İlişkilendirme Modeli (Attribution Modeling) Nedir?

Bu aşamada, etkileşim (event ya da touchpoints) olsa dahi bu etkileşimin dönüşüm ile sonuçlanması oldukça düşüktür. Bu araştırma sürecindeki müşteri ve pek çok kanal üzerinden hedefleme yapan marka için normal karşılanabilecek bir durumdur¹. Ancak, bu hareketlilik performans değerlendirme aşamasında, yani davranışları sayılarla ifade etmek istediğimizde karşımıza bazı sorunlar çıkmasına neden olacaktır. İşte bu noktada, ilişkilendirme modeli ile çözüm sağlarız. İlişkilendirme modeli (attribution model), müşterilerin farklı kaynaklardaki etkileşimlerinin ölçülebilir ortak bir temelde ele alınabilmesini sağlar².

İlişkilendirme Modeli (Attribution Modeling)

Ürün ve hizmet(ler)inizi veya bu ürün ve hizmet(ler) ile ilgili gelişmeleri potansiyel müşterileriniz veya müşterilerinizle nasıl buluşturuyorsunuz? Onları nasıl haberdar ediyor, kendinizi anlatıyorsunuz; sosyal medya paylaşımları, organik aramalar, farklı kaynaklarda yayınlanan içerikler, videolar, farklı mecralarda ve formatlarda yayınlanan reklamlar, e-bülten gönderileri? Kimileriniz bunların birkaçı veya hepsi diyecektir. Evet, çoğu zaman dijital pazarlama faaliyetleri birden çok kanal aracılığı ve hatta cihaz kırılımları ile yürütülmektedir. Peki, bu etkileşimleri ortak bir bağlamda nasıl değerlendirebilir ve hedeflenen kullanıcıların dönüşüm yolu üzerindeki hareketliliğini analiz edebiliriz?

İlişkilendirme modeli (attribution modeling), müşterilerin dönüşüm yolunda gerçekleştirdikleri etkileşimlerin (arama, reklam tıklamaları vb.) belirlediğimiz kriterler çerçevesinde, gerçekleşen dönüşümünün ne kadarından sorumlu olduğunu belirlediğimiz bir modeller bütünüdür. Bu sayede, kaynaklara ayırdığımız bütçelerin doğru bir şekilde yönetilebilmesi, reklam performansının daha iyi anlaşılabilmesi ve dönüşüm yolculukları boyunca optimizasyon yapılabilesi mümkün hale gelmektedir.

Half the money I spend on advertising is wasted; the trouble is, I don’t know which half.

~ John Wanamaker

Çoğu reklamveren dijital pazarlama başarısını dönüşümden önce gerçekleşen işlem ile (son tıklama) ilişkilendirir. Örneğin, bir kelime reklamı üzerinden anlatmak gerekirse, dönüşümün tüm kredisi en son tıklanan reklama ve karşılık gelen anahtar kelimeye verir. Bu gibi süreçlerde, son tıklamayı sağlayan kaynağın bütçesi artırılırken diğer kaynakların bütçesi kısılması sık görülen bir davranıştır³. Ancak, bütçe kaydırma sürecinin sonrasında son tıklamanın da eskisi kadar performans göstermeidiği görülebilmektedir. Çünkü, müşterilerin yol boyunca kurmuş olabileceği diğer reklam etkileşimleri göz ardı edilmiş olunur. İlişkilendirme modelleri sayesinde, dönüşümler için her bir kaynağa ne kadar kredi/önem verileceği belirlenir ve bu sayede kaynaklar arasındaki performans karşılaştırılarak bütçe optimizasyonu gerçekleştirilebilir⁴.

Farklı İlişkilendirme Modelleri

Bir üst paragrafta çoğunlukla kredinin tamamının son tıklamaya verildiğinden bahsetmiştim. Modellerimizden birisi ve genellikle en sık kullanılanı da belirtildiği üzere son tıklama modelidir.

Son Tıklama İlişkilendirme Modeli

Son tıklama modeli, dönüşüm için bütün krediyi son tıklamaya ve karşılık gelen kaynağa verir. Son etkileşim öncesindeki ilk etkileşim, son tıklamaya öncesi etkileşim de dahil olmak üzere son etkileşim dışındaki hiçbit etkileşim değerlendirmeye alınmaz. Yukarıda da belirttiğim üzere en yaygın kullanılan bu model olmasının yanı sıra en verimsiz model de son tıklama modelidir. Yaygın kullanım nedenlerinden biri ölçüm sürecini basitleştirmesi ve bu nedenle çoğu analiz aracı tarafından ön tanımlı olarak sunulmasıdır.

Doğrudan Olmayan Son Tıklama İlişkilendirme Modeli

Bu modelde tüm kredi sondan bir önceki etkileşime verilir. Son tıklama modeline göre daha mantıklı gelebilir ancak eğer dönüşümler ağırlıkı olarak doğrudan trafik veya e-bülten teklifleri ile iletiliyorsa ve dönüşümler bu kaynaklar üzerinden gerçekleşiyorsa model bağlamında göz ardı edilmiş olurlar. Örneğin, Ads reklamları aracılığı ile websitenize, kayıt olan ve sepete ürün atan ancak dönüşüm gerçekleştirmeyen bir kullanıcımız olsun. Kullanıcıya bir indirim kuponu ile birlikte sepetteki ürünlerinin hatırlatıldığı bir e-posta gönderip dönüşüm sağladığımızda model krediyi e-postaya değil Ads reklamına verecektir.

Google Ads Son Tıklama İlişkilendirme Modeli

Bu model, bir dönüşüm gerçekleştiğinde tüm krediyi diğer etkileşimler göz ardı edilerek (Ads olmayan son etkileşim de dahil) etkileşim akışı içerisinde yer alan son Ads etkileşimine vermektedir. Örneğin, bir kullanıcı dönüşüm işlemi öncesinde farklı zaman aralıklarında websitenizi Ads > Sosyal Medya > Ads > E-bülten > Direct kanalları ile ziyaret etmiş ve dönüşüm işlemini doğrudan gerçekleştirdiği trafik ile gerçekleştirmiş olsun. Bu durumda tüm kredi E-bülten öncesinde yer alan Ads etkileşimine verilecektir.

İlk Tıklama İlişkilendirme İlişkilendirme Modeli

Dönüşüm için bütün krediyi ilk etkileşime verir. Örneğin, ilk tıklama bir metin reklamı ise tüm dönüşüm bu reklama ve karşılık gelen anahtar kelimeye verilecektir.

Doğrusal İlişkilendirme Modeli

Doğrusal (veya eşdeğer) ilişkilendirme modelinde dönüşümün kredisi dönüşüm gerçekleşene kadar kullanıcının etkileşime geçtiği tüm kaynaklar arasında eşit bir şekilde dağıtılır.

Zamana Bağlı Azalma Modeli

Dönüşüme daha yakın zamanda gerçekleşen etkileşimler daha fazla kredi alır. 7 günden daha uzun bir süre önce gerçekleşen tıklamalara, dağıtım sırasında yarım kredi verilir. Yani dönüşümden 8 gün önce gerçekleşen reklam etkileşimi, 1 gün önce gerçekleşen reklam etkileşiminin yarısı kadar kredilendirilir. Başlangıç aşamasında ve düşük alarak etkileşimleri anlamlandırabilmek adına kullanılabilecek bir modeldir.

Konuma Dayalı Model

İlk ve son etkileşimler krediden %40'ar pay alırken, %20'lik kalan kredi diğer etkileşimler arasında dağıtılır. Bu modelde ilk etkileşim ziyaretçiyi siteye/web sitesine getirdiği, son etkleşim ise dönüşümü sağladığı için öncelikli tutulur.

Konuma dayalı model ayrıca W-shaped olarak ifade edebileceğimiz, ilk ve son etkileşimin yanı sıra 2. etkileşime de kredi veren bir modeldir. Kredinin %590'ı 1, 2 ve son etkileşim arasında, kalan %10 ise diğer etkileşim noktaları arasında dağıtılır⁵.

Özelleştirilmiş İlişkilendirme Modeli

Bu modeli öncesinde zamana başlı azalma modeli ile denemeler yapmış olmanız ve öelleştirilmiş ilişkilendirme modelini efektif bir şekilde kullanmaya başlamadan önce şu temel sorulara bazı cevaplar verebiliyor olmanız önerilmektedir;

• Sizin için önemli etkleşimler nelerdir? Örneğin; sayfa derinliği, oturum süresi, indirme vb. etkileşimler ile dönüşüm işlemi arasında bir ilişki olduğunu düşünüyor musunuz?
• İdeal dönüşüm süreniz nedir? Müşteriler dönüşüm yolculuğunu ne kadar sürede tamamlıyorlar? Siz bu sürenin ne kadar olmasını hedefliyorsunuz?
• Tekrar satın alma (repurchase) ile biten dönüşüm yolculuklarını ortak bir örüntü ile ifade edebiliyor musunuz?
• Finansal değeri olan en temel etkileşiminiz nedir?
• Google Analytics'e farklı kaynaklardan veya çevrimdışı veri aktarıyor musunuz?

Özelleştirilmiş model işlemleri de dahil olmak üzere model karşılaştırma ve düzenlemeleri Google Ananalytics > Conversions > Multi-Channel Funnels > Model Comparison Tool sayfası üzerinden gereçekleştirilmektedir. Tanımlı modeller arasında karşılaştırma işlemini ayrıca Ads paneliniz üzerinden Araçlar > İlişkilendirme > Model Karşılaştırması adımlarını izleyerek de gerçekleştirebilirsiniz.

Veriye Dayalı İlişkilendirme Modeli

Dönüşüm kredisi ilgili dönüşüm işlemine ait geçmiş veriler temel alarak dağıtılır. Dönüşüm yolundaki her bir etkileşimin gerçek katkısını hesaplamak için hesap verileri temel alındığı için diğer modellerden ayrılır. Ancak bu işlem yalnızca yeterli veriye sahip hesaplarda kullanılabilmektedir.

İlişkilendirme Modellerinin Sundukları

• Dönüşüm hedefine ulaşırken yüksek peformans gösteren kanalları öğrenebilir ve kaynakları buna uygun olarak yönetebilmesini sağlayabiliriz. Bu sayede reklam ajansları ve reklam kampanyaları ile ilgili değerlendirmeler yapabilmemiz de mümkün hale gelecektir.
• Her kanalın çözüşüm üzerindeki payını kanal bazında değerlendirebilmek ve ölçmek için. Örneğin, Ads reklamlarıyla dönüşüme ulaşan etkileşim akışı içerisinde Ads ile ilişkili olarak dönüşümü sağlayan kelime bilgisini de görebiliriz⁶.
• Kanallara yapılan reklam harcamalarının geri dönüşünü, yani yatırım getirisini (ROI) değerlendirebiliriz.
• Dönüşümü destekleyen kanalların (assisted conversions) performansını ölçebiliriz ve yeni kanallarla müşteri yolculuğunu optimize edebiliriz.
• Online ve offline pazarlama performanısını karşılaştırabiliriz.
• Dönüşüm yolculuğu ile ilgili geçen süre (time lag) ve kurulan etkileşim sayısı (path length) ile ilgili bilgilere ulaşabiliriz.