ATTRIBUTION MODELLERİNİ KARŞILAŞTIRMAK

"Google Ads diyor ki bu ay 1200 sipariş ben getirdim. Meta diyor ki 950. GA4'te toplam sipariş 1500. Matematik tutmuyor." Pazarlama ekiplerinin sıkça karşılaştığı bu çelişki rakamların yanlışlığından değil; her platformun aynı dönüşümü kendi açısından kendine kredi vermesinden kaynaklanır.

Attribution (atıf), bir dönüşüm gerçekleştiğinde müşterinin gördüğü hangi reklam, kanal veya tıklamaya o dönüşümün kredilendirildiğini belirler. Doğru attribution modeli olmadan pazarlama bütçesi körü körüne dağıtılır: çalışmayan kanallara para akar, gerçekte değer üreten kanallar fark edilmez.

Last click'ten linear'a, time decay'den data-driven'a — her attribution modeli aynı dönüşüm hikâyesini farklı anlatır ve hangisini seçtiğiniz, bütçenin hangi kanala akacağını belirler. Modellerin mantığı tek tek anlaşıldığında seçim, sektörünüzün satın alma yolculuğuna göre kendiliğinden netleşir.

Attribution Nedir, Neden Önemli

Müşteri yolculuğu bugün artık tek dokunuşla bitmez. Tipik bir online satın alma yolu:

1. Instagram reklamından markayı öğrenir.
2. İki gün sonra Google'da marka adını arar.
3. Bir hafta sonra YouTube'da ürün incelemesi izler.
4. Üç gün sonra retargeting reklamına tıklar.
5. Aynı gün e-posta kampanyasından sepetine ekler.
6. Akşam direkt siteye girip alır.

Bu altı temasın hangisi satışı "yarattı"? Hepsi katkı sağladı, ama farklı oranlarda. Attribution modeli bu katkıları nasıl bölüştüreceğimizi tanımlar; her modelin GA4'te nasıl yapılandırıldığı Google Analytics yardım kaynaklarında ayrıntılı anlatılır.

Yanlış attribution = yanlış bütçe dağılımı. Çalışan kanalı kapatıp çalışmıyan kanala bütçe akıtmak; her ay aynı para harcamasına rağmen ciro düşmek; bu hatanın tipik sonuçlarıdır.

Temel Attribution Modelleri

Standart modeller şunlar:

1. Last Click (Son Tıklama)

Tüm krediyi son tıklamaya verir. En basit, uzun yıllar default olan model.

Avantaj: Hesaplaması kolay; "kapanış vurgulu" — satış anında hangi kanal devredeyse o önemli.

Dezavantaj: Funnel başındaki keşif kanalları (sosyal medya, display, content) ödüllendirilmez. Bu, sosyal medya reklamlarını "verimsiz" göstererek tehlikeli kararlara yol açar.

En çok kullanım: Direct response performans pazarlama, kısa karar döngüleri (düşük fiyatlı ürün, anlık satın alma).

2. First Click (İlk Tıklama)

Krediyi ilk tıklamaya verir. Last click'in zıt kutbu.

Avantaj: Keşif kanalı vurgulu — müşteriyi sisteme ilk getiren temas ödüllendirilir.

Dezavantaj: Kapanışa yakın etkileşimlerin (retargeting, e-posta, son sepet hatırlatması) önemi yok sayılır.

En çok kullanım: Marka farkındalığı odaklı kampanyalar, yeni müşteri kazanım analizi.

3. Linear (Doğrusal)

Krediyi tüm temas noktalarına eşit dağıtır. 5 dokunuş varsa her birine %20.

Avantaj: Demokratik; hiçbir aşamayı es geçmez. Tüm kanalları gösterir.

Dezavantaj: Gerçeği yansıtmaz; tüm dokunuşların eşit etkisi olmaz. İlk göz açıcı ve son kapanış dokunuşu genelde daha güçlüdür.

En çok kullanım: Uzun karar döngülerinde (B2B, yüksek fiyatlı tüketim), tüm temaslara minimum kredi vermek istendiğinde.

4. Time Decay (Zaman Bazlı Azalış)

Satışa yakın dokunuşlara daha fazla, uzaktakilere daha az kredi verir. Eksponansiyel azalış.

Avantaj: Yolculuk zaman boyutunu yansıtır; haftalar önce gerçekleşen ile dün gerçekleşen aynı ağırlıkta değil.

Dezavantaj: First click'in değerini düşürür. Marka farkındalığı kampanyaları bu modelde zayıf görünebilir.

En çok kullanım: Orta-uzun karar döngüleri, retargeting yoğun kampanyalar.

5. Position-Based (U-Shaped, 40/20/40)

İlk ve son tıklamaya %40, ortadakilere kalan %20'yi eşit dağıtır.

Avantaj: Hem keşfi hem kapanışı önemser. "Tanımak ve almak" iki kritik anı vurgular.

Dezavantaj: Sabit yüzde dağılımı; gerçek müşteri davranışını yansıtmayabilir.

En çok kullanım: Multi-touch yolculuklar, hem awareness hem dönüşüm kanallarını birlikte değerlendirme.

6. Data-Driven Attribution (DDA)

Makine öğrenmesi ile gerçek müşteri yolculuklarından öğrenir. Hangi temasın ne kadar etkisi olduğunu istatistiksel olarak hesaplar.

Avantaj: Gerçeğe en yakın; her kanalın gerçek katkısı veri tabanlı.

Dezavantaj: Yeterli veri gerektirir (Google Ads min 3.000 etkileşim / 30 gün); küçük hesaplarda kullanılamaz. Şeffaflık az — "algoritma neden böyle hesapladı?" net cevap yok.

En çok kullanım: Yüksek hacimli e-ticaret, kompleks multi-channel kampanyalar. Google Ads 2024'ten itibaren default model olarak data-driven kullanıyor.

Model Karşılaştırma Tablosu

Doğru model, sektör, karar döngüsü uzunluğu, kanal çeşitliliği ve veri hacmine göre değişir.

Hangi Model Hangi İş Modeli

Sektör bazlı tipik öneri:

• Düşük fiyatlı e-ticaret (anlık satın alma): Last click veya time decay yeterli. Karar süresi kısa, son temas çoğunlukla belirleyici.
• Orta fiyat e-ticaret (haftalar süren karar): Position-based veya data-driven. Hem keşif hem kapanış önemli.
• Yüksek fiyat / lüks ürün: Data-driven en doğru; karar yolu uzun ve karmaşık, sabit kurallar gerçeği yansıtmaz.
• B2B / SaaS: Linear veya time decay başlangıç için iyi; veri biriktikçe data-driven'a geçiş. Karar 3-6 ay sürebilir.
• Marka farkındalığı kampanyası: First click + supplementary linear; keşfi vurgulayan kombinasyon.
• Mobile app install: Mostly last click + view-through attribution. Mobile attribution ayrı bir teknik konu.

Cross-Device ve Privacy Etkisi

Modern attribution'un zorlaştığı iki büyük faktör:

Cross-device: Kullanıcı iPad'de reklam görür, telefonda araştırır, laptop'tan satın alır. Eğer kullanıcı giriş yapmıyorsa veya cross-device tracking'i yoksa bu yolculuğu birleştirmek mümkün değil.

Privacy: iOS 14.5 IDFA değişikliği, üçüncü parti cookie kaybı, GDPR/CCPA. Cookie-tabanlı attribution giderek daha az veri toplayabiliyor.

Bu yüzden modern attribution stratejileri:

• First-party veri toplama (e-posta, hesap, login)
• Server-side tracking (Facebook Conversion API, server-side GTM)
• Probabilistic matching (kesin değil ama istatistiksel eşleştirme)
• Marketing Mix Modeling (MMM) — tek tek kullanıcı yerine aggregate bazlı analiz
• Incrementality testing — bir kanalı kapatıp gerçek katkıyı ölçme

İki Model Arası Karar

"Last click mi yoksa data-driven mı?" sorusu pratikte sıkça yaşanır. Karar kriteri:

• Veri hacmi yeterli mi? (DDA için min 3000 dönüşüm/30 gün)
• Multi-touch yolculuk yaygın mı yoksa çoğu satın alma single-touch mu?
• Funnel başı (awareness) kanalları kullanılıyor mu?
• Karar verici ekip kompleksiteyi yönetebilir mi?

Eğer veri ve kanal çeşitliliği yeterliyse data-driven her zaman daha doğru. Eğer küçük hesapsa ve karar döngüsü kısa ise last click pratik kalır.

Tek Model Yetmez — Çok Bakış Açısı

Profesyonel pazarlama yönetimi tek modele bağlı kalmaz. Aynı veriyi farklı modellerle bakıp anlamlandırır:

• Last click: "Hangi kanal kapanışı yapıyor" sorusunu cevaplar.
• First click: "Hangi kanal keşif yapıyor" sorusunu.
• Linear: "Hangi kanallar genel yolculukta yer alıyor" sorusunu.
• Data-driven: "Gerçek katkı dağılımı nedir" sorusunu.

Tek bir modelden alınan rakam yanıltıcı olabilir; aynı kampanyanın farklı modellerde nasıl göründüğüne bakmak daha sağlıklı karar verdirir. GA4 platformu birden çok model arasında karşılaştırma yapma özelliği sunar; bu özelliği etkin kullanmak değerlidir.

Incrementality Test — Gerçek Etki Ölçümü

Hiçbir attribution modeli gerçek nedensel ilişkiyi tam vermez. "Bu kanalı kapatırsam ne olur?" sorusunun cevabını ancak incrementality test verir.

Yöntem:

1. Test grubu belirle (örn. belirli coğrafi bölge).
2. O grupta bir kanalı geçici olarak kapat (örn. 2 hafta).
3. Aynı kanal aktif olan kontrol grubuyla karşılaştır.
4. Fark "incremental lift" — kanalın gerçek katkısı.

Bu yöntem pahalı; gelir kaybı olabilir. Ama büyük markalar için yıllık bir kez yapılması bütçe kararlarını çok iyileştirir. Konuyu uçtan uca öğrenmek isteyenler için kapsamlı dijital pazarlama eğitimi attribution modellerini, ölçüm metodolojilerini ve performans yönetimini detaylı olarak işler.

Pratik Aksiyon Listesi

Attribution'u olgunlaştırmak için adımlar:

1. Mevcut model ne, default'lara güveniyor musunuz, inceleyin.
2. GA4'te attribution model comparison raporunu açın; aynı dönüşümün farklı modellerde nasıl göründüğünü görün.
3. Şüpheli kanallar belirleyin: bir model çok ödüllendiriyor, diğer model hiç görmüyor.
4. Multi-touch yolculuğu analiz edin: ortalama temas sayısı, en yaygın yollar.
5. Funnel başı kanallarının (sosyal, display) gerçek katkısını sorgulayın.
6. Yeterli veri varsa data-driven'a geçin.
7. Yılda 1-2 kez incrementality test yapın, gerçek lift'i ölçün.
8. Cross-device ve first-party veri stratejisini güçlendirin.

Bu adımlar dijital pazarlama olgunluğunun temel taşları. Attribution'a hakim bir ekip yanlış bütçe kararından kaçınır, gerçek performansı görür, kalıcı büyüme inşa eder.

Yaygın Yanılgılar

• "Last click yeterli, basit olan en iyisi": Multi-touch yolculukta keşif kanallarına haksızlık. Bütçe akan yere değil, gerçek katkı yapan yere gitmeli.
• "GA4 ve Google Ads aynı veriyi gösterir": Hayır; Google Ads kendi platform içi attribution kullanır, GA4 cross-platform bütünleşik bakar. Farkları normal.
• "Data-driven her zaman doğru": Veri yetersizse veya model anlaşılamıyorsa yanıltıcı. Kara kutu olmaktan kaçınmak için kontrol modelleriyle karşılaştırılmalı.
• "Attribution = ROI": Attribution dönüşümleri böler; ROI bütçe ve gelirin oranıdır. İkisi farklı katmanlar.
• "Modeli yılda bir kez seçeriz, sabit kalır": Pazarlama miks değişir, kanal çeşitliliği artar, model gözden geçirilmeli. Yarı yıllık review iyi.

Attribution bir matematiksel egzersiz değil; pazarlama liderliğinin temel araçlarından. Doğru model + doğru yorum + sürekli iyileştirme ile pazarlama bütçesi gerçekten değer üreten yere akar. Tek model fanatizmi yerine çok bakış açılı bir yaklaşım bugünün karmaşık dijital ortamında daha başarılı sonuç verir.