Sorgulayıcı Yaklaşım ve Analitik Düşünme

📚 Seviye 1 — Tanışma ⏱ ~12 dakika

1. Neden Sorgulayıcı Yaklaşım Gerekli?

Dijital pazarlamada en tehlikeli cümle: "Müşteri böyle istedi." Ajansta bu cümle, düşünmenin durduğu noktadır. Oysa asıl iş, müşterinin neden böyle istediğini anlamakla başlar.

💡 Benzetme: Doktora Gitmek

Hasta doktora gelip "Bana şu ilacı yazın" derse, iyi bir doktor körü körüne yazmaz. Önce "Neyin var? Ne zamandır ağrıyor? Başka belirtilerin var mı?" diye sorar. Dijital pazarlamacı da aynı şekilde müşterinin "istediği"ni değil, "ihtiyacı olan"ı bulmak için sorgular.

Veriyi sorgulamadan kabul etmek, ciddi hatalara yol açar. Birisi sana "CTR düştü" dediğinde hemen paniklemek yerine şunu sormalısın:

Neden düştü?
Hangi kelimede düştü?
Hangi cihazda düştü? (mobil mi, masaüstü mü?)
Hangi saatte düştü?
Hangi dönemle kıyaslıyoruz?

Sorgulayıcı yaklaşım, seni sıradan bir "iş yapan" kişiden, stratejik düşünen bir profesyonele dönüştürür.

2. Doğru Soruları Sormak

Her metriğin arkasında bir "neden" vardır. Sayılar tek başına hikaye anlatmaz — sen onlara doğru soruları sorarak hikayeyi ortaya çıkarırsın.

a) 5 Neden (5 Whys) Tekniği

Toyota'nın geliştirdiği bu teknik, bir sorunun kök nedenine ulaşmak için ardı ardına "Neden?" sorusunu sormana dayanır. Dijital pazarlamada da harika çalışır:

graph TD P["😟 Problem: ROAS düştü"] P --> W1["❓ Neden? → CPC arttı"] W1 --> W2["❓ Neden? → Yeni rakip girdi açık artırmaya"] W2 --> W3["❓ Neden fark etmedik? → Haftalık rakip kontrolü yapmıyorduk"] W3 --> W4["❓ Neden yapmıyorduk? → Süreçte tanımlı değildi"] W4 --> W5["✅ Kök Neden: Rakip takip süreci eksik"] style P fill:#FEE2E2,stroke:#EF4444,color:#991B1B style W1 fill:#FEF3C7,stroke:#F59E0B style W2 fill:#FEF3C7,stroke:#F59E0B style W3 fill:#FEF3C7,stroke:#F59E0B style W4 fill:#FEF3C7,stroke:#F59E0B style W5 fill:#DCFCE7,stroke:#22C55E

📌 İpucu

Her zaman tam 5 kez sormak zorunda değilsin. Bazen 3 "neden" yeterli olur, bazen 7 gerekir. Amaç: belirtilerde değil, kök nedende durmak. "CPC arttı" bir belirtidir, çözüm orada değildir.

🎯 Mini Görev

5 Neden tekniğini şu senaryoya uygula: 'Bu ay organik trafik %20 düştü.' Neden? → [cevabını yaz] → Neden? → ... 5 adım boyunca devam et. Kök nedene ulaşmaya çalış.

b) Analitik Düşünme Akışı

Her veri noktasıyla karşılaştığında şu akışı izle:

graph LR A["📊 Veri Gözlemle
Ne olmuş?"] --> B["🤔 Sorgula
Neden olmuş?"] B --> C["🔍 Derinleştir
Hangi boyutta?
Segment, cihaz, zaman"] C --> D["💡 Hipotez Kur
Muhtemelen şu yüzden..."] D --> E["🧪 Test Et
Veriyle doğrula"] E --> F["✅ Aksiyon Al
Veriye dayalı karar"] style A fill:#E8F6FC,stroke:#29ABE2 style B fill:#FEF3C7,stroke:#F59E0B style C fill:#FEF3C7,stroke:#F59E0B style D fill:#E8F6FC,stroke:#29ABE2 style E fill:#DCFCE7,stroke:#22C55E style F fill:#DCFCE7,stroke:#22C55E

3. Veriyi Yorumlamak

Veri sana ne söylüyor gibi görünüyor ve gerçekte ne söylüyor — bu ikisi her zaman aynı şey değildir.

a) Korelasyon ≠ Nedensellik

İki şeyin aynı anda olması, birinin diğerine neden olduğu anlamına gelmez.

💡 Benzetme: Dondurma ve Boğulma

Yaz aylarında hem dondurma satışları hem de denizde boğulma vakaları artar. Dondurma boğulmaya neden mi oluyor? Tabii ki hayır. İkisinin de ortak nedeni sıcak hava. Dijital pazarlamada da "bütçeyi artırdık ve satışlar arttı" dediğinde, satışların artmasının nedeni bütçe mi yoksa bayram sezonu mu olduğunu ayırt etmelisin.

b) Mevsimsellik Etkisi

Bir e-ticaret sitesinin Kasım ayında satışları artıyorsa, bu senin kampanyanın mükemmel olduğu anlamına gelmeyebilir — Black Friday etkisi olabilir. Performansı değerlendirirken her zaman geçen yılın aynı dönemiyle karşılaştır.

c) Yeterli Veri Olmadan Karar Verme Hatası

Bir A/B testi 2 gün çalışmış ve 50 tıklama almış. "B versiyonu %20 daha iyi, hemen değiştirelim" demek erken karar verme hatasıdır. İstatistiksel anlamlılık (statistical significance) için yeterli veri toplanmalıdır.

⚠️ Dikkat

A/B testinde minimum 2 hafta ve her varyasyonda en az birkaç yüz dönüşüm beklemeden karar verme. Küçük örneklem = güvenilmez sonuç. Yazı tura atarak 3 kez üst üste tura gelmesi, paranın hileli olduğu anlamına gelmez.

d) A/B Test Mantığı

A/B testi, sorgulayıcı yaklaşımın pratiğe dökülmüş halidir: "Bu mu daha iyi yoksa şu mu?" sorusunu veriyle yanıtlarsın. Tek bir değişken değiştir, yeterli süre bekle, sonuçları karşılaştır.

4. Müşteri Söylediklerine Körü Körüne Güvenme

Müşteri kendi işini iyi bilir ama dijital pazarlamayı bilmeyebilir. Bu yüzden müşterinin söylediklerini her zaman veriyle doğrula.

Sık karşılaşılan durumlar:

Müşteri: "En çok aranan kelime X." → Sen: Keyword Planner'a bak, belki Y daha çok aranıyor.
Müşteri: "Rakibimiz yok." → Sen: Google'da hedef kelimeleri ara, en az 5-10 rakip çıkacaktır.
Müşteri: "Herkes bizim müşterimiz." → Sen: GA4 verilerine bak, gerçek müşteri profili farklı olabilir.
Müşteri: "Bütçeyi artırırsak satış artar." → Sen: Her zaman doğrusal değil, azalan verimlilik kanunu işler.

📌 Önemli

Müşteriye "Yanlış söylüyorsunuz" demek yerine, "Verilere birlikte bakalım" de. Veriyle ikna etmek, tartışmaktan her zaman daha etkilidir.

5. Kendi Çalışmanı Sorgula

Sorgulayıcı yaklaşım sadece başkalarına değil, kendine de uygulanmalıdır. Kampanya iyi gidiyor gibi görünüyor ama gerçekten öyle mi?

a) Vanity Metrics vs. Meaningful Metrics

Vanity metrics (gösteriş metrikleri) seni iyi hissettirir ama iş sonucu üretmez. Meaningful metrics (anlamlı metrikler) ise gerçek performansı gösterir.

Impression (gösterim) artışı ≠ iş büyümesi
Tıklama artışı ≠ satış artışı
Takipçi sayısı artışı ≠ gelir artışı
Sayfa görüntüleme artışı ≠ müşteri kazanımı

💡 Benzetme: Mağaza Vitrini

Vitrine 1000 kişi baktı (impression), 100'ü içeri girdi (tıklama), 10'u bir şey satın aldı (dönüşüm). Patrona "1000 kişi vitrini gördü!" demek hoş görünür ama gerçek soru: "10 kişi satın aldı, daha fazlasını nasıl satın aldırırız?" olmalıdır.

b) Kendin İçin Sorgulama Kontrol Listesi

Bu metriği müşteriye neden raporluyorum? İş sonucuyla bağlantısı ne?
Kampanya "iyi gidiyor" diyorsam, neye göre iyi? Benchmark'ım ne?
Son ayda yaptığım değişikliklerin gerçekten etkisi oldu mu, yoksa dış faktörler mü var?
Bu başarıyı tekrarlayabilir miyim, yoksa bir kereye mi mahsus?
Müşterinin gerçek iş hedefine katkı sağlıyor muyum?

⚠️ Altın Kural

Raporlarında iyi haberleri büyütüp kötü haberleri küçültme. Sorgulayıcı bir profesyonel, gerçeği gösterir ve çözüm önerir. "Impression %50 arttı" başlığı yerine "Dönüşüm %15 arttı, CPA %10 düştü" başlığı her zaman daha değerlidir.

6. Yapay Zekayı Sorgulayıcı Yaklaşımla Kullanmak

ChatGPT, Claude, Gemini gibi yapay zeka araçları dijital pazarlamacının en güçlü asistanlarından biri haline geldi. Ancak sorgulayıcı yaklaşım burada da geçerlidir: AI'ın her çıktısını doğru kabul etme.

a) AI'ın Güçlü ve Zayıf Yönleri

AI'ın Güçlü Olduğu Alanlar	AI'ın Zayıf Olduğu Alanlar
Fikir üretme ve beyin fırtınası	Güncel veri sağlama (arama hacmi, CPC vb.)
Taslak ve brief oluşturma	Kesin rakamlar ve istatistikler verme
Metin varyasyonları üretme	Stratejik karar alma (bağlam gerektirir)
Metin düzenleme ve iyileştirme	Gerçek zamanlı web sitesi analizi
Yapılandırılmış çıktılar (tablo, liste)	Sektöre özel nüansları anlama

⚠️ Altın Kural

AI çıktısını "başlangıç noktası" olarak kullan, "son ürün" olarak değil. AI'ın verdiği metrikleri, istatistikleri ve önerilerini her zaman gerçek araçlarla (Google Keyword Planner, Search Console, SEMrush vb.) doğrula. Garbage in, garbage out: AI'a ne kadar iyi brief verirsen, o kadar iyi çıktı alırsın.

b) İyi Prompt Yazma Çerçevesi

AI'dan kaliteli çıktı almak için prompt'unda şu 6 bileşeni kullan:

Rol ver: "Sen bir dijital pazarlama uzmanısın" — AI'ın bakış açısını belirler
Bağlam ver: Sektör, hedef kitle, konum, bütçe — ne kadar detay, o kadar iyi çıktı
Görev tanımla: Ne yapmasını istiyorsun? Açık ve net ol
Format belirt: Tablo mu, liste mi, karakter limiti var mı?
Kısıtlama ekle: Kaçınılacaklar, yasal uyarılar, ton tercihleri
Örnek ver: Varsa benzer bir çıktı örneği göster — AI kalıbı anlar ve uygular

graph LR A["❌ Kötü Prompt
Bağlamsız, genel"] --> B["😐 Genel/Kullanışsız Çıktı
Her sektöre uyan
jenerik cevaplar"] C["✅ İyi Prompt
Rol + Bağlam + Görev
+ Format + Kısıt + Örnek"] --> D["🎯 Hedefli/Kullanılabilir Çıktı
Doğrudan işe yarar
spesifik sonuçlar"] style A fill:#FEE2E2,stroke:#EF4444 style B fill:#FEE2E2,stroke:#EF4444 style C fill:#DCFCE7,stroke:#22C55E style D fill:#DCFCE7,stroke:#22C55E

c) AI Çıktılarını Doğrulama Kontrol Listesi

AI'ın verdiği arama hacmi veya CPC verisini Keyword Planner'dan doğruladın mı?
AI'ın önerdiği strateji, müşterinin gerçek durumuna uyuyor mu?
AI'ın yazdığı metin, platformun karakter limitine uyuyor mu? (Karakter sayısını elle kontrol et)
AI'ın iddia ettiği "istatistikler" gerçek kaynaklarla destekleniyor mu?
AI çıktısı sektöre ve yasal düzenlemelere uygun mu? (Abartılı vaatler, tıbbi iddialar vb.)

📌 Pratik Yaklaşım

AI'ı en verimli şu akışla kullanırsın: 1) AI ile hızlıca taslak üret → 2) Gerçek araçlarla verileri doğrula → 3) Sektör bilgin ve deneyiminle düzenle → 4) Müşteriye veya kampanyaya uygula. Bu akış seni hem hızlı hem de güvenilir yapar.

7. Örneklem Büyüklüğü — Yetersiz Veriyle Karar Verme Tuzağı

Örneklem büyüklüğü, bir kararı desteklemek için baktığın veri miktarıdır. Az veri ile yapılan yorum güçsüz, yanıltıcı ve tehlikelidir. Bu kavram, sorgulayıcı yaklaşımın en kritik parçalarından biridir.

💡 Günlük Hayattan Benzetme: Restoran Yorumları

Bir restoran hakkında 2 yorum var: biri 5 yıldız, biri 1 yıldız. Ortalama 3 yıldız — ama bu güvenilir mi? Hayır. 2 yorum yeterli değil. Ama 500 yorum varsa ve ortalama 4.2 ise, bu güvenilir bir değerlendirme.

a) Dijital Pazarlamada Örneklem Örnekleri

Örnek 1: "Reklamımız 3 gündür çalışıyor, 15 tıklama geldi, 0 dönüşüm var — kampanya çalışmıyor mu?"

→ 15 tıklama ile yorum yapmak erken. En az 100-200 tıklama ve 2 haftalık süre bekle. 15 tıklamada dönüşüm olmaması normal olabilir — dönüşüm oranı %3 olsa bile 15 tıklamadan beklenen dönüşüm 0.45, yani matematiksel olarak 0 dönüşüm şaşırtıcı değil.

Örnek 2: "A/B testinde A versiyonu %5 CTR, B versiyonu %3 CTR gösteriyor — A kazandı!"

→ Kaç gösterim var? A: 50 gösterim 2.5 tıklama ≈ 3 tıklama. B: 50 gösterim 1.5 tıklama ≈ 2 tıklama. 3 vs 2 tıklama farkıyla karar vermek istatistiksel olarak anlamsız. En az 1.000+ gösterim ve 30+ tıklama olmadan A/B test sonucuna güvenme.

Örnek 3: "Bu anahtar kelimede CTR %1 — çok kötü!"

→ Kaç gösterim var? 10 gösterim 0 tıklama = %0 CTR, ama bu 10 gösterimle yorum yapmak yanlış. 1.000 gösterim 10 tıklama = %1 CTR — bu anlamlı bir veri.

b) Genel Kural Tablosu

Veri Miktarı	Yorum Güvenilirliği	Ne Yapmalı
0-50 tıklama / 0-500 gösterim	❌ Çok düşük	Yorum yapma, veri toplamaya devam et
50-200 tıklama / 500-2.000 gösterim	⚠️ Düşük-orta	Dikkatli yorum, kesin karar alma
200-500 tıklama / 2.000-10.000 gösterim	✅ Orta-iyi	Yorum yapılabilir, trendle destekle
500+ tıklama / 10.000+ gösterim	✅ Güvenilir	Veri bazlı kararlar alınabilir

NOT: Bu rakamlar genel rehberdir — sektöre, kampanya türüne ve metriklere göre değişebilir. B2B'de 50 dönüşüm bile çok anlamlı olabilirken, e-ticarette 50 dönüşüm yetersiz kalabilir.

⚠️ Yetersiz Veriyle Büyük Karar Verme Tuzağı

"Bu hafta CPA 500 TL olmuş, kampanyayı kapatalım" demeden önce kaç dönüşüm olduğuna bak. 2 dönüşüm varsa CPA hesabı güvenilir değil. 20 dönüşüm varsa güvenilir.

c) Karar Verme Akışı

graph TD A["📊 Veri var mı?"] --> B{"Yeterli mi?
Tıklama/gösterim
kontrol et"} B -->|"Evet
200+ tıklama
2.000+ gösterim"| C["✅ Yorum yap,
karar al"] B -->|"Hayır
az tıklama,
az gösterim"| D["⏳ Veri toplamaya
devam et,
yorum yapma,
sabret"] style A fill:#E8F6FC,stroke:#29ABE2 style B fill:#FEF3C7,stroke:#F59E0B style C fill:#DCFCE7,stroke:#22C55E style D fill:#FEE2E2,stroke:#EF4444

📝 Quiz — Bilgini Test Et

← Önceki Ders Sonraki Ders →