Dijital pazarlama ilişkilendirme modelleri rehberi

Genel bakış

İlişkilendirme (attribution) modelleri, bir dönüşüm veya gelir elde edildiğinde farklı pazarlama temas noktalarına ne oranda kredi verileceğini tanımlar. Rehber, yaygın kural tabanlı modelleri (ilk dokunuş, son dokunuş, doğrusal, zaman-ağırlıklı, pozisyon bazlı) ve veri odaklı yaklaşımları karşılaştırır; ayrıca veri kalitesi, kimlik eşleştirme (ID stitching) ve model doğrulama adımlarına odaklanır.

Adım adım uygulama

1) Hedefleri tanımlayın — Öncelikle hangi dönüşümlerin (satın alma, lead, kayıt) stratejik olduğunu ve hangi zaman penceresinin (lookback window) uygun olduğunu belirleyin. 2) İzleme altyapısını kurun — Google Analytics 4, Google Tag Manager (ve gerekirse server-side tagging), reklam platformu dönüşüm takipleri (Google Ads, Microsoft Ads, Meta Conversion API) ve bir veri aktarım hattı (ör. GA4 → BigQuery) kurun. 3) ID stratejisi tasarlayın — kullanıcıları cihazlar ve oturumlar arasında eşleyebilmek için user_id, first-party cookie veya login-based identifier kullanın. 4) Model seçimi ve uygulama — kural tabanlı bir modelle başlayın veya veri odaklı model varsa test edin; veri odaklı model için yeterli ve kaliteli veri gerekir. 5) Doğrulama ve A/B testi — model çıktılarının makul olup olmadığını kontrol edin, kanıtlanmış sapma varsa model parametrelerini değiştirin. 6) Raporlama ve eylem — Looker Studio, BigQuery sorguları veya BI araçlarıyla raporlayın ve pazarlama bütçesini öğrenilenlere göre yeniden dağıtın.

Modeller: kısa karşılaştırma (kural tabanlı vs veri odaklı)

Kural tabanlı modeller (basit, deterministik):

• İlk dokunuş — Pro: yeni kullanıcı kazanımlarını ve üst-funnel etkileşimleri vurgular. Konu: çoklu temas noktalarının katkısını küçültür.
• Son dokunuş — Pro: dönüşümün hemen öncesindeki etkenleri öne çıkarır; Konu: üst-funnel yatırımını göremez.
• Doğrusal — Pro: tüm temas noktalarına eşit kredi verir; Konu: yüksek/az etkili temasların ayrımını yapmaz.
• Zaman-ağırlıklı — Pro: yakın tarihlilere daha fazla kredi verir; Konu: kampanya uzunluğu ve gecikme etkilerini göz önüne almalı.
• Pozisyon bazlı (örn. %40 ilk, %40 son, %20 arası) — Pro: hem üst hem alt funnelı dengeler; Konu: yüzdeler varsayımsaldır ve sektöre göre ayarlanmalı.

Veri odaklı/algoritmik modeller (istatistiksel/ML tabanlı):

• Veri odaklı modeller, her temas noktasının dönüşüm ihtimaline katkısını geçmiş veriye göre tahmin eder. Pro: daha ince ayrım yapabilir ve kanal karmasını daha gerçekçi yansıtabilir. Konu: güvenilir sonuç için temiz, yeterli ve birleşik (unified) veriye ihtiyaç duyar; şeffaflık ve explainability (açıklanabilirlik) bakımından manuel modeller kadar sezgisel olmayabilir.

Doğrulama ve hata ayıklama: teknik kontrol listesi

**Dönüşüm olayı tetiklenmesi** — nerede doğrulanır — başarılı geçiş şartı: Google Analytics 4 veya reklam platformu dönüşüm raporunda beklendiğiniz örnek olayların görünmesi (gerçek zamanlı testlerle).

**ID eşleştirme (stitching)** — nerede doğrulanır — başarılı geçiş şartı: kullanıcı oturumları cihazlar arasında uygun şekilde bağlanıyor; BigQuery veya GA4 export verisinde aynı user_id ile birden fazla oturum görünmesi.

**Etiket/piksel teslimi** — nerede doğrulanır — başarılı geçiş şartı: Chrome DevTools Network ve curl ile pixel/endpoint çağrıları beklenen payload ile dönüyor; gerekiyorsa server-side endpoint doğru yanıt veriyor.

**Veri bütünlüğü ve gecikmeler** — nerede doğrulanır — başarılı geçiş şartı: Looker Studio raporları ve BigQuery sorguları beklenen veriyi zamanında gösteriyor; gecikme varsa dönüşüm zaman damgası ile olay zaman damgası arasındaki sapma belgelenmiş olmalı.

**Kanallar arası tutarlılık** — nerede doğrulanır — başarılı geçiş şartı: Google Ads/Microsoft Ads/Meta raporları ile GA4 eşleşmeleri makul aralıkta; büyük tutarsızlıklar izleme/parametre veya atıf penceresi farklılıklarından kaynaklanabilir.

Pratik kontrol listesi (kısa format)

**Etkin olay tanımları** — Google Analytics 4 / GA4 Event report — passes when event appears in realtime and export.
**Etiket teslimi** — Chrome DevTools / curl — passes when network shows successful POST/GET to tracking endpoints.
**ID eşleştirme** — BigQuery export veya server logs — passes when user_id değerleri birleşik kullanıcı yolunu gösterir.
**Dönüşüm gecikmesi** — Looker Studio zaman serileri — passes when reporting window matches business reality.
**Ad platforms mapping** — Google Ads/Microsoft/Meta dashboards — passes when conversion counts align within expected variance.

Yaygın sorunlar

• Eksik veya çakışan etiketler — Aynı dönüşüm için farklı platformlarda farklı tetikleyiciler varsa double-counting veya under-counting oluşabilir. • Kimlik kopması — Cihazlar ve tarayıcılar arasında user_id yoksa kullanıcı yolunu doğru ilişkilendirmek zorlaşır. • Atıf penceresinin yanlış seçimi — Çok kısa bir lookback window üst-funnel etkinlikleri gözden kaçırır; çok uzun bir pencere yüksek rastlantısal ilişkiler ekler. • Veri gizliliği ve first-party stratejileri — Üçüncü taraf çerezlerin azalması, gerekiyorsa server-side tagging ve conversion API kullanımı gerektirir. • Kural tabanlı model yanlış yorumlama — Son dokunuşun üstünlüğü, üst-funnel kanalların katkısını görmemenize neden olabilir; bu durum bütçe dağılımını yanıltabilir.

Doğrulama araçları ve nasıl kullanılır

Kullandığınız araçlar ve kısa kullanım notları:
• Google Analytics 4 (GA4) — olayı tetikleyip realtime ve event exports ile kaydı doğrulayın; BigQuery export varsa ham veride sorgu ile kontrol edin.
• Google Tag Manager & server-side tagging — tarayıcı ve sunucu tarafı çağrılarının ikisini de test edin; sunucu tarafında veri kaybı olup olmadığını inceleyin.
• Looker Studio — farklı model çıktıları için panolar hazırlayın ve görsel olarak anormallikleri tespit edin.
• Google Ads / Microsoft Ads / Meta — platform dönüşüm sayıları ile GA4 karşılaştırın; dönüşüm pencereleri ve deduplication ayarlarını kontrol edin.
• Chrome DevTools ve curl — pixel/endpoint çağrılarının ağ seviyesinde gönderilip gönderilmediğini doğrulayın (curl -I yalnızca başlıkları gösterir; payload incelemek için curl ile tam isteği gönderin).
• BigQuery veya veri ambarı — modellerinizi ham olay düzeyinde yeniden hesaplamak ve segment bazlı doğrulama yapmak için kullanın.

Not: indexleme ve arama motoru davranışları ile ilgili bir doğrulama gerekiyorsa şunu unutmayın: tarama (crawling), dizine ekleme (indexing) ve sıralama (ranking) üç ayrı aşamadır. İlişkilendirme modelleri dönüşüm kredisi dağıtır; sayfanın Google tarafından dizine eklenip eklenmemesi organik görünürlük ve organik trafik miktarını etkiler, ancak dizine eklenme doğrudan atıf kurallarını belirlemez.

Daha fazla teknik kontrol için: Teknik SEO Rehberi'ni okuyun

Sıkça sorulan sorular