Analiz

Pazarlama karması modeli (MMM) nedir, kimlere uygun?

Pazarlama karması modeli, haftalık toplam veriyle her kanalın satışa katkısını tahmin eder. Kaç haftalık veri gerekir, kimler için erken, Türkiye'de enflasyon nasıl hesaba katılır?

Fratres Editör · 11 Kasım 2026

Pazarlama karması modeli (MMM, marketing mix modeling), satış veya dönüşüm gibi bir iş sonucunu haftalık toplam verilerle açıklayan istatistiksel bir modeldir. Reklam harcamasını, fiyatı, mevsimi ve dış etkenleri birlikte ele alır, her kanalın katkısını tahmin eder. Kullanıcı düzeyinde iz gerektirmez ve çevrimdışı medyayı da ölçer. En çok, birden çok kanala anlamlı bütçe ayıran ve en az iki yıllık düzenli verisi olan şirketlere uygundur.

MMM neyi ölçer, atıftan farkı ne?

Atıf modelleri tek tek kullanıcının yolculuğuna bakar: Hangi tıklama, hangi dönüşümden önce geldi? MMM ise yukarıdan bakar. Haftalık satış ile haftalık kanal harcamaları arasındaki ilişkiyi, fiyat ve mevsim gibi diğer etkenleri ayırarak çözer.

Açık kaynak MMM paketi Robyn'in analist rehberi yöntemi üç güçlü yanla özetler. Çevrimiçi ve çevrimdışı kanalları aynı çerçevede ölçer. Toplu veriyle çalıştığı için gizlilik kısıtlarından ve sinyal kaybından daha az etkilenir. Gelir, adet veya site etkinliği gibi farklı başarı ölçütleriyle kurulabilir. Aynı rehber, her soruya MMM'in yanıt vermediğini de açıkça yazar.

Pratikte üç araç birbirini tamamlar. Atıf modelleri günlük kampanya optimizasyonuna, artımlılık testleri tek bir kanalın gerçek etkisini kanıtlamaya, MMM ise yıllık bütçenin kanallara dağılımına yarar.

Model iki davranışı hesaba katar. Reklamın etkisi yayından sonra bir süre devam eder (adstock, gecikmeli etki). Harcama arttıkça her ek liranın getirisi azalır (doygunluk). Google'ın Meridian belgesi bu yapıdan çıkan üç soruyu sayar: Her kanalın geçmiş getirisi ve katkısı ne, her kanalın tepki eğrisi nasıl, gelecek bütçe nasıl dağıtılmalı?

Açık kaynak araçlar: Meridian ve Robyn

İki ücretsiz, açık kaynak paket öne çıkıyor.

Google, Meridian'ı 29 Ocak 2025'te herkese açtı. Bayesçi bir modeldir: Deney sonuçlarını ve iş bilgisini ön bilgi (prior) olarak modele katar, video kanallarını erişim ve sıklık üzerinden ölçebilir. 30 Eylül 2025 güncellemesi fiyat ve promosyon gibi medya dışı değişkenleri ekledi. 19 Şubat 2026'da kod gerektirmeyen bir senaryo planlayıcı duyuruldu. Google'ın güncelleme sayfası, paketin ilk 18 ayında bir milyon indirmeyi aştığını ve GeoX adlı coğrafi deney aracının küresel kullanıma açıldığını yazıyor.

Robyn ise Meta Marketing Science ekibinin yayımladığı deneysel ve açık kaynak bir pakettir. Ücretli medya, ücretsiz (organik) faaliyet ve bağlam değişkenlerini ayrı gruplar olarak ele alır. İki araçta da sonuç, kurulan modelin ve girilen verinin kalitesi kadar iyidir.

Hangi şirketlere uygun?

Belirleyici soru veri yeterliliğidir. Meridian belgesi haftalık ve mümkünse bölge (il, bölge) düzeyinde veri önerir. Bölge düzeyindeki modelde en az iki yıllık, ulusal modelde en az üç yıllık haftalık geçmiş ister. Robyn rehberi de en az iki yıllık haftalık veri ister, yalnız aylık veri varsa 4-5 yıl önerir ve her bağımsız değişken için yaklaşık 10 gözlem hedefler.

Bu oran sanıldığından hızlı tükenir. Google'ın örneğinde 26 parametreli ulusal bir model, iki yıllık haftalık veriyle yalnız 104 gözlem bulur. Parametre başına dört gözlem, güvenilir tahmin için az sayılıyor. Çözüm ya daha uzun geçmiş ya da daha az kanal.

Aşağıdaki koşulların çoğu sizde varsa MMM düşünmeye değer:

Üç veya daha fazla kanala düzenli bütçe ayırıyorsunuz, aralarında televizyon, açık hava veya radyo gibi tıklama izi bırakmayan medya var.
Haftalık satış ve harcama verisini iki yıl geriye eksiksiz çıkarabiliyorsunuz.
Kanal harcamaları zaman içinde gerçekten değişmiş. Her hafta aynı tutarı harcayan kanalın etkisini model ayıramaz. Google da harcamadaki yetersiz oynaklığın ulusal modelleri zayıflattığını belirtir.
Karar yıllık veya çeyreklik bütçe dağıtımıyla ilgili.

Altı aylık bir girişim, satışının büyük kısmını tek kanaldan alan bir e-ticaret sitesi veya harcamaları sabit seyreden bir şirket için MMM erkendir. Bu durumda kanal bazında artımlılık testi daha hızlı ve ucuz yanıt verir.

Türkiye'de durum: Enflasyon modeli nasıl yanıltır?

Türkiye'deki modelin en büyük tuzağı fiyat artışıdır. TCMB'nin yayımladığı TÜİK serisine göre tüketici fiyatları Ekim 2024'te yıllık %48,58, Ekim 2026'da yıllık %29,77 arttı. İki yıllık bir veri setinde hem ciro hem medya maliyeti bu hızla şişer.

Sorun şuradadır: Harcama ve satış aynı anda nominal olarak arttığında model, fiyat etkisini medya etkisi sanabilir. Aynı gösterim için ödenen tutar arttıysa "harcama arttı, satış arttı" ilişkisi yanıltıcıdır. Üç önlem işe yarar:

Maruz kalma ölçütü kullanın. Meridian ve Robyn, harcama yerine mümkün olduğunca gösterim veya tıklama gibi maruz kalma verisini önerir. Meridian, harcamanın vekil olarak kullanılmasının maliyet dalgalanmasına açık olduğunu not eder.
Parasal seriyi reelleştirin. Ciroyu ve harcamayı aynı fiyat endeksiyle sabit fiyata çevirin ya da başarı ölçütünü adet olarak kurun.
Takvimi yerelleştirin. Dini bayramlar her yıl farklı haftaya denk gelir, büyük indirim dönemleri ve okul takvimi de satışı oynatır. Bunları ayrı değişken olarak girin.

Uygulama adımları

Kararı yazın. "Gelecek yılın bütçesini kanallara nasıl dağıtırız?" gibi tek bir soru belirleyin. Model sorudan kurulur, veriden değil.
Başarı ölçütünü seçin. Haftalara ve bölgelere toplanabilen bir ölçüt olmalı: ciro, adet veya nitelikli başvuru.
Veri envanterini çıkarın. Kanal başına haftalık harcama ve maruz kalma, fiyat, promosyon, rakip etkinliği ve mevsim etkenleri. Robyn rehberi yalnız veri toplamanın en az 4 hafta sürdüğünü hatırlatır.
Kanal sayısını veriye göre ayarlayın. Gözlem sayınızı ona bölün. Çıkan sayı kanal ve kontrol değişkeni toplamınızın üst sınırıdır. Küçük kanalları birleştirin.
Deneyle kalibre edin. Robyn rehberi, gerçeğin ölçüsü kabul edilen deney sonuçlarıyla modeli kalibre etmeyi güçlü biçimde önerir. Meridian bunu ön bilgi olarak alır.
Senaryo çalıştırın, küçük adımla uygulayın. Bütçenin tamamını bir anda kaydırmayın. Bir çeyrekte sınırlı bir kaydırma yapıp sonucu izleyin.
Modeli düzenli yenileyin. Medya fiyatları ve tüketici davranışı değiştikçe katsayılar eskir.

Sık yapılan hatalar

Eksik veriyi sıfırla doldurmak. Meridian, harcama yapılmayan kanal için sıfırı doğru bulur, ama eksik satış veya kontrol verisini sıfırla doldurmamayı öğütler.
Her kanalı ayrı modellemek. Veri yetmezse model gürültüyü sinyal sanar.
Tek sayıya bakmak. Bayesçi model bir aralık verir. Aralık çok genişse "bu kanal yüzde şu getiri sağlıyor" cümlesini kurmayın.
Nominal TL ile çalışmak. Yukarıdaki enflasyon etkisi katsayıları bozar.
Bir kez kurup unutmak. Model bir fotoğraftır, film değil.
Raporu karara bağlamamak. Google'ın aktardığı Harvard Business Review Analytic Services raporuna göre pazarlamacıların yaklaşık %40'ı MMM sonuçlarını iş kararlarına bağlamakta zorlanıyor.

Model doğru mu, nasıl anlaşılır?

MMM'in doğruluğunu tek bir uyum skoru göstermez. Robyn rehberi açıklama gücü (R²) 0,8'in altındaki modeli ideal saymaz, ama yüksek uyum nedenselliğin kanıtı değildir. Şu dört kontrolü birlikte yapın:

Belirsizlik aralığı: Google veri yeterliliğinin en doğru testinin modeli çalıştırıp güven aralıklarının genişliğine bakmak olduğunu söylüyor.
Dışarıda bırakılan dönem: Son 8-12 haftayı modele vermeden tahmin ettirin, gerçekleşenle karşılaştırın.
Deneyle tutarlılık: Artımlılık testi yaptığınız kanalda model sonucu deney sonucuyla aynı yönde ve benzer büyüklükte olmalı.
Karar takibi: Model önerisiyle yapılan bütçe kaydırmasından sonraki çeyrekte toplam satış ve medya verimliliği nasıl değişti, kayıt altına alın.

Bu kontrolleri yürütmek, ölçüm altyapısı ile bütçe kararını aynı masada tutmayı gerektirir. Attribution ölçümü ve MMM bu yüzden birbirinin rakibi değil, aynı karar sürecinin iki ayağıdır.

Yarın veri envanteriyle başlayın

Bir tabloya son 104 haftanın satırlarını açın. Sütunlara haftalık ciro veya adet, her kanalın harcaması ve gösterimi, fiyat değişiklikleri ve kampanya dönemleri gelsin. Boş hücreleri işaretleyin ve hangi sistemde tamamlanabileceğini yazın. Bu tablo, MMM'e hazır olup olmadığınızı tek bakışta gösterir. Hazır değilseniz eksikleri tamamlarken en büyük kanalınızda bir artımlılık testi planlayın. O sonuç, ileride kuracağınız modelin ilk kalibrasyon girdisi olur.