Marketing Mix Modeling (MMM) Nedir? Örneklerle Adım Adım Rehber
Marketing Mix Modeling (MMM), “reklam bütçemin hangi kısmı gerçekten satış getiriyor?” sorusunu, kullanıcı takibine ihtiyaç duymadan, geçmiş harcama ve satış verilerini istatistiksel olarak analiz ederek yanıtlayan bir ölçümleme yöntemidir.
Pazarlama dünyasında sık tekrarlanan bir söz vardır: “Reklama harcadığım paranın yarısı boşa gidiyor; sorun şu ki hangi yarısı olduğunu bilmiyorum.” MMM, tam olarak bu soruya cevap arar. Bu rehberde MMM’i teknik detaylara boğmadan, günlük hayattan benzetmeler ve örnek bir e-ticaret senaryosu üzerinden adım adım anlatıyoruz.
Basit Anlatımla MMM Nedir?
Bir pastane işlettiğinizi düşünün. Satışlarınız her hafta değişiyor. Bazı haftalar Instagram’da reklam veriyorsunuz, bazı haftalar mahalleye broşür dağıtıyorsunuz, bazı haftalar da hiçbir şey yapmıyorsunuz. Üstelik bayram haftalarında, yağmurlu günlerde ve maaş günlerinden sonra satışlar zaten kendiliğinden değişiyor.
İki yılın haftalık verilerini yan yana koyduğunuzda bazı kalıplar görmeye başlarsınız: “Instagram reklamı verdiğim haftalarda satışlar ortalama %15 artıyor, ama reklamı ikiye katladığımda artış %30 olmuyor, %20’de kalıyor.” ya da “Broşürün etkisi hemen değil, iki hafta sonra görünüyor.”
MMM, bu sezgisel gözlemi istatistiksel olarak yapar. Satışları etkileyen her şeyi (reklam kanalları, fiyat, kampanya, mevsim, tatil, ekonomi) aynı anda modele koyar ve her birinin satışa ne kadar katkı sağladığını ayrıştırır. Sonuçta elinizde şu bilgiler olur:
- Reklam yapmasaydınız ne kadar satacaktınız (temel satış).
- Her kanalın satışa katkısı ve getirisi.
- Hangi kanala daha fazla, hangisine daha az bütçe ayırmanız gerektiği.
Kısacası MMM, pazarlama bütçesinin muhasebe defteri gibidir: Paranın nereye gittiğini ve karşılığında ne getirdiğini gösterir.
MMM’in Cevapladığı 5 Temel Soru
- Reklamlarım gerçekten ek satış getiriyor mu? Bazı satışlar reklam olmadan da gerçekleşirdi. MMM, reklamın yarattığı ek (incremental) satışı, kendiliğinden gelen satıştan ayırır.
- Hangi kanal en verimli? Google Ads, Meta, YouTube, TV, açık hava veya influencer: Her kanala harcanan 1 TL’nin kaç TL satış getirdiğini aynı ölçütle karşılaştırır.
- Hangi kanalda bütçe doydu? Bir kanala harcamayı artırmaya devam ettiğinizde getirinin hangi noktada düşmeye başladığını gösterir.
- Reklamın etkisi ne kadar sürüyor? Bazı kanalların etkisi aynı hafta biterken, bazıları haftalarca satış getirmeye devam eder. Bu bilgi, kampanya zamanlamasını planlamaya yardımcı olur.
- Bütçeyi nasıl dağıtırsam daha çok satarım? Aynı toplam bütçeyle kanallar arasındaki dağılımı değiştirerek daha fazla satış elde etmenin yolunu önerir.

Örnek Senaryo: Bir E-Ticaret Markası MMM’i Nasıl Kullanır?
MMM’i somutlaştırmak için hayali bir örnek üzerinden ilerleyelim. Aşağıdaki rakamlar gerçek bir markaya ait değildir; yalnızca yöntemi anlatmak için kurgulanmıştır.
- Marka: Türkiye’de online satış yapan orta ölçekli bir ev tekstili markası.
- Aylık reklam bütçesi: 1.000.000 TL.
- Kanallar: Google Arama, Meta (Instagram ve Facebook), YouTube, Display ve influencer iş birlikleri.
- Sorun: Google Ads ve Meta raporlarındaki dönüşümlerin toplamı, gerçek sipariş sayısından fazla görünüyor. Her platform başarıyı kendine yazıyor ve yönetim hangi kanala güveneceğini bilmiyor.
Adım 1: Veri toplama
Ekip son iki yılın haftalık verilerini tek tabloda birleştiriyor: kanal bazında harcamalar, haftalık ciro ve sipariş sayısı, indirim dönemleri, Efsane Cuma ve bayram haftaları, marka araması hacmi ve enflasyon etkisini temizlemek için sipariş adedi.
Adım 2: Modelin kurulması
Veri ekibi açık kaynak bir MMM aracıyla modeli kuruyor. Model, her kanal için gecikmeli etkiyi (adstock) ve doygunluk noktasını hesaplıyor; promosyon ve mevsim etkilerini reklam etkisinden ayırıyor.
Adım 3: Bulgular
- Satışların yaklaşık yarısı temel satıştan geliyor: Reklam olmasa da marka bilinirliği ve sadık müşteriler sayesinde gerçekleşecek satışlar.
- Google Arama en yüksek ortalama getiriye sahip; ancak bütçe doygunluk noktasına gelmiş. Ek harcama artık çok az ek satış getiriyor.
- YouTube raporlarda düşük dönüşüm gösteriyor; ancak MMM, YouTube’un etkisinin haftalara yayıldığını ve marka aramalarını artırdığını ortaya koyuyor. Kanal, bütçesine göre fazlasını getiriyor.
- Display harcamasının ek satışa katkısı, maliyetinin altında kalıyor.
Adım 4: Karar
Ekip, toplam bütçeyi değiştirmeden doygunluğa ulaşmış ve düşük getirili kanallardan, marjinal getirisi yüksek kanallara kademeli olarak bütçe kaydırmaya karar veriyor. Değişikliği tek seferde değil, iki ay içinde adım adım uyguluyor ve YouTube etkisini bir coğrafi testle doğruluyor.
Örnek Bütçe Dağılımı: MMM Öncesi ve Sonrası
Aşağıdaki tablo, örnek senaryodaki markanın MMM sonrası bütçe kararını özetliyor. Ortalama ROI, kanala harcanan her 1 TL’nin ortalamada kaç TL satış getirdiğini; marjinal ROI ise kanala eklenecek bir sonraki 1 TL’nin kaç TL ek satış getireceğini gösterir.
Tablodaki en önemli ders şudur: Google Arama’nın ortalama ROI’si en yüksek olmasına rağmen bütçesi azaltıldı. Çünkü kanal doygunluğa ulaşmıştı ve eklenen her lira artık çok az ek satış getiriyordu. Buna karşılık ortalama ROI’si daha düşük görünen YouTube, marjinal getirisi en yüksek kanal olduğu için en fazla ek bütçeyi aldı. Bütçe kararlarında ortalama değil, marjinal getiriye bakmak MMM’in en değerli katkılarından biridir.
MMM Terimleri Sözlüğü
- Temel satış (Baseline): Hiç reklam yapılmasa da gerçekleşecek satışlar. Marka gücü, sadık müşteriler ve organik talepten gelir.
- Ek satış (Incremental sales): Yalnızca reklam sayesinde gerçekleşen, reklam olmasa gerçekleşmeyecek satışlar.
- Katkı (Contribution): Bir kanalın toplam satış içindeki payı.
- ROI / ROAS: Kanala harcanan her 1 TL karşılığında elde edilen satış.
- Marjinal ROI (mROI): Kanala eklenecek bir sonraki 1 TL’nin getireceği ek satış. Bütçe kaydırma kararlarının temelidir.
- Adstock (Taşınan etki): Reklamın etkisinin yayınlandığı haftadan sonraki haftalara da yayılması.
- Doygunluk (Saturation): Bir kanalda harcama arttıkça her ek liranın daha az getiri sağlaması; azalan getiri noktası.
- Getiri eğrisi (Response curve): Bir kanalda harcama ile satış arasındaki ilişkiyi gösteren eğri.
- Kontrol değişkenleri: Satışı etkileyen ama reklam olmayan faktörler: fiyat, promosyon, tatil, mevsim, enflasyon.
- Kalibrasyon: Model sonuçlarının coğrafi test veya lift çalışması gibi gerçek deneylerle karşılaştırılıp düzeltilmesi.
- Bayesian MMM: Ön bilgileri (prior) modele dahil eden ve sonuçları belirsizlik aralığıyla sunan modern MMM yaklaşımı.
Hangi Markalar MMM Kullanmalı?
MMM her işletme için doğru araç değildir. Aşağıdaki kontrol listesindeki maddelerin çoğu sizin için geçerliyse, MMM’den anlamlı sonuçlar alma ihtimaliniz yüksektir.
- En az 2 yıllık, haftalık düzeyde satış ve harcama veriniz var.
- En az 3–4 farklı pazarlama kanalında düzenli harcama yapıyorsunuz.
- Aylık reklam bütçeniz, kanallar arasında anlamlı farklar oluşturacak büyüklükte.
- Platform raporlarındaki dönüşümlerin toplamı gerçek satışlarla uyuşmuyor.
- TV, CTV, açık hava, radyo veya influencer gibi tıklama ile ölçülemeyen kanallar kullanıyorsunuz.
- Çerez izinleri ve iOS kısıtlamaları nedeniyle ölçümleme verinizde boşluklar oluştu.
- Yönetim, bütçe kararları için platformlardan bağımsız bir doğrulama istiyor.
- Kanal harcamalarınız zaman içinde farklı seviyelerde değişti (model, kanalları ayırt etmek için bu varyasyona ihtiyaç duyar).
MMM için genellikle uygun profiller: Çok kanallı e-ticaret markaları, perakende zincirleri, hızlı tüketim (FMCG) markaları, mobil uygulamalar, bankacılık ve sigorta, telekom ve otomotiv.
Henüz erken olabilecek profiller: Yeni kurulmuş markalar, tek kanalda reklam veren işletmeler ve aylık bütçesi çok düşük olan küçük işletmeler. Bu durumda basit A/B testleri ve inkrementalite testleri daha pratik bir başlangıçtır.
MMM Sonuçlarını Yorumlarken Dikkat Edilmesi Gerekenler
MMM çıktıları ilk bakışta net rakamlar gibi görünse de aslında birer tahmindir. Sonuçları doğru okumak için şu noktalara dikkat edin:
- Belirsizlik aralığına bakın: “YouTube ROI’si 3,1” yerine “YouTube ROI’si büyük olasılıkla 2,4 ile 3,8 arasında” şeklinde düşünün. Aralık çok genişse o kanal için karar vermeden önce ek veri veya test gerekir.
- İş mantığıyla karşılaştırın: Negatif katkı gösteren bir kanal ya da gerçek dışı derecede yüksek bir ROI, genellikle veri veya model kurgusunda bir sorun olduğuna işaret eder.
- Platform raporlarıyla birebir eşleşme beklemeyin: MMM ve platform raporları farklı yöntemlerle çalışır. Aradaki farkın kendisi, platformların kendine fazla dönüşüm atfettiğini gösteren değerli bir bilgidir.
- Marka kanallarını küçümsemeyin: YouTube, CTV ve TV gibi kanalların etkisi gecikmeli ve dolaylıdır. Kısa vadede düşük görünen bir kanal, uzun vadede temel satışı büyütüyor olabilir.
- Tek bir model çıktısına göre radikal karar almayın: Önerilen değişiklikleri kademeli uygulayın ve büyük kararları coğrafi testlerle doğrulayın.
- Sonuçların bir “anlık görüntü” olduğunu unutmayın: Pazar koşulları, rakipler ve kreatifler değiştikçe kanal getirileri de değişir. Modeli düzenli olarak güncelleyin.
Sıkça Sorulan Sorular
MMM yapmak için veri bilimci gerekir mi?
Açık kaynak araçlarla kendi modelinizi kurmak istiyorsanız Python veya R bilen, istatistik altyapısı olan birine ihtiyaç vardır. Teknik ekibi olmayan markalar MMM hizmeti veren ajanslarla veya hazır SaaS platformlarıyla çalışabilir.
MMM sonuçları ne kadar sürede elde edilir?
Veri hazırsa ilk model genellikle birkaç hafta içinde kurulabilir. Sürenin büyük kısmı modellemeye değil, verinin toplanmasına ve temizlenmesine harcanır.
MMM yalnızca büyük bütçeli markalar için mi?
Geleneksel olarak öyleydi; ancak açık kaynak araçlar sayesinde orta ölçekli markalar için de erişilebilir hale geldi. Belirleyici olan bütçe büyüklüğünden çok veri süresi ve kanal çeşitliliğidir.
MMM günlük kampanya optimizasyonunda kullanılabilir mi?
Hayır. MMM haftalık ve kanal düzeyinde çalışır; stratejik bütçe kararları içindir. Anahtar kelime, kreatif veya kitle optimizasyonu için platform verileri ve A/B testleri kullanılmaya devam eder.
MMM ile Google Analytics 4 raporları neden farklı sonuç verir?
GA4 kullanıcı yolculuğunu takip ederek dönüşümleri kanallara paylaştırır ve çerez izni veren kullanıcılarla sınırlıdır. MMM ise toplam satış ve harcama arasındaki ilişkiye bakar; offline kanalları ve gecikmeli etkileri de hesaba katar.
Marketing Mix Modeling, pazarlama bütçesinin hangi kısmının gerçekten satış getirdiğini anlamanın en kapsamlı yollarından biridir. Kullanıcı takibine ihtiyaç duymadığı için çerezsiz dönemde güvenilirliğini korur; tıklama ile ölçülemeyen kanalları da hesaba katar.
Örnek senaryoda gördüğümüz gibi MMM’in en büyük değeri, sezgilerle verilen kararları veriye dayalı hale getirmesidir: En yüksek ROI’li kanal her zaman en fazla bütçeyi hak etmeyebilir, raporlarda zayıf görünen bir kanal ise aslında büyümenin gizli motoru olabilir. Doğru veri, düzenli güncelleme ve deneylerle doğrulama ile MMM, her bütçe toplantısının temel referansı haline gelebilir.










Yorum Bırak