[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-incrementality::tr":3,"gloss-cluster-incrementality::tr":23,"gloss-next-incrementality::tr":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"incrementality","analytics","Artımsallık","Artımsallık, ölçtüğünüz şey olmasaydı gerçekleşmeyecek olan sonucun payıdır. İlişkilendirmenin yanıtlayamadığı soru budur: bir kanala bin kayıt yazan rapor size o kişilerin girerken o kanala dokunduğunu söyler, kanalın onların gelmesine yol açtığını değil. Bir kısmı zaten geliyordu. Yazılan ile yol açılan arasındaki fark çoğu zaman büyüktür ve tam da ilişkilendirmenin en iyi göründüğü yerde en büyüktür; çünkü insanları satın alma anına yakın yakalayan kanallar, yani marka araması, yeniden hedefleme ya da etkin bir kullanıcıya gönderilen indirim e-postası, zaten var olan talebin kredisini toplamaya en yatkın olanlardır. Ölçmek, işlemi almamış bir karşılaştırma grubu gerektirir; bir artımsallık sınamasını bir rapordan ayıran da budur. Kullanıcı düzeyinde rastgeleleştirebildiğiniz yerde sıradan bir kontrollü deney soruyu doğrudan yanıtlar. Yapamadığınız yerde, çünkü kimin neyi göreceğine reklam platformları karar verir ya da işlem bütün pazarlara ulaşan bir marka kampanyasıdır, alışıldık tasarımlar daha kaba bir tanede çalışır: bir grup bölgeyi dışarıda tutup benzer bölgelere kampanyayı verirsiniz ya da harcamayı dönüşümlü dönemlerde kapatıp açar ve önceki dönemlerin ima ettiği öngörüyle karşılaştırırsınız. İkisi de kabadır, ikisi de dışarıda tutulan grubun gerçekten benzer olmasını gerektirir ve ikisi de çalışırken gerçek para harcatır; nadir olmalarının dürüst nedeni budur. Pratik tutum ölçülü olmaktır. Her harcama kalemi için artımsallık sınamasına ihtiyacınız yoktur, ama en büyük kalemler için bir kez yapmış olmanız gerekir; çünkü ilişkilendirme altında verimli görünüp aslında çoğunlukla var olan talebi devşirdiği anlaşılan bir kanal, bütçedeki en pahalı hatadır. Burada boş bir sonucun gerçek bir sonuç olduğunu açıkça söylemekte yarar var. İşlem gören grubu dışarıda tutulan gruptan ayırt edemeyen bir sınama size pahalı ve yararlı bir şey söylemiştir; yaygın hata, fark yeniden belirene kadar sınamayı daha küçük bir dışarıda tutma grubuyla tekrarlamaktır.","Artımsallık, zaten olmayacak olan kısımdır. İlişkilendirme yaratmadığı talebi neden kendine yazar ve farkı hangi dışarıda tutma tasarımları ölçer.",null,[11,14,17,20],{"slug":12,"name":13},"ab-testing","A\u002FB Testi",{"slug":15,"name":16},"attribution-model","Atıf Modeli (Attribution Model)",{"slug":18,"name":19},"channel-market-fit","Kanal-Pazar Uyumu",{"slug":21,"name":22},"statistical-significance","İstatistiksel Anlamlılık",[24,26,29,32,35,38,42,45,48,51,54,57],{"slug":12,"category":5,"name":13,"updated_at":25},"2026-09-08T21:32:36+00:00",{"slug":27,"category":5,"name":28,"updated_at":25},"active-user","Etkin Kullanıcı (GAK, HAK, AAK)",{"slug":30,"category":5,"name":31,"updated_at":25},"autocapture","Otomatik Yakalama (Autocapture)",{"slug":33,"category":5,"name":34,"updated_at":25},"cost-per-resolution","Çözüm Başına Maliyet (Cost per Resolution)",{"slug":36,"category":5,"name":37,"updated_at":25},"customer-data-platform","Müşteri Veri Platformu (CDP)",{"slug":39,"category":5,"name":40,"updated_at":41},"data-sampling","Veri Örnekleme","2026-09-08T21:32:37+00:00",{"slug":43,"category":5,"name":44,"updated_at":25},"deflection-rate","Yönlendirme Oranı (Deflection Rate)",{"slug":46,"category":5,"name":47,"updated_at":41},"double-counting","Mükerrer Sayım",{"slug":49,"category":5,"name":50,"updated_at":41},"feedback-signal","Geri Bildirim Sinyali (Feedback Signal)",{"slug":52,"category":5,"name":53,"updated_at":41},"goodharts-law","Goodhart Yasası",{"slug":55,"category":5,"name":56,"updated_at":25},"guardrail-metric","Korkuluk Ölçütü",{"slug":58,"category":5,"name":59,"updated_at":25},"identity-resolution","Kimlik Çözümleme (Identity Resolution)"]