Data Thresholding Nedir?

Sayılarla ne demek?

Bir raporda çok az sayıda kullanıcıdan oluşan bir satır varsa ve bu satır demografik bilgi ya da reklam kimliğiyle birleşiyorsa, o satır bir kişinin kimliğini tahmin etmeye yetecek bilgi taşıyabilir. GA4 bu satırları otomatik olarak gösterimden çıkarır.

Bu bir arıza değil, bilinçli bir gizlilik korumasıdır. Ama sonuçları raporları okuyan kişiyi şaşırtır: toplamlar tutmaz, bazı kırılımlar boş görünür, dünkü rapor bugün farklı sayılar gösterir.

Örneklemeden farkı önemlidir. Örnekleme sonucu tahmin eder; eşik ise sonucu eksik gösterir. Birinde sayı yaklaşık, diğerinde sayı gizlenmiştir.

Ne zaman devreye girer?

İkinci satır en sık tetikleyici. Reklam kimlikleriyle zenginleştirilmiş veri açıkken küçük segmentler çok daha kolay eşiğe takılıyor; raporlama kimliği ayarı değiştirildiğinde birçok satır geri görünür hale gelebiliyor.

Nasıl yönetilir?

1. Uyarıyı tanıyın. Raporda eşik işareti görünür.
2. Dönemi genişletin. Daha çok kullanıcı, daha az gizleme.
3. Demografik boyutu çıkarın. Gerekmiyorsa.
4. Raporlama kimliğini değerlendirin. Cihaz bazlı seçenek eşiği azaltır.
5. Toplamı sipariş sisteminden alın. Eşik toplamı eksik gösterebilir.

Uygulamada ne oluyor?

En sık yanılgı, eksik satırların veri kaybı sanılması. Belirli bir şehirden ya da yaş grubundan hiç satış görünmüyor ve ekip ölçümün bozulduğunu düşünüyor; oysa satırlar yalnızca gizlenmiş.

İkinci gözlem, toplamların tutmaması. Tablo satırlarının toplamı üstteki genel sayıdan az çıkıyor; aradaki fark eşiğe takılıp gösterilmeyen satırlardan geliyor.

Üçüncüsü, günlük raporlarda sürekli eşiğe takılınması. Tek bir günün verisi küçük kitlelerde yetersiz kalıyor; haftalık ya da aylık bakıldığında satırların çoğu geri geliyor.

Dördüncüsü, raporlama kimliği ayarının bilinmemesi. Farklı kimlik yöntemleri arasında geçiş yapılabiliyor ve bu, eşiğin ne kadar sık devreye gireceğini doğrudan etkiliyor.

Beşincisi, demografik boyutun gereksiz yere eklenmesi. Soru yaş ya da cinsiyetle ilgili değilken bu boyut tabloya kalıyor ve bütün tabloyu eşiğe maruz bırakıyor.

Altıncısı, eşik ile örneklemenin karıştırılması. Biri sayıyı tahmin ediyor, diğeri gizliyor; hangisinin devrede olduğu bilinmeden yanlış çözüm uygulanıyor.

Yedincisi, küçük işletmelerde sorunun kalıcı hale gelmesi. Ziyaretçi sayısı düşük sitelerde birçok kırılım sürekli eşiğe takılıyor; bu durumda analizler daha geniş gruplarla kurulmalı.

Sekizincisi, dışa aktarılan verinin de eşikli sanılması. Ham veri dışa aktarımında bu gizleme uygulanmıyor; ayrıntılı analiz gerekiyorsa orası doğru yer.

Dokuzuncusu, sunumlarda eşikli sayıların işaretlenmemesi. Karar verenler eksik bir tabloyu tam sanıyor ve küçük segmentlerin performansı sıfır olarak yorumlanıyor.

Onuncusu, gizlilik korumasının devre dışı bırakılmaya çalışılması. Eşiği aşmak için hassas bilgileri başka yollarla eklemek, hem platform kurallarına hem kişisel veri mevzuatına aykırı bir yöne gidiyor.

On birincisi, rapor tasarımının eşiği hesaba katmaması. Şehir, yaş ve cihazı aynı tabloda birleştiren bir pano sürekli boşluk gösteriyor; aynı soruyu iki ayrı tabloya bölmek çoğu zaman bütün satırları geri getiriyor.

On ikincisi, eşiğin varlığının bir kalite sinyali olarak okunmaması. Sürekli eşiğe takılan bir segment, aslında o grubun analiz için çok küçük olduğunu söylüyor; o grup üzerinden karar vermek zaten güvenilir olmayacaktı.

Neyi göstermez?

Eşikli rapor, neyin gizlendiğini göstermez. Yalnızca bir şeyin eksik olduğunu işaretler; eksik kısmın büyüklüğü genel toplamla karşılaştırılarak tahmin edilebilir.

Sıkça sorulan sorular

Veri kayboldu mu?

Kaybolmadı, gizlendi. Gizlilik koruması küçük gruplara ait satırları göstermiyor.

Örneklemeden farkı ne?

Örnekleme sonucu tahmin eder; eşik bazı satırları hiç göstermez.

Nasıl azaltırım?

Dönemi genişleterek, demografik boyutu çıkararak ve raporlama kimliği ayarını gözden geçirerek.

Bu kavramın bütün resim içindeki yerini Dönüşüm Takibi ve Ölçümleme Rehberi içinde ayrıntılı anlattım.