Nedir Attribution Model Calculator?
▾
İlişkilendirme modeli hesaplayıcısı, pazarlamacıların dönüşüm kredisini, müşterinin dönüşüm öncesinde etkileşimde bulunduğu birden fazla pazarlama temas noktasına tahsis etmesine yardımcı olur. İlişkilendirme modelleme şu temel soruyu yanıtlıyor: Bu satışı gerçekte hangi pazarlama kanalları ve kampanyalar sağladı? Cevap, kullandığınız modele bağlı olarak önemli ölçüde farklılık gösterir ve yanlış modelin seçilmesi, belirli kanallara sistematik olarak gereğinden fazla veya az yatırım yapılmasına yol açar. Çoğu müşteri yolculuğu, dönüşümden önce birden fazla temas noktası içerir. Tipik bir B2C yolculuğu şunları içerebilir: organik arama keşfi, e-posta bülteni, sosyal medya reklamı, doğrudan ziyaret ve ardından Google Alışveriş satın alma tıklaması. Bir B2B yolculuğu, içerik indirmeleri, web seminerine katılım, satış e-posta dizileri, ücretli yeniden hedefleme ve doğrudan erişim dahil olmak üzere 90 gün boyunca 15-30 temas noktasını kapsayabilir. Dönüşüm kredisini bu temas noktalarına nasıl dağıtacağınız, pazarlama yatırımı kararlarınızı temel olarak şekillendirir. Altı temel ilişkilendirme modeli, tamamen farklı bütçe çıkarımları üretiyor. İlk tıklama ilişkilendirmesi, ilk temas noktasına (genellikle organik arama veya sosyal keşif) %100 kredi verir ve dönüşüm hunisinin orta ve alt kanallarını sistematik olarak gerekenden düşük değerlendirir. Son tıklama ilişkilendirmesi, dönüşümden önceki son temas noktasına (genellikle ücretli arama veya e-posta) %100 kredi verir ve farkındalık ve değerlendirme kanallarına sistematik olarak yeterince değer vermez. Doğrusal ilişkilendirme, krediyi tüm temas noktalarına eşit şekilde böler. Zamanla azalma ilişkilendirmesi, dönüşüme daha yakın temas noktalarına daha fazla kredi verir. Konuma dayalı (U şeklinde), ilk ve son temas noktalarına %40 verir ve kalan %20'yi orta temas noktalarına böler. Veriye dayalı ilişkilendirme, gerçek dönüşüm katkısına dayalı olarak kredi atamak için makine öğrenimini kullanır. En doğru olanıdır ancak önemli dönüşüm verileri gerektirir (istatistiksel geçerlilik için genellikle 3.000'den fazla dönüşüm). İlişkilendirme modeli seçiminin mali getirisi çok büyüktür. Son tıklamadan veriye dayalı ilişkilendirmeye geçiş yapan bir şirket, genellikle organik aramanın %15-25 daha fazla kredi aldığını, sosyal medya farkındalık kampanyalarının %20-40 daha fazla kredi aldığını ve markalı ücretli aramanın %15-25 daha az kredi aldığını görür. Bu değişiklikler kanal bütçelerini ve dolayısıyla hangi kanalların büyüyüp hangilerinin kesileceğini doğrudan etkiler. İlişkilendirmenin doğru yapılması, önemli ölçekli herhangi bir reklamveren için doğru şekilde tahsis edilen pazarlama harcamasında milyonlara bedeldir. Modern ilişkilendirme, cihazlar arası yolculuklar (telefonda, tablette ve dizüstü bilgisayarda aynı kullanıcı), kanallar arası karanlık sosyal (izlenmeyen özel paylaşım) ve çerez tabanlı izlemeyi bozan gizlilik değişiklikleri nedeniyle daha da karmaşık hale geliyor. Doğru çoklu dokunma ilişkilendirmesi için sunucu tarafı izleme, birinci taraf veri stratejileri ve olasılıksal modelleme giderek daha fazla gerekli hale geliyor.
DigiCalcs delivers precision-engineered tools for engineers and STEM professionals.
Formül
▾
Kanal Başına İlişkilendirme Kredisi = Temas Noktası Kredi Ağırlığı x Toplam Dönüşüm Değeri. Bu formül, girdi değişkenlerini matematiksel ilişkileri aracılığıyla ilişkilendirerek ilişkilendirme modeli hesaplamasını hesaplar. Her bileşen bağımsız olarak doğrulanabilen ölçülebilir bir miktarı temsil eder.Değişken açıklaması
▾
| Sembol | Ad | Birim | Açıklama |
|---|---|---|---|
| Touchpoints | Pazarlama sayısı | — | İlişkilendirme modeli hesaplamasında nihai hesaplanan sonucu doğrudan etkileyen önemli bir parametre olan, bir müşterinin dönüşüm öncesinde gerçekleştirdiği pazarlama etkileşimlerinin sayısı |
| Conversion Value | Gelir veya olası satış | — | İlişkilendirme modeli hesaplamasında nihai hesaplanan sonucu doğrudan etkileyen önemli bir parametre olan, tamamlanan dönüşümün gelir veya potansiyel müşteri değeri |
| Attribution Window | Zaman dilimi | — | Temas noktalarının ilişkilendirmeye dahil edildiği dönem (ör. 30 günlük tıklama, 1 günlük görüntüleme) |
| Credit Weight | Dönüşüm yüzdesi | — | Seçilen model kapsamında her temas noktasına atanan dönüşüm kredisinin yüzdesi |
| Assisted Conversions | Dönüşümler burada | — | Bir kanalın yolculukta göründüğü ancak son temas noktası olmadığı dönüşümler |
Nasıl Attribution Model Calculator
▾
- 1Gerekli girdi değerlerini toplayın: Pazarlama sayısı, Gelir veya olası satış, Sıradaki dönem, Dönüşüm yüzdesi.
- 2Temel formülü uygulayın: Kanal Başına İlişkilendirme Kredisi = Temas Noktası Kredi Ağırlığı x Toplam Dönüşüm Değeri.
- 3Varsa Varyant 1 gibi ara değerleri hesaplayın.
- 4Terimleri birleştirmeden önce tüm birimlerin tutarlı olduğunu doğrulayın.
- 5Nihai sonucu hesaplayın ve makul olup olmadığını inceleyin.
- 6Girdileriniz için herhangi bir özel durumun veya sınır koşulunun geçerli olup olmadığını kontrol edin.
- 7Sonucu bağlam içinde yorumlayın ve varsa referans değerleriyle karşılaştırın.
Çözümlü Örnekler
▾
Bu örnek, ilişkilendirme modelinin hesaplama yoluyla hesaplamasını göstermektedir. İlişkilendirme modeli her şeyi belirler: Facebook 0-120 ABD doları, Alışveriş 12-120 ABD doları alır -- aynı satış, çok farklı kredi. İlişkilendirme Modeli Karşılaştırması -- Aynı Yolculuk, Farklı Sonuçlar, hesap makinesinin verilen girdilerden pratik olarak yararlı bir sonuç ürettiği tipik bir senaryoyu gösterir.
Bu örnek, ilişkilendirme modeli değişikliğinden 200.000 ABD Doları tutarındaki bütçe yeniden tahsisini hesaplayarak ilişkilendirme modeli hesaplamasını gösterir; model seçiminin neden yüksek riskli bir mali karar olduğunu gösterir. Model Değiştirmenin Kanal Bütçesi Etkileri, hesap makinesinin verilen girdilerden pratik olarak yararlı bir sonuç ürettiği tipik bir senaryoyu göstermektedir.
Bu örnek, ilişkilendirme modelinin hesaplama yoluyla hesaplamasını göstermektedir. Veriye dayalı, ayda 280 dönüşümde geçerli değildir; mevcut en iyi alternatif olarak konuma dayalı ilişkilendirmeyi kullanın. Veriye Dayalı İlişkilendirme Hazırlık Değerlendirmesi, hesap makinesinin verilen girdilerden pratik olarak yararlı bir sonuç ürettiği tipik bir senaryoyu gösterir.
Bu örnek, Organik aramanın son tıklamayla 4,6 kat daha düşük değere sahip olduğunu hesaplayarak ilişkilendirme modeli hesaplamasını göstermektedir -- destekli dönüşüm analizi, SEO bütçesinde önemli bir artışı haklı çıkarmaktadır. Yardımlı Dönüşüm Analizi, hesap makinesinin verilen girdilerden pratik olarak yararlı bir sonuç ürettiği tipik bir senaryoyu gösterir.
Gerçek dünya uygulamaları
▾
Yıllık pazarlama bütçesi tahsisi: Kanal bütçelerinin son tıklama yerine veriye dayalı ilişkilendirmeye göre yeniden dağıtılması. Bu uygulama, kendi alanlarında karar verme, bütçeleme ve stratejik planlamayı desteklemek için hassas niceliksel analize ihtiyaç duyan profesyoneller tarafından yaygın olarak kullanılır.
Kanal değerlendirmesi: Doğrudan dönüşüm oranlarının düşük olduğu görünen farkındalık kanallarının gerçek yatırım getirisinin belirlenmesi. Endüstri uygulayıcıları performansı kıyaslamak, alternatifleri karşılaştırmak ve yerleşik standartlar ve düzenleyici gerekliliklere uygunluğu sağlamak için bu hesaplamaya güvenir
Platform karşılaştırması: Her biri farklı modeller kullanan Google Ads, Meta Ads ve GA4 genelinde ilişkilendirmeyi normalleştirme. Akademik araştırmacılar ve öğrenciler bu hesaplamayı teorik modelleri doğrulamak, ders ödevlerini tamamlamak ve temel matematik ilkelerine ilişkin daha derin bir anlayış geliştirmek için kullanırlar.
Yönetici raporlaması: yönetim kurulu düzeyinde yatırım getirisi raporlamasındaki tüm kanalları adil bir şekilde temsil eden birleşik bir ilişkilendirme modeli oluşturmak. Finansal analistler ve planlamacılar doğru tahminler üretmek, risk senaryolarını değerlendirmek ve paydaşlara veriye dayalı öneriler sunmak için bu hesaplamayı iş akışlarına dahil ederler.
Ajans performans ölçümü: Ajans tarafından yönetilen kanalların, ilişkilendirilen tıklamalar yerine artımlılığa göre değerlendirilmesi. Bu uygulama, kendi alanlarında karar verme, bütçeleme ve stratejik planlamayı desteklemek için hassas niceliksel analize ihtiyaç duyan profesyoneller tarafından yaygın olarak kullanılır.
Özel durumlar
▾
Çevrimdışı dönüşüm ilişkilendirmesi: mağaza içi satın alma işlemlerini içe aktarma, telefon görüşmesi
Çevrimdışı dönüşüm ilişkilendirme: tam yolculuk takibi için mağaza içi satın alma işlemlerini, telefon görüşmesi dönüşümlerini ve CRM anlaşma kapanışlarını reklam platformlarına geri aktarın İlişkilendirme modeli hesaplama hesaplamalarında bu senaryoyla karşılaşıldığında kullanıcılar, formülün anlamlı sonuçlar üretmesi için girdi değerlerinin beklenen aralıkta olduğunu doğrulamalıdır. Aralık dışı girdiler, matematiksel olarak geçerli ancak pratik olarak anlamsız, gerçek dünya koşullarını yansıtmayan çıktılara yol açabilir.
Cihazlar arası ilişkilendirme: telefon ve masaüstü arasında geçiş yapan kullanıcılar
Cihazlar arası ilişkilendirme: Telefon ve masaüstü arasında geçiş yapan kullanıcılar ayrı çerez tabanlı oturumlar oluşturur; Oturum açmış kullanıcı verileri veya olasılıksal eşleştirme gereklidir Bu uç durum, sınır koşullarının veya aşırı değerlerin söz konusu olduğu ilişkilendirme modeli hesaplamasının profesyonel uygulamalarında sıklıkla ortaya çıkar. Uygulayıcılar bu durumun ne zaman ortaya çıktığını belgelemeli ve alternatif hesaplama yöntemlerinin veya ayarlama faktörlerinin kendi özel kullanım durumları için daha uygun olup olmadığını değerlendirmelidir.
B2B hesap düzeyinde ilişkilendirme: aynı şirketteki birden fazla kişi etkileşimde bulunur
B2B hesap düzeyinde ilişkilendirme: aynı şirketteki birden fazla kişi pazarlamayla etkileşime girer; bireysel iletişim düzeyi yerine hesap düzeyindeki özellik İlişkilendirme modeli hesaplaması bağlamında, bu özel durum, standart varsayımlar geçerli olmayabileceğinden dikkatli yorumlanmayı gerektirir. Kullanıcılar sonuçları alan uzmanlığıyla çapraz referanslamalı ve bu alışılmadık koşullar altında çıktıyı doğrulamak için ek referanslara veya araçlara başvurmayı düşünmelidir.
Karanlık sosyal ilişkilendirme: WhatsApp, Slack ve e-posta yoluyla özel paylaşım
Karanlık sosyal ilişkilendirme: WhatsApp, Slack ve e-posta yoluyla yapılan özel paylaşımlar izlenmiyor; Karanlık sosyal kampanyalar için UTM parametrelerini ve kısa bağlantıları kullanın İlişkilendirme modeli hesaplama hesaplamalarında bu senaryoyla karşılaşıldığında kullanıcılar, formülün anlamlı sonuçlar üretebilmesi için girdi değerlerinin beklenen aralıkta olduğunu doğrulamalıdır. Aralık dışı girdiler, matematiksel olarak geçerli ancak pratik olarak anlamsız, gerçek dünya koşullarını yansıtmayan çıktılara yol açabilir.
İlişkilendirme Modeli Hesaplama referans verileri
▾
| İlişkilendirme Modeli | İlk Temas Noktası | Orta Temas Noktaları | Son Temas Noktası | En İyisi |
|---|---|---|---|---|
| Son Tıklama | 0% | 0% | %100 | Doğrudan yanıt, dönüşüm hunisinin alt kısmı optimizasyonu |
| İlk Tıklama | %100 | 0% | 0% | Farkındalık/keşif kanalı değerlendirmesi |
| Doğrusal | Eşit pay | Eşit pay | Eşit pay | Eşit kredi, basit çoklu dokunma |
| Zaman Aşımı | Az | Orta | Daha | Kısa değerlendirme döngüleri |
| Pozisyona Dayalı U Şekli | 40% | %20'yi böl | 40% | Çoğu B2B ve dikkate alınan satın almalar |
| Veriye Dayalı | ML tarafından atanan | ML tarafından atanan | ML tarafından atanan | Yüksek hacimli, en iyi doğruluk |
Sık sorulan sorular
▾
Bu, ilişkilendirme modeli hesaplama hesaplamalarıyla ilgilidir. Pratik uygulamalarda ilişkilendirme modeli hesaplamalarıyla çalışırken bu önemli bir husustur. Cevap, spesifik girdi değerlerine ve hesaplamanın uygulandığı bağlama bağlıdır. En iyi sonuçları elde etmek için kullanıcılar kendi özel gereksinimlerini dikkate almalı ve çıktıyı bilinen kıyaslamalara veya profesyonel standartlara göre doğrulamalıdır.
Bu, ilişkilendirme modeli hesaplama hesaplamalarıyla ilgilidir. Pratik uygulamalarda ilişkilendirme modeli hesaplamalarıyla çalışırken bu önemli bir husustur. Cevap, spesifik girdi değerlerine ve hesaplamanın uygulandığı bağlama bağlıdır. En iyi sonuçları elde etmek için kullanıcılar kendi özel gereksinimlerini dikkate almalı ve çıktıyı bilinen kıyaslamalara veya profesyonel standartlara göre doğrulamalıdır.
Bu, ilişkilendirme modeli hesaplama hesaplamalarıyla ilgilidir. Pratik uygulamalarda ilişkilendirme modeli hesaplamalarıyla çalışırken bu önemli bir husustur. Cevap, spesifik girdi değerlerine ve hesaplamanın uygulandığı bağlama bağlıdır. En iyi sonuçları elde etmek için kullanıcılar kendi özel gereksinimlerini dikkate almalı ve çıktıyı bilinen kıyaslamalara veya profesyonel standartlara göre doğrulamalıdır.
Bu, ilişkilendirme modeli hesaplama hesaplamalarıyla ilgilidir. Pratik uygulamalarda ilişkilendirme modeli hesaplamalarıyla çalışırken bu önemli bir husustur. Cevap, spesifik girdi değerlerine ve hesaplamanın uygulandığı bağlama bağlıdır. En iyi sonuçları elde etmek için kullanıcılar kendi özel gereksinimlerini dikkate almalı ve çıktıyı bilinen kıyaslamalara veya profesyonel standartlara göre doğrulamalıdır.
Bu, ilişkilendirme modeli hesaplama hesaplamalarıyla ilgilidir. Pratik uygulamalarda ilişkilendirme modeli hesaplamalarıyla çalışırken bu önemli bir husustur. Cevap, spesifik girdi değerlerine ve hesaplamanın uygulandığı bağlama bağlıdır. En iyi sonuçları elde etmek için kullanıcılar kendi özel gereksinimlerini dikkate almalı ve çıktıyı bilinen kıyaslamalara veya profesyonel standartlara göre doğrulamalıdır.
Bu, ilişkilendirme modeli hesaplama hesaplamalarıyla ilgilidir. Pratik uygulamalarda ilişkilendirme modeli hesaplamalarıyla çalışırken bu önemli bir husustur. Cevap, spesifik girdi değerlerine ve hesaplamanın uygulandığı bağlama bağlıdır. En iyi sonuçları elde etmek için kullanıcılar kendi özel gereksinimlerini dikkate almalı ve çıktıyı bilinen kıyaslamalara veya profesyonel standartlara göre doğrulamalıdır.
Bu, ilişkilendirme modeli hesaplama hesaplamalarıyla ilgilidir. Pratik uygulamalarda ilişkilendirme modeli hesaplamalarıyla çalışırken bu önemli bir husustur. Cevap, spesifik girdi değerlerine ve hesaplamanın uygulandığı bağlama bağlıdır. En iyi sonuçları elde etmek için kullanıcılar kendi özel gereksinimlerini dikkate almalı ve çıktıyı bilinen kıyaslamalara veya profesyonel standartlara göre doğrulamalıdır.
Kaçınılması Gereken Yaygın Hatalar
▾
- !Bilinirlik kanallarını (sosyal, içerik, görüntülü) değerlendirmek için son tıklama ilişkilendirmesini kullanma - dönüşüm hunisinin üst kısmına yapılan yatırımın değeri sistematik olarak düşük tutulur
- !Her platformun farklı ilişkilendirme pencereleri ve modelleri kullandığını fark etmeden, ilişkilendirme verilerini platformlar arasında karşılaştırma
- !Görüntüleme dönüşümü çift sayımı hesaba katılmıyor; aynı dönüşümü talep eden birden fazla kanal, atfedilen toplam geliri yapay olarak artırıyor
- !Yeterli dönüşüm hacmi olmadan (ayda 3.000'in altında) veriye dayalı ilişkilendirmenin kullanılması -- Modelin istatistiksel gücü yoktur ve güvenilmez sonuçlar üretir
- !Artımlılık doğrulaması olmadan, ilişkilendirme verilerine dayanarak önemli bütçe kararları alma; ilişkilendirme, nedenselliği değil korelasyonu ortaya çıkarır
Uzman İpucu
Reklamcılık > İlişkilendirme > Model Karşılaştırma'ya giderek GA4'te bir ilişkilendirme modeli karşılaştırması çalıştırın. En iyi kanallarınız için veriye dayalı ilişkilendirmeyi son tıklamayla karşılaştırın. Veriye dayalı olarak son tıklamadan önemli ölçüde daha fazla kredi atayan kanallar, en az değer verilen farkındalık ve değerlendirme kanallarınızdır; bunlar, bütçe artışlarının başlıca adaylarıdır. Veriye dayalı ve son tıklamanın altında önemli ölçüde düşüş yaşayan kanallara, gerçek katkılarına kıyasla gereğinden fazla fon ayrılmış olabilir.
Biliyor muydunuz?
Demand Gen Report'a göre ortalama bir B2B alıcısı, satın alma kararı vermeden önce 27 içerik parçasıyla etkileşime giriyor. Ancak çoğu şirket hâlâ yalnızca son temas noktasını hesaba katan ve diğer 26 etkileşimi göz ardı eden son tıklama ilişkilendirmesini kullanıyor. Çoklu dokunma gerçekliği ile tek dokunmalı ilişkilendirme arasındaki bu boşluk, birçok B2B pazarlamacısının, satın alma kararları üzerindeki çok büyük etkilerine rağmen neden sistematik olarak içerik ve marka bilinirliğine yeterince yatırım yapmadığını açıklıyor.
Regional Guides
▾
🇪🇺 EU▾
🇺🇸 US▾
🇦🇺 AU▾
Kaynaklar
- ›Google Analytics 4 İlişkilendirme Belgeleri
- ›Measured.com Atıf Metodoloji Kılavuzu
- ›HubSpot Multi-Touch Atıf Kılavuzu
- ›Rockerbox İlişkilendirme Karşılaştırmaları
- ›Pazarlama Evrimi İlişkilendirme Araştırması
Haftalık Matematik İpuçları Alın
Her hafta hesap makinesi ipuçları alan 12.000+ aboneye katılın.