Attribution Modelleri SEO Ekibinize Yanlış Bir Tablo Sunuyor

Organik arama, tipik bir B2B SaaS şirketinin web sitesi trafiğinin yaklaşık %40’ını oluşturur. Buna rağmen çoğu attribution modelinde kapanan gelirin yalnızca %8–15’i organik aramaya atfedilir. Bu iki rakam arasındaki fark tesadüf değildir. Çoğu attribution modelinin nasıl oluşturulduğundan kaynaklanan yapısal bir sonuçtur ve kurumların SEO’ya ne kadar bütçe ayırdığını, performansını nasıl değerlendirdiğini ve SEO’nun kurum içindeki değerini nasıl algıladığını doğrudan etkiler.

Sorun, pazarlama yöneticilerinin attribution doğruluğunu önemsememesi değildir. Çoğu bunu fazlasıyla önemser. Asıl sorun, analitik platformlarında varsayılan olarak sunulan attribution modellerinin doğru olmaktan çok kolay uygulanabilir olacak şekilde tasarlanmış olmasıdır. Uzun katkı pencerelerine sahip kanallarda bu basitlik önemli sorunlar yaratır. SEO da bu kanallardan biridir ve varsayılan modeller tarafından en düzenli biçimde dezavantajlı hâle getirilen kanallardan biridir.

Aşağıda, başlıca attribution modellerinin organik aramayı nasıl değerlendirdiğini, her birinin hangi noktalarda yetersiz kaldığını ve SEO’nun büyüme denkleminde önemli bir rol oynadığı şirketler için daha doğru bir ölçüm çerçevesinin nasıl olması gerektiğini ele alacağız.

Beş Attribution Modeli ve Gerçekte Nasıl Çalıştıkları

Son tıklama attribution (Last-click attribution), dönüşüm kredisinin %100’ünü satın alma veya form doldurma işleminden önceki son temas noktasına verir. Varsayılan olarak en yaygın kullanılan modellerden biridir ve özellikle organik arama açısından en sorunlu modellerden biridir. SEO, kullanıcıları genellikle araştırma yolculuğunun erken aşamalarında markayla tanıştırır. Bu kullanıcılar dönüşüm gerçekleştirmeden önce markalı arama, doğrudan trafik veya ücretli retargeting üzerinden geri dönebilir. Bu nedenle son tıklama modeli, organik kanalın katkısını sıfıra indirirken krediyi son temas kanalına verir.

İlk tıklama attribution (First-click attribution) ise dönüşüm kredisinin %100’ünü dönüşüm yolculuğundaki ilk temas noktasına verir. Bu model, hatayı diğer yönde yapar. Organik kanalın başlattığı her dönüşümün tüm kredisini SEO’ya verir ve satışın tamamlanmasında diğer kanalların ne kadar etkili olduğunu dikkate almaz. Sonuçta organik kanal olduğundan çok başarılı, ücretli kanallar ise olduğundan çok başarısız görünür. Bu tablo da doğru değildir ve bu modele dayanarak alınan kararlar, son tıklama modelindeki kadar yanıltıcıdır; yalnızca hata ters yöndedir.

Doğrusal attribution (Linear attribution), dönüşüm kredisini yolculuktaki tüm temas noktalarına eşit şekilde dağıtır. Yedi temas noktasından oluşan bir müşteri yolculuğunda her temas noktası kredinin yaklaşık %14’ünü alır. Teoride adil görünür. Ancak pratikte, satın alma gününde gerçekleşen markalı bir doğrudan ziyareti, müşteriyi üç ay önce ürün kategorisiyle tanıştıran organik içerikle aynı derecede önemli kabul eder. Eşit kredi, doğru attribution anlamına gelmez.

Zaman bazlı attribution (Time-decay attribution), dönüşüm anına yaklaştıkça temas noktalarına daha fazla ağırlık verir. Satın alma niyetiyle güncellik arasında gerçekten güçlü bir ilişki bulunan kısa satış döngülerinde bu yaklaşımın mantıklı bir temeli vardır. Ancak 60, 90 veya 180 günlük B2B satış döngülerinde, müşteri yolculuğunun ilk üçte ikisinde gerçekleşen etkileşimleri sistematik olarak düşük değerlendirir. Organik temas noktalarının büyük bölümü de tam olarak bu aşamada gerçekleşir.

Veriye dayalı attribution (Data-driven attribution), geçmiş müşteri yolculuklarındaki her temas noktasının gerçek dönüşüm olasılığına katkısını temel alarak kredi dağıtmak için makine öğrenimini kullanır. Çoğu analitik platformunda bulunan en doğru modeldir ancak güvenilir şekilde çalışabilmesi için yeterli dönüşüm hacmine ihtiyaç duyar; genellikle ayda birkaç yüz dönüşüm gerekir. Bu eşiğin altındaki şirketlerde model doğrusal veya son tıklama yaklaşımına dönebilir. Böylece kulağa gelişmiş gelen bir model, pratikte oldukça sınırlı bir ölçüm aracına dönüşebilir.

Organik Kanal Nasıl Dezavantajlı Hâle Geliyor? Gerçek Bir Müşteri Yolculuğu

Tedarik zinciri yazılımı değerlendiren, 200 çalışanlı bir lojistik şirketindeki satın alma yöneticisini düşünün. Satın alma yolculuğu dört ay sürüyor ve yedi farklı temas noktası içeriyor. Aşağıda bu yolculuğun gerçekte nasıl ilerlediğini ve farklı attribution modellerinin bunu nasıl değerlendirdiğini görebilirsiniz.

Son tıklama (last-click) modelinde, kredinin %100’ü ücretli aramaya verilir. Her ikisi de organik olan 1. ve 2. temas noktaları ise hiçbir kredi almaz. Böylece SEO ekibinin dört aylık satın alma yolculuğuna yaptığı katkı raporlama modelinde tamamen görünmez hâle gelir.

Doğrusal (linear) modelde, yedi temas noktasının her biri kredinin %14,3’ünü alır. Organik kanal toplamda %28,6 kredi alır. Bu sonuç gerçeğe daha yakındır; ancak yine de 120. günde gerçekleşen markalı bir reklamı, değerlendirme sürecini başlatan organik içerikle eşit derecede önemli kabul eder.

Zaman bazlı attribution (Time-decay) modelinde, 6. ve 7. temas noktaları kredinin büyük bölümünü alır. Dönüşümden dört ay önce gerçekleşen 1. ve 2. temas noktaları ise neredeyse hiç kredi alamaz. Bu model, organik aramanın çalışmalarının büyük bölümünü gerçekleştirdiği erken aşamadaki etkileri sistematik olarak düşük değerlendirir.

Konum bazlı attribution (Position-based attribution) modelinde — bazen U-shaped model olarak da adlandırılır — kredinin %40’ı ilk temasa, %40’ı son temasa, kalan %20’si ise aradaki temas noktalarına dağıtılır. Bu senaryoda organik kanal, müşteri yolculuğunu başlattığı için %40 kredi ve ortadaki %20’lik paydan da küçük bir oran alır. Bu özel müşteri yolculuğu için en savunulabilir model budur; ancak nadiren varsayılan attribution modeli olarak kullanılır.

Organik Arama İçin Doğru Attribution Çerçevesi

Tüm işletmeler için geçerli tek bir doğru attribution modeli yoktur. Ancak uzun etki pencerelerine sahip kanalların katkısını sistematik olarak yanlış yansıtmayan bir model seçmek için kullanılabilecek belirli kriterler vardır.

Satış döngüsü 30 günden uzun olan şirketlerde, konum bazlı attribution en savunulabilir başlangıç noktasıdır. Bu model hem müşteri yolculuğunu başlatmanın hem de satışı sonuçlandırmanın önemli olduğunu kabul eder; ancak aradaki her temas noktasının eşit katkı sağladığını varsaymaz. Veriye dayalı attribution’ın güvenilir çalışması için gereken yüksek dönüşüm hacmine ihtiyaç duymaz. Ayrıca finans ekibinin, veri bilimi uzmanlığına ihtiyaç duymadan metodolojiyi sorgulayıp anlayabileceği kadar şeffaf bir yapıya sahiptir.

Veriye dayalı attribution’ı destekleyecek dönüşüm hacmine sahip ve satın alma yolculukları geliştikçe modeli düzenli olarak güncel tutmaya gerçekten kararlı şirketlerde, veriye dayalı attribution uzun vadede daha doğru bir seçenektir. Ancak modelin belirli aralıklarla denetlenmesi gerekir. Geçmiş müşteri yolculukları üzerinde çalışan makine öğrenimi modelleri, eğitim verilerinde daha eski ve daha az doğru attribution dönemleri ağırlıktaysa bu dönemlerdeki önyargıları devam ettirebilir.

Hangi model seçilirse seçilsin, ek olarak yapılması gereken önemli bir adım vardır: ana attribution modelinden bağımsız olarak organik kanala özel yol analizi yürütmek. Bunun için herhangi bir aşamasında organik temas noktası bulunan tüm dönüşüm yolculukları çıkarılır, organik kanalın yolculuğun her aşamasında ne sıklıkla yer aldığı hesaplanır ve bu veriler ana modele rakip olmak yerine onu tamamlayan bir organik katkı analizi oluşturmak için kullanılır. Bu, doğru attribution’ın yerine geçen bir yöntem değildir; ana modeldeki boşlukların yönetimin gördüğü tek hikâyeye dönüşmesini engelleyen tamamlayıcı bir kanıttır.

Attribution’ı Yeniden Kalibre Etmek İçin Dört Pratik Adım

Adım 1: Mevcut varsayılan modelinizi denetleyin. Son üç aylık dönüşüm yolu verilerini çıkarın ve yalnızca son temas olarak değil, yolculuğun herhangi bir noktasında organik kanalın temas noktası olarak yer aldığı dönüşümlerin yüzdesini belirleyin. Ardından bu oranı, mevcut ana attribution modelinizde organik kanala verilen gelir kredisi yüzdesiyle karşılaştırın. Bu iki rakam arasındaki fark, modelin doğruluğuna ilişkin değerlendirmeye başlamak için temel noktanızdır.

Adım 2: Landing page düzeyinde bir gelir göstergesi oluşturun. Kusursuz bir multi-touch modeliniz olmasa bile Search Console’daki landing page verilerini GA4’teki dönüşüm oranları ve CRM’inizdeki sonraki aşama satış değerleriyle ilişkilendirerek yön gösterici ve anlamlı bir organik gelir görünümü oluşturabilirsiniz. Ticari niyeti yüksek bir anahtar kelime kümesinde sıralama alan, ölçülebilir bir dönüşüm oranına sahip ve dönüşüm gerçekleştiren ziyaretçiler için ortalama satış değeri bilinen bir sayfa; son tıklama attribution rakamından daha faydalı ve black-box bir modelden daha kolay savunulabilir bir gelir katkısı tahmini sunar.

Adım 3: Bir attribution modelinde uzlaşın ve 12 ay boyunca değiştirmeyin. Attribution tartışmalarının sonuçsuz kalmasının nedenlerinden biri, analitik ekibine yeni biri katıldığında veya yeni bir platform kullanılmaya başlandığında modelin sürekli değiştirilmesidir. Satış döngünüz için en savunulabilir modeli seçin, metodolojiyi belgeleyin ve en az bir yıl boyunca tutarlı şekilde kullanmayı taahhüt edin. Performans metriklerinin zaman içindeki eğilimini sağlıklı biçimde ölçebilmek için ölçüm metodolojisinin sabit kalması gerekir.

Adım 4: Organik katkıyı iki seviyede raporlayın. Son temas organik gelirini muhafazakâr alt sınır, organik kanalın dönüşüm yolunda destekleyici rol oynadığı geliri ise üst sınır olarak sunun. Bu iki rakam arasındaki farkı bir veri kalitesi problemi olarak değil, attribution metodolojisinden kaynaklanan bir fark olarak değerlendirin. Bu yaklaşım tek bir rakam sunmaktan daha şeffaftır ve finans ile yönetim ekipleriyle, kurumun bundan sonra hangi attribution modelini kullanacağı konusunda daha verimli bir tartışma yürütülmesini sağlar.

Attribution’ı Düzelttiğinizde Ne Değişir?

İlk etkisi, SEO’nun bütçe görüşmelerinde nasıl değerlendirildiğinde görülür. Son tıklama attribution uygulandığında gelirin yalnızca %8’ini oluşturuyor gibi görünen bir kanal, yol analizi tüm dönüşüm yolculuklarının %54’ünde yer aldığını gösterdiğinde çok farklı görünür. Buradaki rakam aynı metriğin farklı bir versiyonu değildir. Tamamen farklı bir metriği ifade eder: organik son temas dönüşüm oranı yerine, satın alma sürecindeki organik erişim ve katkı.

Bunun sonraki etkisi içerik yatırımlarında ortaya çıkar. SEO ekipleri belirli anahtar kelime kümelerinin yüksek değerli satışların dönüşüm yollarında orantısız şekilde yer aldığını gösterebildiğinde, içerik brief’leri yalnızca arama hacmine göre değil, dönüşüm yolunda görülme sıklığına göre şekillenmeye başlar. Tüm enterprise satışların %30’unda ilk temas noktası olarak görünen bir anahtar kelime, arama hacminin gösterdiğinden daha fazla içerik yatırımını hak eder. Attribution verileri bu argümanı somut verilerle desteklemeyi mümkün kılar.

Console Go gibi platformlar tam olarak bu boşluğu kapatmak için geliştirilmiştir. Anahtar kelime düzeyindeki organik verileri, standart attribution modellerinin ortaya çıkaramadığı dönüşüm ve gelir sinyalleriyle ilişkilendirir. Attribution yaklaşımını kavramsal olarak doğru kurmuş ancak bunu sistematik biçimde çalıştıracak altyapıya sahip olmayan ekiplerde, organik arama performansı ile sonraki aşamadaki gelir sonuçları arasındaki bu doğrudan bağlantı, metodolojiyi üç ayda bir yapılan manuel bir analiz olmaktan çıkarıp sürdürülebilir bir ölçüm sistemine dönüştürür.

SEO, Gerçekte Sağladığı Katkı Kadar Değer Görmeli

Attribution modelleri tarafsız araçlar değildir. Müşterilerin nasıl karar verdiğine ilişkin belirli varsayımlar içerirler ve bu varsayımlar hangi kanalların değerli, hangilerinin gereksiz maliyet gibi görüneceğini belirler. Varsayılan modellerin çoğundaki kabuller organik arama düşünülerek tasarlanmamıştır. Daha kısa satın alma döngüleri ve daha basit dönüşüm yolları için oluşturulmuşlardır.

Bunu düzeltmek için analitik altyapınızı tamamen yeniden kurmanız gerekmez. Mevcut modelin organik katkıyı hangi noktalarda yanlış yansıttığını belirlemek, bu farkı ölçmek için tamamlayıcı bir yol analizi oluşturmak ve varsayılan ayarların verileri nasıl saymayı tercih ettiğinden ziyade müşterilerin gerçekte nasıl davrandığını yansıtan tutarlı bir metodoloji benimsemek yeterlidir.

Konum bazlı attribution modeli, dönüşüm yolu sıklığı analizi ve organik katkının nasıl hesaplandığını açıklayan belgelenmiş bir metodolojiyle bütçe toplantısına giren bir SEO ekibi, daha fazla bütçe almak için politik bir argüman sunmuş olmaz. Gelirin gerçekte nereden geldiğine ilişkin daha doğru ve veriye dayalı bir tablo ortaya koyar. Bu, bütçe talebinden çok daha farklı bir görüşmedir ve genellikle çok daha sağlıklı sonuçlar doğurur.