Özet
Reklam platformlarının panellerde bildirdiği satış, işletmenin muhasebe defterine giren net satıştan çoğu zaman sistematik biçimde büyüktür. Bütçe kararları bu fark bilinmeden verildiğinde zarar eden kampanyalar kârlı görünebilir. Bu çalışmada farkın kaynakları, büyüklüğü ve yönetim kararlarına aktarılma yolu incelenmektedir. Çalışma, yazarın danışmanlık kayıtlarından alınan üç vakaya (bir pırlanta markası, bilet satan bir turizm platformu ve 96 odalı bir resort otel) dayanan, çoklu vaka incelemesine dayalı betimleyici bir çalışmadır. Pırlanta markasında Google ve Meta panelleri medya harcamasının 9,8 katı satış bildirirken defterdeki online net satış bunun yaklaşık üçte biri düzeyinde kalmış ve gerçeklik katsayısı 0,33 olarak hesaplanmıştır. Turizm platformunda iptal ve iadeler getiriyi 8,9 kattan 8,2 kata indirmiş, yirmi ayda yaklaşık 55 milyon liralık bilet değeri farkı doğmuştur. Otelde doğrudan rezervasyonların yüzde 25,9'u iptal edildiği hâlde panelde başarılı dönüşüm olarak kalmıştır. Bulgular farkın çoklu platform sahiplenmesi, görüntüleme sonrası ve modellenmiş dönüşümler, geri bildirilmeyen iade ve sahte siparişler, değer tanımı ve tarih kaymasından beslendiğini ve kanallar arasında eşit dağılmadığını göstermektedir. Rapor; iade süresi dolmuş bir dönemde hesaplanan gerçeklik katsayısını, katsayının üç çarpana ayrıştırılmasını ve panel hedef getirisinin bu katsayıyla düzeltilmesini önermektedir. Katsayının nedensellik ölçmeyen bir muhasebe uzlaştırması olduğu ve artırımsal testlerle birlikte kullanılması gerektiği ayrıca tartışılmaktadır.
Raporda neler var?
- Giriş
- Kavramsal Çerçeve ve Literatür
- Yöntem ve Veri
- Bulgular
- Gerçeklik Katsayısı ve Panel Hedefinin Düzeltilmesi
- Uygulama İçin Öneriler
- Sınırlılıklar
- Sonuç
Sonuç
Bu çalışmanın ana bulgusu, reklam panelinin bildirdiği satış ile defterdeki net satış arasındaki farkın tek bir ölçüm hatasından değil, her biri kendi kuralına göre doğru sayan sistemlerin toplanmasından doğduğudur. Pırlanta markasında paneller harcamanın 9,8 katı satış bildirirken defter bu tutarın yaklaşık üçte birini doğrulamış ve gerçeklik katsayısı 0,33 olmuştur. Değer çarpanının 1 kabul edildiği ayrıştırma, bu farkın büyük kısmının iadeden değil sahiplenmeden geldiğini göstermektedir; yüzde 18 civarındaki iade payı ayrıldıktan sonra bile paneller, her siparişin bir kez gönderilen değerinin yaklaşık 2,46 katını sahiplenmiştir. Turizm platformunda yalnızca iptal ve iade bileşeninin oranı 0,92'de kalmış, fakat 78 milyon liralık harcamada bu oran yaklaşık 54,6 milyon liralık bilet değerine karşılık gelmiştir.
İkinci bulgu, farkın kanallar arasında eşit dağılmadığıdır. Panelde harcamasının 0,7 katı online satış gösteren ve kapatılması önerilen mağaza danışmanlığı kampanyası, eşleşen mağaza satışları hesaba katıldığında harcadığı her lira için 4,64 lira katkı bırakmıştır. Bu kampanyada katsayı en az 6,6 iken hesabın toplam katsayısı 0,33'tür ve toplam düzeyde hesaplanan tek bir katsayı bu yüzden bütçeyi kanallar arasında dağıtmak için kullanılamaz. Otel vakası ise iptal ayrı bir olay olarak ölçülmedikçe panelin iptal edilen rezervasyonları başarılı dönüşüm olarak tutmaya devam ettiğini göstermiştir; iptal oranının yüzde 25,9'dan yüzde 16,8'e inişi ancak iptaller geri bildirilmeye başlandıktan sonra izlenebilmiştir.
Uygulama açısından en doğrudan sonuç, panelde izlenen hedefin defterden türetilmesi gerektiğidir. Defter tabanlı başabaş getirinin 3 olduğu bir işletmede 0,33'lük katsayı panel başabaşını yaklaşık 9'a taşır ve bu durumda 9,8 katlık panel getirisi kârlılığa değil, başabaşın biraz üzerinde bir düzeye işaret eder. Katsayının bir başarı ölçütü olarak değil panel ile defter arasındaki çevirinin oranı olarak raporlanması, yalnızca kapanış penceresi dolmuş dönemler için hesaplanması ve kanal düzeyinde ayrıştırılması bu düzeltmenin güvenilirliği için gereklidir.
Gelecek çalışmalar için üç yön öneriyorum. Birincisi, farklı sektörlerden daha çok sayıda işletmede aynı tanımla hesaplanan katsayıların bir araya getirilmesi, katsayının ölçek, fiyat düzeyi ve kanal karmasıyla ilişkisini sınamaya imkân verecektir. İkincisi, gerçeklik katsayısı ile kontrol gruplu deneylerden elde edilen artırımsallık katsayısının aynı hesaplarda birlikte ölçülmesi, kayıt şişmesi ile nedensellik şişmesinin göreli büyüklüğünü ortaya koyabilir. Üçüncüsü, platform atıf ayarlarındaki değişikliklerin katsayı üzerindeki etkisinin değişiklik öncesi ve sonrası dönemlerin karşılaştırılmasıyla izlenmesi, panel değerlerinin dönemler arasında ne ölçüde karşılaştırılabilir olduğunu göstermeye yardımcı olur.
Abstract
Measuring the Gap Between Advertising Platform Reports and Accounting Records Using the Reality Coefficient Method
Sales reported in advertising platform dashboards are often systematically larger than the net sales recorded in a firm's accounting ledger, and budgets set on dashboard figures can make loss-making campaigns look profitable. This report examines the sources and size of the gap and how it should enter management decisions. It is a descriptive multiple case study of three cases from the author's consulting records: a diamond jewelry brand, a tourism ticketing platform, and a 96-room resort hotel. In the jewelry brand, Google and Meta dashboards reported sales of 9.8 times media spend, while online net sales in the ledger were about one third of that amount, a reality coefficient of 0.33. In the tourism platform, cancellations and refunds lowered return on ad spend from 8.9 to 8.2, about 55 million Turkish lira in ticket value over twenty months. In the hotel, 25.9 percent of direct bookings were cancelled but stayed in the dashboard as conversions. The gap is driven by multi-platform claiming, view-through and modeled conversions, unreported returns and fraudulent orders, value definitions and date shifts, and it is uneven across channels. The report proposes a reality coefficient computed for a period whose return window has closed, its decomposition into three factors, and a correction of dashboard ROAS targets. It argues that the coefficient is an accounting reconciliation rather than a causal measure and should be paired with incrementality tests.
Keywords reality coefficient, advertising attribution, accounting reconciliation, incrementality, ROAS, performance marketing
Anahtar kelimeler gerçeklik katsayısı, reklam atfı, muhasebe uzlaştırması, artırımsallık, ROAS, performans pazarlaması
JEL sınıflandırması M31, M37, M41
Kaynakça
- Apple. (t.y.). User privacy and data use. Apple Developer. 1 Kasım 2026 tarihinde https://developer.apple.com/app-store/user-privacy-and-data-use/ adresinden erişildi.
- Berman, R. (2018). Beyond the last touch: Attribution in online advertising. Marketing Science, 37(5), 771-792. https://doi.org/10.1287/mksc.2018.1104
- Blake, T., Nosko, C. ve Tadelis, S. (2015). Consumer heterogeneity and paid search effectiveness: A large-scale field experiment. Econometrica, 83(1), 155-174. https://doi.org/10.3982/ECTA12423
- Cutlip, C. (2025, 16 Ekim). Ads Insights API metric availability updates. Meta for Developers. https://developers.facebook.com/blog/post/2025/10/16/ads-insights-api-metric-availability-updates/
- Google. (t.y.-a). About conversion counting options. Google Ads Help. 1 Kasım 2026 tarihinde https://support.google.com/google-ads/answer/3438531 adresinden erişildi.
- Google. (t.y.-b). About conversion windows. Google Ads Help. 1 Kasım 2026 tarihinde https://support.google.com/google-ads/answer/3123169 adresinden erişildi.
- Google. (t.y.-c). About data-driven attribution. Google Ads Help. 1 Kasım 2026 tarihinde https://support.google.com/google-ads/answer/6394265 adresinden erişildi.
- Google. (t.y.-d). About modeled online conversions. Google Ads Help. 1 Kasım 2026 tarihinde https://support.google.com/google-ads/answer/10081327 adresinden erişildi.
- Google. (t.y.-e). How to adjust your conversions. Google Ads Help. 1 Kasım 2026 tarihinde https://support.google.com/google-ads/answer/7686280 adresinden erişildi.
- Google. (t.y.-f). Recommended events. Google for Developers. 1 Kasım 2026 tarihinde https://developers.google.com/analytics/devguides/collection/ga4/reference/events adresinden erişildi.
- Google. (t.y.-g). Select attribution settings. Analytics Help. 1 Kasım 2026 tarihinde https://support.google.com/analytics/answer/10597962 adresinden erişildi.
- Google. (t.y.-h). Understand your conversion tracking data. Google Ads Help. 1 Kasım 2026 tarihinde https://support.google.com/google-ads/answer/6270625 adresinden erişildi.
- Gordon, B. R., Moakler, R. ve Zettelmeyer, F. (2023). Close enough? A large-scale exploration of non-experimental approaches to advertising measurement. Marketing Science, 42(4), 768-793. https://doi.org/10.1287/mksc.2022.1413
- Gordon, B. R., Zettelmeyer, F., Bhargava, N. ve Chapsky, D. (2019). A comparison of approaches to advertising measurement: Evidence from big field experiments at Facebook. Marketing Science, 38(2), 193-225. https://doi.org/10.1287/mksc.2018.1135
- Johnson, G. A., Lewis, R. A. ve Nubbemeyer, E. I. (2017). Ghost ads: Improving the economics of measuring online ad effectiveness. Journal of Marketing Research, 54(6), 867-884. https://doi.org/10.1509/jmr.15.0297
- Kamu Gözetimi, Muhasebe ve Denetim Standartları Kurumu. (2026). TFRS 15 Müşteri Sözleşmelerinden Hasılat (2026 TMS/TFRS seti). https://www.kgk.gov.tr/Portalv2Uploads/files/Duyurular/v2/TMS_TFRS_Setleri/2026/Mavi_Kitap/TFRS/TFRS%2015.pdf
- Lewis, R. A. ve Rao, J. M. (2015). The unfavorable economics of measuring the returns to advertising. The Quarterly Journal of Economics, 130(4), 1941-1973. https://doi.org/10.1093/qje/qjv023
- Lewis, R. A., Rao, J. M. ve Reiley, D. H. (2011). Here, there, and everywhere: Correlated online behaviors can lead to overestimates of the effects of advertising. Proceedings of the 20th International Conference on World Wide Web içinde (ss. 157-166). Association for Computing Machinery. https://doi.org/10.1145/1963405.1963431
- Li, H. (A.) ve Kannan, P. K. (2014). Attributing conversions in a multichannel online marketing environment: An empirical model and a field experiment. Journal of Marketing Research, 51(1), 40-56. https://doi.org/10.1509/jmr.13.0050
- Meta. (t.y.-a). Aggregated Event Measurement. Meta for Developers. 1 Kasım 2026 tarihinde https://developers.facebook.com/docs/app-events/guides/aggregated-event-measurement/ adresinden erişildi.
- Meta. (t.y.-b). Handling duplicate Pixel and Conversions API events. Meta for Developers. 1 Kasım 2026 tarihinde https://developers.facebook.com/docs/marketing-api/conversions-api/deduplicate-pixel-and-server-events adresinden erişildi.
- Meta. (t.y.-c). Lift study. Meta for Developers. 1 Kasım 2026 tarihinde https://developers.facebook.com/docs/marketing-api/guides/lift-studies adresinden erişildi.
- Meta. (2025). 2025 out-of-cycle changes. Meta for Developers. 1 Kasım 2026 tarihinde https://developers.facebook.com/docs/marketing-api/out-of-cycle-changes/occ-2025 adresinden erişildi.
- Ticaret Bakanlığı. (2014, 28 Kasım). İnternet ve telefon vasıtasıyla yapılan satışlara yeni standartlar geldi. https://ticaret.gov.tr/haberler/internet-ve-telefon-vasitasiyla-yapilan-satislara-yeni-standartlar-geldi
- Wilander, J. (2019, 21 Şubat). Intelligent Tracking Prevention 2.1. WebKit. https://webkit.org/blog/8613/intelligent-tracking-prevention-2-1/
Kataloglar ve arşivler
Kaynak göstermek için
Adem Demir (2026). Reklam Platformu Raporları ile Muhasebe Kayıtları Arasındaki Farkın Ölçülmesi ve Gerçeklik Katsayısı Yöntemi. Araştırma Raporu No. 1, ademdemir.org. https://doi.org/10.5281/zenodo.24137777