Medya Karması Modelleme (MMM) Nedir?

Medya karması modelleme, toplam satışı açıklamak için pazarlama harcamalarını ve dış faktörleri istatistiksel olarak modelleyen yöntemdir. Kullanıcı düzeyinde takip gerektirmez; toplu (agrega) veriyle çalışır. Bu özelliği, gizlilik kısıtlarının arttığı dönemde yeniden önem kazanmasının nedenidir.

1. Hangi Soruyu Yanıtlar?

MMM, kampanya içi optimizasyon aracı değildir. Yanıtladığı sorular üst düzeydir:

toplam pazarlama bütçesi kanallar arasında nasıl dağıtılmalı,
hangi kanal doygunluğa ulaşmış,
bütçeyi %20 artırırsam beklenen ek satış nedir,
çevrimdışı ve dijital kanalların birlikte katkısı nasıl,
fiyat, mevsimsellik ve promosyonun payı ne kadar.

Bu nedenle MMM aylık/çeyreklik planlama ritmine uygundur, günlük teklif kararlarına değil.

2. Model Girdileri

Pazarlama değişkenleri: kanal bazlı harcama veya gösterim/erişim verisi, kampanya dönemleri, kreatif değişim noktaları.

Kontrol değişkenleri: fiyat ve indirim seviyesi, promosyon dönemleri, mevsimsellik ve tatiller, stok durumu, mağaza/kanal sayısı, rekabet aktivitesi, makroekonomik göstergeler, hava durumu (ilgili sektörlerde).

Bağımlı değişken: toplam satış, sipariş sayısı veya brüt kâr.

Kontrol değişkenlerinin eksikliği, MMM'nin en yaygın hata kaynağıdır. Fiyat ve promosyon modele girmezse, indirim dönemlerindeki satış artışı reklam katkısı olarak atfedilir.

3. İki Temel Etki

Doygunluk (saturation). Harcama arttıkça ek her birimin getirisi azalır. Model bu ilişkiyi doğrusal değil, eğri olarak kurar. Doygunluk eğrisi, "bu kanala ne kadar daha yatırım yapılabilir" sorusunun yanıtıdır.

Gecikme / taşıma etkisi (adstock). Reklamın etkisi yayınlandığı gün bitmez; sonraki günlere/haftalara taşınır. Model bu taşımayı parametreyle temsil eder.

Bu iki etkiyi modellemeyen bir yaklaşım, kanal katkısını sistematik olarak yanlış hesaplar.

4. Veri Gereksinimleri

en az 2-3 yıllık haftalık veri (mevsimselliği ve varyasyonu yakalamak için),
kanal harcamalarının tutarlı ve eksiksiz kaydı,
fiyat ve promosyon geçmişi,
satış verisinin aynı zaman çözünürlüğünde olması,
harcamada yeterli varyasyon (hiç değişmemiş bir kanalın etkisi ölçülemez).

Son madde kritiktir: sabit harcanan bir kanalın katkısı istatistiksel olarak ayrıştırılamaz. Bu nedenle bilinçli varyasyon (test dönemleri) modelin kalitesini artırır.

5. Kalibrasyon: Deneylerle Doğrulama

MMM tek başına bırakıldığında yanlış sonuçlar üretebilir; çünkü korelasyonu nedensellikle karıştırma riski yüksektir. Bu riski azaltmanın yolu, artımsallık deneyleriyle kalibrasyondur:

deneyle ölçülmüş artımsal katkı, model çıktısıyla karşılaştırılır,
büyük sapma varsa model varsayımları gözden geçirilir,
deney sonuçları modele öncül bilgi olarak verilebilir.

Kalibre edilmemiş MMM, güvenle kullanılabilir bir karar aracı sayılmamalıdır.

6. Sınırlar

toplu veri kullandığı için kişi düzeyinde içgörü vermez,
geçmişe dayanır; pazar yapısı değişirse geçerliliği azalır,
kreatif kalitesi gibi ölçülmeyen faktörleri kanal etkisine karıştırabilir,
yeni kanallar için yeterli geçmiş olmadığından güvenilir tahmin üretmez,
model kurulumu ve yorumlanması uzmanlık gerektirir,
aynı veriyle farklı varsayımlar farklı sonuçlar verebilir.

Bu nedenle çıktı, tek bir sayı değil bir aralık ve senaryo seti olarak sunulmalıdır.

7. Ne Zaman Yatırım Yapmaya Değer?

MMM aşağıdaki koşullarda anlamlıdır:

birden fazla kanalda kayda değer bütçe harcanıyor,
çevrimdışı kanallar da bütçenin önemli bir bölümünü oluşturuyor,
2+ yıllık tutarlı veri mevcut,
planlama kararları çeyreklik alınıyor,
kullanıcı düzeyi takip yetersiz kaldığı için üst düzey bir bakış gerekiyor.

Küçük ölçekte, tek kanal ağırlıklı yapılarda ise MMM aşırı yatırımdır; artımsallık testleri ve temiz ilişkilendirme daha yüksek getiri sağlar.

8. Üç Katmanlı Ölçüm Mimarisi

Olgun bir ölçüm yapısı üç yöntemi birlikte kullanır:

Katman	Yöntem	Ritim	Karar
Günlük	İlişkilendirme	Günlük	Kampanya optimizasyonu
Doğrulama	Artımsallık testi	Çeyreklik	Gerçek katkı kanıtı
Planlama	MMM	Çeyreklik/yıllık	Bütçe dağıtımı

Bu üçlü yapıya "birleşik pazarlama ölçümü" denir ve her katman diğerinin kör noktasını kapatır.

9. Uygulama Adımları

iş sorusunu netleştirmek (hangi bütçe kararı iyileşecek),
veri envanteri ve kalite kontrolü,
kontrol değişkenlerinin toplanması,
model kurulumu ve doygunluk/gecikme parametrelerinin tahmini,
deney sonuçlarıyla kalibrasyon,
senaryo analizi (farklı bütçe dağıtımlarının beklenen sonucu),
sonuçların belirsizlik aralığıyla raporlanması,
periyodik yeniden eğitim ve doğrulama.

10. Sık Yapılan Hatalar

fiyat ve promosyon değişkenlerini modele almamak,
doygunluk ve gecikme etkilerini ihmal etmek,
modeli deneyle kalibre etmemek,
tek nokta tahminini kesin gerçek gibi sunmak,
yeni kanallar için model çıktısına güvenmek,
modeli bir kez kurup yıllarca güncellememek,
MMM'yi günlük optimizasyon aracı gibi kullanmak.

Sık Sorulan Sorular

Ne kadar veri gerekir? Haftalık çözünürlükte en az 2 yıl önerilir. Daha kısa veriyle mevsimsellik ve doygunluk güvenilir tahmin edilemez.

Açık kaynak araçlarla yapılabilir mi? Yapılabilir. Ancak zorluk araçta değil, veri kalitesinde, kontrol değişkenlerinde ve kalibrasyondadır.

Kullanıcı düzeyi ölçümün yerini alır mı? Almaz. Farklı katmanlarda çalışırlar; MMM üst düzey bütçe, ilişkilendirme günlük yön verir.