[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-simpsons-paradox::tr":3,"gloss-cluster-simpsons-paradox::tr":23,"gloss-next-simpsons-paradox::tr":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"simpsons-paradox","analytics","Simpson Paradoksu","Simpson paradoksu, bir eğilimin verinizin her kesitinde geçerli olup kesitler bir araya toplandığında tersine dönmesi durumudur. Dönüşüm hem serbest kayıtlarda hem kurumsal kayıtlarda iyileşmiştir, ama harmanlanmış dönüşüm oranı düşmüştür; çünkü aynı dönemde serbest kayıtlar çok daha hızlı büyümüştür ve serbest kayıtların dönüşüm oranı daha düşüktür. Bu cümlede hata yoktur; iki okuma da aritmetik olarak doğrudur. Manşet sayıyı değiştiren, içindeki hiç kimsenin davranışı değil, kitlenin bileşimidir. Bunu adlandırmak önemlidir, çünkü günlük hâli ders kitabındaki tam tersine dönüşten çok daha sık görülür. Çoğu zaman bileşim yalnızca toplamı oynatacak kadar kayar ve bu hareket, onunla hiç ilgisi olmayan bir ürün değişikliğine ya da bir kampanyaya yazılır. Küçük paketlerde başarılı bir edinme ayının ardından hesap başına ortalama gelir düşer. Beklentileri farklı bir pazara açıldıktan sonra destek memnuniyeti geriler. İş yükleri daha ağır olan tek bir büyük müşteri devreye alındıktan sonra gecikme yükselir. Her biri gerileme gibi görünür ve aslında ortalaması alınan kitlenin değişmesidir. Bunu yakalayan alışkanlıklar ucuzdur. Harmanlanmış bir sayıdaki hareketi açıklamadan önce, aynı ölçütü ağırlığı değişmiş olması en olası boyutlara göre ayırıp çizin: paket, kanal, bölge, kıdem, cihaz. Sonra kesitlerin hiç hareket edip etmediğine bakın. Bileşimi ölçütün yanında raporlayın; böylece paydadaki kayma bir tartışmada keşfedilmek yerine aynı grafikte görünür. Ve asla aynı biçimde yönetmeyeceğiniz kitleleri birleştiren her toplamı, ürün hakkında bir olgu değil, bir raporlama kolaylığı olarak görün. Ters yöndeki hataya karşı da tetikte olmakta yarar var: bir sayıyı yeterince böldüğünüzde er ya da geç umduğunuz yönde hareket etmiş bir kesit çıkar; bu yüzden hangi boyutlara bakılacağı kararı, ilk ayrım hayal kırıklığı yarattıktan sonra değil, veri çekilmeden önce verilmelidir.","Simpson paradoksu: her kesit iyileşirken toplam düşer. Bileşim kayması harmanlanmış ölçütü nasıl oynatır ve hangi ayrım bunu önceden yakalar.",null,[11,14,17,20],{"slug":12,"name":13},"ab-testing","A\u002FB Testi",{"slug":15,"name":16},"active-user","Etkin Kullanıcı (GAK, HAK, AAK)",{"slug":18,"name":19},"cohort","Kohort",{"slug":21,"name":22},"user-segmentation","Kullanıcı Segmentasyonu",[24,26,27,30,33,36,40,43,46,49,52,55],{"slug":12,"category":5,"name":13,"updated_at":25},"2026-09-08T21:32:36+00:00",{"slug":15,"category":5,"name":16,"updated_at":25},{"slug":28,"category":5,"name":29,"updated_at":25},"autocapture","Otomatik Yakalama (Autocapture)",{"slug":31,"category":5,"name":32,"updated_at":25},"cost-per-resolution","Çözüm Başına Maliyet (Cost per Resolution)",{"slug":34,"category":5,"name":35,"updated_at":25},"customer-data-platform","Müşteri Veri Platformu (CDP)",{"slug":37,"category":5,"name":38,"updated_at":39},"data-sampling","Veri Örnekleme","2026-09-08T21:32:37+00:00",{"slug":41,"category":5,"name":42,"updated_at":25},"deflection-rate","Yönlendirme Oranı (Deflection Rate)",{"slug":44,"category":5,"name":45,"updated_at":39},"double-counting","Mükerrer Sayım",{"slug":47,"category":5,"name":48,"updated_at":39},"feedback-signal","Geri Bildirim Sinyali (Feedback Signal)",{"slug":50,"category":5,"name":51,"updated_at":39},"goodharts-law","Goodhart Yasası",{"slug":53,"category":5,"name":54,"updated_at":25},"guardrail-metric","Korkuluk Ölçütü",{"slug":56,"category":5,"name":57,"updated_at":25},"identity-resolution","Kimlik Çözümleme (Identity Resolution)"]