Tanıştıralım: Attribution Model

Şu an kendinize “Peki mantığı anladık da bu attribution olayını neye göre yapacağız?” diye soruyorsanız, süper! Doğru yoldasınız. Kötü haber, tüm dertlerinizi bitirecek ve gripin gibi alıp devam edebileceğiniz bir model yok. İyi haber ise yaptığınız işe göre kullanabileceğiniz alternatif modeller ve bu modellerin açıklamaları var. Dahası bu modellerin hepsi Google Analytics tarafından desteklenmekte. Yani birazdan bahsedeceğimiz modelleri mevcut web analytics verileriniz üzerinde uygulayıp sonuçlarını görebilir hatta birbirleriyle karşılaştırabilirsiniz! Daha ne olsun?

Hazırsanız başlayalım…

Her şeyden önce bu yazının oluşmasında neredeyse her web analytics bağlantılı yazımızda olduğu gibi Avinash Kaushik ‘in konu hakkındaki yazılarından hunharca yararlanmamız (hatta imajlarını “ödünç almamız”) ve bir özetleme noktasına varmamız önemli bir yer edinmştir. Özellikle şu yazısını orjinal dilinde okursanız, burada anlatacaklarımızın biraz daha geniş ve uzunca versiyonunu bulabilirsiniz.

Model 1: Son Etkileşim Modeli (Last interaction / Last-click Attribution Model)

Bu model isminden de anlaşılacağı gibi tüm krediyi dönüşümü sağlayan o ulu adıma vermekte. Yani öncesinde ne oldu, ne bitti, ziyaretçiyi kullanıcıya/müşteriye dönüştüren öncül kanallar neydi sorularını gözardı eden bir model. Eğer insanların sihirli bir şekilde ürününüzün farkına varıp sitenizle/ürünüzle etkileşime geçtiği anda istediğiniz dönüşümü sağlayıp işi bitireceğine inanıyorsanız, bu modeli kullanın. Bonus olarak da bana bir mail atın ki aydınlanayım. Zira hiç öyle bir ürün görmedim. Avinash üstad bir adım ileri giderek “kovulmak isterseniz bu modeli kullanın” der.

Bu arada neredeyse tüm web analytics araçlarının (Google Analytics hariç) standart raporlarında bu modeli kullandığını biliyor muydunuz? Neden derseniz çünkü bu araçlar standart raporları sizin işe hızlıca koyulabilmeniz için hazırlıyor ve her sektörden yüzbinlerce işletmeye hitap edebilmek için mümkün olan en genel ayarlarda araçlarını sunuyorlar. Ömür boyu onları özelleştirmeden kullanın diye değil. Yani custom reports ve advanced segmentation gibi terimler sizin için göbek adınız değilse büyük ihtimalle yanlış veri yorumlamarı yapıyorsunuz. Bir sulugöz çiğneyip okumaya devam edin.

Model 2: Son direkt-olmayan Etkileşim Modeli (Last Non-direct Click Attribution Model)

Google Analytics standart raporlarında bu modeli kullanır.

İlk bakışta bu model öncekine göre biraz daha mantıklı görünse de problemlerinin en başında ve yüksek seviyede tehlikeli olan nokta, direkt ziyaretleri ekarte etmesi. Yani örnek olarak ben Adwords reklamına tıklayıp siteye geldikten bir süre sonra direkt olarak siteyi ziyaret edip dönüşümü sağlarsam tüm alkış Adwords harcamalarıma gidiyor. Bu size bir an mantıklı gelebilir. Fakat “Ziyaretçi Adwords reklamından gelip siteden/üründen ayrıldıktan sonra ne oldu da ben ziyaretçinin direkt olarak siteye gelip dönüşümünü sağladım?” sorusunu tamamen gözardı ediyor. Halbuki olayın en tadından yenmez yeri burası olabilir. Sosyal medyada reklamınızı mı gördü? Tv/radyo da biri bu üründen mi bahsetti? Arkadaşı bir bakalım tekrar diyip kafasını mı çeldi? Çözüm ortağınıza gitti orada mı gördü? E-posta pazarlamanız mı işe yaradı? Rüyasında mı gördü? Ne oldu da acaba geri geldi? Bunların en azından alternatif iletişim kanallarınızla ilgili olan kısımlarına cevap bulabilirseniz (uykuya reklam almazlar diye düşünüyorum) belki de müthiş bir organik büyümeye koşabilirsiniz.

Avinash bu modele sert bir bakış açısıyla “Yapılmış bir hata veya geçmişten kalma bir uygulama” olarak tanımlıyor ve kaldırılması gerektiğini belirtiyor.

Model 3: Son Adwords Etkileşim Modeli (Last Adwords Click Attribution Model)

İsminden de anlaşılabileceği gibi bu model son Adwords etkileşimine değer verirken önce ve sonrasını tamamen gözardı ediyor. Eğer Adwords’ü ücretsiz kullanma gibi bir yol bulmadıysanız faydasız bir model olduğunu söylememe gerek yok sanırım.

Avinash buna “Ağzımı bozmamak için zor tutuyorum; değeri bulunmayan” tadında bir yorum yapmış. Şaşırmamak gerekir.

Model 4: İlk Etkileşim Modeli (First interaction/ First-click Attribution Model)

Kısaca, ilk konuştuğumuz model olan “son etkileşim modeli” ‘nin ters düz edilmiş halidir. Bu model de “Ziyaretçinin beni ilk gördüğü yer, ilk etkileşime geçtiği kanal her şeyin başıdır. O yüzden gerisi önemli değildir.” bakış açısına sahip. “İnsanlarla ilk iletişimi nasıl kuruyorsunuz?” sorusuna yardımcı olsa da dönüşüm değerlemesi için yeterli olabilecek bir model olduğunu söylemek çok zor.

Avinash’ın buradaki örneklemesini duyunca istemsiz kahkaha attım, ancak taşlanma ihtimalime karşılık yorumsuz alıyorum; “Bu model karımla evlendiğim için ilk sevgilime teşekkür etmek gibi bir şey.”

Model 5: Eşdeğer Etkileşim Modeli (Linear attribution model)

Ziyaretçinin/Kullanıcının siteyle/ürünle ilk etkileşime girdiği andan itibaren o son hamleyle dönüşümün sağlandığı ana kadar olan süre içindeki tüm farklı kaynaklara eşit değer verilmesi demektir. Bir an için mantıklı gelirse aslında pek işinize yaramayacağını hemen söyleyeyim. Zira amacımız nedir? Hangi oyuncular oyun içinde hangi pozisyonda olursa daha iyi sonuç ortaya çıkıyor? sorusuna cevap bulabilmek. Fakat bu modele her oyuncuya her pozisyonda aynı değeri veriyoruz. Yani kaleciyi forvete koysan aynı değerde!

Tek tesellisi son etkileşim veya ilk etkileşim gibi kullanıldığında alınan sonuçların etkilerinin operasyonunuza zarar verici etkide bulunması ihtimalinin daha az oluşu. Sonuçta bu modelden size şunu tercih etmelisin aksiyonu çıkmayacak. Avinash buna “kaybedene de üzülmesin diye kazanan kadar değer vermek” diyor özetle.

Model 6: Zamanla Değer Kaybı Etkileşim Modeli (Time Decay Model)

Bu diğerlerine bakıldığında daha mantıklı bir model olarak görünüyor. Son adım dönüşümü sağladığı için en fazla krediyi alıyor, ancak hepsini değil. Geriye doğru azalan bir paternle diğer tüm etkileşim kanalları paylarına düşenleri alıyorlar. Burada ilk adımların neden bu kadar az aldığı tartışılabilir olsa da son adımdan daha az pay alıyor olmaları çok da mantıksız değil. Burada önemli olan düşük bir oranla da olsa ilk adımdan başlayarak, her bir adımın dönüşümden pay edinmesi ve dönüşümü sağlayan adıma yaklaştıkça bu edinimin artması.

Avinash “Attribution modelling işine yeni giriyorsanız bu modelle başlayın ki operasyonuz için risk teşkil edebilecek kadar yanlış sonuçlar çıkartan bir model kullanmamış olun” der. Mantıklı bir yaklaşım olduğunu söylemek gerekir. Milyon dolar kazandıracak kadar büyük bir adım değil belki. Ama ilk modelinizi kullanmak, onun sonuçlarını okuyabilmek ve bu sonuçlara göre aksiyon alarak ne kadar fayda sağlayabildiğinizi görmek önemli bir başlangıç olacaktır.

Bu modelin bir ek özelliği olan “half-life” özelliğiyle dönüşümün gerçekleştiği günden belirleyeceğiniz sayı kadar gün öncesinde gerçekleşen etkileşimlerin payı yarılanarak daha sonraki adımlara aktarılacak, böylece zaman bazlı yapılan bu ölçümlemedeki esas çocuk olan “zaman”ın önemi daha da etkili olacaktır.

Model 7: Konuma Dayalı Model (Position Based Model)

Bu modelde ilk etkileşime ziyaretçiyi siteye/ürüne çekilmesini sağladığı için, son etkileşime de dönüşümü sağladığı için pastanın büyük payı yarı yarıya verilir ve kalan aradakiler arasında dağıtılır. Fakat eğer modelleme konusunda uzman değilseniz o aradakilere verilen değerlerin dağılımı size yanlış sonuçlar çıkartabilir. Bu nedenle yeterince tecrübeye sahip olmadan kullanılırsa bu modelleme tipi yarardan fazla zarar verebilir. Avinash bu modeli ben kullanıyorum zira tecrübem var diyor. Aksini iddia edemeyeceğim.

Model 8: Özelleştirilmiş Model (Customised/Personalized Attribution Model)

Tam bu noktada Avinash okuyucularını tekrar tekrar uyararak mutlaka önce zamanla değer kaybı modelini kullanmalarını öneriyor. Sonuçlarını ve etkilerini görmeden özelleştirmeye girmemelerini önemle vurguluyor. Şimdi burada ben de aynısı yapmasam ayıp olurdu.

Özelleştirilmiş model için öncelikle yanıtlamanız gereken bir dizi soru var. Bu soruları site/ürün sizinde kendinize, hizmet verdiğiniz bir başkasıyla ona sormanız ve cevaplarını olabildiğince doğru vermeniz lazım:

1. Ne gibi kullanıcı davranışlarına değer veriyorsunuz? (Çok sayfa gezmesi mi? X süre kadar sitede kalması mı? Demo ürünleri indirmesi mi? vb.)
2. Ortada çözüm sağlamayı amaçladığınız bir ideal dönüşüm süresi var mı?
3. Tekrar satın almanın (makro dönüşümün) oluşması ile ilgili geriye doğru bakıldığında verinizdeki davranış paternleri nasıl?
4. Gerçeklenmesine finansal bir değer bağlanmış olan mikro etkileşim hedefleri var mı?
5. Universal Analytics kullanılarak offline dönüşümler Google Analytics’e besleniyor mu?

Bu sorular ve benzerleri izin özelleştirilmiş model oluştıurmanızda dikkat etmeniz gereken ve göz önünde bulundurmak isteyeceğiniz veriler sağlayacaktır. Diyelim ki bu donelere sahip oldunuz ve kendi modelinizi yaratmaya hazırsınız. O zaman Google Analytics’in karşısına geçme vakti gelmiştir. Step by step anlatayım ki bir “how-to” tadında olsun istedim.

1. Sol menüden Dönüşümler > İlişkliendirme > Model Karşılaştırma aracını seçin

2. Açılan sayfada seçili olan son etklişime tıklayarak alternatif modelleri görüntüleyin ve listenin en altındaki “yeni özel model oluştur” opsiyonunu seçin.

3. Modelinize bir isim verin ve baz alacağınız modeli seçin. Bu örnekte biz de Avinash’ın kullandığı model olan, konuma dayalı modeli baz alacağız.

4. Bu noktada dönüşüm kredisi tutarını belirleyeceğiz.

Burada neden böyle bir dağılım olduğu kafanıza takılırsa açıklaması şöyle; tüm ele alınan örnekler ve önermelere bakıldığında, genelin çok dışında kalan nevi şahsına münhasır durumlar dışında her örnekte son etkileşime daha fazla kredi verilmesi öngörülür. Bunun sebebi dönüşümün gerçeklenmesine etki eden en büyük adım olduğu varsayımıdır. Basketi o atmış, topu doksana o takmıştır. Arada kalan ve son etkileşime yolumuzu çıkartan adımlarsa işin kreşendosudur. O korku filminde karanlıkta ilerleyen gözlüklük şişman karakterin her adımında yükselen arka sestir. Defanstan topu alıp 30 metre süren sonra süper bir arapası bırakan orta sahadır. İlk etkileşimse herşeyi başlatan adımdır. İlk merhaba, ilk intibadır. Diğerleri kadar olmasa da o da bir kredi almalıdır. En azından bunlar Avinash’ın seçimini böyle yapmasını sağlayan etkenler. Bunlara uyup uymamak size kalmış.

5. Bu noktada “yeniden inceleme pencesi” olarak dilimize çevrilen ancak İngilizce teriminin çok daha rahat anlaşıldığına inandığım “lookback window” ayarlarını yapıyoruz. Ne kadar geriye dönülen bir pencerede bu modeli çalıştıracağımız seçmemiz gerekir. Peki bunu nasıl yapacağız? Bunu tek bir değere dayandırmaktansa ilk başta sorduğumuz soruları göz önünde bulundurarak mevcuttaki dönüşüm sürelerini göz önünde bulundurmanın ve biraz pay bırakmanın faydalı olacağını söyler Avinash abimiz. Dönüşüm sürem ne kadar bilmiyorum derseniz time lag raporuna bakın derim.

6. Krediyi kullanıcı katılımına dayalı olarak ayarlama opsiyonunu seçin. Böylece hangi adıma ne kadar daha fazla kredi vereceğimizi kullanıcılarımızın davranışlarına göre belirleyebiliriz.

Kullanılan metod olarak alternatifine göre daha net cevaplar verebilecek olan “sayfa derinliği” opsiyonunu seçmeniz tavsiye olunur. Bu adımla beraber yaptığımız şey bize daha fazla etkileşim sağlayan ziyaretçi/kullanıcı getiren kaynaklara daha fazla değer vermek.

7. Özel kredi kuralları uygulayın. Hani tüm bu maddelerin başında bir dizi soru sorarak başlamıştık ya hatırladınız mı? İşte o maddeler bize burada yardımcı olacak. Örneğin bir kampanya çıktınız ancak bu kampanya çok yüksek bir bounce rate’e sahip ve aslında iyi performans sergilemiyor. O zaman bu kampanya diğer adımların kredilerinden 0.75 le çarpılarak değerlenmelidir diyebiliyorsunuz. Ya da çok iyi giden başka bir kampanya için diğer interaksiyon tipleri 1 değerindeyse bu kampanya 1.4 değerindedir diyebiliyorsunuz.

Ve sonunda modeliniz hazır. Artık modelinize uygun olarak farklı etkileşim değerlerini inceleyebilir, analizler yaparak aksiyon noktaları çıkartabilirsiniz.

Burada yapmam gereken en önemli hatırlatma, yaptığımız bir çok ayarın işletmeye özgü değerlere sahip olduğudur. Bu nedenle dönüşüm payı ne olacak? Yeniden inceleme penceresi ne kadar olacak? Özel kredi uygulamaları neye göre yapılacak? sorularının cevabı yaptığınız işe ve mevcut verilerinize göre değişir. Yani burada sihirli bir reçete yok (Üzgünüm… Aslında değilim. Sürekli hap şeklinde ağrı kesici arayan bir mentaliteden kurtulup, sistematik analiz yapabilme ve biraz bu konularda emek harcamaya gönüllü olmamız gerektiğine inanıyorum. Fakat bu konuya girersem bu yazı bitmez. Kara Murat’a komplo hazırlığındaki Bizans kralı bakışımı atıyor ve devam ediyorum).

Peki modellemeye başladık diyelim. Zamanla değer kaybeden modeli veya biraz daha ilerledikten sonra özelleştirerek oluşturduğumuz modelimiz. Sonuçları nasıl analiz edeceğiz? Bu iki modeli de kullanarak birbirleriyle karşılaştırmayı deneyebiliriz. Yine Avinash üstadın deyimiyle bu değerlemeye ilk başladığımız “en güvenilebilir” modelle ve kendi ürettiğimiz modelle eldeki veriyi çarpıştırarak değerli bilgiye ulaşabiliriz. Bu yolu izlerseniz şöyle bir ekranla karşılaşırsınız:

Burada size iki model arasındaki farkı ve değerlemedeki değişim/gelişiminizi gözler önüne serecek olan en sağdaki özelleştirilmiş modelinizin bulunduğu kolondaki 5 oranlarıdır. Bu değişimlerden kendinize aksiyon noktaları çıkartabilirsiniz. Hatta üstad bizim en çok kullandığımız söyleme atıfta bulunarak tekrar bizim gönlümüzü kazanmıştır; “Hipotezler üretin, test edin, bir sonrakinde daha az hatalı olun”.

Evet konu üzerinde tecrübe kazandıkça hepimiz daha da detaylı bilgiler edineceğiz bu konuyla ilgili. Ancak kapatmadan önce yine Avinash üstadın “Durun çocuklar gitmeden size ufak tefek tüyolar vereyim de yüzünüz gülsün” tavında verdiği önerileri paylaşmak isterim;

• Bu modelleme tekniklerinin doğru çalışabilmesi için tüm pazarlama kampanyalarınızın %100 ve doğru etiketlenmiş olması gerekir. Arama, affiliate, e-posta, sosyal, paralı vs.
• CPA ölçümlemesi önemlidir. Dönüşüme göre hareket ederseniz artış sağlayabilirsiniz. Ancak kullanıcı edinim maliyetinize bakmazsanız hızlıca şirketin kapısına kilidi vurabilirsiniz. Google Analytics bazılarına sahip olsa da öyle ya da böyle diğerleri için bu değeri manuel olarak sisteme yüklemeniz gerekecektir.
• Tüm kanallarınızı her daim beraberce bu model üzerinde analiz etmek zorunda değilsiniz. Raporun üst kısmında bulunan dönüşüm menüsünden belirli dönüşüm türlerini seçerek belirli tür (ör. sadece pazarlama) etkileşimleri analiz edebilirsiniz.
• Burada anlatılanlar çok kanallı etkileşim modellerinin tüm dijital manaları ekseninde analizidir. Offline operasyonları ve multi-ekran/cihaz analizler için farklı yöntemler kullanmalısınız.
• 10M$ dolardan fazla geliriniz varsa bu modeli kullanmanıza gerek olmayabilir. Böyle bir geliriniz varsa bana haber verin olur mu ? (Bu son isteğin Avinash’la bir alakası yok 🙂 )