Atıf Modelleri: Hangi Kanal Ne Kadar Katkı Sağlıyor?

Bir satış, genellikle tek bir reklamın değil birkaç temas noktasının ortak sonucudur. Atıf modeli, bu satışın hangi temas noktasına ne kadar yazılacağını belirleyen kuraldır. Model değiştiğinde hiçbir kampanya değişmese bile raporlardaki kanal payları değişir. Bu rehber, atıf modellerini, sınırlarını ve bütçe kararlarında nasıl kullanılacağını anlatıyor.

Atıf nedir?

Atıf, bir dönüşümün hangi pazarlama temasına yazılacağını belirleme işlemidir. Atıf modeli ise bu yazma işleminin hangi kurala göre yapılacağını tanımlar.

Kavramın önemi şuradan gelir: bütçe kararları, hangi kanalın ne kadar dönüşüm ürettiği bilgisine dayanır. Bu bilgi ise doğrudan atıf modelinin ürettiği bir çıktıdır.

Bu nedenle atıf modeli teknik bir ayrıntı değil, bütçe dağılımını belirleyen bir karardır. Model değiştiğinde hiçbir kampanya değişmemiş olsa bile kanal payları değişir ve buna dayanan kararlar da değişir.

Neden bir modele ihtiyaç var?

Eğer her satış tek bir tıklamadan sonra gerçekleşseydi, atıf modeline gerek olmazdı.

Gerçekte ise yolculuk parçalıdır: kullanıcı bir reklamla tanışır, sonra araştırır, birkaç gün sonra arama yapar, bir e-posta alır ve nihayet satın alır. Bu zincirdeki her temasın katkısı vardır ama katkı büyüklükleri farklıdır.

Atıf modeli, bu katkıları bölüştürmenin bir yoludur. Hiçbir model gerçeği tam olarak yansıtmaz; hepsi bir yaklaşımdır. Bu, modellerin işe yaramaz olduğu anlamına gelmez ama sonuçlarının kesin gerçek gibi kullanılmaması gerektiğini gösterir.

Müşteri yolculuğu gerçeği

Atıf tartışmasını anlamlı kılan şey, gerçek müşteri yolculuğunun karmaşıklığıdır.

Tipik bir yolculukta bulunabilecek temaslar: sosyal mecrada görülen bir içerik, arama sonucunda görülen bir reklam, organik olarak bulunan bir blog yazısı, bir karşılaştırma sitesi, bir arkadaş tavsiyesi, bir e-posta, ve son olarak marka araması.

Bu temasların bir kısmı ölçülebilir, bir kısmı ölçülemez. Arkadaş tavsiyesi, mağazada görme veya televizyonda izleme gibi temaslar hiçbir modelde görünmez.

Bu nedenle atıf raporu, yolculuğun tamamını değil ölçülebilen kısmını gösterir. Bu sınırın unutulması, en yaygın yorum hatasıdır.

Kural tabanlı modeller

Kural tabanlı modeller, katkıyı önceden tanımlanmış sabit bir kurala göre dağıtır. Veriye bakmazlar; yalnızca temasların sırasına ve zamanına göre işlem yaparlar.

Bu modellerin avantajı, anlaşılır ve öngörülebilir olmalarıdır. Dezavantajı ise seçilen kuralın gerçek katkıyla ilişkisinin bulunmamasıdır.

Yine de kural tabanlı modeller hâlâ değerlidir: kıyaslama yapmak, farklı bakış açıları görmek ve veri yetersizliğinde çalışmak için kullanılırlar. Ayrıca bazı platformlarda veriye dayalı model için gereken hacim bulunmayabilir.

Son tıklama modeli

En yaygın ve en yanıltıcı modeldir. Tüm katkıyı dönüşümden önceki son tıklamaya yazar.

Avantajları: anlaşılması kolaydır, hesaplaması basittir, ve karşılaştırılabilir bir taban sağlar.

Dezavantajı temeldir: yolculuğun başındaki tüm temasları görmezden gelir. Bu, keşif ve bilinirlik çalışmalarının sistematik olarak değersiz görünmesine yol açar.

Son tıklama modelinin en görünür etkisi, marka aramalarının aşırı değerli görünmesidir: kullanıcı markayı bir yerden öğrenmiştir ama katkı, son adımdaki marka aramasına yazılır.

İlk tıklama modeli

Tüm katkıyı yolculuğun ilk temasına yazar. Son tıklamanın tam tersidir.

Kullanım alanı sınırlıdır ama belirli bir soruya yanıt verir: hangi kanallar yeni kullanıcı getiriyor?

Dezavantajı, dönüşümü tamamlayan temasları görmezden gelmesidir. Ayrıca ilk temasın ne kadar geriye gidilerek belirlendiği, atıf penceresine bağlıdır ve bu, sonucu belirgin biçimde etkiler.

Pratik kullanımı, son tıklama modeliyle birlikte bakmaktır: iki modelin sonuçları arasındaki fark, kanalların huni içindeki konumunu gösterir.

Doğrusal model

Katkıyı tüm temaslara eşit olarak böler. Beş temas varsa her biri katkının beşte birini alır.

Avantajı, hiçbir temasın tamamen yok sayılmamasıdır. Dezavantajı, gerçek katkı farklarını görmezden gelmesidir: yolculuğu başlatan bir temas ile tesadüfen tıklanan bir görüntülü reklam eşit değerlendirilir.

Bu model, temas sayısı yüksek ve yolculuk uzun olan işlerde bir kıyaslama noktası olarak kullanılabilir. Ancak bütçe kararının tek dayanağı yapılmamalıdır.

Zaman azalımlı model

Dönüşüme yakın temaslara daha fazla, uzak temaslara daha az katkı yazar. Katkı, zamanla azalan bir eğriyle dağıtılır.

Mantığı sezgiseldir: satın almaya yakın olan temasların etkisi daha tazedir.

Bu model, kısa karar süresi olan işlerde makul sonuçlar üretir. Uzun karar süreli işlerde ise yolculuğun başındaki belirleyici temasları küçültür.

Azalım hızının doğru ayarlanması önemlidir: iş modelinizin karar süresine uygun olmayan bir azalım, sonuçları sistematik biçimde çarpıtır.

Konum tabanlı model

Katkının büyük bölümünü ilk ve son temasa, kalanını aradaki temaslara dağıtır.

Mantığı, yolculuğu başlatan ve tamamlayan temasların en belirleyici olduğu varsayımıdır.

Bu varsayım bazı iş modellerinde makuldür ama evrensel değildir. Ayrıca aradaki temasların sayısı arttıkça her birinin payı azalır ve bu, orta huni çalışmalarının değerini gizleyebilir.

Kural tabanlı modeller arasında en dengeli olanlardan biri kabul edilir ama yine de sabit bir varsayıma dayanır.

Veriye dayalı atıf

Veriye dayalı modeller, sabit bir kural yerine gerçek veriden öğrenerek katkı dağıtır. Dönüşen ve dönüşmeyen yolculukları karşılaştırarak her temasın etkisini tahmin ederler.

Avantajı, sonuçların keyfi bir kurala değil gözlenen veriye dayanmasıdır.

Sınırları ise şunlardır: yeterli veri hacmi gerektirir, hesaplama yöntemi genellikle şeffaf değildir, yalnızca ölçülebilen temasları kapsar, ve platformlar arası bütünsel bir görünüm sağlamaz.

Son madde önemlidir: her platformun veriye dayalı modeli yalnızca kendi temaslarını görür. Bu nedenle “veriye dayalı” ifadesi, sonucun bütünsel gerçeği yansıttığı anlamına gelmez. Bir ajansın veri odaklı olma iddiasını sınamak için sorulabilecek soruları veri odaklı dijital pazarlama ajansı ne demek yazısında topladık.

Modeller nasıl karşılaştırılır?

Farklı modellerin sonuçlarını yan yana görmek, tek bir modele bakmaktan çok daha bilgilendiricidir.

Karşılaştırmadan çıkarılabilecekler: son tıklamada güçlü ama ilk tıklamada zayıf kanallar, dönüşümü tamamlayan kanallardır. Tersi durumdaki kanallar ise yolculuğu başlatan kanallardır.

Bu ayrım, bütçe kararlarını doğrudan etkiler: yalnızca son tıklamaya bakarak yolculuk başlatan kanalların bütçesini kesmek, birkaç ay sonra toplam hacim düşüşü olarak geri döner.

Karşılaştırma yaparken kanalların sıralamasındaki değişime bakmak, mutlak rakamlara bakmaktan daha kullanışlıdır.

Atıf penceresi

Atıf penceresi, bir temasın dönüşümle ilişkilendirilebileceği azami süredir. Model kadar belirleyicidir ama çok daha az konuşulur.

Pencere uzadıkça daha fazla dönüşüm atfedilir; kısaldıkça daha az. Bu, kanalların göreli performansını da değiştirir: uzun karar süreli ürünlerde kısa pencere, keşif kanallarını sistematik olarak küçültür.

Pencere seçilirken iş modelinin gerçek karar süresine bakılmalıdır. Bunu ölçmenin yolu, ilk temas ile dönüşüm arasındaki süre dağılımını incelemektir.

Ayrıca farklı platformlarda farklı pencereler tanımlıysa, raporlar arasındaki farkların bir kısmı buradan kaynaklanır.

Görüntüleme bazlı atıf

Bazı platformlar, tıklanmamış ama görülmüş reklamları da dönüşüme atfeder. Bu, en tartışmalı atıf biçimidir.

Savunulan mantık: bir reklamın görülmesi, tıklanmasa bile etki üretebilir.

Sorun ise şudur: görüntülemenin gerçekten etkili olup olmadığı bu yöntemle ayırt edilemez. Zaten satın alacak bir kullanıcıya gösterilen reklam da katkı almış görünür.

Bu nedenle görüntüleme bazlı dönüşümler ayrı raporlanmalı ve tıklama bazlı dönüşümlerle aynı ağırlıkta değerlendirilmemelidir. Bütçe kararlarında tıklama bazlı veri esas alınmalıdır.

Platformlar neden farklı rakam gösterir?

Aynı dönem için farklı platformların raporladığı dönüşüm sayıları neredeyse hiçbir zaman uyuşmaz ve bunun nedenleri bellidir.

Farkın kaynakları: farklı atıf modelleri, farklı atıf pencereleri, görüntüleme bazlı atıfın dâhil edilip edilmemesi, dönüşümün hangi tarihe yazıldığı (tıklama tarihi mi dönüşüm tarihi mi), cihazlar arası eşleştirme yetenekleri, ve modellenmiş veri kullanımı.

Bu farklar hata değil, tanım farkıdır. Her platform kendi tanımına göre doğru rapor üretir; sorun, bu rakamların aynı şeyi ölçtüğü varsayıldığında başlar. Meta, Google Ads ve GA4 rakamlarını yan yana okumanın pratik yolunu reklam paneli ve GA4 rakamları neden tutmuyor yazısında anlattık.

Neden toplanamaz?

Platform dönüşümlerinin toplanması, raporlamadaki en yaygın ve en maliyetli hatadır.

Nedeni basittir: aynı satış, birden çok platformda katkı almış olabilir. Kullanıcı hem sosyal reklamı görmüş hem arama reklamını tıklamışsa, iki platform da o satışı raporlar.

Toplandığında ortaya çıkan rakam, gerçek sipariş sayısını aşar. Bu fark bazı hesaplarda kayda değer büyüklüktedir.

Doğru yaklaşım: toplam sipariş ve gelir sipariş sisteminden alınır, platform verileri ise yalnızca kanal içi optimizasyon için kullanılır. Bu ayrım, raporun en üstünde açıkça belirtilmelidir.

Analitik ile reklam platformu farkı

Analitik araçları ve reklam platformları aynı dönüşümü farklı sayar ve bu fark yapısaldır.

Temel fark: reklam platformları kendi temaslarını merkeze alır ve genellikle tıklama tarihine yazar; analitik araçları ise oturum bazlı çalışır ve dönüşüm tarihine yazar.

Ayrıca analitik araçları, reklam platformlarının göremediği kanalları da görür: organik arama, doğrudan trafik, e-posta ve yönlendirmeler.

Bu nedenle analitik, kanallar arası karşılaştırma için daha uygun bir zemindir. Reklam platformu verisi ise kanal içi kampanya optimizasyonu için daha ayrıntılıdır. İkisi farklı sorulara yanıt verir.

Cihazlar arası yolculuk

Kullanıcıların önemli bir bölümü, bir cihazda keşfedip başka bir cihazda satın alır. Bu, atıf için temel bir zorluktur.

Eşleştirme yöntemleri: giriş yapmış kullanıcıların tanımlanması, platformların kendi kimlik sistemleri, ve modellenmiş tahminler.

Giriş yapılmayan durumlarda eşleştirme büyük ölçüde başarısız olur: mobilde görülen reklam ile masaüstünde yapılan satın alma ilişkilendirilemez ve dönüşüm, doğrudan trafik olarak görünür.

Bu, mobil ağırlıklı keşif kanallarının sistematik olarak eksik değerlendirilmesine yol açar.

Çerez kısıtlamalarının etkisi

Tarayıcı kısıtlamaları, atıf verisinin kalitesini doğrudan etkilemiştir ve etkilemeye devam etmektedir.

Etkiler: uzun yolculukların izlenememesi (çerez ömrü kısaldığı için), platformlar arası eşleşmenin zayıflaması, ve dönen kullanıcıların yeni sayılması.

Bu etkilerin ortak sonucu, uzun karar süreli işlerde atıf verisinin giderek daha eksik hâle gelmesidir.

Kısmi çözümler vardır: sunucu taraflı ölçüm, giriş yapmış kullanıcı tanımlaması ve dönüşüm aktarım entegrasyonları. Ancak hiçbiri eski doğruluk seviyesini geri getirmez.

Modellenmiş veri

Ölçülemeyen dönüşümlerin bir kısmı, platformlar tarafından istatistiksel olarak tahmin edilir ve raporlara eklenir.

Bunun bilinmesi gereken sonuçları vardır: raporlardaki bazı dönüşümler gözlenmiş değil tahmin edilmiştir, modellenmiş veri genellikle ayrıştırılamaz, ve bu veri sipariş sistemiyle birebir eşleşmez.

Modellenmiş veri değersiz değildir; ölçüm boşluğunu kapatmaya çalışır. Ancak kesin bir sayı gibi kullanılması yanlıştır.

Pratik yaklaşım, platform verisini yön göstergesi olarak, sipariş sistemi verisini ise gerçek sonuç olarak kullanmaktır.

Çevrimdışı dönüşümler

Satışın bir kısmı çevrimiçi tamamlanmıyorsa, atıf resmi baştan eksiktir.

Bu durum yaygındır: telefonla tamamlanan siparişler, mağazada gerçekleşen satışlar, ve satış ekibinin kapattığı işler.

Çözüm, çevrimdışı dönüşümlerin platformlara geri yüklenmesidir: reklam tıklamasıyla ilişkilendirilebilen bir tanımlayıcı toplanır ve satış gerçekleştiğinde platforma bildirilir.

Bu kurulum, özellikle uzun satış süreçli işlerde atıf kalitesini belirgin biçimde artırır ve reklam platformlarının doğru sinyalle optimize etmesini sağlar.

Atıfın ötesi: artımsallık

Atıf modelleri temel bir soruyu yanıtlayamaz: bu kanal olmasaydı bu satış yine olur muydu?

Bu soru artımsallık sorusudur ve yalnızca deneyle yanıtlanabilir. Yöntem, kanalın bir grup için kapatılması veya kısılması ve toplam sonucun karşılaştırılmasıdır.

Deney sonuçları, atıf raporlarıyla önemli ölçüde farklılaşabilir. Özellikle yeniden pazarlama ve marka arama kampanyalarında, atıf raporundaki yüksek katkının önemli bir bölümü artımsal olmayabilir.

Bu nedenle büyük bütçe kararları, atıf raporuna değil deney sonucuna dayanmalıdır. Yöntem için artımsallık testi rehberimize bakabilirsiniz.

Pazarlama karması modelleme

Kullanıcı düzeyinde izlemeye dayanmayan bir başka yaklaşım, toplam harcama ve toplam sonuç ilişkisinin istatistiksel olarak modellenmesidir.

Avantajları: çerez ve izleme kısıtlamalarından etkilenmez, çevrimdışı kanalları da kapsayabilir, ve doygunluk etkilerini gösterebilir.

Dezavantajları: uzun geçmiş veri gerektirir, kampanya düzeyinde ayrıntı vermez, ve uzmanlık ister.

Bu yaklaşım, atıfın yerini almaz; farklı bir soruya yanıt verir. Büyük ölçekli işlerde her iki yöntemin birlikte kullanılması, tek bir yönteme güvenmekten daha güvenilir bir tablo üretir.

Hangi model seçilmeli?

Model seçimi, iş modeline ve veri hacmine bağlıdır.

Kısa karar süreli, tek kanallı işler: son tıklama yeterli olabilir. Çok kanallı, orta karar süreli işler: veriye dayalı model veya konum tabanlı model. Uzun karar süreli işler: uzun pencere ve ilk temas görünürlüğü önemlidir. Yüksek hacimli işler: veriye dayalı model artı düzenli deneyler.

Ancak asıl öneri şudur: tek bir modele bağlanmayın. Birden çok modelin sonucuna birlikte bakmak ve önemli kararları deneyle doğrulamak, hangi model seçilirse seçilsin daha iyi sonuç verir.

Bütçe kararında kullanım

Atıf verisinin bütçe kararlarında doğru kullanımı, birkaç ilkeye dayanır.

Uygulanması gerekenler: kanal payını tek bir modele göre belirlememek, büyük değişiklikleri kademeli yapmak ve toplam sonucu izlemek, marka ve markasız trafiği ayırmak, ve kararların etkisini toplam sipariş üzerinden doğrulamak.

Son madde en önemlisidir: bir kanalın bütçesi azaltıldığında platform raporundaki dönüşüm düşer ama asıl soru, toplam siparişin düşüp düşmediğidir. Toplam değişmiyorsa, o kanalın raporladığı dönüşümlerin önemli bir bölümü artımsal değildir.

Marka trafiği sorunu

Atıf tartışmasının en pratik sonucu, marka trafiğinin ayrılması gerektiğidir.

Marka aramaları, yolculuğun sonunda gerçekleşir ve son tıklama modelinde yüksek katkı alır. Bu, marka kampanyalarının çok başarılı görünmesine yol açar.

Oysa bu talebin büyük bölümü, diğer kanallar tarafından yaratılmıştır. Marka kampanyası bu talebi hasat eder, üretmez.

Bu nedenle tüm raporlarda marka ve markasız performans ayrı gösterilmelidir. Bu tek düzenleme, atıf kaynaklı yanlış kararların önemli bir bölümünü önler.

Model değiştirme süreci

Atıf modeli değiştirildiğinde geçmiş verilerle karşılaştırılabilirlik bozulur; bu nedenle geçiş planlı yapılmalıdır.

Yapılması gerekenler: değişiklik tarihinin kaydedilmesi, mümkünse bir süre iki modelin paralel izlenmesi, değişimin etkisinin ölçülmesi, ve raporlarda geçiş tarihinin işaretlenmesi.

Ayrıca ekip ve yönetim önceden bilgilendirilmelidir: model değişikliğinden sonra kanal payları değişecek ve bu, performans değişikliği olarak yorumlanabilir.

Bu bilgilendirme yapılmadığında, model kaynaklı bir kayma gerçek bir düşüş sanılarak yanlış müdahalelere yol açar.

Raporlamada sunum

Atıf verisi raporlanırken, sınırlarının da aktarılması gerekir.

Raporda belirtilmesi gerekenler: kullanılan model ve pencere, görüntüleme bazlı dönüşümlerin dâhil olup olmadığı, platform verilerinin toplanamayacağı, ve toplam sonucun hangi kaynaktan alındığı.

Bu notlar, raporu okuyan kişinin yanlış çıkarım yapmasını önler. Özellikle yönetim raporlarında, “kanal katkısı” ile “artımsal katkı” ayrımının açıkça yapılması gerekir.

Bu ayrım yapılmadığında, atıf raporundaki rakamlar iş sonucu gibi okunur ve gerçekleşmeyen bir başarı tablosu oluşur.

Yeni ve tekrar eden müşteri ayrımı

Marka trafiği ayrımıyla aynı mantığa dayanan ikinci bir ayrım, yeni müşteri ile tekrar eden müşteri arasındaki farktır ve çok daha az uygulanır.

Sorun şudur: tekrar eden müşterilerin satın almaları, hangi kanal üzerinden geldiyse o kanala yazılır. Oysa bu müşteriler markayı zaten tanımaktadır ve büyük olasılıkla o kanal olmasa da satın alacaktır.

Bu, özellikle yeniden pazarlama ve marka kampanyalarında yanıltıcı bir başarı tablosu üretir: mevcut müşterilere gösterilen reklamlar, yüksek getiri raporlar ama artımsal katkıları sınırlı olabilir.

Çözüm, dönüşümlerin yeni ve tekrar eden müşteri olarak ayrı raporlanmasıdır. Bunun için müşteri tipinin dönüşüm verisiyle birlikte gönderilmesi gerekir. Bu düzenleme yapıldığında, hangi kanalın gerçekten yeni müşteri getirdiği görünür hâle gelir ve büyüme kararları çok daha sağlam bir zemine oturur.

Sık yapılan 12 hata

• Platform dönüşümlerini toplamak. Aynı satış birden çok kez sayılır.
• Yalnızca son tıklamaya bakmak. Keşif kanalları değersiz görünür.
• Atıf penceresini iş modeline göre ayarlamamak. Sistematik çarpıtma.
• Görüntüleme bazlı dönüşümleri tıklamayla aynı saymak. Katkı şişer.
• Marka trafiğini ayırmamak. Hasat, üretim sanılır.
• Veriye dayalı modeli bütünsel gerçek sanmak. Yalnızca kendi temaslarını görür.
• Modellenmiş veriyi kesin sayı gibi kullanmak. Sipariş sistemiyle eşleşmez.
• Cihazlar arası kaybı hesaba katmamak. Mobil keşif eksik değerlenir.
• Çevrimdışı dönüşümleri geri yüklememek. Atıf baştan eksik kalır.
• Model değişikliğini performans değişikliği sanmak. Yanlış müdahale.
• Büyük bütçe kararlarını deneysiz vermek. Artımsallık bilinmez.
• Raporda model ve pencereyi belirtmemek. Yanlış çıkarım kaçınılmaz.

Glowy, İstanbul merkezli bir dijital pazarlama ajansı olarak GA4, Google Tag Manager ve sunucu taraflı ölçüm kurulumlarını veri katmanından başlayarak yapar. Ayrıntılar için ileri analitik sayfamıza bakabilirsiniz.

Sıkça sorulan sorular

Hangi atıf modeli en doğrusu?

Tek bir doğru model yoktur; her model bir yaklaşımdır ve hiçbiri gerçeği tam yansıtmaz. Kısa karar süreli ve tek kanallı işlerde son tıklama yeterli olabilir; çok kanallı işlerde veriye dayalı veya konum tabanlı modeller daha dengeli sonuç verir; uzun karar süreli işlerde ise uzun pencere ve ilk temas görünürlüğü önem kazanır. Asıl öneri tek bir modele bağlanmamaktır: birden çok modelin sonucuna birlikte bakmak ve önemli kararları deneyle doğrulamak, hangi model seçilirse seçilsin daha iyi sonuç verir.

Platformların dönüşüm sayılarını toplayabilir miyim?

Hayır. Aynı satış birden çok platformda katkı almış olabilir: kullanıcı hem sosyal reklamı görmüş hem arama reklamını tıklamışsa iki platform da o satışı raporlar. Toplandığında ortaya çıkan rakam gerçek sipariş sayısını aşar ve bu fark bazı hesaplarda kayda değer büyüklüktedir. Doğru yaklaşım, toplam sipariş ve geliri sipariş sisteminden almak, platform verilerini yalnızca kanal içi optimizasyon için kullanmaktır. Bu ayrım raporun en üstünde açıkça belirtilmelidir.

Analitik aracı ile reklam platformu neden farklı rakam gösteriyor?

Fark yapısaldır. Reklam platformları kendi temaslarını merkeze alır ve dönüşümü genellikle tıklama tarihine yazar; analitik araçları oturum bazlı çalışır ve dönüşüm tarihine yazar. Ayrıca atıf pencereleri farklıdır, görüntüleme bazlı atıfın dâhil edilip edilmemesi değişir, cihazlar arası eşleştirme yetenekleri farklıdır ve modellenmiş veri kullanımı farklılık gösterir. Bu farklar hata değil tanım farkıdır; sorun, rakamların aynı şeyi ölçtüğü varsayıldığında başlar.

Atıf penceresi ne kadar olmalı?

İş modelinizin gerçek karar süresine göre belirlenmelidir. Pencere uzadıkça daha fazla dönüşüm atfedilir, kısaldıkça daha az; bu, kanalların göreli performansını da değiştirir. Uzun karar süreli ürünlerde kısa pencere, keşif kanallarını sistematik olarak küçültür. Doğru süreyi bulmanın yolu, ilk temas ile dönüşüm arasındaki süre dağılımını incelemektir. Ayrıca farklı platformlarda farklı pencereler tanımlıysa, raporlar arasındaki farkların bir kısmı buradan kaynaklanır.

Veriye dayalı atıf gerçeği yansıtır mı?

Sabit bir kurala göre daha iyi bir yaklaşım sunar ama bütünsel gerçeği yansıtmaz. Sınırları şunlardır: yeterli veri hacmi gerektirir, hesaplama yöntemi genellikle şeffaf değildir, yalnızca ölçülebilen temasları kapsar ve her platformun modeli yalnızca kendi temaslarını görür. Bu son madde kritiktir: “veriye dayalı” ifadesi, sonucun platformlar arası bütünsel katkıyı gösterdiği anlamına gelmez. Gerçek katkıyı yalnızca deney yanıtlar.

Bir kanalın gerçekten katkı ürettiğini nasıl anlarım?

Atıf modelleri bu soruyu yanıtlayamaz; yalnızca deney yanıtlar. Yöntem, kanalın bir grup için kapatılması veya kısılması ve toplam sonucun karşılaştırılmasıdır. Deney sonuçları atıf raporlarıyla önemli ölçüde farklılaşabilir; özellikle yeniden pazarlama ve marka arama kampanyalarında atıf raporundaki yüksek katkının önemli bir bölümü artımsal olmayabilir. Bu nedenle büyük bütçe kararları atıf raporuna değil deney sonucuna dayanmalıdır.

Terimler sözlüğü

• Atıf: Dönüşümün bir veya birden çok temasa yazılması.
• Atıf penceresi: Temasın dönüşümle ilişkilendirilebileceği azami süre.
• Temas noktası: Kullanıcının markayla karşılaştığı her etkileşim.
• Kural tabanlı model: Katkıyı sabit bir kurala göre dağıtan model.
• Veriye dayalı model: Katkıyı gözlenen veriden öğrenerek dağıtan model.
• Görüntüleme bazlı atıf: Tıklanmamış ama görülmüş reklama katkı yazılması.
• Artımsallık: Kanalın var olmasıyla oluşan ek sonuç.
• Modellenmiş veri: Ölçülemeyen dönüşümlerin istatistiksel tahmini.

Özet

Atıf modeli, bir dönüşümün hangi temasa yazılacağını belirleyen kuraldır ve doğrudan bütçe dağılımını etkiler. Hiçbir model gerçeği tam yansıtmaz; hepsi ölçülebilen temaslar üzerinde çalışan bir yaklaşımdır.

Pratikte en çok zarar veren üç uygulama şudur: platform dönüşümlerini toplamak, yalnızca son tıklamaya bakmak, ve marka trafiğini ayırmamak. Bu üçü birlikte, keşif kanallarının değersiz görünmesine ve yanlış bütçe kesintilerine yol açar.

En sağlam yaklaşım katmanlıdır: kanal içi optimizasyon için platform verisi, kanallar arası karşılaştırma için analitik, toplam sonuç için sipariş sistemi, ve büyük kararlar için deney. Atıf raporu bir yön göstergesidir; kanalın gerçekten değer üretip üretmediğini yalnızca kapattığınızda ne olduğu gösterir.

İlgili içerikler: artımsallık testi, dönüşüm takibi, bağlantı işaretleme, sunucu taraflı ölçüm.