Medya karması modellemesi (Media Mix Modeling, kısaca MMM), haftalık ya da günlük toplam satış verisini, aynı dönemdeki kanal harcamaları ve dış etkenlerle birlikte istatistiksel olarak inceleyip her kanalın satışa katkısını tahmin eden bir yöntemdir. Kullanıcıyı tek tek izlemediği için çerez kısıtlamalarından etkilenmez ve televizyon, açık hava gibi çevrimdışı kanalları da aynı tabloya koyabilir. Orta ölçekli bir marka için anlamlı olup olmadığı ise elinizdeki verinin süresine, kanal çeşitliliğine ve harcamadaki değişkenliğe bağlıdır.
MMM neyi cevaplar?
MMM’nin cevapladığı sorular, günlük kampanya optimizasyonundan çok bütçe planlamasına yöneliktir:
- Her kanal toplam satışa yaklaşık ne kadar katkı sağlıyor?
- Bir kanala ek harcama yaptığımızda getiri hangi noktadan sonra azalmaya başlıyor? Buna doygunluk (saturation) denir.
- Reklamın etkisi ne kadar sürüyor? Bugün yapılan bir televizyon ya da YouTube harcaması, sonraki haftaların satışını da etkiler; buna gecikmeli etki (adstock) denir.
- Satıştaki değişimin ne kadarı reklamdan, ne kadarı mevsimsellik, fiyat, indirim ya da rakip hareketlerinden kaynaklanıyor?
MMM, “dün hangi reklam grubu daha iyi çalıştı?” sorusuna cevap vermez. Bu tür kısa vadeli kararlar için platform raporları ve test kampanyaları kullanılmaya devam eder.
Ölçüm yöntemleri arasındaki yeri
| Yöntem | Veri türü | En iyi cevapladığı soru | Zayıf yanı |
|---|---|---|---|
| Platform ilişkilendirmesi | Kullanıcı düzeyi, tıklama ve görüntüleme | Hangi kampanya ve reklam daha iyi? | Her platform kendi katkısını sayar; çevrimdışını görmez |
| Artımlılık testi | Kontrollü karşılaştırma | Bu kanal gerçekten ek satış getiriyor mu? | Her seferinde tek soruyu cevaplar, zaman alır |
| Medya karması modellemesi | Toplu zaman serisi | Bütçeyi kanallar arasında nasıl dağıtmalıyım? | Uzun geçmiş veri ister; ayrıntı düzeyi düşüktür |
Üç yöntem birbirinin rakibi değildir. Olgun ölçüm yapılarında MMM genel bütçe dağılımını önerir, artımlılık testleri modelin tahminlerini doğrular ve platform verisi günlük yönetimde kullanılır.
Hangi veri gerekir?
MMM’nin kalitesi, verdiğiniz verinin kalitesinden ileri gidemez. Başlamadan önce şu veri setlerini aynı zaman aralığında, tercihen haftalık olarak bir araya getirebilmeniz gerekir:
- Sonuç verisi: Haftalık satış adedi, ciro ya da nitelikli lead sayısı. Kendi sisteminizden gelmeli, reklam platformundan değil.
- Kanal harcamaları: Google Ads, Meta, YouTube, TikTok, televizyon, radyo, açık hava, influencer çalışmaları gibi her kanalın haftalık harcaması.
- Kanal hacim verisi: Mümkünse gösterim, erişim ya da GRP gibi harcama dışı göstergeler.
- Dış etkenler: Fiyat değişiklikleri, indirim dönemleri, bayramlar, stok kesintileri, yeni ürün lansmanları.
- Organik etkenler: Marka arama hacmi, e-posta gönderimleri, PR haberleri gibi reklam dışı hareketler.
Genel bir kural olarak, modelin mevsimselliği ayırt edebilmesi için birkaç yıla yayılan haftalık veri tercih edilir. Yalnız birkaç aylık geçmişle kurulan bir model, yılbaşı etkisiyle reklam etkisini birbirinden ayıramaz.
Orta ölçekli bir marka ne zaman hazırdır?
Aşağıdaki koşulların çoğu sağlanıyorsa MMM’yi değerlendirmeye değer:
- Bütçe en az üç ya da dört farklı kanala dağılıyor ve bu dağılım kararı yönetimde düzenli tartışılıyor.
- Çevrimdışı kanallar (televizyon, açık hava, bayi aktiviteleri) bütçenin anlamlı bir parçası.
- Kanal harcamaları geçmişte belirgin biçimde artıp azalmış. Her hafta aynı harcama yapılan bir kanalın etkisini model ölçemez, çünkü karşılaştırma yapacağı bir değişim yoktur.
- Haftalık satış verisi en az iki yıl geriye gidecek şekilde temiz biçimde tutuluyor.
Tek kanalda reklam veren, verisi dağınık ya da yeni kurulmuş bir işletme için MMM henüz erken bir adımdır. Bu durumda önce dönüşüm ölçümünü ve haftalık veri disiplinini kurmak, gelecekte modele zemin hazırlar.
Açık kaynak araçlar ve uygulama adımları
MMM eskiden yalnız büyük reklamverenlerin danışmanlık firmalarıyla yaptırdığı bir çalışmaydı. Bugün Google’ın Meridian ve Meta’nın Robyn adlı açık kaynak kütüphaneleri, bu modelleri kurmayı daha erişilebilir kıldı. Ancak araçlar ücretsiz olsa da veri hazırlığı ve yorumlama uzmanlık ister. Tipik bir uygulama şu sırayla ilerler:
- Cevaplanacak bütçe sorusunu ve kapsanacak kanalları netleştirin.
- Veriyi haftalık tabloya dökün, eksik ve hatalı haftaları işaretleyin.
- Modeli kurun ve geçmiş dönemi ne kadar iyi açıkladığını kontrol edin.
- Model çıktılarını iş bilgisiyle karşılaştırın. Örneğin model, ekibin bildiği bir kampanya döneminin etkisini görmüyorsa veri ya da kurgu gözden geçirilmelidir.
- Bütçe senaryoları oluşturun: “Arama bütçesi sabit, video bütçesi artarsa ne olur?” gibi.
- Önerilen değişikliği bir artımlılık testiyle doğrulayın, ardından modeli yeni veriyle düzenli aralıklarla güncelleyin.
Modelin önerdiği dağılımı medya planına dönüştürmek ayrı bir iştir; kanal seçimi, takvim ve frekans kararları için medya satınalma tarafıyla birlikte çalışılmalıdır.
Model çıktısı nasıl okunur?
Bir MMM çalışmasının sonunda genellikle üç tür çıktı alırsınız. Her birini yönetim toplantısında farklı bir soruya cevap olarak kullanın:
- Katkı ayrıştırması: Toplam satışın ne kadarının temel talepten (reklam olmadan da gelecek satış), ne kadarının her kanaldan geldiğinin tahmini. “Reklam olmasa ne olurdu?” sorusuna kaba bir cevap verir.
- Tepki eğrileri: Her kanal için harcama arttıkça katkının nasıl değiştiğini gösteren eğriler. Eğrinin düzleştiği bölge, o kanalda ek harcamanın verimsizleşmeye başladığı yeri işaret eder.
- Bütçe senaryoları: Toplam bütçe sabitken kanallar arası dağılım değişirse tahmini sonucun nasıl değişeceği.
Bu çıktıların hepsi belirsizlik aralığıyla birlikte gelir. Aralığı çok geniş olan bir kanal için büyük bütçe kararı vermeden önce test yapmak daha güvenlidir.
Sık yapılan hatalar
- Modeli tek seferlik bir rapor gibi kurup güncellememek. Pazar değiştikçe katsayılar da değişir.
- İndirim ve fiyat değişikliklerini modele eklememek; bu durumda satış artışı yanlışlıkla reklama yazılır.
- Model sonucunu kesin gerçek kabul etmek. MMM tahmin üretir ve belirsizlik aralığıyla birlikte okunmalıdır.
- Kanalları çok ince bölmek. Yeterli veri yoksa her kampanyayı ayrı kanal olarak modele koymak sonuçları güvenilmez yapar.
Sık sorulan sorular
MMM, GA4’teki ilişkilendirme raporlarının yerini alır mı?
Almaz. GA4 ve platform raporları günlük ve kampanya düzeyindeki kararlar için gereklidir. MMM ise üç ayda bir ya da yılda birkaç kez yapılan bütçe dağılımı kararlarına rehberlik eder.
Sadece dijital kanallarda reklam veriyorsam MMM’ye ihtiyacım var mı?
Birden fazla dijital kanala anlamlı bütçe ayırıyorsanız fayda sağlayabilir, çünkü platformların birbirinin satışını sahiplenmesi sorununu toplu veriyle dengeler. Tek kanaldaysanız artımlılık testi daha pratik bir başlangıçtır.
MMM sonucu ne sıklıkla güncellenmeli?
Genellikle çeyrek dönemlerde bir güncelleme, bütçe planlama takvimiyle uyumlu olur. Büyük bir pazar değişikliği ya da yeni kanal açılışı sonrasında ara güncelleme yapılabilir.
Profaj olarak medya planlama sürecinde önce haftalık veri setini birlikte düzenliyor, işletmenin MMM’ye hazır olup olmadığını bu veriye bakarak değerlendiriyoruz.