Atribüsyon modelleri, bir dönüşümün kredisini kullanıcının temas ettiği reklamlar arasında dağıtır. Ancak bu modellerin cevaplayamadığı bir soru vardır: reklam hiç gösterilmeseydi bu dönüşüm yine gerçekleşir miydi?
Markasını zaten bilen ve satın almaya kararlı bir kullanıcı, yolda bir yeniden pazarlama reklamı görüp tıklayabilir. Atribüsyon bu satışı reklama yazar. Oysa reklam olmasaydı kullanıcı siteye doğrudan gelip aynı satın almayı yapabilirdi. Reklamın gerçek katkısını ölçmek için atribüsyonun ötesine geçen iki yöntem kullanılır: artımlılık testi ve medya karması modeli. Atribüsyonun kendisi Attribution Modeli Nedir? yazısında anlatılıyor.
Üç Yöntem, Üç Farklı Soru
| Ölçüt | Atribüsyon | Artımlılık testi | Medya karması modeli (MMM) |
|---|---|---|---|
| Veri düzeyi | Kullanıcı ve tıklama | Test ve kontrol grubu | Haftalık veya bölgesel toplam veri |
| Nedensellik | Kanıtlamaz | Kanıtlar | Modelle tahmin eder |
| Hız | Anlık | Haftalar | Aylar |
| Kapsam | Genellikle tek platform | Tek kampanya veya kanal | Tüm kanallar, çevrimdışı dahil |
| Çerez ve izin kaybından etkilenme | Yüksek | Düşük | Çok düşük |
Artımlılık Testi Nasıl Çalışır?
Artımlılık testi, hedef kitleyi rastgele iki gruba ayırır. Test grubu reklamı görür, kontrol grubu görmez. Test süresi sonunda iki grubun dönüşüm oranı arasındaki fark, reklamın gerçek etkisini gösterir. Bu fark “artımlı dönüşüm” veya “lift” olarak adlandırılır.
Kontrol grubu testin temelidir. Kontrol grubunda gerçekleşen dönüşümler, reklam olmasaydı zaten gerçekleşecek olan dönüşümleri temsil eder. Atribüsyonun ayırt edemediği şey tam olarak budur.
Google Ads Conversion Lift
Google Ads, bu testi Conversion Lift adıyla sunar. Test kullanıcı bazlı veya coğrafya bazlı kurulabilir. Google’ın dokümanındaki temel koşullar şunlardır:
- Hesapta en az bir uyumlu dönüşüm işleminin izleniyor olması gerekir.
- Test süresinin en az 14 gün olması önerilir. Google, dönüşüm gecikmesi uzun olan ve 14 günden kısa süren testlerde mutlak lift değerinde %17’ye varan düşüş gözlemlediğini belirtir.
- Testin istatistiksel gücü %90’ın altındaysa Google bütçe önerisi sunar. Süreyi uzatmak veya bütçeyi artırmak testin gücünü yükseltir.
- Sonuç, %50 ile %95 arasında değişen bir kesinlik aralığıyla raporlanır.
Coğrafi testlerde bölge seçimi
Coğrafi test, kullanıcı yerine bölgeleri test ve kontrol gruplarına ayırır. Bu yöntem çerez veya giriş verisine ihtiyaç duymadığı için gizlilik kısıtlarından daha az etkilenir.
Türkiye’de coğrafi test kurarken en büyük zorluk bölgelerin karşılaştırılabilirliğidir. İstanbul tek başına pazarın çok büyük bir kısmını oluşturduğu için hiçbir ille eşleştirilemez. Bu yüzden İstanbul genellikle testin dışında tutulur. Satış geçmişi, nüfus ve mevsimsellik açısından benzer iller eşleştirilir. Örneğin bir ilde kampanya durdurulup benzer özellikteki başka bir ilde sürdürülür ve iki ilin satış farkı ölçülür. Google’ın açık kaynaklı Meridian GeoX kütüphanesi bu tür deneyleri farklı reklam platformlarında kurmak için tasarlanmıştır.
Medya Karması Modeli (MMM) Nasıl Çalışır?
Medya karması modeli, kullanıcı düzeyinde veri kullanmaz. Bunun yerine her kanalın haftalık harcaması ile toplam satışlar arasındaki ilişkiyi istatistiksel olarak modeller. Modele mevsimsellik, fiyat değişiklikleri, promosyonlar ve rakip hareketleri gibi reklam dışı etkenler de eklenir.
Google’ın açık kaynaklı modeli Meridian, Bayesyen istatistik yöntemleri kullanır. Model kanal bazında yatırım getirisi, azalan getiri eğrileri ve bütçe optimizasyonu önerileri üretir. Azalan getiri eğrisi, bir kanala eklenen her ek liranın ne kadar daha az sonuç getirdiğini gösterir. Bu eğri, “bütçe artırılırsa ne olur?” sorusuna atribüsyonun veremeyeceği bir cevap verir.
MMM’in veri ihtiyacı
Modelin mevsimsel döngüleri ayırt edebilmesi için uzun bir zaman serisine ihtiyaç vardır. Pratikte en az iki yıllık haftalık harcama ve satış verisi yaygın bir başlangıç noktasıdır. Kanal harcamalarının zaman içinde değişmiş olması da önemlidir. Her hafta aynı bütçeyle çalışan bir kanalın etkisini model ayırt edemez.
Bu veri ihtiyacı nedeniyle MMM, genellikle birden fazla kanalda anlamlı bütçe harcayan ve düzenli satış verisi tutan işletmeler için uygundur.
Üç Yöntem Birlikte Nasıl Kullanılır?
Üçünün birlikte çalıştırılması pahalıdır. Orta ölçekli işletmeler için realist bir ritim şu şekildedir:
| Sıklık | Aktivite |
|---|---|
| Günlük ve haftalık | Teklif, kreatif ve bütçe pacing kararları için platform atribüsyonu |
| Üç aylık | En büyük veya en tartışmalı kanala bir artımlılık testi |
| Altı aylık | Test sonuçlarıyla kalibre edilmiş MMM güncellenmesi |
| Yıllık | MMM yanıt eğrilerine dayalı bütçe planlama |
Testler modelin doğruluğunu sağlar, model de atribüsyonu bağlama oturtur.
Sık Yapılan Hatalar
İlk hata, yeniden pazarlama kampanyalarının atribüsyondaki yüksek ROAS değerini gerçek etki kabul etmektir. Yeniden pazarlama, zaten satın almaya yakın kullanıcılara gösterildiği için artımlılık testlerinde çoğu zaman atribüsyonun gösterdiğinden daha düşük etki çıkarır.
İkinci hata, testi erken bitirmektir. Birkaç gün içinde görülen fark, dönüşüm gecikmesi nedeniyle gerçek etkiyi yansıtmayabilir.
Üçüncü hata, MMM sonucunu kesin bir gerçek gibi okumaktır. Model bir tahmindir. Deney verisiyle kalibre edilmemiş bir model, varsayımlarındaki hataları sonuçlara taşır.
Özet
Atribüsyon hangi reklamların dönüşümden önce görüldüğünü söyler ama nedensellik kanıtlamaz. Artımlılık testi, kontrol grubuyla reklamın gerçek etkisini ölçer. Medya karması modeli ise tüm kanalların toplam veriyle etkisini tahmin eder ve bütçe dağılımı önerir. Üç yöntem birlikte kullanıldığında atribüsyonun hızı, testin kesinliği ve modelin kapsamı birleşir.