Bir satış ofisinde "bu daireyi hangi reklam sattı?" sorusu sorulduğunda genelde iki cevap çıkar. Pazarlama ekibi formun geldiği kampanyayı gösterir, satış ekibi ise müşterinin aslında bir arkadaş tavsiyesiyle ofise yürüyerek geldiğini söyler. İkisi de kısmen haklıdır. Asıl sorun, verinin bu iki cevabı aynı anda gösterecek şekilde tutulmamasıdır. CRM'de tek bir "kaynak" alanı varsa, müşterinin aylar süren yolculuğu tek bir hücreye sıkıştırılmış demektir.
Ben Koray Yalçın; lead yönetimi, CRM ve satış operasyonu altyapıları kuruyorum, çoğunlukla gayrimenkul projelerinde reklamdan satış ofisine uzanan hattın teknik tarafında çalışıyorum. Bu yazıda multi-touch attribution kavramını bir geliştirici gözüyle ele alıyorum: temas noktalarını nasıl saklayacağız, kredi modellerini SQL ile nasıl hesaplayacağız ve sonucu kimse yanlış okumasın diye hangi korkulukları koyacağız. Kavramın kısa tanımı için sözlükteki multi-touch attribution nedir sayfasına bakabilirsiniz; burada "nasıl kurulur ve nasıl dürüst raporlanır" kısmına odaklanacağım.
Daha önce UTM parametrelerini CRM'e taşımayı ve ilk/son temas alanlarını ayrı bir yazıda işlemiştim. Bu yazı onun devamı sayılır: iki alanla yetinmeyip yolculuğun tamamını tablo olarak tutmak ve krediyi bu tablodan paylaştırmak.
1. Neden tek "kaynak" alanı yetmez?
Gayrimenkulde karar döngüsü uzundur. Tipik bir yolculuk şöyle görünebilir (varsayımsal örnek): müşteri bir Instagram reklamını görüp lead formu doldurur, iki hafta sonra Google'da proje adını aratıp siteye gelir, WhatsApp'tan katalog ister, bir hafta sonra satış ofisini ziyaret eder ve sonunda bir danışmanla telefonda pazarlık yapıp opsiyon koyar.
Bu yolculukta "kaynak" alanına ne yazılır? İlk formun kampanyası mı, ofis ziyareti mi? Hangisini seçerseniz seçin, bir kanalın emeğini sıfırlamış olursunuz. Sonuç da tahmin edilebilir: üst huni kanalları (farkındalık yaratan reklamlar) sürekli değersiz görünür, bütçeleri kısılır ve birkaç ay sonra alt hunideki kanalların da beslenmediği fark edilir.
Multi-touch attribution bu sorunu çözmez, ama görünür kılar. Krediyi birden fazla temas noktasına paylaştırarak "bu kanal yolculukta hangi rolü oynuyor" sorusuna sayısal bir cevap verir. Bu cevabın nedensellik değil, bir muhasebe kuralı olduğunu en baştan kabul etmek gerekir; buna yazının sonunda döneceğim.
2. Temel tablo: touchpoint
Her şey tek bir olay tablosuyla başlar. Her temas, kimin, ne zaman, hangi kanaldan ve hangi bağlamda temas ettiğini anlatan bir satırdır.
CREATE TABLE touchpoint (
id bigserial PRIMARY KEY,
person_id bigint NOT NULL REFERENCES person(id),
occurred_at timestamptz NOT NULL,
channel text NOT NULL, -- paid_social, paid_search, organic, whatsapp, walk_in, referral, phone
source text, -- normalize edilmiş utm_source
campaign text, -- normalize edilmiş utm_campaign
touch_type text NOT NULL, -- form_submit, site_visit, message_in, office_visit, call_in
is_offline boolean NOT NULL DEFAULT false,
source_system text NOT NULL, -- meta_webhook, web_events, whatsapp_api, office_tablet
source_ref text NOT NULL,
created_at timestamptz NOT NULL DEFAULT now(),
UNIQUE (source_system, source_ref)
);
CREATE INDEX touchpoint_person_time ON touchpoint (person_id, occurred_at);
Burada üç karar önemli:
-
occurred_atilecreated_atayrı. Ofis tabletinden gelen ziyaret kaydı saatler sonra senkronlanabilir. Kredi hesaplaması her zaman temasın gerçekleştiği ana göre yapılmalı. -
UNIQUE (source_system, source_ref). Webhook'lar tekrar gelir, senkron işleri yeniden çalışır. Aynı temas iki kez yazılırsa o kanal haksız yere iki kat kredi alır. Tekilleştirme bir rapor sorunu değil, şema sorunudur. -
Kanal sözlüğü sabit.
channelalanına serbest metin yazılmasına izin vermiyorum; normalize edilmiş bir eşleme tablosundan geliyor. "Instagram", "instagram", "IG" ayrı kanal gibi görünürse modelin hiçbir anlamı kalmaz.
Offline temaslar (ofis ziyareti, gelen arama, tavsiye) en çok unutulan kısımdır. Bunları kaydetmezseniz model, yolculuğu yalnızca dijital izlerden kurar ve dijital kanallar olduğundan daha önemli görünür. Satış ofisindeki tablet formu veya danışmanın CRM'e girdiği "ofis ziyareti" aktivitesi, is_offline = true olan bir touchpoint satırına dönüşmeli.
3. Dönüşümü ve yolculuğu tanımlamak
Kredi paylaştırmak için önce neyin paylaştırılacağını tanımlamak gerekir. Ben dönüşümü ayrı bir tabloda tutuyorum, çünkü bir kişinin birden fazla dönüşümü olabilir (örneğin önce randevu, sonra satış).
CREATE TABLE conversion (
id bigserial PRIMARY KEY,
person_id bigint NOT NULL REFERENCES person(id),
deal_id bigint REFERENCES deal(id),
kind text NOT NULL, -- qualified_appointment, reservation, sale
occurred_at timestamptz NOT NULL,
value_amount numeric(14,2),
value_currency char(3)
);
Sonra her dönüşüm için "hangi temaslar bu dönüşümün yolculuğuna dahil?" sorusunu cevaplıyoruz. İki kural koyuyorum:
- Geriye bakış penceresi (lookback window). Dönüşümden en fazla N gün önceki temaslar dahil edilir. Gayrimenkulde bu pencere e-ticarete göre uzun tutulmalı; ama sınırsız olursa iki yıl önceki bir site ziyareti de kredi alır. Pencereyi bir yapılandırma tablosunda, dönüşüm türüne göre tutuyorum.
- Önceki dönüşümden sonra başlama. Aynı kişinin ikinci satışı varsa, ilk satıştan önceki temaslar ikinci satışa tekrar kredi vermemeli.
CREATE TABLE attribution_window (
conversion_kind text PRIMARY KEY,
lookback_days int NOT NULL CHECK (lookback_days > 0)
);
CREATE VIEW journey_touch AS
SELECT c.id AS conversion_id,
t.id AS touchpoint_id,
t.channel,
t.occurred_at,
row_number() OVER w AS pos,
count(*) OVER (PARTITION BY c.id) AS n,
c.occurred_at - t.occurred_at AS age
FROM conversion c
JOIN attribution_window aw ON aw.conversion_kind = c.kind
JOIN touchpoint t
ON t.person_id = c.person_id
AND t.occurred_at <= c.occurred_at
AND t.occurred_at > c.occurred_at - make_interval(days => aw.lookback_days)
AND t.occurred_at > COALESCE((
SELECT max(p.occurred_at) FROM conversion p
WHERE p.person_id = c.person_id AND p.kind = c.kind
AND p.occurred_at < c.occurred_at), '-infinity')
WINDOW w AS (PARTITION BY c.id ORDER BY t.occurred_at, t.id);
ORDER BY t.occurred_at, t.id ifadesindeki ikinci sıralama anahtarı kozmetik değil. Aynı saniyede iki temas varsa (örneğin form gönderimi ve aynı anda gelen webhook kaynaklı mesaj) sıralama belirsiz kalır ve rapor her çalıştırmada farklı sonuç verebilir. Deterministik sıralama, tekrarlanabilir rapor demektir.
4. Kredi modelleri: aynı yolculuk, farklı muhasebe
Modelleri ayrı ayrı kod yollarına bölmek yerine her birini bir ağırlık fonksiyonu olarak düşünüyorum. Her model, her temas için 0 ile 1 arasında bir pay üretir ve bir dönüşümün payları toplamı 1 olur.
- İlk temas: Tüm kredi yolculuğun ilk temasına.
- Son temas: Tüm kredi dönüşümden önceki son temasa.
- Doğrusal (linear): Her temas eşit pay alır.
- Zamanla azalan (time decay): Dönüşüme yakın temaslar daha fazla pay alır; pay, temasın yaşıyla üstel olarak azalır.
- Konum bazlı (U-shaped): İlk ve son temas belirgin bir pay alır, kalan pay ortadakilere eşit dağıtılır.
Bunları tek bir sorguda hesaplayıp sonucu tabloya yazmak, raporlamayı çok kolaylaştırıyor:
WITH base AS (
SELECT *,
exp(-ln(2) * extract(epoch FROM age) / (7 * 86400.0)) AS decay_raw -- yarı ömür: 7 gün
FROM journey_touch
),
norm AS (
SELECT *, decay_raw / sum(decay_raw) OVER (PARTITION BY conversion_id) AS decay_w
FROM base
)
INSERT INTO attribution_credit (conversion_id, touchpoint_id, model, weight, model_version)
SELECT conversion_id, touchpoint_id, m.model,
CASE m.model
WHEN 'first' THEN (pos = 1)::int
WHEN 'last' THEN (pos = n)::int
WHEN 'linear' THEN 1.0 / n
WHEN 'decay' THEN decay_w
WHEN 'ushape' THEN CASE
WHEN n = 1 THEN 1.0
WHEN n = 2 THEN 0.5
WHEN pos IN (1, n) THEN 0.4
ELSE 0.2 / (n - 2) END
END,
'v1'
FROM norm
CROSS JOIN (VALUES ('first'), ('last'), ('linear'), ('decay'), ('ushape')) AS m(model);
Birkaç ayrıntı:
-
Yarı ömür ve U-shaped oranları birer varsayım. Yedi günlük yarı ömür veya 40/20/40 dağılımı evrensel bir doğru değil; kendi satış döngünüze göre seçmeniz gereken parametreler. Bu yüzden her kredi satırında
model_versiontutuyorum. Parametre değiştiğinde eski sonuçların üzerine yazmıyorum, yeni sürümü yanına ekliyorum. -
Uç durumlar. Tek temaslı yolculukta tüm modeller aynı sonucu vermeli; iki temaslı yolculukta U-shaped modelin "ortası" yoktur. Bu durumları
CASEiçinde açıkça yazmak, bölme hatalarını ve toplamı 1 etmeyen payları önlüyor. - Temassız dönüşümler. Pencerede hiç teması olmayan dönüşümler bu sorgudan sessizce düşer. Onları kaybetmek yerine "bilinmiyor" kanalına giden sentetik bir kredi satırıyla raporda göstermek gerekir. Bilinmeyen oranının kendisi, veri toplama kalitesinin en dürüst göstergesidir.
5. Korkuluklar: kredi toplamı ve mutabakat
Attribution tablosu yanlış olduğunda bunu kimse fark etmez, çünkü sayılar her zaman makul görünür. Bu yüzden her hesaplamadan sonra otomatik kontroller çalıştırıyorum:
-- Her dönüşüm ve modelde payların toplamı 1 olmalı
SELECT conversion_id, model, sum(weight) AS total
FROM attribution_credit
WHERE model_version = 'v1'
GROUP BY conversion_id, model
HAVING abs(sum(weight) - 1) > 0.0001;
-- Atfedilen toplam değer, dönüşüm toplam değerine eşit olmalı
SELECT ac.model,
sum(ac.weight * c.value_amount) AS attributed,
(SELECT sum(value_amount) FROM conversion WHERE kind = 'sale') AS actual
FROM attribution_credit ac
JOIN conversion c ON c.id = ac.conversion_id AND c.kind = 'sale'
WHERE ac.model_version = 'v1'
GROUP BY ac.model;
İlk sorgu boş dönmeli. İkinci sorguda her modelin atfettiği toplam, gerçek satış toplamına eşit olmalı (temassız dönüşümler "bilinmiyor" satırıyla dahil edildiyse). Eşit değilse bir yerde temas çiftleniyor ya da dönüşüm düşüyordur.
Para birimi de ayrı bir tuzak. Gayrimenkulde aynı projede sterlin ve döviz bazlı satışlar olabiliyor. Değerleri toplamadan önce dönüşüm anındaki kurla tek bir raporlama para birimine çevirip bu kuru da satıra yazmak gerekiyor; aksi halde kanal karşılaştırması kur dalgalanmasını ölçer.
6. Raporlama: modelleri yan yana göstermek
En sık yaptığım hata düzeltmesi şu: bir şirket tek bir modeli "gerçek" ilan edip bütçe kararlarını ona bağlıyor. Ben raporu her zaman modelleri yan yana gösterecek şekilde kuruyorum:
SELECT t.channel,
sum(ac.weight) FILTER (WHERE ac.model = 'first') AS first_touch,
sum(ac.weight) FILTER (WHERE ac.model = 'last') AS last_touch,
sum(ac.weight) FILTER (WHERE ac.model = 'linear') AS linear,
sum(ac.weight) FILTER (WHERE ac.model = 'decay') AS time_decay,
sum(ac.weight) FILTER (WHERE ac.model = 'ushape') AS u_shaped
FROM attribution_credit ac
JOIN touchpoint t ON t.id = ac.touchpoint_id
JOIN conversion c ON c.id = ac.conversion_id
WHERE c.kind = 'sale' AND ac.model_version = 'v1'
GROUP BY t.channel
ORDER BY linear DESC;
Bu tablo okunurken bakılacak yer, modeller arasındaki farktır. Bir kanal ilk temasta yüksek, son temasta düşük çıkıyorsa yolculuğu başlatan bir kanaldır; tersi ise kapanışa yakın devreye giren bir kanaldır. Tüm modellerde düşük kalan bir kanal ise gerçekten sorgulanmayı hak ediyordur. Tek bir sayı yerine bu desen, pazarlama ve satış ekiplerini aynı masada konuşturan şeydir.
7. Kimlik birleştirme: modelin görünmeyen bağımlılığı
Multi-touch attribution'ın kalitesi, temasları aynı kişiye bağlama becerinizden yüksek olamaz. Anonim site ziyaretleri ancak kişi form doldurduğunda veya bir bağlantıya tıkladığında kimlikle eşleşir. WhatsApp mesajları telefon numarasıyla, ofis ziyaretleri ise danışmanın girdiği bilgiyle eşleşir.
Burada iki kural koyuyorum. Birincisi, kimlik birleştirmeyi tekilleştirme süreciyle aynı yerde yapıyorum; iki kişi kaydı birleştiğinde touchpoint satırlarının person_id değeri güncellenir ve etkilenen dönüşümlerin kredisi yeniden hesaplanır. İkincisi, anonim temasları kimliğe bağlarken izin durumunu kontrol ediyorum. Çerez izni vermemiş bir ziyaretçinin davranışını sonradan kişiye bağlamak hem hukuki hem etik bir sorun yaratabilir. Bu bir hukuki görüş değildir; kendi durumunuz için mutlaka uzman görüşü alın.
8. Sınırlar: attribution nedensellik değildir
Bu yazıdaki tüm modeller kural tabanlıdır. Krediyi bir formüle göre paylaştırırlar, ama "bu reklam olmasaydı satış yine olur muydu?" sorusuna cevap vermezler. Marka aramaları ve ofis ziyaretleri gibi alt huni temasları, zaten satın almaya karar vermiş insanları yakaladığı için sistematik olarak fazla kredi alma eğilimindedir.
Bu yüzden attribution çıktısını bütçe kararlarında tek başına kullanmıyorum. Mümkün olduğunda kontrollü testlerle (belirli bölgelerde veya dönemlerde bir kanalı durdurup farkı ölçmek gibi) artımlılığı ayrıca kontrol etmek, attribution tablosunu da "yolculuğun haritası" olarak okumak daha sağlıklı bir yaklaşım.
9. Uygulamada dikkat ettiğim küçük şeyler
- Hesaplamayı gece işi olarak çalıştırın ve geçmişe dönük yenileyin. Offline temaslar ve geç gelen dönüşümler yüzünden son birkaç haftanın kredisi değişebilir; işi her gece son N günü yeniden hesaplayacak şekilde kurun.
- Model sürümünü raporda görünür yapın. Grafiğin köşesinde "model v1, pencere 90 gün, yarı ömür 7 gün" gibi bir not, yanlış yorumların çoğunu baştan engeller.
-
Danışman temaslarını kanal olarak saymayın. Danışmanın yaptığı geri arama bir pazarlama kanalı değil, satış sürecinin parçasıdır. Bunları ayrı bir
touch_typeile tutup kanal kredisinin dışında bırakmak raporu daha anlaşılır yapıyor. - Ham veriyi silmeyin, krediyi türetin. Kredi tablosu her zaman touchpoint ve conversion tablolarından yeniden üretilebilir olmalı. Bu sayede model değiştiğinde geçmişi baştan hesaplayabilirsiniz.
Sık Sorulan Sorular
Hangi attribution modeli doğrudur?
Tek doğru model yok. Her model farklı bir soruyu cevaplıyor: ilk temas "yolculuğu kim başlattı", son temas "kapanışa kim yakındı", doğrusal ve zamanla azalan modeller "yolculuğa kim katkı verdi" sorusuna yakın. Ben modelleri yan yana raporlayıp kararları desene göre vermeyi öneriyorum.
Geriye bakış penceresini nasıl seçerim?
Kendi verinizde ilk temastan dönüşüme kadar geçen sürenin dağılımına bakın. Dönüşümlerin büyük çoğunluğunu kapsayan ama aşırı eski temasları dışarıda bırakan bir değer seçin ve bunu dönüşüm türüne göre ayrı tutun; randevu ile satış için aynı pencere uygun olmayabilir.
Reklam platformlarının kendi attribution raporları varken buna neden ihtiyaç var?
Her platform yalnızca kendi temaslarını görür ve çoğu zaman krediyi kendine yazar. Offline temaslar, WhatsApp konuşmaları ve ofis ziyaretleri ise platformların göremediği yerlerdir. CRM tarafındaki attribution, tüm kanalları tek bir kişi zaman çizelgesinde birleştirebilen tek yerdir.
Veri odaklı (algoritmik) modellere geçmeli miyim?
Önce kural tabanlı modellerin altyapısını sağlam kurun: tekilleştirilmiş temaslar, offline kayıtlar, deterministik sıralama ve mutabakat kontrolleri. Bu zemin olmadan algoritmik bir model yalnızca hatalı veriyi daha karmaşık bir şekilde yorumlar. Yeterli dönüşüm hacmi oluştuğunda algoritmik modelleri aynı kredi tablosuna yeni bir model değeri olarak ekleyebilirsiniz.
Hazır bir CRM kullanıyorsam bu yapıyı nasıl kurarım?
Çoğu CRM ilk ve son kaynak alanlarını tutar, bazıları sınırlı multi-touch raporları sunar. Temas olaylarını webhook veya dışa aktarma ile kendi veritabanınıza ya da veri ambarınıza alıp kredi hesaplamasını orada yapmak, model ve parametreler üzerinde tam kontrol sağlar. Kullandığınız aracın güncel dokümantasyonunu kontrol edin.
Attribution, bir pazarlama raporundan çok bir veri modelleme problemidir. Temasları doğru sakladığınızda modeller sadece birkaç satır SQL'e dönüşür; temasları yanlış sakladığınızda en gelişmiş model bile yanlış bir hikâye anlatır. Siz attribution'ı hangi modelle raporluyorsunuz, offline temasları nasıl kaydediyorsunuz? Yorumlarda tartışalım.
Top comments (0)