1. Attribution modeli nedir? Otel reklamlarında neyi çözer?
Attribution modeli, dönüşüm kredisinin (rezervasyon/lead) kanallar arasında nasıl paylaştırıldığını tanımlar. Yani “bu rezervasyonun başarısı kime yazılmalı?” sorusuna sistematik cevap verir. Otellerde bu özellikle önemlidir çünkü kanal karması geniştir: Search, Display, YouTube, Meta, remarketing ve hatta OTA görünürlüğü aynı anda misafiri etkileyebilir.
Attribution nedir, last click ile data-driven farkı nedir?
Cevap: Attribution, dönüşüm kredisinin kanallara dağıtım yöntemidir. Last click, tüm krediyi son tıklayan kanala verir; data-driven gibi çoklu dokunuş modelleri, yolculuktaki temaslara katkı payı dağıtır. Otellerde çoklu dokunuş yaklaşımı, YouTube/display/remarketing gibi “asist” rolü olan kanalları doğru değerlendirmeyi sağlar.
Otel funnel’ında attribution’ın pratik karşılığı
- •Last click: “Satışı kim kapattı?” bakışı
- •Multi-touch / data-driven: “Satışı kim hazırladı + kim kapattı?” bakışı
İkisinin de yeri vardır. Hata, tekini “tek doğru” sanmaktır.
Mini örnek (otel bağlamlı)
Misafir ilk gün YouTube’da oteli görüp siteye giriyor, ikinci gün “Belek her şey dahil” arayıp fiyat bakıyor, üçüncü gün marka arayıp rezervasyon yapıyor. Last click, tüm krediyi brand search’e yazar. Multi-touch ise YouTube ve generic search’e de pay verir; böylece “talebi hazırlayan” kanallar kapanmaz.
Ne yapmalıyım?
- • 1. Karar sorunu net yaz: “Bütçeyi nereden kısıp nereye ekleyeceğim?”
- • 2. Last click raporunu “kapanış kanalı” olarak oku.
- • 3. Multi-touch raporunu “hazırlayan + kapatan” olarak oku.
- • 4. Brand’i tek başına büyütme; talep hazırlayan kanalları kontrol et.
- • 5. Dönüşüm pencerelerini (lookback) rapora not düş.
2. Last Click vs Data-Driven: Ne zaman hangisine güvenmeliyim?
Last click “yanlış” değildir; sadece tek boyutludur. Data-driven da “mucize” değildir; doğru kurulum ve yeterli veri ister. Otellerde en sağlıklı yaklaşım, iki görünümü birlikte okuyup aynı kararı iki farklı mercekten test etmektir.
Last click güçlü olduğu senaryolar
- •Brand arama ile rezervasyon kapanışı çok yüksekse
- •Misafir yolculuğu kısa ise (hemen rezervasyon)
- •Kapanış kanalı “hızlı karar” durumlarında kritikse (flash sale)
Data-driven / katkı modellerinin güçlü olduğu senaryolar
- •Yolculuk çok adımlı ise (araştırma + karşılaştırma + karar)
- •YouTube/display/social gibi üst funnel kanalları aktifse
- •Remarketing yoğun kullanılıyorsa (son tıklama yanıltıcı olabilir)
Yanlış yorum → yanlış karar uyarıları
- •Last click’e bakıp YouTube’u kapatmak → 2–6 hafta sonra arama talebini düşürebilir.
- •Data-driven’a bakıp brand’i “önemsiz” sanmak → kapanış performansını zayıflatabilir.
- •Assisted conversions’ı yüksek diye her kanalı büyütmek → verim kaybı yaratabilir.
Ne yapmalıyım?
- • 1. Yönetim raporunda 2 satır göster: “Last click” ve “Katkı modeli”.
- • 2. Brand/generic/remarketing’i ayrı etiketle ve öyle kıyasla.
- • 3. Üst funnel kanallarda başarıyı “asist + havuz” ile ölç.
- • 4. Kararı %10–20 bütçe testiyle doğrula (7–14 gün).
- • 5. Model değişimi yaptıysan rapora kırmızı not ekle (aşağıdaki teknik not).
3. Yardımcı dönüşüm (assisted conversion) ne demek? Neyi gösterir?
(PAA + Voice) Yardımcı dönüşüm ne demek?
Cevap: Yardımcı dönüşüm, bir kanalın rezervasyonun son adımı olmadan önce yolculuğa katkı verdiğini gösterir. Örneğin YouTube kampanyası misafiri siteyle tanıştırır, dönüşümü brand search kapatır; YouTube “assisted” olarak görünür.
Assisted conversions raporları, “kredi” tartışmasını pratik hale getirir: • Last click = kapanış • Assisted = hazırlık / ikna / hatırlatma
Assisted conversions’ı okurken 3 kritik hata
- Her asist iyi sanmak: Asist çok ama kapanış hiç yoksa, hedef/mesaj sorunu olabilir.
- Sadece adet bakmak: Asist adedi yüksek ama değer düşük olabilir.
- Pencereyi unutmak: Lookback window değişince asist görünümü değişir.
Mini örnek: remarketing’in last click’te “gölge” etkisi
Remarketing sıklıkla kapanış kanalına dönüşür. Bu iyi olabilir; ama remarketing’i büyütüp prospecting’i kısarsanız, 3–6 hafta sonra havuz küçülür ve remarketing de düşer. Assisted raporlar, prospecting’in havuz yaratma rolünü görünür kılar.
Ne yapmalıyım?
- • 1. Assisted raporda “asist/kapanış oranı”na bak.
- • 2. Asist yüksek ama kapanış yoksa mesaj/teklif/landing’i kontrol et.
- • 3. Prospecting (üst funnel) ve remarketing dengesini koru.
- • 4. Rapor pencerelerini standardize et ve notla.
- • 5. Kanalları “rol” etiketleriyle raporla (hazırlayan/kapatan).
4. Otellerde en yaygın misafir yolculuğu: YouTube → Generic → Brand → Rezervasyon
Bu yolculuk, otellerde çok yaygındır çünkü misafir “an” satın almaz; deneyimi ve fiyatı karşılaştırır: 1. YouTube / Video: Farkındalık ve “ilk temas” 2. Generic Search: Karşılaştırma (bölge/konsept/otel tipi) 3. Brand Search: Güven + doğrulama + kapanış 4. Rezervasyon: ödeme / form / çağrı merkezi
Bu yolculukta kanal rolü nasıl tanımlanır?
- •YouTube: talep hazırlayıcı (asist)
- •Generic: niyet yakalayıcı (orta funnel)
- •Brand: kapanış (alt funnel)
- •Remarketing: hatırlatıcı / kapanış hızlandırıcı
Bu rol tanımı, “hangi kanalı kapatmalı” sorusunu daha doğru yapar: Kapanışı iyi diye sadece brand’i büyütmek, talebi hazırlayan kanalları zayıflatır.
Ne yapmalıyım?
- • 1. Raporuna “kanal rolü” kolonu ekle (hazırlayan/kapatan).
- • 2. Assisted + last click’i birlikte raporla.
- • 3. YouTube/display’i “asist KPI” ile değerlendir (havuz büyümesi, arama artışı).
- • 4. Generic’te niyeti temizle (arama terimleri, segment).
- • 5. Brand’i koru ama tek büyüme motoru yapma.
5. GA4’te attribution ve assisted görünümleri: pratik okuma yöntemi
GA4’te attribution ekranları, doğru kullanılırsa yönetim dili üretir; yanlış kullanılırsa karmaşa yaratır. Pratik yaklaşım:
1) “Model karşılaştırma”yı yönetim raporuna çevir
Aynı KPI’yı (dönüşüm) iki modelde gösterip farkı “not” olarak verin. Amaç, yönetimi teknik detayla boğmak değil, belirsizliği görünür kılmaktır.
2) Kanal gruplaması: “temiz kanal isimleri”
Google/Meta/Direct/Referral gibi kanal isimleri raporda tutarlı olmalı. Aksi halde katkı dağılımı karışır.
3) Assisted raporları “yanlış kararları” yakalamak için kullanın
- •YouTube asist yüksek ama bütçe sıfırlanmış mı?
- •Display asist yüksek ama kapanış yok; mesaj yanlış mı?
- •Remarketing kapanışa yazılıyor ama havuz küçülüyor mu?
Ne yapmalıyım?
- • 1. GA4’te kanal gruplamasını standardize et.
- • 2. Model karşılaştırmasını “tek satır fark” olarak raporla.
- • 3. Assisted conversions’ı “kanal kapatma” kararından önce kontrol et.
- • 4. Üst funnel kanalları için “asist KPI” seti tanımla.
- • 5. Haftalık raporu 1 karar cümlesiyle bitir.
6. Hangi kanalı kapatmalı, hangisine yatırım artırmalı? (Attribution bakışıyla karar)
Burası işin stratejik kısmı: Attribution, “tek metrikle” karar vermeyi engeller. Pratik bir karar çerçevesi:
Karar çerçevesi: 3 sinyal birlikte
1. Kapanış (last click) sinyali 2. Katkı (assisted) sinyali 3. Verim sinyali (CPA/ROAS veya proxy) • Kapanış yüksek + katkı düşük → kapanış kanalı (brand/remarketing) baskın olabilir • Kapanış düşük + katkı yüksek → hazırlayıcı kanal (YouTube/display) rolündedir • İkisi de düşük → hedefleme/teklif/ölçüm sorunu olabilir
“Yanlış yorum → yanlış karar” mini uyarı listesi
- •“YouTube last click’te yok → kapat” = çoğu otelde yanlış
- •“Brand en iyi ROAS → tüm bütçeyi brand’e taşı” = orta vadede büyümeyi kısar
- •“Assisted yüksek → sınırsız artır” = kalite kontrolü olmadan risk
Ne yapmalıyım?
- • 1. Kanalı kapatmadan önce assisted payına bak.
- • 2. Rolü “hazırlayan/kapatan” diye yaz ve ekipçe kabul et.
- • 3. Bütçeyi bir anda değil, testle kaydır (7–14 gün).
- • 4. Kararı tek metrik değil, 3 sinyalle ver (kapanış+katkı+verim).
- • 5. Yönetim sunumunda belirsizliği ve modeli açıkça söyle.
7. Teknik not: Attribution modelini değiştirirseniz geçmiş raporlar değişebilir
Bu, birçok ekipte kriz çıkaran bir gerçektir: model değiştiğinde geçmiş dönemlerin dağılımı farklı görünebilir. Bu “veri yalan söylüyor” değil; “kredi dağıtım yöntemi değişti” demektir.
Yönetim iletişimi kuralı
- •Model değişimi yaptıysanız, raporun üstüne mutlaka not ekleyin:
- •“Not: Attribution modeli değişti; geçmiş dönem kanal katkı dağılımları yeniden hesaplanmış olabilir.”
Pratik uygulama
- •Yönetim sayfasında 1–2 ay boyunca iki görünümü birlikte gösterin.
- •Kararları “trend” ve “test” ile doğrulayın.
8. Zorunlu Tablo: Last Click vs Data-Driven + Assisted okuma matrisi
| Görünüm | Ne söyler? | En iyi kullanım | Yanlış okuma riski | “Ne yapmalıyım?” kısa aksiyon |
|---|---|---|---|---|
| Last Click | Satışı kim kapattı? | Kapanış kanalı/pacing | Üst funnel’ı değersiz sanmak | Brand/remarketing’i koru; asist katkıyı kontrol et |
| Data-Driven / Multi-touch | Yolculuğa kim katkı verdi? | Kanal değeri ve bütçe kaydırma | “Herkes katkı verdi” diye şişirme | Rol etiketle; testle büyüt |
| Assisted Conversions | Son tıklamadan önce katkı var mı? | YouTube/display/remarketing etkisi | Sadece adetle karar vermek | Asist+kapanış+verim üçlüsüyle karar ver |
| Model değişimi notu | Rapor geçmişi değişebilir | Yönetim iletişimi | “Veri bozuldu” paniği | Not düş; 1–2 ay çift görünüm göster |
9. Attribution Modeli ve Yardımcı Dönüşüm Okuma Rehberini İndir — SEM / Kanal Katkısı (v1.0)
Attribution Modeli ve Yardımcı Dönüşüm Okuma Rehberini İndir — SEM / Kanal Katkısı (v1.0)
Bu mini rehber, otel reklam raporlarında attribution modellerini (last click vs katkı modeli) ve assisted conversions kavramını yönetim diliyle okumayı öğretir. Kanal rolünü “hazırlayan/kapatan” olarak sınıflandırıp, hangi kanalın kapatılacağı veya büyütüleceği kararını 3 sinyal (kapanış + katkı + verim) ile vermenizi sağlar. Model değişimlerinin rapor geçmişini etkileyebileceğini de yönetim iletişimiyle birlikte standardize eder.
Kim Kullanır?
Otel sahibi, satış–pazarlama müdürü, ajans yöneticisi, raporlama/analitik sorumlusu.
Nasıl Kullanılır?
- Kanalları rolüne göre etiketle: hazırlayan / kapatan.
- Last click + assisted + verim sinyallerini aynı sayfada oku.
- Bütçe kararını %10–20 testle doğrula ve rapora “model notu” ekle.
Ölçüm & Önceliklendirme (Kısa sürüm)
- ▢ ✅ Kanal rol etiketi eklendi (hazırlayan/kapatan)
- ▢ ✅ Assisted payı raporda görünür
- ▢ ✅ Brand ve remarketing ayrı izleniyor
- ▢ ✅ Prospecting havuzla birlikte değerlendiriliyor
- ▢ ✅ Lookback window standardize
- ▢ ✅ Model karşılaştırma “tek satır fark” olarak raporlandı
- ▢ ✅ Kapatma kararı assisted ile kontrol edildi
- ▢ ✅ Bütçe kaydırma %10–20 test kuralıyla yapılıyor
- ▢ ✅ Yönetim raporunda “model notu” var
- ▢ ✅ 2 hafta sonra sonuç trend olarak tekrar okundu
PDF içinde: Problem→Kök Neden→Çözüm tablosu + 14 gün sprint planı + önce/sonra KPI tablosu
Bir Sonraki Adım
CTA (Primary): Attribution & Kanal Değeri Analizi Talep Et — (Kanal katkısı ve last click farkını netleştirip bütçe kaydırma kararını güvenle çıkaralım.)
Sık Sorulan Sorular
Attribution nedir, last click ile data-driven farkı nedir?▾
Yardımcı dönüşüm (assisted conversion) ne demek?▾
YouTube ve display kampanyalarımın katkısını nasıl görürüm?▾
Hangi kanalı kapatmaya karar verirken nelere bakmalıyım?▾
Remarketing neden last click’te “fazla iyi” görünebilir?▾
Attribution modelini değiştirince ne olur?▾
GA4’te hangi görünümü raporlamalıyım?▾
Assisted yüksekse bütçeyi artırmalı mıyım?▾
İlgili İçerikler