ণ ছিল।
একটি monetization event-এর পর ব্যবহারকারী কয়েক মিনিট নিশ্চিতভাবে আরেকটি এমন event থেকে মুক্ত থাকে।
আমি দৃশ্যমান engagement drop আশা করেছিলাম
ডিপ্লয়ের আগে আমার প্রধান hypothesis ছিল বেশি বিজ্ঞাপন ফ্রিকোয়েন্সি analytics-এ পরিষ্কার before-and-after পতন দেখাবে। তা হলে policy নরম করার শক্ত কারণ থাকত।
কিন্তু aggregate engagement আগের মতোই ওঠানামা করতে থাকে। নতুন কোনো নিম্ন baseline বা frequency change-এর পর ধারাবাহিকভাবে দুর্বল metric দেখিনি। যে ক্ষতিটিকে আমি এত বড় ভাবছিলাম যে গ্রাফে সহজে দেখা যাবে, তা পরিষ্কারভাবে দেখা যায়নি।
আমি আসলে কী দাবি করতে পারি
আমি বলতে পারি না যে বিজ্ঞাপনের কোনো প্রভাবই ছিল না, ব্যবহারকারীরা বিরক্ত হয়নি, retention পুরোপুরি অপরিবর্তিত ছিল, কিংবা এই configuration সর্বোত্তম। Aggregate analytics এসব প্রমাণ করতে পারে না।
আমার পর্যবেক্ষণ থেকে সবচেয়ে শক্তিশালী যে বক্তব্যটি করা যায়, তা অনেক সীমিত:
ফ্রিকোয়েন্সি বাড়ানোর পর আগেই দেখা স্বাভাবিক ওঠানামার বাইরে aggregate engagement-এ কোনো পরিষ্কার ও স্থায়ী পতন আমি দেখিনি।
এর মধ্যে ছোট প্রভাব, আলাদা user group-এর পার্থক্য এবং একটি average-এর আড়ালে থাকা আচরণের জায়গা থাকে। আমি পরীক্ষা করেছিলাম configuration রাখা যথেষ্ট গ্রহণযোগ্য কি না; global optimum পেয়েছি কি না, তা নয়।
স্থিতিশীল average খুব আলাদা আচরণ লুকাতে পারে
প্রায় অপরিবর্তিত aggregate average-এর পেছনে নানা বাস্তবতা থাকতে পারে। সবাই প্রায় একইভাবে আচরণ করতে পারে; কেউ আগে চলে যেতে পারে, অন্যরা বেশি সময় থাকতে পারে; ছোট একটি দল নেতিবাচক প্রতিক্রিয়া দেখাতে পারে কিন্তু average খুব কম নড়তে পারে; অথবা প্রকৃত নেতিবাচক প্রভাব দৈনন্দিন স্বাভাবিক পরিবর্তনের চেয়ে ছোট হতে পারে।
তাই স্থিতিশীল aggregate metric-কে আমি warning signal হিসেবে দেখি, zero impact-এর প্রমাণ হিসেবে নয়।
Engagement আর আক্ষরিক visit length এক জিনিস নয়
Analytics engagement metric-কে সেশনের সঠিক গড় দৈর্ঘ্য হিসেবেও ধরা ঠিক নয়। Active engagement analytics system-এর সংজ্ঞার ওপর নির্ভর করে এবং tab খোলা থাকার মোট সময়ের সমান নাও হতে পারে। ব্যবহারকারী focus বদলাতে পারে, পরে ফিরে আসতে পারে বা এমনভাবে navigate করতে পারে যাতে সাধারণ “time on site” ধারণা বিভ্রান্তিকর হয়।
তাই “average engagement X, ফলে next pop X-এর আগে হওয়া চাই” ধরনের সূত্র ব্যবহার করিনি। Metric-টিকে directional signal হিসেবে ব্যবহার করেছি: পরিবর্তনের পর product কি আগের তুলনায় অর্থপূর্ণভাবে দুর্বল মনে হচ্ছে? আমি যে aggregate স্তর দেখছিলাম, সেখানে উত্তর ছিল না।
Cooldown ও frequency window সম্পর্কিত, কিন্তু অভিন্ন নয়
Implementation-এ 240 সেকেন্ড cooldown এবং একই 240 সেকেন্ডের window-এ সর্বোচ্চ একটি সফল event—দুটিই ছিল। বেশিরভাগ ক্ষেত্রে এগুলো redundant, তবে আলাদা দুটি সীমা প্রকাশ করে।
Cooldown বলে আগের event-এর পর যথেষ্ট সময় না গেলে আরেকটি event চলবে না। Window বলে নির্দিষ্ট সময়ের মধ্যে একটির বেশি সফল event হবে না। Integration কোনো mechanism ভিন্নভাবে interpret করলেও intended invariant পরিষ্কার থাকুক—এই কারণে দুটিই রেখেছিলাম।
দুটি সফল popunder-এর মধ্যে কখনোই চার মিনিটের কম ব্যবধান থাকবে না।
প্রতি window-তে একটি event মানে পুরো visit-এ একটি event নয়
maxEventsPerWindow = 1 মানে এই নয় যে পুরো সাইট ভিজিটে মাত্র একটি বিজ্ঞাপন হবে। এর scope হলো configured window; window শেষ হলে আরেকটি শুরু হতে পারে। একইভাবে 1 এক user action বোঝায় না; এটি ওই frequency period-এ একটি সফল monetization event বোঝায়।
এখন frequency logic পর্যালোচনার সময় আমি তিনটি প্রশ্ন করি: counter কী গোনে, কী সেটি reset করে, এবং reset window কত দীর্ঘ? এগুলোর উত্তর ছাড়া 1-এর মতো raw value প্রায় অর্থহীন।
Provider-specific implementation থেকে policy আলাদা রেখেছি
Vendor-specific script, identifier বা parameter name প্রকাশ না করেও reusable behavior বোঝানো যায়:
function isEligible(state, now) {
if (!state.hasShownFirstEvent) {
return now - state.arrivalTime >= 45_000;
}
return now - state.lastEventTime >= 240_000;
}এটি ব্যাখ্যামূলক pseudocode, production source নয়। Provider, SDK এবং deployment architecture বদলায়; policy তুলনামূলকভাবে স্থায়ী: ভিজিটের শুরু সুরক্ষিত রাখো, সত্যিকারের ব্যবহার শুরু হওয়ার পর monetization অনুমতি দাও, hard cooldown রাখো, তারপরই repeat করো।
Build success আর behavioral correctness আলাদা
Typechecker, linter এবং production build অনেক engineering property যাচাই করতে পারে, কিন্তু browser-এ advertising timeline ঠিক আচরণ করছে কি না তা প্রমাণ করে না। এই feature-এর behavioral validation দরকার।
1. পরিষ্কার browser state খুলুন।
2. Initial delay-এর আগে interact করুন: popunder হওয়া উচিত নয়।
3. Initial delay পার হওয়া পর্যন্ত অপেক্ষা করুন।
4. Eligible interaction করুন: প্রথম popunder ঘটতে পারে।
5. Cooldown শেষ হওয়ার আগে interact করুন: দ্বিতীয় popunder হওয়া উচিত নয়।
6. Cooldown শেষ হওয়া পর্যন্ত অপেক্ষা করুন।
7. আবার interact করুন: এখন আরেকটি popunder ঘটতে পারে।Successful build এবং successful behavioral test দুই আলাদা প্রশ্নের উত্তর দেয়; দুটিই দরকার।
একক placement-এর চেয়ে সম্মিলিত advertising experience বেশি গুরুত্বপূর্ণ
স্বতন্ত্র দুটি advertising system আলাদাভাবে যুক্তিসংগত দেখালেও একসঙ্গে অত্যন্ত aggressive experience তৈরি করতে পারে। চার মিনিটের limit থাকা দুটি format interleave করলে ব্যবহারকারী প্রায় 00:45, 02:45, 04:45 ও 06:45-এ interruption পেতে পারে।
এখান থেকেই আমার শক্তিশালী নিয়ম:
Frequency cap বিজ্ঞাপনের script ধরে নয়, user experience ধরে মূল্যায়ন করা উচিত।
ব্যবহারকারী interruption-এর যোগফল অনুভব করে; কোন configuration file কোনটি তৈরি করেছে, তা তার কাছে গুরুত্বপূর্ণ নয়। Production audit-এ তাই প্রশ্ন হওয়া উচিত: নির্দিষ্ট সময়ে একজন ব্যবহারকারী বাস্তবে কতটি interruptive ad event পেতে পারে?
Raw impression count ভুল optimization target
Cooldown কমিয়ে opportunity বাড়ানো সহজ। কঠিন প্রশ্ন হলো user-এর মোট economic value না কমিয়ে কত অতিরিক্ত monetization পাওয়া যায়।
এক ভিজিটে কম বিজ্ঞাপন দেখানো configuration-ও বেশি মোট revenue দিতে পারে, যদি সেটি repeat usage ভালোভাবে ধরে রাখে। তাই impressions per visit-এর তুলনায় revenue per user over time আমার কাছে বেশি গুরুত্বপূর্ণ। দ্বিতীয়টি maximize করা সহজ; প্রথমটিই আসল ব্যবসায়িক সমস্যা।
শক্তিশালী পরীক্ষা এক aggregate graph-এর বাইরে যাবে
আমার production observation শুধু এতটুকু বলার জন্য যথেষ্ট ছিল যে আমি যে বিপর্যয়কর ফল আশঙ্কা করেছিলাম, তা স্পষ্টভাবে ঘটেনি। সব downstream effect প্রমাণ করার জন্য তা যথেষ্ট ছিল না।
আরও শক্তিশালী experiment-এ unique user প্রতি monetization revenue, visit প্রতি revenue, user প্রতি ad event, active engagement, meaningful product interaction, returning-user rate, সময়ের সঙ্গে retention এবং দীর্ঘমেয়াদি user value তুলনা করা উচিত।
দুই পাশই মাপতে হবে। শুধু advertising output দেখলে বেশি বিজ্ঞাপন সবসময় ভালো মনে হবে; শুধু engagement দেখলে খুব কম behavioral cost-এ আসা গুরুত্বপূর্ণ revenue gain চোখ এড়াতে পারে।
Policy সহজ রেখেছি কেন
ক্রমশ আরও exception যোগ করার কারণ পাইনি। Final logic সহজ ছিল: 45 সেকেন্ড অপেক্ষা, পরবর্তী eligible interaction-এ monetization, চার মিনিট hard cooldown, তারপর পরবর্তী eligible interaction-এ আবার monetization।
অল্প কয়েকটি শক্ত invariant বহু অস্পষ্ট exception-এর policy-এর চেয়ে বোঝা, পরীক্ষা ও debug করা সহজ।
Policy-র asymmetry ইচ্ছাকৃত
নতুন এবং engaged user-কে policy একইভাবে দেখে না। নতুন visitor বেশি সুরক্ষা পায়; যে ব্যবহারকারী interact চালিয়ে যায়, সে সময়ের সঙ্গে আরও monetization opportunity তৈরি করে।
অর্থাৎ সর্বোচ্চ চাপ শুরুতেই দেওয়ার বদলে বিজ্ঞাপনের চাপ demonstrated engagement-এর সঙ্গে বাড়ে। এই ধারণাগত পরিবর্তনটিই পরীক্ষার সবচেয়ে উপকারী ফলগুলোর একটি।
এই case study থেকে আমি যা বলব না
আমি বলব না যে 45 সেকেন্ড সর্বত্র সঠিক, চার মিনিট optimal interval, বেশি-frequency popunder কখনো engagement ক্ষতি করে না, বা stable average মানে user unaffected। একটি production workload থেকে সব web product সম্পর্কেও সাধারণ সিদ্ধান্ত নেব না।
ভিন্ন product-এর user, expectation, acquisition source, usage pattern ও economics আলাদা। ফলটি মূল্যবান কারণ এটি নির্দিষ্ট একটি পরিস্থিতির ফল, universal rule নয়।
যে অংশটি আমার মত বদলেছে
পরীক্ষার আগে আমি advertising pressure আর engagement-এর সম্পর্ককে প্রায় যান্ত্রিক মনে করতাম: একটিকে যথেষ্ট বাড়ালে অন্যটি দৃশ্যমানভাবে কমবেই। Production behavior এত পরিষ্কার ছিল না।
আমি frequency এমন স্তরে বাড়িয়েছিলাম যা তুলনামূলকভাবে বেশি বলে মনে করেছি। ব্যবহারকারীরা interact চালিয়ে গেছে এবং aggregate engagement পরিচিত দৈনন্দিন range-এ থেকেছে। এর অর্থ cost শূন্য নয়। শুধু এতটাই যে আমার দেখা metric-এ প্রত্যাশিত স্পষ্ট signal তৈরি করার মতো বড় cost দেখা যায়নি।
“কোনো effect নেই” এবং “এই measurement-এ স্পষ্ট effect নেই”—এই দুই বক্তব্যের পার্থক্য গুরুত্বপূর্ণ। Production system সাধারণত আমাদের পছন্দমতো পরিষ্কার causal story দেয় না।
এখন আমার নিয়ম
এখন আর জিজ্ঞেস করি না প্রযুক্তিগতভাবে কত ঘন ঘন আরেকটি popunder দেখানো যায়। জিজ্ঞেস করি monetization শুরুর আগে নতুন user কতটা uninterrupted product experience পাবে, engaged user আরেকটি event-এর আগে কতটা uninterrupted usage পাবে, এবং অতিরিক্ত advertising কি মোট user value বাড়াচ্ছে নাকি শুধু impression counter।
এই অ্যাপের জন্য আমি রেখেছি:
প্রথম eligibility-এর আগে 45 সেকেন্ড
সফল event দুটির মধ্যে অন্তত 4 মিনিটনির্দিষ্ট সংখ্যাগুলো কেবল একটি implementation। যে নিয়মটি অন্যত্র নেব, তা আরও বিস্তৃত:
ব্যবহারকারীর যাত্রার শুরু সুরক্ষিত রাখুন, প্রাথমিক কৌতূহলের চেয়ে প্রমাণিত engagement থেকে বেশি monetization করুন, এবং raw advertising volume-এর বদলে user-level value দিয়ে ফল বিচার করুন।