Veri Odaklı Atıf ve Sınırları

Açılış sahnesi

Malatya'da kuru kayısı ve kayısı ezmesi gönderen bir üretici kooperatifi, rapor aracında atıf modelini değiştiriyor. Artık ağırlıkları bir insan seçmiyor; araç, satış getiren ve getirmeyen yolculukları karşılaştırıp her kanalın payını kendisi hesaplıyor. İlk rapor geldiğinde kooperatifin genç pazarlama sorumlusu seviniyor: kısa kayısı tarifi videoları, kural tabanlı modellerin hiçbirinde görülmemiş bir pay almış.

Kooperatifin muhasebecisi başka bir tablo getiriyor. Siparişlerin önemli bir kısmı siteden değil, telefonla ve bir mesajlaşma hattından geliyor; özellikle yaşlı müşteriler kayısıyı hep böyle sipariş ediyor. Bir kısmı da bir pazaryeri üzerinden satılıyor. Bu siparişlerin hiçbiri modelin gördüğü yolculuklarda yok.

Aynı hafta iki reklam platformunun raporları da geliyor. Biri, satışların neredeyse yarısını kendi videolarına bağlıyor; öbürü, aynı satışların büyük kısmını kendi arama reklamlarına. İki platformun toplamı kooperatifin gerçek satışını aşıyor ve yeni model, iki platformun iddiasından da farklı bir üçüncü tablo çiziyor. Hangi tablonun gerçeğe en yakın olduğu, hiçbirinin içinden anlaşılmıyor.

Bu derste ne olacak

Kooperatifin sorunu yanlış bir model seçmek değildi; veri odaklı modelin kural tabanlı modellerden daha nesnel olduğu varsayılıyordu. Oysa model yalnız gördüğü yolculuklardan öğreniyordu; görmediği siparişler, izin vermeyen müşteriler ve platformların kendi içinde tuttuğu temaslar, modelin girdisinin dışında kalıyordu. Malatyalı kooperatif bir kurgu; dersin öbür işletmeleri de gerçek değil. Birinci mekanizmada basit bir hesap var; sayılar, modelin bir kanala nasıl pay verdiğini göstermek için seçildi.

Bir önceki ders ağırlıkları insanın seçtiği kural tabanlı modellerin varsayımlarını açtı. Bu ders ağırlıkları veriden öğrenen modellere bakıyor: bu modellerin satışsız yolculuklardan nasıl yararlandığını, gördükleri yolculukların gerçek yolculukların ne kadarını kapsadığını, her reklam platformunun neden yalnız kendi temaslarını görüp kendi hesabını yaptığını ve tıklanmadan yalnız görülen reklamlara verilen kredinin sonuçları nasıl büyüttüğünü.

Sıfır noktası

Platform raporlarının sınırlarıyla ilk kez reklam optimizasyonu kursunda karşılaştık; atıf penceresi, modellenmiş dönüşüm, çifte sayım ve rapor mutabakatı oradan geliyor. Kredinin kurallarla nasıl bölündüğünü bu kursun ilk iki dersi açtı. Bir modelin neyi göremeyeceğini ise kimlik katmanı, kimlik birleştirme, ölçüm izni ve izin boşluğu önceden haber veriyordu.

Bu kavramların her biri, veri odaklı modelin neden sınırlı olduğunu bir yönden açıklıyor. Bu ders onları bir araya getiriyor: veri odaklı model daha iyi bir hesap yapabilir, ama hesabın girdisi eksikse ve tek tek platformlar kendi girdilerini paylaşmıyorsa, hesabın iyiliği sonucu kurtarmaz.

Mekanizma — satışsız yolculuklardan öğrenmek

Kural tabanlı modeller yalnız satışla biten yolculuklara bakar; payları bir insan belirler. Veri odaklı modeller ise satışla bitmeyen yolculukları da kullanır: bir kanalın bulunduğu yolculuklar, bulunmadığı yolculuklardan daha sık satışla bitiyorsa, model o kanala daha çok pay verir.

Model, satışsız yolculuk olmadan öğrenemiyor.

Az veriyle model oynak.

Mekanizma — modelin görmediği yolculuklar

Bir veri odaklı model ne kadar gelişmiş olursa olsun, yalnız kaydedilmiş temaslardan öğrenir. İzin vermeyen ziyaretçilerin, birleştirilemeyen cihazların, telefonla ya da mağazada verilen siparişlerin, bir arkadaş önerisinin ya da bir vitrinin hiçbir izi modele ulaşmaz. Model bu eksikliği bilmez; gördüğü yolculukları bütün yolculuklar sanar.

Görünmeyen kanal, görüneni büyütüyor.

Kapsam kanaldan kanala değişiyor.

Mekanizma — her platform kendi bahçesinde

Büyük reklam platformları, kullanıcılarının kendi içlerindeki davranışını ayrıntılı olarak bilir, ama bu bilgiyi kişi düzeyinde işletmelerle paylaşmaz. Her platform, kendi reklamlarının etkisini kendi verisiyle, kendi kurallarıyla ve kendi atıf penceresiyle hesaplar. Sonuçta aynı satış için birden fazla platform ayrı ayrı kredi ister ve işletmenin kendi modeli, platformların içindeki temasların çoğunu hiç göremez.

Platformun tahmini, rapora sessizce giriyor.

İki görüş alanı, iki ayrı cevap.

Usta katmanı — görülen ama tıklanmayan reklam

Bir reklamın satışa katkısı yalnız tıklamayla olmaz: bir kişi reklamı görür, tıklamaz, günler sonra işletmenin adını arayıp satın alabilir. Platformlar bu tür temaslara da kredi verir. Ama tıklanmayan bir gösterimin satışla ilişkisi, tıklamanınkinden çok daha zayıf bir kanıtla kurulur ve hedefleme seçilimi burada en güçlü hâlindedir.

Pencere, görüntülemeyi sessizce büyütüyor.

Görüntüleme, karşılaştırma grubuyla ölçülüyor.

Dört kaynak, tek bir tabloda.

Model çıktısı, bir karar değil.

Platform raporu, bir ipucu.

Yaygın hatalar

Aklında kalsın

Veri odaklı atıf, ağırlıkları tercihle değil gözlemle verir; ama gözlem hâlâ bir karşılaştırmadır ve yalnız kaydedilmiş temasları görür.

Veri odaklı atıf, satışla biten ve bitmeyen yolculukları karşılaştırarak her kanalın payını öğrenir. Kanalı görenler zaten satın almaya yakın kişilerse, payı büyütür.

Yolculuk kapsamı, modelin gerçek yolculukların ne kadarını gördüğünü söyler. Görünmeyen kanalların etkisi görünen kanallara yazılır.

Kapalı platform, kendi temaslarını görür ve kendi kurallarıyla hesap yapar. Platformlar arasındaki fark, bir hata değil görüş alanı farkıdır.

Görüntüleme atfı, tıklanmayan gösterimlere kredi verir. Ayrı raporlanır ve gerçek katkısı bir karşılaştırma grubuyla ölçülür.

Sonraki derse köprü

Bu derste veri odaklı atıfın sınırlarını çizdik: veri odaklı atıf, yolculuk kapsamı, kapalı platform ve görüntüleme atfı. Malatyalı kooperatifin atıf tablosunun başında artık kapsam oranı duruyor; telefon ve pazaryeri siparişleri ayrı satırda, platformların iddiaları da ayrı sütunlarda gösteriliyor.

Bu dersin her bölümü aynı yere çıktı: bir kanalın gerçek katkısı, reklamı görmeyen bir karşılaştırma grubu olmadan bilinemiyor. Helvalı şekerlemenin küçük denemesi bunun bir örneğiydi. Ama bir karşılaştırma grubu kurmanın birkaç yolu var: kişileri rastgele ayırmak, bir grubu reklamdan bir süre bekletmek ya da bölgeleri karşılaştırmak; her biri farklı bir bütçeye, farklı bir süreye ve farklı bir tehlikeye sahip.

Sıradaki ders kontrollü deneyleri ele alıyor: kişi düzeyinde rastgele bir kontrol grubu, reklamdan bekletilen bir grup ve bölgelere dayalı bir coğrafi test arasında, hangi durumda hangisinin seçileceğini orada tartacağız.