Türkiye’de orta ölçekli bir e-ticaret sitesi hangi attribution modeline güvenmeli?

Kısa cevap: tek bir modele güvenmemeli. Günlük optimizasyon için GA4’teki data-driven attribution raporlarını, kanalları kendi aralarında karşılaştırmak için ise BigQuery üzerinde kurulmuş sabit bir last click referansını kullanın. Meta ve Google Ads panellerindeki dönüşümleri yalnızca platform içi optimizasyon sinyali olarak okuyun, bütçe kararının kaynağı yapmayın. Harcamanın gerçekten ek satış getirip getirmediğini ise hiçbir attribution modeli söylemez, bunun için incrementality testleri ve zamanla bir MMM gerekir.

Aşağıda bu ayrımın nedenlerini ve aylık birkaç milyon TL ciro yapan, pazarlama bütçesini ağırlıklı olarak Meta ve Google Ads arasında bölen bir mağaza için uygulanabilir bir çerçeveyi anlatıyorum.

Asıl sorun model seçimi değil, kimin saydığı

Orta ölçekli bir e-ticaret ekibinde ay sonu toplantısı genellikle aynı şekilde başlar. Meta Ads Manager 1.400 satın alma gösterir, Google Ads 1.100, GA4 ise toplamda 1.850 sipariş kaydeder. Ödeme altyapısındaki gerçek sipariş sayısı 1.950’dir ve bunların önemli bir kısmı organik arama, doğrudan trafik, e-posta ve SMS kaynaklıdır. Reklam panellerini alt alta topladığınızda şirket, gerçekte yaptığından çok daha fazla ücretli satış yapmış gibi görünür.

Bu tablo bir kurulum hatası değildir. Her sistemin kendi kurallarıyla saymasının doğal sonucudur. Attribution tartışması çoğu zaman “last click mi, data-driven mı” sorusuna indirgenir, ama pratikte daha önemli bir ayrım var: dönüşümü sayan sistem, reklam envanterini satan sistemle aynı mı? Aynıysa, o rakamı bir hakem değil taraf olarak okumak gerekir.

Meta ve Google Ads aynı siparişi nasıl sahipleniyor

Somut bir senaryo düşünelim. Bir kullanıcı sabah Instagram’da ürün reklamını görür, tıklamadan geçer. Akşam Google’da marka adını arar, markalı arama kampanyasındaki reklama tıklar ve satın alır.

Meta, varsayılan 7 günlük tıklama ve 1 günlük görüntüleme penceresiyle bu siparişi kendi hanesine yazar, çünkü kullanıcı son 24 saat içinde reklamı görmüştür. Google Ads, son tıklama kendi reklamına ait olduğu için aynı siparişi sahiplenir. GA4 ise Meta görüntülemesini hiç görmez, oturumu google / cpc olarak kaydeder. Tek bir sipariş, iki panelde iki ayrı dönüşüm olarak raporlanır.

Bunun üzerine Conversions API ile gelen modellenmiş dönüşümler, Consent Mode kapsamında izin vermeyen kullanıcılar için yapılan tahminler ve iOS tarafındaki sinyal kayıplarını telafi eden istatistiksel modelleme eklenir. Sonuçta her platform, kendi gördüğü dünyada makul, toplamda ise tutarsız bir rakam üretir.

GA4’te last click ile data-driven attribution arasındaki gerçek fark

GA4’te raporlama attribution modeli olarak iki seçenek kaldı: data-driven ve paid and organic last click (Google’ın ücretli kanallara öncelik veren last click varyantını da ayrıca sunuyor). Data-driven model, dönüşümle biten yolları dönüşmeyen yollarla karşılaştırıp her temas noktasına kısmi kredi verir. Last click ise krediyi, doğrudan trafik hariç son kanala yazar. Modellerin nasıl çalıştığını ve hangi raporları etkilediğini Google’ın GA4 attribution yardım sayfasında okuyabilirsiniz.

Pratikte sık gözden kaçan üç nokta var:

Birincisi, model seçimi GA4’teki her raporu etkilemez. Traffic acquisition raporundaki session_source gibi session kapsamlı boyutlar her zaman oturumun kendi kaynağını gösterir. Model yalnızca event kapsamlı dönüşüm boyutlarını, Advertising bölümündeki raporları ve Google Ads’e aktarılan dönüşümleri değiştirir. Ekipte iki kişi “GA4’e baktım” deyip farklı rakamlar söylüyorsa, büyük olasılıkla farklı kapsamdaki boyutlara bakıyorlardır.

İkincisi, data-driven attribution yalnızca GA4’ün gördüğü temasları dağıtır. Meta’daki görüntülemeler, influencer içerikleri, televizyon ya da açık hava bu hesabın içinde değildir. Model “daha adil” görünür, ama yalnızca ölçülebilen tıklamalar arasında adildir.

Üçüncüsü, data-driven attribution bir kara kutudur ve geriye dönük değişir. Model ayarını değiştirdiğinizde geçmiş raporlar da yeniden hesaplanır. BigQuery export’ta ise data-driven kredi yer almaz, yalnızca oturum ve kullanıcı bazlı kaynak alanları bulunur. Bu yüzden uzun dönemli karşılaştırmalar için GA4 arayüzü tek başına yeterli değildir.

Orta ölçekli bir mağazada iki model arasındaki fark genellikle üst huni kanallarında belirginleşir. Last click, Meta prospecting kampanyalarını ve YouTube’u cezalandırır, markalı arama ile retargeting’i ödüllendirir. Data-driven model bu dengesizliği bir miktar yumuşatır, ama görüntüleme etkisini göremediği için tamamen düzeltemez.

Conversion window ayarları ROAS’ı nasıl şişiriyor

ROAS rakamını belirleyen şey çoğu zaman modelden çok penceredir. Meta’da 1 günlük görüntüleme penceresi açıkken, özellikle geniş kitlelere yüksek frekansla gösterim yapan kampanyalarda, zaten satın alacak olan kullanıcıların siparişleri de reklama yazılır. Aynı kampanyanın panel ROAS’ı 6 görünürken yalnızca 7 günlük tıklama penceresiyle 3,5’e, GA4 last click görünümünde ise 1,8’e inmesi olağandışı bir durum değildir.

Google Ads tarafında birçok dönüşüm aksiyonunun varsayılan tıklama penceresi 30 gündür. GA4’te ise acquisition key event’leri için 7 ya da 30 gün, diğer key event’ler için 30, 60 ya da 90 gün seçilebilir. Üç sistem farklı pencerelerle çalışırken ROAS karşılaştırması yapmak, farklı cetvellerle ölçülmüş boyları kıyaslamaya benzer.

Pencereyi seçerken ürünün satın alma döngüsüne bakın. Türkiye’de taksitli ödeme, yüksek sepet tutarları ve kampanya dönemlerini bekleme alışkanlığı, elektronik ya da mobilya gibi kategorilerde karar süresini uzatır. Kozmetik ya da hızlı tüketimde ise siparişlerin büyük kısmı ilk birkaç gün içinde gelir. GA4 export’ta ilk ziyaret ile satın alma arasındaki gün farkının dağılımına bakmak, pencereyi tahminle değil veriyle belirlemenizi sağlar.

Bir kanalın kendi dönüşümünü kendisinin sayması, öğrencinin kendi sınav kağıdını okumasına benzer. Rakamı optimizasyon için kullanın, bütçe kararını tarafsız bir kaynağa danışarak verin.

BigQuery ile tarafsız bir referans tablo kurmak

Platformlardan bağımsız, zaman içinde değişmeyen ve herkesin aynı şekilde okuyabildiği bir referansa ihtiyacınız var. GA4 BigQuery export bunun için iyi bir başlangıç noktası. session_traffic_source_last_click alanı, her event’e o oturumun last click kaynağını, Google Ads kampanya bilgisi dahil olacak şekilde yazar. Aşağıdaki sorgu son 30 günün purchase gelirini bu kaynağa göre özetler ve tekrarlanan transaction_id değerlerini ayıklar:

WITH purchases AS (
  SELECT
    ecommerce.transaction_id AS transaction_id,
    ecommerce.purchase_revenue AS revenue,
    session_traffic_source_last_click.cross_channel_campaign.source AS source,
    session_traffic_source_last_click.cross_channel_campaign.medium AS medium,
    session_traffic_source_last_click.cross_channel_campaign.default_channel_group AS channel_group
  FROM `project.analytics_123456789.events_*`
  WHERE _TABLE_SUFFIX BETWEEN
      FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE('Europe/Istanbul'), INTERVAL 30 DAY))
      AND FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE('Europe/Istanbul'), INTERVAL 1 DAY))
    AND event_name = 'purchase'
    AND ecommerce.transaction_id IS NOT NULL
  QUALIFY ROW_NUMBER() OVER (
    PARTITION BY ecommerce.transaction_id ORDER BY event_timestamp
  ) = 1
)
SELECT
  channel_group,
  source,
  medium,
  COUNT(*) AS orders,
  ROUND(SUM(revenue), 0) AS revenue
FROM purchases
GROUP BY channel_group, source, medium
ORDER BY revenue DESC;

Bu tabloyu iki şeyle birleştirdiğinizde gerçek bir yönetim raporu elde edersiniz. İlki, backend’deki sipariş verisi: GA4’ün yakalayamadığı siparişlerin oranını, yani ölçüm kaybını her hafta görmek, rakamlara ne kadar güvenebileceğinizi belirler. Server-side tagging ve düzgün yapılandırılmış Consent Mode bu kaybı azaltır ama sıfırlamaz. İkincisi, platformlardan çekilen günlük harcama verisi. Kanal bazlı last click ROAS ile panel ROAS’ını yan yana koyduğunuzda, her platformun kendini ne kadar fazla sahiplendiğini gösteren bir oran ortaya çıkar. Bu oranın mutlak değeri değil, zaman içindeki değişimi önemlidir.

Bir üst seviyede ise toplam ciro bölü toplam pazarlama harcaması, yani blended ROAS ya da MER takip edilmelidir. Bu rakam hiçbir attribution modeline bağlı değildir ve panellerin toplamı ile gerçeklik arasındaki farkı en açık şekilde gösterir.

Attribution’ın cevaplayamadığı soru: incrementality ve MMM

Attribution krediyi paylaştırır, nedenselliği ölçmez. Markalı arama kampanyası buna en iyi örnektir: last click modelinde en yüksek ROAS’a sahip kanal odur, ama o kullanıcıların önemli bir kısmı reklam olmasa da organik sonuca tıklayıp satın alacaktı. Retargeting kampanyaları için de aynı soru geçerlidir.

Incrementality testleri bu soruyu doğrudan sorar: bu harcamayı kesseydim ne kadar satış kaybederdim? Orta ölçekli bir mağaza için en erişilebilir yöntemler şunlardır. Meta’nın Conversion Lift çalışmaları, platform içinde rastgele bir kontrol grubu oluşturur. Google Ads’in lift çalışmaları da benzer mantıkla çalışır, ancak uygunluk için harcama eşiklerini karşılamanız gerekebilir. Platformdan bağımsız bir alternatif ise geo test: belirli illerde bir kanalı birkaç hafta durdurup benzer satış profiline sahip kontrol illeriyle karşılaştırmak. Türkiye’de İstanbul’un satış içindeki ağırlığı çok yüksek olduğu için test ve kontrol gruplarını İstanbul dışındaki büyük illerden kurmak, sonuçları daha okunabilir kılar.

Test tasarımında en sık yapılan hata süreyi kısa tutmaktır. İki haftalık bir test, özellikle uzun karar döngüsüne sahip kategorilerde gecikmeli siparişleri kaçırır ve etkiyi olduğundan küçük gösterir. Testi başlatmadan önce ölçülecek metriği, minimum anlamlı etki büyüklüğünü ve karar kuralını yazılı hale getirin. Aksi halde sonuç geldiğinde herkes rakamı kendi beklentisine göre yorumlar ve test hiçbir kararı değiştirmez.

MMM ise haftalık harcama ve satış verisinden kanalların toplam katkısını istatistiksel olarak tahmin eder. Google’ın Meridian ve Meta’nın Robyn gibi açık kaynak araçları kurulumu kolaylaştırdı, ama iki temel şart değişmedi: yeterince uzun bir geçmiş ve kanal harcamalarında gerçek bir değişkenlik. Harcamaları iki yıl boyunca aynı oranda tutmuş bir markada model hangi kanalın ne işe yaradığını ayırt edemez. Incrementality testleri burada da işe yarar, çünkü test sonuçları MMM’i kalibre etmek için kullanılabilir.

Orta ölçekli bir mağaza için karar çerçevesi

Her ölçüm yönteminin cevapladığı soruyu ayırdığınızda tartışma büyük ölçüde sona erer. Hangi kararda hangi kaynağa bakacağınızı şöyle özetleyebilirim:

• Kampanya içi optimizasyon, kreatif ve kitle seçimi için platform panellerindeki dönüşümleri kullanın.
• Kanallar arası günlük ve haftalık karşılaştırma için GA4 data-driven attribution raporlarına bakın.
• Uzun dönemli trend ve yönetim raporu için BigQuery’deki sabit last click referansını esas alın.
• Toplam pazarlama verimliliği için attribution’dan bağımsız blended ROAS ya da MER takip edin.
• Bir kanalın bütçesini ciddi oranda artırma ya da kesme kararından önce incrementality testi yapın.
• Yıllık bütçe dağılımı için veri yeterli hale geldiğinde test sonuçlarıyla kalibre edilmiş bir MMM kullanın.

Önümüzdeki 90 gün için uygulanabilir bir sıralama da şu olabilir:

1. Meta, Google Ads ve GA4’teki conversion window ayarlarını belgeleyin ve ürün döngünüze göre gerekçelendirin.
2. GA4 BigQuery export’u açın, yukarıdaki sorguya benzer bir referans tablo kurun ve backend siparişleriyle haftalık eşleştirin.
3. Harcama verisini aynı projeye çekip kanal bazlı last click ROAS, panel ROAS ve MER’i tek bir raporda birleştirin.
4. En büyük şüpheyi taşıyan kanal için, çoğu mağazada markalı arama ya da retargeting, ilk incrementality testini planlayın.
5. Test sonucuna göre bütçeyi yeniden dağıtın ve bir sonraki çeyrekte ikinci kanalı test edin.

Bu çerçevenin amacı mükemmel bir model bulmak değil, her rakamın hangi soruya cevap verdiğini ekipteki herkesin bilmesidir. Doğru attribution modeli tartışması, çoğu zaman bu ortak dil kurulduğunda kendiliğinden önemini kaybeder.