Dijital pazarlamada hangi attribution modelinin kullanılacağı, işletmenizin satış döngüsüne, kanal yapısına ve elinizdeki veri hacmine göre değişir — tek bir “doğru model” yoktur. Ancak çoğu reklamveren bu seçimi ya varsayılan olarak Last Click’te bırakır ya da veri altyapısı hazır olmadan Data-Driven Attribution’a geçer; her iki hata da bütçe dağılımını ve teklif stratejilerini sessizce bozar.
Bu rehber, beş temel attribution modelini somut kriterlerle karşılaştırır; GA4’te veri odaklı modelin çalışması için gereken minimum eşikleri, model değişikliğinin Target CPA ve Target ROAS kampanyalarına etkisini ve iOS 14+ sonrası güvenilir ölçüm için server-side tracking ile Conversion API gibi çözümleri adım adım ele alır. AdRoket olarak Google Premier Partner ve Meta Business Partner deneyimiyle gözlemlediğimiz en kritik karar noktalarını da bu çerçeveye dahil ettik.
Attribution Modeli Nedir ve Neden Doğru Seçim Bu Kadar Kritik?
Bir reklam kampanyasının başarısını ölçerken en sık sorulan soru şudur: “Bu satışı hangi kanal kazandırdı?” Attribution modeli, bir müşterinin satın alma yolculuğunda temas ettiği her kanalın o dönüşüme ne kadar katkı sağladığını belirleyen analitik çerçevedir. Dönüşüm ilişkilendirme olarak da bilinen bu yaklaşım, reklam bütçenizin hangi kanalda gerçek değer ürettiğini ortaya koyar.
Attribution Olmadan Ne Kaybediyorsunuz?
Bir müşteri sizi önce Google aramasıyla keşfeder, Instagram reklamınızı görür, bir hafta sonra e-posta bülteninize tıklar ve ardından doğrudan sitenize girerek alışveriş yapar. Yanlış ya da varsayılan bir attribution modeliyle bu dönüşümün tamamını tek bir kanala —çoğu zaman son tıklanan kanala— atfedersiniz.
Sonuç? İlk teması sağlayan Google Ads kampanyası “verimsiz” görünür, bütçesi kısılır; oysa asıl farkındalığı o kampanya yarattı. Gerçekte iyi çalışan bir kanal devre dışı kalırken, yanlış kanal ödüllendirilmiş olur.
Bu tablo dijital pazarlama attribution hatalarının en yaygın formudur ve birçok KOBİ bu döngüde farkında olmadan bütçe israf eder.
Yanlış Model Seçiminin Somut Maliyeti
Attribution hatası soyut bir ölçüm sorunu değildir; doğrudan bütçe kararlarını bozar:
- Kanal kısma hatası: Funnel’ın üst aşamalarında çalışan farkındalık kampanyaları “dönüşüm getirmiyor” görünür ve kapatılır.
- Teklif optimizasyonu bozulması: Google Ads veya Meta algoritmaları hatalı sinyallerle öğrenir; teklif stratejileri yanlış hedeflere göre şekillenir.
- Raporlama güvensizliği: Aynı dönüşüm birden fazla kanalda sayılır, toplam ROAS şişer ve gerçek performans görünmez hale gelir.
Özellikle birden fazla kanal —Google Ads, Meta, Yandex Direct, LinkedIn— kullanan işletmelerde bu sapma kümülatif hale gelir ve düzeltilmesi giderek güçleşir. Reklam bütçenizi kanal bazında nasıl yapılandıracağınızı henüz netleştirmediyseniz, attribution modelini seçmeden önce bu adımı tamamlamanızı öneririz.
Doğru Modeli Seçmek Neden Bu Kadar Kritik?
Attribution modeli seçimi bir raporlama tercihi değil, stratejik bir bütçe kararıdır. Seçtiğiniz model:
- Hangi kampanyanın ölçekleneceğini belirler.
- Otomatik teklif stratejilerinin hangi sinyalle öğreneceğini etkiler.
- Kanal karmasını kimin “kazandığına” göre yeniden şekillendirir.
Ekibimiz çok kanallı kampanya yönetiminde sıklıkla şunu gözlemler: Aynı veriyle iki farklı attribution modeli uygulandığında, en “karlı” kanal tamamen değişebilir. Bu, modelin yanlış seçilmesinin teknik değil, ticari bir hata olduğunu gösterir.
Bir sonraki adım, mevcut başlıca modellerin nasıl çalıştığını ve hangi iş senaryosunda hangisinin daha sağlıklı sonuç verdiğini anlamaktır.
Attribution Model Türleri Karşılaştırması: Last Click’ten Data-Driven’a
Her attribution modeli farklı bir iş sorusuna cevap verir — bu yüzden “en iyi model” yoktur, sadece senaryonuza en uygun model vardır.
6 Temel Attribution Modeline Karşılaştırmalı Bakış
1. Last Click Attribution (Son Tıklama)
Dönüşümün tüm kredi değerini, müşterinin satın almadan hemen önce tıkladığı son kanala atar.
Güçlü yönü: Kurulumu en basit modeldir; doğrudan satışa katkıyı izole eder.
Zayıf yönü: Farkındalık ve değerlendirme aşamasındaki kanalları tamamen görmezden gelir. Marka bilinirliği kampanyaları bu modelde her zaman “değersiz” görünür.
İdeal senaryo: Tek kanallı, kısa satış döngüsüne sahip küçük e-ticaret işletmeleri.
2. First Click Attribution (İlk Tıklama)
Dönüşüm kredisini tamamen müşteriyle ilk temas kurulan kanala verir.
Güçlü yönü: Hangi kanalın yeni müşteri kazanımında öncü rol oynadığını anlamak için değerlidir.
Zayıf yönü: Dönüşüm kararını tetikleyen son adımı görmezden geldiğinden bütçe kararları için tek başına yeterli değildir.
İdeal senaryo: Marka bilinirliği odaklı kampanyalar veya yeni pazar girişleri.
3. Linear Attribution (Doğrusal)
Dönüşüm yolundaki her temas noktasına eşit kredi dağıtır.
Güçlü yönü: Hiçbir kanalı dışlamaz; çok kanallı yolculuğun bütününü gösterir.
Zayıf yönü: Kritik ve önemsiz temas noktalarını eşit tuttuğu için optimizasyon kararlarında yanıltıcı olabilir.
İdeal senaryo: Uzun ve karmaşık B2B satış döngülerinde genel kanal performansını anlamlandırmak için başlangıç noktası olarak kullanılabilir.
4. Time Decay (Zamana Dayalı Bozunma)
Dönüşüme yakın temas noktalarına daha yüksek, önceki temalara daha düşük kredi atar.
Güçlü yönü: Karar anına yakın etkileşimleri ön plana çıkarması, retargeting ve alt funnel kampanyaları için anlamlı sonuçlar üretir.
Zayıf yönü: Üst funnel farkındalık yatırımını sistematik olarak düşük değerler; uzun vadeli marka kampanyaları bu modelde haksız biçimde cezalandırılır.
İdeal senaryo: Promosyon, indirim dönemi veya kısa süreli kampanya performansı ölçümü.
5. Position Based Attribution (Konum Bazlı / U-Şekilli)
İlk temas noktasına %40, son temas noktasına %40 kredi verir; aradaki tüm noktalara kalan %20’yi paylaştırır.
Güçlü yönü: Hem keşif hem kapanış aşamasını ödüllendirmesi, çok kanallı stratejilerde dengeli bir perspektif sunar.
Zayıf yönü: Orta funnel kanallarının katkısını yapay biçimde düşürür.
İdeal senaryo: SEO, ücretli arama ve retargeting’i birlikte kullanan ve hem edinim hem dönüşüm performansını birlikte izlemek isteyen işletmeler.
6. Data-Driven Attribution (Veriye Dayalı)
Makine öğrenimi algoritmaları, hesabınızdaki gerçek dönüşüm verilerini analiz ederek her temas noktasının gerçek katkısını istatistiksel olarak hesaplar.
Güçlü yönü: Varsayıma değil, hesabınızın kendi davranış verilerine dayanır. Google Ads teklif stratejileriyle entegre çalıştığında otomatik optimizasyon sinyallerini doğrudan besler.
Zayıf yönü: Güvenilir sonuçlar üretmesi için yeterli dönüşüm hacmi gerektirir; veri azlığında sonuçlar istikrarsız olabilir. Büyük dil modelleri gibi makine öğrenimi sistemlerinin genel kısıtlaması burada da geçerlidir: model, ne kadar kaliteli veriyle beslenirse o kadar doğru çalışır.
İdeal senaryo: Aylık yeterli dönüşüm hacmine ulaşmış, Google Ads veya Meta’da akıllı teklif stratejisi kullanan büyüme odaklı işletmeler.
Hangi Model Hangi Durumda?
| Durum | Önerilen Model |
|---|---|
| Tek kanal, kısa döngü | Last Click |
| Yeni marka, farkındalık odağı | First Click |
| Uzun B2B satış süreci, keşif aşaması | Linear |
| Promosyon dönemi ölçümü | Time Decay |
| Çok kanallı, dengeli ölçüm | Position Based |
| Yüksek veri hacmi, akıllı teklif | Data-Driven |
Çoğu işletme için doğru ilk adım, position based attribution ile başlamak ve hesap yeterli dönüşüm hacmine ulaştıkça data-driven modele geçmektir. Hangi eşiğin sizin için geçerli olduğundan emin değilseniz, ekibimiz mevcut hesap verinizi inceleyerek en uygun geçiş noktasını belirlemenize yardımcı olabilir.
GA4’te Data-Driven Attribution: 300 Dönüşüm Eşiği ve Alternatif Yol Haritası
GA4’te veri odaklı attribution (data-driven attribution), belirli bir dönüşüm hacmine ulaşmadan güvenilir sonuç üretemez. Google’ın belirlediği minimum eşik, bir dönüşüm eyleminin son 30 gün içinde en az 300 dönüşüm ve son 30 gün içinde yeterli tıklama verisi biriktirmiş olmasını gerektirir. Bu eşiğin altındaki hesaplarda algoritma, temas noktaları arasındaki gerçek katkıyı hesaplamak için yetersiz veri bulur ve model ya devre dışı kalır ya da güvenilmez çıktılar üretir.
Neden 300 Dönüşüm Eşiği Bu Kadar Kritik?
GA4 data-driven attribution, makine öğrenmesiyle çalışır: hangi kanal ve temas noktası kombinasyonlarının dönüşüme yol açtığını, hangilerinin yol açmadığını istatistiksel olarak karşılaştırır. Bunun için yeterli sayıda “dönüşüme dönüşen yol” ve “dönüşüme dönüşmeyen yol” örneğine ihtiyaç duyar. 300 dönüşümün altında kalan hesaplarda bu karşılaştırma sağlıklı yapılamaz; model tahmin yerine rastgele dağılıma yakın sonuçlar verebilir.
Pratik olarak şu anlama gelir: Aylık 50–150 dönüşüm yapan bir KOBİ hesabında veri odaklı attribution’ı aktive etmek, gösterişli bir seçenek gibi görünse de teklif stratejilerinize yanlış sinyaller besler.
300 Dönüşüm Eşiğini Karşılayamayanlar İçin Yol Haritası
Eşiği karşılamayan işletmeler için önerilen yol haritası üç adımdan oluşur:
1. Position Based (Pozisyona Dayalı) Attribution ile başlayın
İlk ve son temas noktasına ağırlık veren bu model, hem farkındalık hem dönüşüm kanallarının değerini görünür kılar. Düşük hacimli hesaplarda kural tabanlı çalıştığı için veri miktarından bağımsız olarak tutarlı sonuç üretir.
2. Dönüşüm eylemlerinizi birleştirin
GA4’te her ayrı dönüşüm eylemi (form doldurmak, satın almak, telefon tıklaması) eşiği bağımsız olarak değerlendirir. Mikro dönüşümleri ayrı ayrı takip etmek yerine, birincil dönüşüm aksiyonlarına odaklanarak hacmi tek bir havuzda toplayabilirsiniz. Bu, eşiğe ulaşmayı hızlandıran pratik bir yapısal çözümdür.
3. Dönüşüm hacmini büyütün, sonra modeli yükseltin
Teklif stratejisi optimizasyonu, açılış sayfası iyileştirmeleri veya hedef kitle genişletmesiyle aylık dönüşüm hacmini artırmak hem kısa vadede reklam performansını iyileştirir hem de uzun vadede DDA’ya geçişi mümkün kılar. Reklam hesabınızda dönüşüm oranını artırmaya yönelik yapısal değişiklikler bu süreci doğrudan hızlandırır.
GA4 Attribution Kurulumunda Dikkat Edilmesi Gereken Teknik Detaylar
- Lookback window (geri bakış penceresi): GA4, varsayılan olarak dönüşümler için 30 günlük, Google Ads tıklamaları için 30 günlük bir pencere kullanır. Uzun satış döngüsü olan B2B işletmeler bu pencereyi 60–90 güne uzatmalıdır.
- Model değişikliğinin geçmişe etkisi: Attribution modelini değiştirdiğinizde GA4, geçmiş verileri yeni modele göre yeniden hesaplar. Bu, raporlama sürekliliğini bozabileceğinden değişiklik öncesinde dönem karşılaştırması yapmanız önerilir.
- Google Ads ile senkronizasyon: GA4’teki attribution modelinin Google Ads teklif algoritmalarına yansıması için hesapların doğru şekilde bağlı olması ve dönüşüm eylemlerinin GA4 üzerinden içe aktarılmış olması gerekir.
Veri odaklı attribution gereksinimleri karşılanmadan bu modele geçiş yapmak, akıllı teklif stratejilerinin yanlış optimize etmesine neden olabilir. Eşiğe ulaşıp ulaşmadığınızı ve geçiş zamanlamasını doğru belirlemek, reklam bütçenizin verimliliği açısından kritik bir karardır; ekibimiz bu analizi mevcut hesap veriniz üzerinden yapabilir.
Attribution Modeli Değişikliği Target CPA ve ROAS Teklif Stratejilerini Nasıl Etkiler?
Attribution modelini değiştirmek, yalnızca raporlama katmanında bir güncelleme değildir; teklif algoritmalarının optimize ettiği hedef değerleri doğrudan etkiler ve yanlış yönetildiğinde kampanya performansı ciddi biçimde bozulabilir.
Model Değişikliğinin Teklif Algoritmalarına Etkisi
Target CPA ve Target ROAS stratejileri, geçmişte gerçekleşen dönüşümleri baz alarak gelecekteki teklifleri şekillendirir. Attribution modelini değiştirdiğinizde, algoritmanın “geçmiş dönüşüm” olarak gördüğü veri seti değişir. Örneğin son tıklama modelinden veri odaklı modele geçtiğinizde, daha fazla dokunuş noktası dönüşüme katkılı sayılmaya başlar. Bu durum, algoritmanın anlık performans ortalamasını yeniden kalibre etmesini gerektirdiğinden kısa vadeli dalgalanmalara yol açar.
Özellikle dikkat edilmesi gereken iki senaryo şöyle özetlenebilir:
- Target CPA kullanıyorsanız: Model değişikliği dönüşüm başı maliyeti yeniden tanımlar. Algoritma, yeni modele göre “daha ucuz” veya “daha pahalı” dönüşüm görmeye başlayabilir; bu da teklif baskısını ani biçimde artırır ya da düşürür.
- Target ROAS kullanıyorsanız: Attributable gelir hesabı değişir. Daha fazla kanalı kapsayan bir model, kampanya bazında görünen geliri artırabilir; bu görünür iyileşme gerçek satış artışıyla karıştırılmamalıdır.
Güvenli Geçiş için Adım Adım Süreç
1. Geçiş öncesi kıyaslama dönemi oluşturun
Son 30-60 günlük performans verilerini mevcut modele göre bir referans tabloya çekin. CPA, ROAS, dönüşüm hacmi ve tıklama başı maliyet değerlerini kaydedin. Bu tablo, geçiş sonrası anormallikleri tespit etmenizi sağlar.
2. Değişikliği düşük bütçeli veya test kampanyasında deneyin
Tüm hesabı tek seferde geçirmek yerine, önce sınırlı bütçeli bir kampanyada yeni modelin algoritmayı nasıl etkilediğini gözlemleyin. Google Ads teklif stratejileri hakkındaki rehberimizde akıllı teklif sistemlerinin öğrenme süreçleri daha ayrıntılı ele alınmaktadır.
3. Öğrenme dönemini bütçe planlamasına dahil edin
Attribution modeli değişikliği, akıllı teklif kampanyalarını yeni bir öğrenme sürecine sokabilir. Bu dönemde performans hedeflerinizi geçici olarak genişletin; CPA hedefini %15-20 gevşetmek, algoritmanın yeni veri yapısına adapte olmasına alan tanır.
4. Dönüşüm eylemlerinin doğruluğunu kontrol edin
GA4 ile Google Ads entegrasyonu aktifse, dönüşüm eylemleri GA4 üzerinden içe aktarılmış olmalıdır. İçe aktarma yöntemindeki bir tutarsızlık, model değişikliğinin teklif katmanına yanlış sinyaller göndermesine neden olabilir.
5. İlk iki hafta günlük izleme yapın
Geçiş sonrası ilk iki haftada dönüşüm hacmi, impression payı ve ortalama TBM değerlerini günlük takip edin. Ani CPA artışı veya ROAS düşüşü görürseniz önce dönüşüm sayım yöntemini kontrol edin — sorun çoğunlukla teklif stratejisinden değil, veri aktarım katmanından kaynaklanır.
6. Model performansını yeterli veriyle değerlendirin
Karar için en az dört haftalık, tercihen altı haftalık geçiş sonrası veri bekleyin. Daha kısa dönemlerde yaptığınız karşılaştırmalar öğrenme dönemi gürültüsünü yansıtır ve yanıltıcı sonuçlar verir.
Ekibimiz, attribution model geçişlerini hesap büyüklüğü ve mevcut dönüşüm hacmine göre aşamalı biçimde planlamaktadır. Eğer birden fazla kanal kullanıyorsanız ve teklif stratejileriniz bu kanallar arasında entegre çalışıyorsa, geçiş sürecini bağımsız olarak değil bütünleşik bir yapı içinde yönetmek kampanya istikrarı açısından belirleyici olacaktır.
Farklı Attribution Modelleri Aynı Kampanyada ROAS’ı Nasıl Değiştirir? Gerçek Dünya Örneği
Aynı kampanya verisi, farklı attribution modelleriyle analiz edildiğinde birbirinden ciddi ölçüde ayrışan ROAS rakamları üretir — ve bu fark, bütçe kararlarınızı doğrudan etkiler.
Senaryo: Çok Kanallı Bir E-Ticaret Kampanyası
Şu tipik durumu düşünün: Bir müşteri ürününüzü satın almadan önce şu sırayla temas kuruyor:
- Google’da markalı olmayan bir anahtar kelime araması → Display reklamı görüntülüyor
- İki gün sonra sosyal medyada gezinirken → Meta retargeting reklamı görüyor
- Üç gün sonra markalı anahtar kelimeyle arama yapıyor → Google Arama reklamına tıklıyor ve satın alıyor
Satış değeri: 1.200 TL. Toplam reklam harcaması (tüm kanallarda): 400 TL.
Bu veride gerçek ROAS 3,0×’tir. Ancak model seçimine göre her kanal çok farklı bir ROAS değeri “görür”:
Attribution Modeli Karşılaştırma Tablosu
| Attribution Modeli | Display’e Atanan Gelir | Meta’ya Atanan Gelir | Google Arama’ya Atanan Gelir | Google Arama Görünür ROAS* |
|---|---|---|---|---|
| Last Click | 0 TL | 0 TL | 1.200 TL | 12,0× |
| First Click | 1.200 TL | 0 TL | 0 TL | 0,0× |
| Linear (Eşit Dağılım) | 400 TL | 400 TL | 400 TL | 4,0× |
| Data-Driven | ~180 TL | ~420 TL | ~600 TL | 6,0× |
*Her kanal kendi harcamasına (yaklaşık 133 TL) göre hesaplanmıştır.
Bu Rakamlar Ne Anlama Geliyor?
Last Click modelinde Google Arama reklamı ROAS’ı 12,0× görünür. Bu sonuç, teklif algoritmasına yanlış bir sinyal gönderir: Algoritma Display ve Meta kanallarının katkısını sıfır kabul eder ve onlara bütçe kesmek için gerekçe oluşturur. Oysa müşteri yolculuğu o kanallar olmadan başlamazdı.
First Click modelinde tablo tam tersine döner. Display kampanyası parlak görünürken dönüşümü kapatan Google Arama reklamı değersiz sayılır. Bu modeli kullanan ekipler zamanla funnel’ın alt katmanlarını ihmal eder.
Linear model makul bir başlangıç noktası sunar, ancak gerçek dünyada her temas noktasının eşit katkı sağlaması nadirdir. Özellikle uzun satış döngülerinde bu yaklaşım karar almayı güçleştirir.
Data-Driven model, algoritmanın gerçek dönüşüm örüntülerini öğrenmesine dayandığı için kanallar arası bütçe dağılımını en doğru şekilde yönlendirme potansiyeline sahiptir. Ancak bu modelin güvenilir çalışması için hesabınızın yeterli dönüşüm hacmine ulaşmış olması şarttır.
Pratik Çıkarım: Bütçe Kararları Model Seçimiyle Bağlantılıdır
Bir kanal için düşük ROAS görüyorsanız ve bütçesini kesmek üzereyseniz, önce şu soruyu sorun: “Bu ROAS rakamı hangi model altında hesaplandı?”
Google Ads’de arama niyeti odaklı kampanya yapılandırması gibi konularda da benzer bir pattern geçerlidir: Doğru ölçüm katmanı kurulmadan yapılan teklif optimizasyonları, gerçek performansı değil ölçüm hatalarını optimize eder.
Attribution benchmark olarak şunu kullanın: Aynı kampanyayı Last Click ve Data-Driven modelde eş zamanlı izleyin. İki modelin ürettiği kanal ROAS’ları arasındaki fark büyüdükçe, Last Click’e bağlı kararların bütçenize zarar verme riski artar.
iOS 14+ ve Cookieless Dünyada Attribution Güvenilirliği Nasıl Korunur?
iOS 14 sonrasında kullanıcı izin redleri yükselince, piksel tabanlı attribution doğrudan veri kaybı yaşamaya başladı. Tarayıcı kısıtlamaları ve üçüncü taraf çerezlerin aşamalı olarak devre dışı kalması bu sorunu daha da derinleştiriyor. Cookieless attribution bu nedenle artık bir gelecek senaryosu değil, bugün yönetilmesi gereken operasyonel bir meseledir.
iOS 14 Attribution Sorununun Kökü Nedir?
Apple’ın App Tracking Transparency çerçevesi, kullanıcıların izleme iznini reddetmesine imkân tanıdı. Bu izin verilmediğinde, reklamverenin piksel kodu dönüşümü tarayıcı tarafından algılasa bile bu veri Meta veya Google’a iletilemez. Sonuç olarak aynı kampanya hem gerçek dönüşümler üretiyor hem de platform arayüzünde bu dönüşümlerin yalnızca bir kısmı görünür hâle geliyor. Bütçe kararlarınızı eksik bir tablo üzerinden veriyorsunuz demektir.
Conversion tracking hatalı kurulduğunda Google Ads kampanyalarının kârsız göründüğü durumlarla bu senaryonun mantığı aynıdır: Ölçüm katmanındaki boşluk, optimizasyon motorunun yanlış sinyallerle çalışmasına neden olur.
Server-Side Tracking Neden Temel Çözümdür?
Geleneksel piksel, tarayıcı üzerinden çalışır; bu yüzden ITP (Intelligent Tracking Prevention) gibi tarayıcı mekanizmalarına maruz kalır. Server-side tracking ise dönüşüm verisini doğrudan sunucunuzdan reklam platformuna iletir. Tarayıcının izin durumu bu köprüyü kesmez.
Pratik kurulum adımları şu sırayla ilerler:
- Birinci taraf veri toplama: Kullanıcı işlemlerini (satın alma, form doldurma, kayıt) kendi sunucunuzda kayıt altına alın.
- Sunucu taraflı etiket yöneticisi kurulumu: Google Tag Manager’ın server container özelliği veya benzeri bir altyapı ile istek akışını yönetin.
- Platform API’leriyle bağlantı: Bu veriyi Meta Conversions API veya Google Ads Enhanced Conversions aracılığıyla platforma iletin.
Conversion API Attribution Nasıl Çalışır?
Meta Conversions API, tarayıcı pikseli devre dışı kaldığında sunucu tarafında dönüşüm olaylarını Meta’ya doğrudan raporlar. Piksel + CAPI kombinasyonu, yalnızca piksele göre çok daha yüksek dönüşüm eşleşme oranı sağlar. Eşleşme kalitesi, platformun kampanya optimizasyonunu ne kadar sağlıklı yürüteceğini doğrudan etkiler.
Kritik bir ayrıntı: CAPI kurulumunda tekrarlanan dönüşüm olaylarını (piksel + sunucu aynı olayı iki kez raporlarsa) tekilleştirme mekanizması olmadan kurarsan, dönüşüm sayıları şişer ve attribution yanıltıcı hâle gelir. Event ID eşleştirmesi bu nedenle zorunludur.
Modeled Conversions: Veri Boşluklarını Tahminle Doldurmak
Google ve Meta, izin verilmeyen kullanıcı segmentleri için makine öğrenmesiyle dönüşüm tahmini üretir. Bu yaklaşım, modeled conversions olarak adlandırılır. Platform, izin veren kullanıcılardan elde ettiği örüntüleri kullanarak izin vermeyen segmentin davranışını istatistiksel olarak çıkarır.
Modeled conversions kullanırken dikkat edilmesi gereken nokta şudur: Model, yeterli birinci taraf veriye dayanmıyorsa sapma riski artar. Bu yüzden server-side tracking ve CAPI kurulumu önce gelir; modeled conversions bu güçlü veri tabanının üstüne anlam kazanır.
Üç Çözümü Birlikte Konumlandırmak
| Çözüm | Veri Kaynağı | Temel Faydası |
|---|---|---|
| Server-Side Tracking | Birinci taraf sunucu verisi | Tarayıcı kısıtlamalarını aşar |
| Conversion API | Sunucu → Platform doğrudan bağlantısı | Dönüşüm eşleşme oranını artırır |
| Modeled Conversions | Platform makine öğrenmesi | İzin boşluklarını istatistiksel olarak kapatır |
Bu üç katman sırayla kurulduğunda, cookieless attribution senaryolarında ölçüm bütünlüğü korunabilir. Ekibimiz, bu altyapıyı Google Ads ve Meta kampanyalarında birlikte yapılandırarak hem veri güvenilirliğini hem de optimizasyon sinyal kalitesini iyileştirmeyi hedefler.
Pratik kontrol noktası: Mevcut piksel tabanlı kurulumunuzda dönüşüm eşleşme skorunu kontrol edin. Meta Events Manager veya Google Ads dönüşüm raporları bu skoru gösterir. Eşleşme oranı düşükse server-side geçişin öncelik sıralamanıza girmesi gerekiyor demektir.
Çoklu Platform Kullananlar İçin Çift Sayım Sorunu: Google Ads + Meta + Yandex
Google Ads ve Meta aynı dönüşümü saydığında gerçek rakam hangisi?
İkisi de “doğru” sayıyor — ancak her platform kendi attribution penceresine ve modeline göre raporluyor. Bu yüzden platform raporlarını toplamak yerine, Google Analytics 4 veya bir bağımsız izleme katmanını tek gerçek kaynak (single source of truth) olarak kabul etmek gerekir. Platform rakamları optimizasyon için, bağımsız kaynak ise bütçe kararları için kullanılır.
Çift sayım sorunu küçük bütçeli hesaplarda da ortaya çıkar mı?
Evet, bütçe büyüklüğünden bağımsız olarak ortaya çıkar. Bir kullanıcı hem Google aramasında hem Meta akışında reklamınızı görüp dönüşüm gerçekleştirdiğinde, her iki platform da bu dönüşümü kendi kampanyasına yazar. Aylık birkaç yüz dolar harcayan bir hesapta bile bu örtüşme, kanal bazlı ROI hesaplamalarını ciddi ölçüde yanıltabilir.
Cross-platform attribution için hangi araç kullanılabilir?
GA4, platformlar arası kullanıcı yolculuğunu izlemek için temel başlangıç noktasıdır. Daha ileri seviye ihtiyaçlar için Northbeam, Triple Whale veya Rockerbox gibi bağımsız attribution araçları tercih edilir. Bu araçlar, her platformun kendi raporuna güvenmek yerine tarafsız bir dönüşüm görüntüsü sunar. Seçim yaparken platform entegrasyon genişliği ve veri güncelleme sıklığına dikkat edilmelidir.
Google Ads ile Meta’nın attribution pencereleri neden farklıdır?
Her platformun varsayılan attribution penceresi farklıdır: Google Ads tıklama sonrası 30 gün ve görüntüleme sonrası 1 gün varsayılanını kullanırken, Meta tıklama için 7 gün ve görüntüleme için 1 gün varsayılanını uygular. Bu farklılık, aynı dönüşümün her iki platformda da farklı kampanyalara atfedilmesine yol açar. Karşılaştırma yapacaksanız pencere ayarlarını eşitlemeniz raporlamayı daha tutarlı hale getirir.
Yandex Direct de aynı dönüşümleri sayabilir mi?
Evet. Türkiye’de Yandex Direct aktif olarak kullanılan bir kanal olduğundan, özellikle Rusça arama yapan veya Yandex ekosistemi içinde gezinen kullanıcılar söz konusu olduğunda üç platformun da aynı dönüşümü saydığı senaryolar mümkündür. Yandex Metrica’yı GA4 ile paralel çalıştırmak ve her ikisini de bağımsız bir raporlama katmanında birleştirmek bu riski azaltır.
Platform raporlarını tamamen görmezden mi gelmeli?
Hayır. Platform raporları, o platform içindeki optimizasyon kararları için değerlidir; teklif stratejileri, hedef kitle performansı ve kreatif testler bu verilerle yönetilir. Sorun, farklı platformların rakamlarını toplamak ve bunu gerçek toplam dönüşüm sayısı olarak sunmaktır. Platform verisini optimizasyon aracı, bağımsız izleme verisini ise iş kararı aracı olarak konumlandırmak en sağlıklı yaklaşımdır.
Çift sayım sorununu çözmek için bütçemi nasıl yeniden dağıtmalıyım?
Önce bağımsız bir attribution kaynağında her kanalın gerçek katkısını ölçün. Ardından son tıklama yerine doğrusal veya veri odaklı bir model kullanarak üst huni kanallarının da değerini görünür hale getirin. Bu analiz tamamlanmadan bütçe kaydırmak, yalnızca yüksek görünürlük yaratan kanalı ödüllendirip farkındalık kanallarını cezalandırma riskini taşır. Kararı veriye dayandırın, platform raporuna değil.
KOBİ’ler İçin Attribution Model Seçim Matrisi: Sektör ve Satış Döngüsüne Göre Karar Rehberi
İş modelinize ve satış döngüsünün uzunluğuna göre farklı attribution modelleri anlamlı sonuçlar üretir; yanlış modeli seçmek, bütçenizi gerçekte dönüşüm getirmeyen kanallara yönlendirmenize neden olabilir.
Karar Matrisi: Hangi Sektör, Hangi Model?
Aşağıdaki matris, iş modelinizi ve veri durumunuzu değerlendirerek doğru başlangıç noktasını belirlemenize yardımcı olur.
| Sektör / Senaryo | Satış Döngüsü | Önerilen Model | Neden? |
|---|---|---|---|
| E-ticaret (anlık satın alma) | Kısa (aynı gün–3 gün) | Son Tıklama veya Doğrusal | Karar süreci kısadır; son dokunuş belirleyicidir |
| E-ticaret (sepet değeri yüksek) | Orta (3–14 gün) | Veri Odaklı veya Konuma Dayalı | Araştırma süreci uzar; tüm temas noktaları önem kazanır |
| B2B SaaS / Hizmet | Uzun (30–90+ gün) | Doğrusal veya Zaman Düşüşlü | Birden fazla karar verici vardır; her temas eşit ağırlık taşıyabilir |
| Yerel hizmet (klinik, hukuk, vs.) | Kısa–Orta | Son Tıklama | Kullanıcı çoğunlukla tek kanaldan, tek seferlik gelir |
| Abonelik / SaaS (ücretsiz deneme) | Orta–Uzun | Konuma Dayalı (U-şekli) | İlk farkındalık ve demo talebi kritik iki noktadır |
Sektöre Göre Kontrol Listesi
✅ E-ticaret İçin Attribution Seçimi
- Ortalama sipariş tamamlanma süresi 3 günün altında mı? → Son tıklama yeterlidir
- Ürün kategorisi karşılaştırma gerektiriyor mu (elektronik, mobilya)? → Doğrusal model veya veri odaklı
- Google Ads ve Meta reklamlarını aynı anda mı yönetiyorsunuz? → Platform çakışmasını önlemek için bağımsız bir attribution katmanı ekleyin
- Yeniden pazarlama (remarketing) kampanyanız var mı? → Son tıklamayı kullanırsanız remarketing her dönüşümü “çalar” görünür; doğrusal modele geçin
✅ B2B ve Hizmet Sektörü İçin Attribution Seçimi
B2B ve B2C iş modellerinin karar süreçleri arasındaki farkları anlamak, hangi temas noktalarına ağırlık vermeniz gerektiğini netleştirir.
- Satış döngünüz 30 günü aşıyor mu? → Zaman düşüşlü veya doğrusal model
- LinkedIn, e-posta ve arama reklamlarını birlikte kullanıyor musunuz? → Çok kanallı ağırlıklandırma için U-şekli (konuma dayalı) model
- Karar süreci birden fazla kişiyi kapsıyor mu? → Her temas noktasını eşit ağırlıklandıran doğrusal model
- Lead hacminiz aylık 50’nin altında mı? → Veri odaklı modeller için yeterli veri yoktur; kural tabanlı modeller güvenilir başlangıçtır
Veri Hacmine Göre Hızlı Filtre
Aylık dönüşüm sayınız 30’un altındaysa:
Veri odaklı modeller (Data-Driven Attribution) güvenilir çıktı üretemez. Son tıklama veya doğrusal modelden başlayın; veri biriktiğinde geçiş yapın.
Aylık dönüşüm sayınız 30–150 arasındaysa:
Konuma dayalı veya doğrusal modeller güvenilir sonuç verir. Veri odaklı modeli test aşamasında paralel izleyin.
Aylık dönüşüm sayınız 150’nin üzerindeyse:
Veri odaklı (algorithmic) attribution için yeterli hacme ulaştınız. Bu noktada kural tabanlı modelleri tek başına kullanmak, gerçek katkıyı gizler.
Başlamadan Önce Son Kontrol
Doğru modeli seçmek, doğru veriyi ölçmekle başlar. Attribution modeli belirlemeden önce şu dört soruyu yanıtlayın:
- Dönüşüm pencereniz tanımlı mı? 7 gün, 30 gün veya 90 gün — bu süre modelinizi doğrudan etkiler.
- Kaç aktif reklam kanalınız var? Tek kanal kullananlar için attribution modeli tartışması gereksizdir.
- Tüm kanallar aynı dönüşüm etiketini mi okuyor? Etiket tutarsızlığı varsa hiçbir model doğru çalışmaz.
- Platform raporlarını mı, yoksa bağımsız bir analiz aracını mı kullanıyorsunuz? Platform raporları kendi kanalını kayıracak biçimde ölçer; bağımsız bir katman eklemek daha sağlıklı karşılaştırma sağlar.
Ekibimiz, çok kanallı kampanyaları yönetirken attribution kurulumunu kampanya stratejisinin ayrılmaz bir parçası olarak ele alır — çünkü hangi modeli seçtiğiniz, hangi kanalın bütçe aldığını doğrudan belirler.
Sık Sorulan Sorular: Attribution Modeli Seçimi
“`html
Attribution modeli nedir ve neden önemlidir?
Attribution modeli, bir dönüşümün gerçekleşmesine katkıda bulunan reklam temas noktalarına değer atayan kuraldır. Tek kanal kullanan bir işletme için bu tartışma gereksizdir; ancak Google Ads, Meta ve organik trafik gibi birden fazla kanal birlikte çalışıyorsa hangi kanalın kredi aldığı, bütçenizin nereye aktığını doğrudan belirler. Yanlış model, kazanan kanalı cezalandırıp kaybeden kanala bütçe aktarabilir.
First-click ile last-click attribution modeli arasındaki fark nedir?
Last-click modeli, dönüşümden hemen önce tıklanan son reklama tüm krediyi verir; bu nedenle farkındalık aşamasındaki kanalları sistematik olarak küçümser. First-click ise tam tersi yönde çalışır: müşterinin ilk temas ettiği kanala krediyi yığar ve karar aşamasındaki kanalların katkısını göz ardı eder. İkisi de ekstrem uçları temsil eder. Uzun satış döngüsü olan B2B işletmelerde her iki model de yanıltıcı sonuç üretir; bu yüzden çok kanallı senaryolarda veri odaklı veya doğrusal modeller daha sağlıklı bir başlangıç noktası sunar.
GA4’te attribution modeli nasıl değiştirilir?
GA4’te attribution modelini değiştirmek için Admin paneline girin, ardından “Attribution Settings” (İlişkilendirme Ayarları) bölümünü açın. Burada raporlama attribution modelini seçebilirsiniz; GA4’ün varsayılanı veri odaklı (data-driven) modeldir. Değişiklik yalnızca ileriye dönük olarak değil, geçmiş verilere de yansıyacağı için model değiştirmeden önce mevcut raporlarınızı kaydetmeniz önerilir. Conversion window (dönüşüm penceresi) ayarını da aynı sayfadan yapılandırabilirsiniz.
Attribution modeli ROAS hesaplamamı nasıl etkiler?
Seçtiğiniz attribution modeli, hangi kampanyanın kaç dönüşüm “aldığını” belirlediği için ROAS rakamlarını doğrudan değiştirir. Last-click modelde alt-huni kampanyaları çok yüksek ROAS görünürken üst-huni kampanyaları sıfıra yakın görünebilir. Bu tablo, üst-huni kampanyalarını kapatma kararına yol açarsa müşteri kazanımı daralır — ROAS iyileşmiş gibi görünse de toplam gelir düşer. Attribution ROAS sorusunu değerlendirirken modeli sabit tutun ve yalnızca değişkenler arasındaki karşılaştırmayı yapın; aksi hâlde elma ile armutu kıyaslarsınız.
KOBİ’ler için en uygun attribution modeli hangisidir?
Veri hacmi düşük olan KOBİ’ler için veri odaklı model başlangıçta güvenilir sonuç vermeyebilir; çünkü bu model yeterli dönüşüm verisi birikmedikçe doğru kalıpları öğrenemez. Aylık dönüşüm sayısı sınırlıysa doğrusal (linear) veya zaman azalmalı (time decay) model daha istikrarlı bir çerçeve sunar. Bütçe optimizasyonu hedefliyorsanız, LinkedIn gibi uzun satış döngüsü olan kanalları da kapsayan çok kanallı yapılar için LinkedIn reklamlarında bütçe optimizasyonu süreçlerini de göz önünde bulundurmak modelinizin bütünlüğünü artırır.
Platform raporları ile bağımsız attribution araçları arasındaki fark ne anlama gelir?
Google Ads kendi kanalına kredi atarken Meta da kendi kanalına kredi atar; bu nedenle her iki platformun raporlarını yan yana koyduğunuzda toplam atanan dönüşüm sayısı gerçek dönüşüm sayısını kolaylıkla aşar. Bu durum, attribution sık sorulan sorular arasında en çok kafa karıştıran konulardan biridir. Google Analytics 4, GA4 attribution nasıl değiştirilir sorusunun ötesinde, platform bağımsız bir ölçüm katmanı işlevi görerek çift sayım sorununu kısmen azaltır. Daha ileri düzey ihtiyaçlar için Northbeam veya Triple Whale gibi üçüncü taraf araçlar da tercih edilebilir; ancak bu araçların kendi modelleme varsayımlarını anlamak kritik önem taşır.
Attribution model seçimi ne sıklıkla gözden geçirilmeli?
Attribution model fark yaratan kararlar arasında en sık göz ardı edileni model güncelliğidir. Kanal karmanız değiştiğinde, yeni bir platform eklediğinizde veya dönüşüm penceresi ayarlarını güncellediğinizde modelinizi yeniden değerlendirin. Büyük kampanya dönemlerinden (lansman, sezon, indirim) önce ve sonra karşılaştırmalı bir analiz yapmak, modelin gerçekçi kalıp kalmadığını anlamanın en pratik yoludur. Ekibimiz, bütçe optimizasyon kararlarından önce attribution kurulumunu bir ön kontrol adımı olarak ele alır.
