Çeşitli mecralarda yapılan pazarlama kampanyalarında bütçenin optimum seviyesini yakalayıp o seviyede ilerlemek, dijital pazarlama özelinde büyük önem teşkil etmektedir. Online pazarın gittikçe büyümesi, mobil trafiğin daha ön planda olduğu bu habitat içerisinde bütçeyi optimum seviyede tutup maksimum ROI ile kampanyalara devam etmek, hem reklamveren için hem de ajans ile çalışan müşteriler için hedef senaryolar arasında ilk sırada gelmektedir. Peki bu kadar değişkenin olduğu bir dünyada, her saniye trafiğin bu kadar hareketli olduğu bu habitat içerisinde SEM olarak medya planlarımı nasıl planlıyoruz, nasıl bir bütçe alokasyonu ile hedefleri hangi metrikler üzerinden belirliyoruz sorularının cevabı için hazır iseniz başlıyoruz!

Çok değişken dinamiklere sahip olan dijital pazarlama sektörü için %100 doğruluk payı ile Cost & ROI estimasyonu yapılması, şu an yapılan kuramlar, teoriler ve modellemeler ile “şimdilik” pek mümkün görünmüyor fakat minimal hata payları ile lineer regrasyonu kullanarak bu estimasyonu gerçekleştirip önümüzdeki dönemler için bütçe hazırlığı ve planlaması gerçekleştirilmesi mümkündür. Peki nedir bu lineer regresyon?

Lineer Regresyon Nedir?

Lineer regresyon, en sade açıklaması ile iki değişken arasındaki ilişkiyi analiz eden bir kuramdır. Bu kuramı reel hayatta fark etmeden kullandığımız birçok zaman vardır. Örneğin sizinle tanışan birisinin fiziksel özellikleri üzerinden kaç yaşında olduğunu tahminlemeniz de lineer regresyon örneği olarak sayılabilir.

Lineer regresyonun asıl amacı, veri içerisindeki değişkenlerin arasında en iyi uyum çizgisini yakalamaktır. En iyi uyum çizgisi, toplam hatanın minimum olduğu senaryo olarak nitelendirilebilir. Hata ise, noktaların regresyon çizgisine olan mesafesine denir.

Bu kuram içerisindeki analizde seçilmesi gereken iki değişkenin, birisinin bağımlı diğerinin ise bağımsız değişken olması gerekmektedir. Örnek vermek gerekirse, maliyet ile tıklama başı maliyet arasında yapılan lineer regresyon sağlıklı bir sonuç çıkarmayacaktır. Tıklama başı maliyet, maliyet / tıklama formülizasyonundan oluşmasından kaynaklı olarak her zaman lineer bir grafik oluşacaktır. En çok kullanılan lineer regresyon değişkenleri;

  • Maliyet – Dönüşüm (Cost – Transaction Relationship)
  • Maliyet – Dönüşüm Değeri (Cost – Revenue Relationship)
  • Maliyet – Dönüşüm Oranı (Cost – Ecommerce Transaction Rate Relationship) gibi birbiri arasında direkt bağlantı içermeyen değişkenlerin seçilmesi, daha sağlıklı bir çıktı elde edilmesini sağlar.

 

Peki bunların dijital kampanyalar ile ilişkisi nedir?

Dijital pazarlama kampanyalarındaki kilit soru, aslında lineer regresyon bakış açısı ile bir noktadan cevaba ışık tutabilecek niteliktedir. Kampanya performansımın kar ettiği nokta neresi? Bütçemin 1 TL fazlasının daha az kar getirdiği yatırım tutarı nedir? 

Yüksek oranda, dijital pazarlama kampanyalarının grafiği yukarıdaki gibi gözlemlenmektedir. X-eksenini yatırım bütçesi, Y-eksenini ise ROI olarak düşünebilirsiniz. 

Belli bir noktadan sonra (yukarıdaki grafikte x=1.4 bandı olarak düşünebilirsiniz) yatırımın artışı negatif etki yaratmaktadır. Bu negatif etki, ortalama pozisyonunuzun yüksek olması, pazarın tamamına erişebiliyor olmanız, yüksek tıklama başı maliyetlerin performansınızı düşürmesi gibi nedenlerden kaynaklı olabilir.

Nasıl başlıyoruz?

Öncelikli olarak, veri kalitesi bu noktada yüksek önem teşkil etmektedir. Reklam kampanyalarınızın doğru ölçümlenebilmesi ve yüksek anomali gösteren veri kümelerinin standardizasyonu, yapmış olacağınız estimasyonun doğruluk payını arttıran önemli faktörlerdendir. 

1. Adım: Raporlama ve analiz ettiğiniz mecraya göre veri setini aldığınız platform değişkenlik gösterebilir. Dilerseniz Google Ads hesabınız, dilerseniz Google Analytics hesabınız veya kullandığınız herhangi bir platform için gün segmenti kullanarak maliyet ve dönüşüm raporunuzu indirin.

1. Adım – İpucu: İndirmiş olduğunuz raporlarda anomaliye yol açacak verileri Auto-Regression metodu veya diğer regresyonu otomatize edecek yöntemler ile anomali ağırlığını düşürecek metodlar kullanmanız, R-Square değişkenini arttırıp güven yüzdesini arttıracaktır. 

2.Adım: İndirmiş olduğunuz Excel veya CSV dosyasında veri temizliği gerçekleştirdikten sonra Google Sheets veya Microsoft Excel üzerinden Scatter Chart oluşturun. 

2. Adım – İpucu: Scatter Chart tablo tipini seçmeniz, her bir verinin koordinat düzlemi üzerindeki yoğunluğunu ve regresyon doğrusunun davranışını daha net bir şekilde görmenizi sağlayacaktır. Yukarıdaki örnekte de sezonsallığın etkisini çok net bir şekilde gözlemleyebilmekteyiz.

3. Adım: Oluşturmuş olduğunuz grafik üzerinde aşağıdaki adımları izleyerek regresyon doğrusu oluşturun.

Google Sheets: Chart Editor > Customize > Series adımlarını takip ettiğiniz zaman Trendline checkbox seçeneğini işaretleyin. Karşınıza çıkan grafik, Y-ekseni odaklı regresyon doğrusunu verecektir. 

  • Bu seçeneğin altında bulunan Label seçim alanından Equation seçimi gerçekleştirildiği zaman, x-değişkeni özelinde belirlenen katsayılar ile bir denklem karşımıza çıkacaktır. Bu denklem, x-değişkeninin katsayısı ile belirlenen bir sabit sayının toplamını y-değişkeni olarak veren bir lineer regresyon denklemine dönüşmektedir.

  • Seçenekler alanında en aşağıda ise Show R-Square seçeneğini de işaretlediğiniz zaman, belirleme katsayısı, yani doğruluk oranı gözlemlenebilecektir. 0<R-Square<=1 aralığı içerisinde bulunan bu değer, ne kadar 1’e yaklaşır ise regresyon doğrunuz o kadar güvenilir olacaktır. Label seçeneğinde ise, use equation seçeneğine tıklama gerçekleştirdiğiniz zaman, maliyet ve dönüşüm arasındaki karesel denklemi elde edeceksiniz.

Yorumlama Fazı

Grafiği incelediğimiz zaman, son 12 ay içerisindeki 27560 TL harcama bandında yaklaşık olarak 2,956,140.00 TL kazanç gerçekleştiğini gözlemlemekteyiz. Yukarıda belirtilen denklem üzerinde, x değişkenine planladığınız bütçeyi girdiğiniz zaman, R-square doğruluk oranına göre tahmini dönüşüm değeri hesaplanabilecektir. Bunu şöyle test edebiliriz;

2018 yılını kapsayan veri seti içerisinde sağlama yapmak istersek;

2019 Eylül ayında yapmış olduğumuz harcamayı bu denklem üzerine yerleştirdiğimiz zaman, ilgili ayda gerçekleşen dönüşüm değeri ile örtüşme yaşanacak mı?

y = 104*x + 27142 denklemine, 2019 Eylül ayında yapmış olduğum 27560 TL harcamayı x değişkenine atadıktan sonra tahmini dönüşüm değerim aşağıdaki gibi göstermektedir;

Devamında Eylül ayında gerçekleşen dönüşüm değeri ile kıyaslandığı zaman %98 oranında örtüşme gözlemlenmektedir. Ve bu örtüşme üzerinden, ilgili denklemi Kasım 2019 ayı içerisinde yapılacak yatırımın dönüşünü tahminlemek için kullanabiliriz.

Sonuç

Veri setinin kalitesi ve anomali temizliği düzenli bir ölçüde yapılıp Auto-Regression kurallarına uyum ile Google Ads & Facebook & IG & Twitter gibi ücretli kanallarda yatırım bütçenizi (pazar payını göz ardı etmeden) lineer regresyon modellemesi kullanarak belli doğruluk payı çerçevesinde tahminlemek, günümüz otomatizasyon konjonktüründe gerekli olan optimizasyonlardan bir tanesi olarak kaçınılmaz ve yaygın kullanılan metotlardan birisidir. Tabi ki bu ölçüde dikkat edilmesi gereken parametreler vardır;

  • Pazar Payı (Impression Share)
  • Rakip Yatırımı ve Stratejileri
  • Özel Günler (Black Friday & Yılbaşı & Anneler Günü vs.)
  • Site Hızı Değişimi gibi değerlerin de önem arz etmesinden kaynaklı olarak, yapılan tahminlemelerin belli doğruluk oranları çerçevesinde yapılan bir estimasyon olduğu unutulmamalıdır. 

Veri aralığının geniş tutulup veri kalitesinin de yüksek olduğu senaryolarda, belirli anomalilerin de bu denkleme dahil edilmesi ve bu ölçüde bir katsayı belirlenmesinden kaynaklı, verinin önemi bir kez daha önem kazanmaktadır. Tabi devamında da veriyi işlemek ve analiz etmek geliyor ki SEM olarak bu aşamada bütüncül ekip yapısı ile konuyu 360 derece inceleme fırsatı bulduğumuz bu faz işimizin en keyifli bölümü diyebiliriz.

Bu yazı ile beraber lineer regresyon ve veri işleme dünyasına güzel bir giriş yapmış bulunmaktasınız. 

İlerleyen süreçte devam eden yazılarımızı kaçırmamak için takipte kalın!

Author