Sezonsal Davranış Analizi ve Bütçe Takvimi

Türkiye takvimi neden hazır bir modelle okunmuyor?

Ramazan ve Kurban Bayramı Hicri takvime bağlı olduğu için her yıl yaklaşık 11 gün öne kayıyor. Geçmiş yılları takvim haftasına göre üst üste koyan bir model, bayram etkisini her yıl yanlış haftaya yerleştiriyor. Biz bayramları, Anneler Günü'nü ve Kasım indirim dönemini hareketli gün olarak ayrıca işaretliyor, talebi bu günlere kaç gün kaldığına göre hizalıyoruz.

Ay içi döngülere de bakıyoruz. Bazı kategorilerde talep ay içinde de dalgalanıyor; maaş ödemelerinin yoğunlaştığı günlerin ardından sipariş sayısının ya da sepet ortalamasının değişip değişmediğini kendi verinizde kontrol ediyoruz. Bu kırılım yıllık eğride kayboluyor ama haftalık bütçe planında doğrudan karşılık buluyor.

Sezon eğrisini hangi verilerle çıkarıyoruz?

Tek bir kaynağa bakan sezon analizi çoğu zaman yanıltıyor: site trafiği artarken satış aynı kalabiliyor, aramalar yükselirken tıklama maliyeti henüz kıpırdamamış olabiliyor. Kaynakları BigQuery projenizde birleştiriyor, her birinin neyi gösterip neyi göstermediğini analizden önce yazılı olarak sabitliyoruz. Zamanlama sorusu Trends ve Search Console'dan, bütçe büyüklüğü ise satış ve maliyet verisinden cevaplanıyor.

• GA4 geçmişi: Haftalık oturum, dönüşüm ve gelir. GA4'ün BigQuery dışa aktarımı geriye dönük çalışmadığı için bağlantıyı ne kadar erken kurarsak o kadar uzun ham veri birikiyor.
• Satış verisi: Pazar yeri, mağaza ve telefon satışları dahil gerçek ciro. Yalnızca site verisi talebin bir kısmını gizliyor.
• Google Trends: Kategori aramalarındaki göreli ilgi. Değerler 0-100 arası göreli puan olduğu için arama hacmi yerine zamanlamayı okumak için kullanıyoruz.
• Reklam maliyeti geçmişi: Tıklama ve bin gösterim maliyetinin hangi haftalarda arttığı. Talep ile maliyet aynı hafta yükselmeyebiliyor; aradaki fark asıl fırsat penceresi.
• Search Console: Son 16 ayın sorgu verisi; hangi aramaların sezondan önce yükseldiğini gösteriyor.

Modellerden ne istiyoruz, sonucu nasıl kontrol ediyoruz?

OpenAI ve Claude modellerine geçmiş yılların haftalık verisini ve hareketli gün işaretlerini veriyor, ikisinden ayrı ayrı sezon başlangıcı, zirve ve düşüş haftalarını istiyoruz. Modeller farklı bir başlangıç haftası gösterirse ekibimiz ham veriye dönüp hangi yılın sapma yarattığına bakıyor. Bir yıl stok sorunu ya da site arızası yüzünden satış düştüyse o yıl düzeltilmeden eğriye girmiyor.

• Kategori aramaları zirveden kaç hafta önce yükselmeye başlıyor?
• Tıklama maliyeti talepten önce mi, sonra mı tırmanıyor?
• Bayram öncesi son kargo gününden sonra harcanan bütçe satışa dönüyor mu?
• Geçen yıl bütçeyi artırdığımız haftada ek harcama ek satış getirdi mi?

Takvimden 90 günlük plana

Çıktı iki parça: kampanya, kreatif ve stok hazırlığının hangi hafta başlaması gerektiğini gösteren sezon takvimi ve haftalık bütçe eğrisi. Bütçe artışı talebin zirve yaptığı haftaya değil, birkaç hafta öncesine yükleniyor; maliyet geçmişinde talepten önce ucuz kalan haftalar, yeni kitleye ulaşmanın en uygun penceresi oluyor. Rakiplerin geçmiş kampanya dönemlerini de rakip analizinden alıp takvime işliyoruz.

Takvim doğrudan 90 günlük pazarlama planına giriyor. Sezon içinde gerçekleşen talebi her hafta eğriyle karşılaştırıyor, sapma büyükse eğriyi güncelliyoruz. Google Ads'teki sezonsallık ayarlamalarını ise yalnızca 1-7 günlük kısa kampanyalarda kullanıyoruz; Google da uzun dönemler için önermiyor. Sezon kapandığında gerçekleşen eğriyi bir sonraki yılın verisine ekliyoruz.

Sezonsal Davranış Analizi: ne zaman öneriyoruz?

Sezonsal Davranış Analizi yönetim sürecimiz

1. Hareketli gün işaretleriGeçmiş yılların bayram, Anneler Günü ve Kasım indirimi tarihlerini işaretler, veriyi bu günlere kalan gün sayısına göre hizalarız.
2. Sorunlu yılları ayıklamaStok sıkıntısı, site arızası ya da büyük fiyat değişikliği yaşanan haftaları not eder, düzeltmeden eğriye almayız.
3. Talep ve maliyet eğrisiTrends, Search Console ve satıştan talebin, reklam maliyeti geçmişinden de tıklama ve gösterim maliyetinin yükseldiği haftaları çıkarırız.
4. İki modelle zamanlamaSezon başlangıcı, zirve ve düşüş haftalarını iki modele ayrı ayrı hesaplatır, farklı çıkan haftaları ham veride kontrol ederiz.
5. Sezon içi sapma takibiGerçekleşen talebi her hafta eğriyle karşılaştırır, sapma büyürse bütçe eğrisini güncelleriz.

Sezonsal Davranış Analizi: metrikler ve gereksinimler

The Brand Move Veri ve AI Ekibi

Sezonsal Davranış Analizi veya diğer AI destekli analiz hizmetleri ile ilgili bilgi almak için The Brand Move Veri ve AI ekibiyle hemen iletişime geçin.

Hemen iletişime geç