Türkiye'de MMM 101

Giriş: Sezgi mi, Kanıt mı?

Türk markalarının pazarlama bütçesi 2026'da bir paradoksun ortasında. Bir tarafta yıllar içinde kurulmuş kanal sezgileri var: "TV bizde her zaman çalışır", "performans dijitali her ay büyütüyoruz, demek ki çalışıyor", "OOH bayram dönemlerinde mutlaka olmalı". Öbür tarafta ise eski ölçüm araçlarının çatırdadığı bir dünya: third-party cookie kullanım dışı, iOS 14.5 sonrası ATT (App Tracking Transparency) attribution zincirini kırdı, GA Consent Mode V2 reklam cookie'lerini consent denied modda susturdu. Last-click attribution artık bütçenin gerçekten nereye gittiğini söylemiyor; "son tıklayan kanal kazanır" mantığı, fiili katkıyı değil tıklama sırasını ölçüyor.

Sonuç şu: 2026'da bir CMO, CFO'ya "TV'ye 50 milyon harcadık, geri dönüşü şu" diyemeden önce, gerçekten kanıtlanabilir bir model lazım. Bu kanıtın adı Pazarlama Mix Modelleme (MMM) — sezgi ile finansal disiplin arasındaki köprü. Bu yazı, MMM'in ne olduğunu, neden Bayesian yaklaşımının fark yarattığını ve Türk pazarının özelliklerinin neden farklı bir model gerektirdiğini, CMO + CFO + Analytics Lead'in birlikte okuyabileceği netlikte anlatıyor.

MMM Nedir?

Marketing Mix Modelling, kısaltmasıyla MMM, pazarlama harcamalarının satış üzerindeki katkısını istatistiksel olarak ayrıştıran bir yöntemdir. Klasik tanımıyla bir regresyon modelidir: bağımlı değişken satış (veya başka bir KPI — başvuru, kayıt, ziyaret), bağımsız değişkenler ise her bir kanalın haftalık harcaması, fiyat, dağıtım, makro değişkenler ve sezonsal faktörler olur.

MMM yeni bir fikir değil. Tarihçesi 1960'lara, Procter & Gamble'ın televizyon reklam etkilerini ölçmeye çalıştığı yıllara dayanıyor. Ekonometrinin pazarlama versiyonu olarak büyüdü; FMCG'nin (hızlı tüketim ürünleri) altın çağında, panel datası ile beslendi. 2017'de Google "Bayesian Methods for Media Mix Modeling with Carryover and Shape Effects" makalesini (Jin et al. 2017) yayınlayınca bir kuşak ilerledi: model artık tek bir nokta tahmini değil, belirsizliği de raporlayan bir araca dönüştü.

MMM'in last-click'ten ayrıştığı temel nokta şu: kullanıcı verisine bakmaz. Ne çerez ne kullanıcı kimliği ister. Aylık veya haftalık agregat veriler — yani toplam kanal harcaması, toplam impression, toplam GRP — ile çalışır. Bu yapı, KVKK gibi veri koruma rejimleriyle doğal uyum sağlar; PII (kişisel veri) gerekmez. Cookie'siz dünyada last-click ölü iken MMM çalışmaya devam eder.

Modelin çıktısı sade: her kanalın incremental katkısı (bu kanal olmasaydı satışın ne kadar düşeceği), kanalın doygunluk noktası (bütçeyi 2'ye katlasak satış 2'ye katlanır mı, yoksa marjinal getiri azalıyor mu) ve adstock (bir TV kampanyasının etkisinin sonraki haftalarda nasıl azalarak devam ettiği).

Bayesian MMM Farkı

Klasik regresyon size tek bir sayı verir: "TV katkısı %22.4". Bu sayı doğru mu? Hata payı ne kadar? Klasik model bunu zarif bir şekilde söyleyemez; en fazla bir güven aralığı (confidence interval) hesaplar ki onun yorumu da çoğu pazarlama liderinin sezgisine ters.

Bayesian MMM bunun yerine posterior dağılım (verinin gözlemlenmesinden sonra parametreye dair olasılık dağılımı) raporlar. Tek bir sayı değil, bir dağılım. "TV katkısı en olası %22.4, ama %95 güvenilirlik aralığı (credible interval) %18 ile %27 arası" der. Bu dilin gücü şudur: CFO'ya "TV'ye yaptığımız 100 milyonun gerçek katkısı %95 olasılıkla 18 ile 27 milyon arası" diyebilirsiniz. Sezgisel, doğrudan kararla bağlanabilir bir ifade.

Bayesian'ın ikinci süper gücü prior kavramıdır. Modelin verinin tamamen sıfırdan öğrenmesi gerekmez; sektör bilgisi, geçmiş kampanyalar veya pazar dinamikleri prior olarak modele tanıtılır. Türkiye gibi 4 haftalık TV burst geleneği olan bir pazarda, TV adstock'unun nasıl davranacağına dair makul bir prior verirsiniz; model bu prior'u veriyle güncelleyerek posterior'a ulaşır. Bu, "sıfırdan öğren" yerine "var olan bilgiyi başlangıç noktası yap" demektir — özellikle veri ince olduğunda (kısa zaman serisi, az kanal varyasyonu) modeli daha sağlam yapar.

Bayesian model çalıştırma yöntemi MCMC'dir (Markov Chain Monte Carlo — modelin 4 farklı senaryo zincirini paralel çalıştırması ve her parametre için olasılık dağılımı çıkarması). MMMytics'te 4 zincir, 1.000 burn-in + 1.000 sampling adımıyla çalışır; modelin yakınsadığını R-hat ≤ 1.1 kuralı ile teyit ederiz. R-hat 1.1'in üstündeyse model güvenilir değil — başka modele geçer veya prior'lar yeniden ayarlanır.

Türk Pazarı Spesifikleri

Bir global MMM kütüphanesini Türk markasına olduğu gibi uygulamak — yani default ayarlarla çalıştırmak — neredeyse her zaman yanlış sonuç verir. Bunun nedeni, Türk pazarının dünya ortalamasından ayrışan birkaç temel davranışı:

Dini ve millî takvim. Ramazan ayı, FMCG ve perakende için yılın en agresif satış dönemidir; iftar saati öncesi 17:00-19:00 reklam slotları primed pazardır. Ramazan Bayramı + Kurban Bayramı tatilleri haftalık veriyi parçalar — bir hafta 4 iş günü, bir hafta 6. Black Friday Cuma Türkiye'ye 2018-2020 arasında yerleşti; bugün e-ticaret için Q4'ün öncül zirvesi. Standart MMM kütüphanesinin "Christmas peak" varsayımı Türkiye'de tutmaz; sezonsallık prior'ları yerel takvime göre kurulmalı.

FX ve makro değişkenler. TCMB döviz kuru ve TÜFE (CPI) verisi Türk markasının satış davranışını açıkça etkiler. Otomotiv'de Q4 FX-driven panik alım, dayanıklı tüketimde yüksek ay enflasyonu sonrası satış patlaması, perakende'de ay sonu erteleme dalgaları gözlenir. Bu değişkenler modele kontrol değişkeni (control variable) olarak girmezse, FX hareketinin yarattığı satış artışı yanlışlıkla bir kanala atfedilir. MMMytics'te TCMB'den haftalık FX + CPI otomatik çekilir, model bu değişkenleri makro kontrol olarak ayrıştırır.

TV burst geleneği. Türk reklamveren 4 haftalık ağır TV burst'lerini tercih eder: 4 hafta on-air, sonra off-air, sonra tekrar on-air. Sürekli düşük frekans değil, dalgalı yüksek frekans. Bu, klasik adstock parametresine baskı yapar; carryover'ın 4 haftalık periyodikliğe duyarlı olması gerekir. Default Meridian adstock prior'u ABD/Avrupa pazarına göre ayarlıdır — Türkiye için TV adstock prior'unun kalibrasyonu özel bir iş.

Cookie sonrası bağımsızlık. GA4 Consent Mode V2 ile consent denied modda 3rd-party reklam çerezi düşer; Meta Pixel attribution zinciri bozulur. MMM agregat verile çalıştığı için bu kırılmadan etkilenmez — tam tersine, MMM'in bağımsız ölçüm gücü bu yeni dünyada artar. Cookie öldüğünde MMM yaşıyor.

KVKK + denetlenebilirlik. Türk markaları için veri AB bölgesini terk edemez. ABD region'ında çalışan global MMM SaaS'ları KVKK Madde 9 (yurtdışına veri aktarımı) ile çatışır. MMMytics tüm Türk müşteri verilerini AB bölgesinde tutar; her veri işleme adımı KVKK Madde 12 kaydı olarak audit log'a yazılır.

MMMytics Nasıl Çözüyor?

MMMytics, açık kaynak Google Meridian framework'ü üzerine kurulu. Meridian'ın tercih edilme nedeni şudur: kara kutu değil. Akademik makale (Jin et al. 2017) yayınlı; matematiksel altyapısı denetlenebilir; topluluk katkıları ile gelişiyor; Bayesian MMM literatürünün referans implementasyonu. "Patentli proprietary algorithm" iddiasıyla gelen kapalı sistemlerin aksine, Meridian üzerinde inşa edilen bir modelin neye göre karar verdiğini denetleyebilirsiniz.

MMMytics bunun üstüne 4 katman ekler:

1. Türkiye sezonsallık prior'ları default — Ramazan, Kurban Bayramı, Black Friday Cuma, okul açılışı, Q4 FX dalgası model'in başlangıç ayarları olarak gelir. Müşteri sıfırdan kalibrasyon yapmaz.
2. TCMB FX + CPI besleme — haftalık makro veri otomatik akıyor; control variable olarak modele giriyor. Müşteri elle CSV yüklemiyor.
3. Sektör şablonları — Otomotiv, FMCG, Perakende için default kanal listesi + adstock prior + saturation eğrisi başlangıç ayarları. Listede olmayan sektörler için Custom Sector seçeneği var; oradan kalibrasyon başlatılıyor.
4. Command Board → CEO Brief PDF — model çıktısı analist olmayan biri için tek sayfa Türkçe özete (CEO Brief) dönüşüyor; Command Board canlı dashboard üzerinden bütçe senaryoları senaryo sandığı gibi karşılaştırılıyor; Budget Optimiser ile %10/%20/%30 bütçe senaryoları aynı modelin posterior'undan canlı türetiliyor.

Sürecin tipik akışı: Data Hub'a haftalık satış + kanal harcama yüklenir, Model Studio'da sektör şablonu seçilir, MMMytics Engine modeli MCMC ile çalıştırır (10-30 dakika), Channel Intelligence ile kanal kanal incremental ROI okunur, Budget Optimiser ile bir sonraki çeyreğin bütçesi optimize edilir, Report Generator CEO Brief PDF'i üretir.

CTA

Türkiye'nin gerçek pazarlama incremental ROI'sini görmek istiyorsanız Demo Talep Et — sektör şablonunuzu canlı kuralım. Detaylı dokümantasyon ve metodoloji için Hakkımızda sayfasını ziyaret edin. Fiyatlandırma planlarını Fiyatlandırma üzerinden inceleyebilirsiniz.