Attribution İleri (GA4)

📚 Seviye 3 — Uzmanlaşma ⏱ ~12 dakika

📌 Nereden Geliyoruz?

Dönüşümler ve Kitleler dersinde dönüşüm tanımlama ve temel attribution kavramlarını, Google Ads Dönüşüm Takibi dersinde ise reklam tarafından dönüşüm ölçümünü öğrenmiştik. Şimdi uzmanlaşma seviyesine geçiyoruz: Data-Driven Attribution modelini derinlemesine anlayacak, attribution pencerelerini karşılaştıracak ve cross-channel attribution analizleri yapacağız.

1. GA4 Attribution Modelleri

GA4, dönüşümlerin hangi kanallara atfedileceğini belirlemek için farklı attribution modelleri sunar.

a) Data-Driven Attribution (DDA)

💡 Basit Anlatım — DDA Nedir?

Bir gol atıldığında asisti kim yaptı? Klasik yöntem (last click): son pası atan kişi tüm krediyi alır. Data-driven ise tüm oyuncuların katkısını hesaplar — topu kazanan, ortalayan ve son pası atan hepsi oransal kredi alır. Google'ın makine öğrenmesi geçmiş verilere bakarak "bu kanallar olmasa dönüşüm gerçekleşir miydi?" sorusunu sorar ve her kanalın gerçek katkısını hesaplar. Yani DDA, futbol maçındaki gol katkı haritası gibidir — sadece golcüyü değil, tüm takımın performansını değerlendirir.

GA4'ün varsayılan ve önerilen modelidir. Makine öğrenmesi kullanarak her temas noktasının dönüşüme katkısını hesaplar.

Dönüşüm yolundaki her kanala oransal kredi verir.
Yeterli veri olmadığında "position-based" mantığına düşebilir.
En adil model — tek bir kanala tüm krediyi vermez.

b) Last Click (Son Tıklama)

Dönüşümden önceki son tıklamaya tüm krediyi verir. Basit ve anlaşılırdır ama üst funnel kanallarını (marka bilinirliği, sosyal medya) değersizleştirir.

c) Google Paid Channels Last Click

Google Ads kanalı dönüşüm yolunda varsa tüm krediyi Google Ads'e verir. Yoksa son tıklama kuralı uygulanır. Google Ads ile GA4 karşılaştırması için kullanışlıdır.

graph TD MODELS["📊 GA4 Attribution Modelleri"] --> DDA["🤖 Data-Driven\n(Varsayılan)"] MODELS --> LC["🖱 Last Click"] MODELS --> GPLC["📢 Google Paid\nChannels Last Click"] DDA --> DDA1["ML ile oransal kredi\nEn adil model"] LC --> LC1["Son tıklamaya %100 kredi\nBasit ama yanıltıcı"] GPLC --> GPLC1["Google Ads varsa ona kredi\nAds karşılaştırması için"] style DDA fill:#DCFCE7,stroke:#22C55E style LC fill:#E8F6FC,stroke:#29ABE2 style GPLC fill:#FEF3C7,stroke:#F59E0B

🚫 Yaygın Yanılgı

❌ Yanlış: "Last-click attribution en doğru model"

✅ Doğru: Last-click modeli basit ve anlaşılır olsa da en "doğru" model değildir — yalnızca son temas noktasına tüm krediyi vererek üst funnel kanalları (marka bilinirlik, sosyal medya, display) tamamen görmezden gelir. Bir kullanıcı önce Instagram reklamını görmüş, sonra Google'da aramış ve son olarak doğrudan URL yazarak satın almışsa, last-click modeli tüm krediyi "direct" kanalına verir. Data-driven attribution (DDA) makine öğrenmesi kullanarak her kanala oransal kredi dağıtır ve gerçeğe en yakın tabloyu çizer. GA4'te DDA varsayılan modeldir ve değiştirilmemesi önerilir.

2. Attribution Ayarları (Admin)

GA4 Admin > Attribution Settings'den attribution modelini ve lookback window'u yapılandırabilirsiniz.

a) Reporting Attribution Model

Admin > Data Display > Attribution Settings
Seçenekler: Data-driven, Last click, Google paid channels last click
Değişiklik geriye dönük olarak tüm raporları etkiler (retroaktif).

b) Lookback Window (Geriye Bakış Penceresi)

💡 Basit Anlatım — Lookback Window

Dönüşüm penceresi = hafıza süresi. 30 günlük pencere demek: müşteri 30 gün önce reklamınıza tıkladıysa ve bugün satın aldıysa, o tıklama sayılır ve dönüşüm o kanala atfedilir. 7 günlük pencerede ise sayılmaz — çünkü "hafıza süresi" dolmuştur. Kısa pencere = kısa süreli ürünler (yemek siparişi, kozmetik) için uygun. Uzun pencere = uzun düşünme süreli ürünler (araba, mobilya, teknoloji) için uygun. Yanlış pencere seçimi, kanalların performansını olduğundan farklı gösterir!

Event Türü	Seçenekler	Varsayılan
Acquisition conversion events	30 gün	30 gün (değiştirilemez)
All other conversion events	30, 60, 90 gün	90 gün

💡 İpucu: Lookback window'u ürününüzün satış döngüsüne göre ayarlayın. Dürtüsel satın alma (gıda, kozmetik) için 30 gün yeterlidir. Uzun düşünme süreci olan ürünler (mobilya, teknoloji) için 90 gün daha doğru sonuç verir.

3. Conversion Paths Raporu

Kullanıcıların dönüşüm öncesinde hangi kanallarla etkileşime girdiğini gösterir.

a) Rapor Bileşenleri

Early touchpoints: Dönüşüm yolunun başındaki kanallar (farkındalık).
Mid touchpoints: Ortadaki kanallar (değerlendirme).
Late touchpoints: Son etkileşim (karar).

graph LR EARLY["🔵 Early\nFarkındalık"] --> MID["🟢 Mid\nDeğerlendirme"] MID --> LATE["🟡 Late\nKarar"] LATE --> CONV["✅ Dönüşüm"] EARLY --> E1["Paid Social\nDisplay\nVideo"] MID --> M1["Organic Search\nEmail\nReferral"] LATE --> L1["Direct\nBranded Search\nRetargeting"] style EARLY fill:#E8F6FC,stroke:#29ABE2 style MID fill:#DCFCE7,stroke:#22C55E style LATE fill:#FEF3C7,stroke:#F59E0B

b) Conversion Paths Kullanımı

Advertising > Attribution > Conversion paths yolunu izleyin.
Dönüşüm event'ini seçin (ör. purchase).
Kanal gruplarını inceleyin — hangi kanallar hangi aşamada etkili?
Touch point sayılarını kontrol edin — dönüşüm öncesi ortalama kaç temas noktası var?

4. Model Karşılaştırması

Farklı attribution modelleri arasında geçiş yaparak aynı verinin nasıl farklı göründüğünü karşılaştırın.

a) Pratik Örnek

💡 Basit Anlatım — Aynı Dönüşüm, 3 Farklı Hikaye

Bir kullanıcı şu yolculuğu yaptı: Instagram reklamı gördü → Google'da aradı → Doğrudan URL yazıp satın aldı. Bu tek dönüşüm, farklı modellerde bambaşka görünür:

Kanal	Data-Driven	Last Click	Google Paid Last Click
Paid Social (Meta)	0.40 dönüşüm	0 dönüşüm	0 dönüşüm
Organic Search	0.35 dönüşüm	0 dönüşüm	0 dönüşüm
Direct	0.25 dönüşüm	1 dönüşüm	1 dönüşüm

Toplam 100 dönüşümde bu farklar büyür:

Kanal	Data-Driven	Last Click
Paid Social (Meta)	45 dönüşüm	20 dönüşüm
Organic Search	30 dönüşüm	35 dönüşüm
Direct	15 dönüşüm	35 dönüşüm
Email	10 dönüşüm	10 dönüşüm

Tabloyu oku: Last Click'te Meta sadece 20 dönüşüm alıyor — çünkü genellikle yolculuğun başında. DDA ise Meta'nın farkındalık yarattığını bildiği için 45 kredi veriyor. Eğer sadece Last Click'e bakarsanız, Meta bütçesini "işe yaramıyor" diye kısabilirsiniz — bu bir hata olur.

🎯 Benzetme: Attribution modelleri bir futbol maçında gol asistini kime vermek gerektiği tartışmasına benzer. Last click, golü atan oyuncuya tüm krediyi verir. Data-driven ise topun gol öncesi yolculuğundaki her oyuncuya katkısı oranında puan verir.

⚠️ Uyarı: Attribution modelini değiştirdiğinizde tüm geçmiş veriler de yeni modele göre yeniden hesaplanır. Bu, raporlardaki dönüşüm sayılarının aniden değişmesine neden olabilir. Modeli değiştirmeden önce mevcut raporlarınızı yedekleyin.

🎯 Bu Dersten Öğrenmen Gerekenler

GA4'teki Data-Driven Attribution modelinin her temas noktasına oransal kredi verme mantığını açıklayabilirsin.
Attribution ayarlarını (model, lookback window) GA4 Admin'den iş modeline uygun yapılandırabilirsin.
Conversion Paths ve Model Comparison raporlarıyla kanalların gerçek katkısını değerlendirebilirsin.
GA4 ile Google Ads/Meta arasındaki attribution farklarının nedenlerini teknik olarak açıklayabilirsin.

📝 Quiz — Bilgini Test Et

← Önceki Ders Sonraki Ders →