Attribution Modelling: Influencer Kampanyasını Doğru Ölçmenin Bilimi

Bir marka yöneticisinin en zor sorularından biri şu: “Bu influencer kampanyasına harcadığımız bütçenin karşılığını aldık mı?” Bu soruya sezgiyle değil veriyle yanıt verebilmek, attribution modellemesinin yani dönüşüm atıfının doğru kurulmasıyla mümkün. Türkiye’de influencer pazarlamasına yatırım yapan markaların büyük bölümü bu altyapıyı ya hiç kurmamış ya da çok ilkel düzeyde tutuyor. Oysa influencer harcamasını iş sonucuyla ilişkilendiren bir attribution sistemi, sadece raporlama için değil, bütçe kararlarını iyileştirmek için kritik bir araç.

Attribution Nedir ve Neden Sadece ROI Hesabı Değil?

Attribution modeli, bir müşterinin satın alma kararına ulaşırken geçtiği temas noktalarından hangisinin ne ölçüde katkı sağladığını matematiksel bir çerçevede tanımlar. Influencer pazarlaması özelinde bu şu anlama geliyor: bir kullanıcı bir influencer’ın içeriğini gördü, sonra birkaç gün sonra Google’da arama yaptı, ardından retargeting reklamı gördü ve sonunda satın aldı. Bu dönüşümün kredisini kime vermeli? Influencer’a mı? Google reklamına mı? Retargeting’e mi?

Yanlış attribution modeli, bütçe kararlarını da yanlış yönlendiriyor. Son tıklamaya yüzde yüz kredi veren bir model, influencer’ın yarattığı üst huni farkındalığını görünmez kılıyor ve “influencer’ı keselim, ROI gösteremiyoruz” hatasını besliyor. Tersine, her temas noktasını eşit ağırlıkla değerlendiren bir model de gerçek performansı perdeliyor.

Son Tıklama Modeli: Neden Tek Başına Yetersiz?

Son tıklama (last-click) attribution, dönüşümden hemen önceki temas noktasına yüzde yüz kredi veriyor. Dijital pazarlamada hâlâ en yaygın kullanılan model, ancak influencer kampanyaları için yapısal bir körlük üretiyor.

Neden? Influencer içeriği çoğunlukla keşif ve değerlendirme aşamasında devreye giriyor. Kullanıcı influencer’ı görüyor, ürünü zihnine kaydediyor, sonra farklı bir zamanda farklı bir kanaldan satın alma kararına ulaşıyor. Bu senaryoda son tıklama modeli dönüşümü arama reklamına ya da direkt ziyarete atıyor; influencer’ın üst huni katkısı tamamen silinmiş oluyor.

Türkiye’de bu sorunu tetikleyen bir ekstra faktör daha var: çoklu cihaz geçişi. Kullanıcı influencer içeriğini telefonunda izliyor ama satın alma masaüstünde tamamlıyor. Cross-device takibi olmayan bir son tıklama modeli bu senaryoyu tamamen ıskalıyor.

Multi-Touch Attribution Modelleri

Birden fazla temas noktasını değerlendiren attribution modelleri daha gerçekçi bir tablo sunuyor. Yaygın kullanılan modeller:

Doğrusal model (Linear): Satın alma yolundaki her temas noktasına eşit kredi veriyor. Basit ve demokratik; ancak gerçekte tüm temas noktaları eşit etkiye sahip olmadığından zaman zaman yanıltıcı.

Zaman bozunumu (Time Decay): Satın almaya yakın temas noktalarına daha ağır kredi veriyor. E-ticaret için mantıklı, çünkü son aşamadaki tetikleyici genellikle daha belirleyici. Ancak üst huni içerikleri (influencer farkındalık videosu gibi) hâlâ hafife alınabiliyor.

Konum bazlı (Position-Based / U-Shape): İlk ve son temas noktasına yüzde kırk, kalan yüzde yirmiyi araya eşit dağıtıyor. Bu model, influencer pazarlaması için oldukça uygun: ilk temas (influencer keşif içeriği) ve son temas (dönüşüm tetikleyici) ağırlıklı biçimde değerlendiriliyor.

Veri odaklı model (Data-Driven): Google Analytics 4 ve bazı DMP’lerin sunduğu bu model, gerçek kullanıcı verisiyle her kanalın marjinal katkısını hesaplıyor. Büyük veri hacmi gerektiriyor, ancak en gerçekçi sonucu veriyor. Türkiye’de aylık yüz binin üzerinde ziyaret ve on binlerin üzerinde dönüşüm hacmine sahip markalar için uygulanabilir.

Influencer’a Özgü Attribution Araçları

Genel web analytics altyapısının yanı sıra influencer kampanyalarına özgü attribution araçları da devreye alınabiliyor:

Özel UTM yapısı: Her influencer için kaynak (source), mecra (medium), kampanya adı ve içerik etiketi içeren benzersiz URL. Bu yapı Google Analytics 4’te influencer bazında tam funnel görünümü sağlıyor.

Promo kod sistemi: Influencer’a özgü promo kodlar, UTM’in erişemediği uygulama içi ve offline satışları yakalamanın en pratik yöntemi. Kod kullanım oranı, doğrudan influencer katkısını gösteriyor.

Pixel tabanlı view-through attribution: Meta Pixel ve TikTok Pixel’in sunduğu view-through window (genellikle bir gün), influencer içeriğini gören ama hemen dönüşmeyen kullanıcıların sonraki günlerde gerçekleştirdiği dönüşümleri izliyor. Bu pencere, influencer’ın gerçek etkisini çok daha doğru yansıtıyor.

Branded search artışı: Influencer kampanyası döneminde marka adı aramasındaki organik artış, doğrudan dönüşüm yaratmayan ama farkındalık etkisini ölçen önemli bir gösterge. Google Search Console ve Google Trends bu değişimi izlemek için kullanılabiliyor.

Kampanya Öncesi Attribution Altyapısını Kurmak

Attribution sistemi, kampanya başladıktan sonra kurulmaz. Kampanya başlamadan önce şu altyapı hazır olmalı: UTM şablonu oluşturulmuş ve her influencer’a atanmış olmalı. Landing page’lerde Meta Pixel ve TikTok Pixel aktif ve doğru eventları tetikliyor olmalı (PageView, AddToCart, Purchase). Google Analytics 4’te conversion tracking ve attribution window ayarları yapılmış olmalı. Promo kodlar sisteme girilmiş, tek kullanımlık ya da influencer bazlı kısıtlamalar uygulanmış olmalı. Bu altyapı olmadan kampanya başlatmak, satış bağlantısı kurulamamış bir vitrin açmak gibi.

Attribution Raporunu Nasıl Yorumlamalı?

Attribution verisi hazırlandığında bir sonraki zorluk, bu veriyi doğru yorumlamak. Dikkat edilmesi gereken yorumlama hataları: tek modele bağlı kalmak, kısa zaman penceresi seçmek (özellikle yüksek değerli ürünlerde müşteri karar süreci haftalar alabilir), view-through ve click-through verilerini toplamak (bu iki metrik ayrı tutulmalı). Etkili bir attribution raporu yalnızca “hangi influencer en çok satış yaptı?” sorusunu değil, “hangi influencer hangi huni aşamasında en fazla değeri yarattı?” sorusunu da yanıtlamalı. Bazı içerik üreticileri üst hunide mükemmel farkındalık üretiyor ama direkt dönüşüm yaratmıyor, bu profil, awareness kampanyalarında değerli; direkt response kampanyalarında yanlış seçim.

Kara Talent’ın Attribution Framework’ü

Kara Talent bünyesinde yönetilen influencer kampanyalarında attribution altyapısı kampanya briefiyle eş zamanlı kurgulanıyor. Her influencer için benzersiz UTM ve promo kodu standart deliverable’ın parçası. Kampanya süresince UTM verileri haftalık raporlara taşınıyor ve son tıklama dışındaki huni katkısı da raporun içinde ayrı bir başlık olarak yer alıyor. Kampanya sonunda influencer bazında attribution karşılaştırması bir sonraki dönem seçim kararını besliyor: hangi içerik üreticisi yalnızca görünürlük mü üretti, hangisi gerçek satışla ilişkilendirilebildi?

Influencer pazarlamasının meşruiyeti, kısmen bu soruyu tutarlı ve güvenilir biçimde yanıtlayabilmekten geçiyor. Attribution modeli kurulmadan yapılan bütçe kararları büyük ölçüde şansa bırakılmış demektir. Bu belirsizliği gidermek, hem marka hem ajans açısından uzun vadeli iş ilişkisinin sağlam zemine oturmasını sağlıyor.

Attribution Tartışmalarında Pratik Uzlaşma Noktaları

Marka ile ajans arasında en sık yaşanan gerilim noktalarından biri şu: marka son tıklama raporuna bakıp influencer katkısını göremez, ajans ise üst huni etkisinin gerçek olduğunu savunur. Bu gerilimi çözmenin yolu, kampanya başlamadan önce attribution çerçevesini yazılı olarak mutabık kalmak. Hangi modelin kullanılacağı, hangi pencere (attribution window) benimseneceği, view-through ve click-through dönüşümlerin ayrı mı yoksa birlikte mi raporlanacağı, promo kod satışlarının nasıl hesaba katılacağı, bu kararlar kampanya öncesi belirlenmeli. Sonradan yapılan model değişikliği tartışmayı çözmez, aksine güven erozyonu yaratır. Kara Talent, her kampanya öncesi hazırlanan ölçüm çerçevesi dokümanına bu maddeleri ekleyerek marka ve ajans arasında beklenti uyumunu baştan garanti altına alıyor.

Incrementality Testing: Attribution’ın Ötesi

Attribution modeli, var olan dönüşümlerin hangi kanala atfedileceğini belirliyor. Ancak daha derin bir soru var: influencer kampanyası olmasaydı bu dönüşümlerin bir kısmı yine de gerçekleşir miydi? Bu soruyu yanıtlamak için incrementality testing, yani artımsal etki testi uygulanıyor. Test grubu influencer içeriğine maruz bırakılırken kontrol grubu görmüyor; iki grup arasındaki dönüşüm farkı, kampanyanın gerçek artımsal etkisini gösteriyor. Türkiye’de bu test metodolojisini uygulayan marka sayısı hâlâ çok az, ancak doğru yapıldığında attribution tartışmalarını kesin biçimde çözüyor ve influencer yatırımının meşruiyetini veriyle kanıtlıyor.