Dijital Pazarlamada Veri Kalitesi: Yanlış Veriye Dayanan Doğru Karar Olmaz

GA4 panelinize baktığınızda gördüğünüz rakamların önemli bir kısmı yanlış olabilir.

Bu bir spekülasyon değil. Gartner’ın araştırmalarına göre kuruluşlar, veri kalitesi sorunları nedeniyle yılda ortalama 12,9 milyon dolar kaybediyor. Dijital pazarlama bağlamında bu kayıp daha sinsi: yanlış veri üzerine inşa edilen kararlar, bütçe israfı olarak görünmüyor. Sadece “kampanya iyi performans göstermiyor” ya da “SEO çalışmıyor” gibi görünüyor.

Türkiye’deki pek çok dijital pazarlama ekibi veri sorununu fark ediyor ama kaynağını bulamıyor. Çünkü dijital pazarlamada veri kalitesi sorunları genellikle çarpıcı hata mesajlarıyla değil, sessiz ve ölçülemeyen sapmalarla kendini gösteriyor.

Forrester Research’ün 2024 verilerine göre dijital pazarlamacıların %73’ü analitik kararlarına güvendiğini söylüyor; aynı araştırmada aynı ekiplerin %61’i veri altyapısındaki temel sorunları tespit edemediğini kabul ediyor. Bu iki bulgu arasındaki derin çelişki, veri kalitesi sorunlarının neden bu kadar tehlikeli olduğunu net biçimde ortaya koyuyor. Güvenmediğiniz veriye sahipseniz temkinli hareket edersiniz. Ama yanlış olduğunu bilmeden güvendiğiniz veriye sahipseniz, hızla yanlış yönde ilerliyorsunuz demektir.

Bu rehberde öğrenecekleriniz:

• Veri kalitesini bozan 5 temel sorun ve nasıl tanınır
• GA4 ve UTM yapılandırmalarında en sık yapılan hatalar
• Veri kalitesini dört boyutta ölçme yöntemleri
• Türkiye’deki dijital ekipler için öncelikli kontrol adımları
• Attribution ve Consent Mode’un veri kalitesine etkisi
• Veri kalitesi ile veri piramidi arasındaki doğrudan bağlantı

Veri Kalitesi Neden Dijital Pazarlamanın Temel Sorunu?

Veri kalitesi tartışması çoğu zaman teknik bir konu gibi görünüyor. Aslında tamamen stratejik bir mesele.

Düşünün: Her hafta reklam bütçesi dağılımı kararı veriyorsunuz. Bu kararı verirken hangi kanallara bakıyorsunuz? Google Ads ROAS’ı, Meta dönüşüm oranı, organik trafik. Peki bu verilerin doğru olduğundan emin misiniz? Eğer değilseniz, bütçe kararınız ne kadar güvenilir?

Dijital pazarlamada veri kalitesi, ham verilerin doğruluğunu, tamlığını, tutarlılığını ve güncelliğini ifade eder. Veri piramidi modelinde bu, en alt katmanın sağlamlığı demek. Temel çürükse, üzerine inşa edilen enformasyon, bilgi ve bilgelik de çürük.

Sorun şu: veri kalitesi sorunlarının çoğu görünmez. Sistem çalışıyor, raporlar geliyor, rakamlar mantıklı görünüyor. Ama rakamların içinde sessizce büyüyen hatalar var.

Bunun sonuçları somut. Yanlış veriyle çalışan bir dijital pazarlama ekibi şu hataları yapıyor: En düşük ROAS’a sahip kanala bütçe aktarıyor çünkü o kanal yanlış kredi alıyor. En yüksek dönüşüm sağlayan email kanalını kesiyor çünkü UTM eksikliği nedeniyle katkısı görünmüyor. A/B testi sonuçlarına güveniyor; ama test verisi bot trafiğiyle kirliyse kazanan varyant yanıltıcı. Bu senaryolar teorik değil. Türkiye’deki yüzlerce dijital pazarlama ekibinin yaşadığı gerçek hikayeler.

Veri Kalitesini Bozan 5 Temel Sorun

1. GA4 Yapılandırma Hataları

GA4’e geçiş sürecinde yapılandırma hataları dramatik biçimde arttı. Universal Analytics’te otomatik gelen bazı özellikler GA4’te manuel kurulum gerektiriyor. Kurulum eksik kaldığında veri güvenilirliği düşüyor.

En sık görülen GA4 yapılandırma hataları:

• Çift sayım etkinlikleri: Hem GTM hem de GA4’ün doğrudan ölçüm kodu aynı anda çalıştığında dönüşümler iki kez sayılıyor. Dönüşüm oranınız olduğundan yüksek görünüyor; bütçe kararları bu şişirilmiş veriye göre alınıyor.
• Dahili trafik filtrelenmemiş: Şirket içi kullanıcıların ziyaretleri raporlara dahil olduğunda, küçük ekiplerde bile trafik ve davranış verileri ciddi biçimde çarpıtılabiliyor.
• Referans dışlama listesi eksikliği: Ödeme sayfaları aracılığı gibi zorunlu yönlendirmeler doğru dışlanmazsa oturum kaynakları yanlış raporlanıyor. Organik görünen ziyaret aslında ücretli kanaldan gelebiliyor.
• Dönüşüm olaylarının yanlış tetiklenmesi: “purchase” olayı form gönderiminde, “generate_lead” ise sayfa görüntülemesinde tetikleniyorsa tüm dönüşüm verisi anlamsızlaşıyor.
• Enhanced Measurement eksikliği: Sayfa kaydırma, dosya indirme, video izleme gibi otomatik ölçüm olaylarının aktif edilmemesi, kullanıcı davranışının büyük bölümünün kör kalması demek.

GA4 doğru kurulumu için hazırladığımız kapsamlı rehber bu hataların nasıl tespit ve düzeltileceğini adım adım ele alıyor.

2. UTM Parametrelerinin Tutarsız Kullanımı

UTM parametreleri doğru kullanıldığında kanallar arası trafik kaynağını mükemmel biçimde ayırt ediyor. Yanlış veya tutarsız kullanıldığında ise tam tersine, gerçek kaynağı gizliyor.

İstanbul’da bir e-ticaret firmasının dijital ajansı, 2025 başında müşterilerinin organik trafiğinin beklenmedik biçimde yüksek çıktığını fark etti. Detaylı incelemede şunu buldular: email kampanyalarının büyük bölümüne UTM parametresi eklenmemişti. Email’den gelen trafik “direct” ya da “organic” olarak raporlanıyordu. Müşteri aylardır email pazarlamasının “etkisiz olduğunu” düşünüyordu. Aslında email, en yüksek dönüşüm sağlayan kanal olacaktı. Yanlış karar, yanlış veriden geliyordu.

Türkiye’deki dijital ekiplerde en sık görülen UTM hataları:

• Büyük/küçük harf tutarsızlığı: utm_source=Google ile utm_source=google GA4’te ayrı kaynaklar olarak işleniyor.
• Boşluk kullanımı: URL’de boşluk bırakıldığında parametre bozuluyor, kaynak “not set” görünüyor.
• Medium değerlerinin standartlaşmaması: utm_medium=email, utm_medium=Email, utm_medium=e-mail üç farklı kanal gibi raporlanıyor.
• Kampanya adlarının tutarsızlığı: Aynı kampanya farklı ekip üyeleri tarafından farklı isimlerle etiketleniyor.
• UTM olmayan dahili linkler: Site içi navigasyonda UTM kullanmak oturum kaynağını yanlış ezerek çarpıtma yaratıyor; UTM sadece dış trafik için kullanılmalı.

3. Bot Trafiği ve Spam Veri

GA4, Universal Analytics’e kıyasla bot filtreleme konusunda daha gelişmiş. Ama sıfır değil. Özellikle küçük ve orta ölçekli web sitelerinde bot trafiği metrikler üzerinde anlamlı etki yaratıyor.

Türkiye’de barındırılan ya da Türkçe içerik yayınlayan web siteleri belirli bot kaynaklı spam ziyaretlerine karşı savunmasız kalabiliyor. Bu ziyaretler hemen çıkma oranını (bounce rate) çarpıtıyor, oturum süresini düşürüyor ve dönüşüm oranı hesaplamalarını bozuyor.

GA4 raporlarında şunları görüyorsanız bot trafiğinden şüphelenin:

• Belirli ülkelerden gelen ve sıfır saniye oturum süresi olan trafik
• Hiç dönüşüm davranışı göstermeyen ama yüksek hacimli trafik pikleri
• Anlamsız kaynak/medium kombinasyonları: utm_source=semalt veya utm_source=buttons-for-website gibi
• Tek bir sayfaya ulaşıp anında çıkan, sıfır etkileşimli ziyaretçi kümesi

Bot trafiğini tamamen engellemek mümkün değil. Ama GA4’ün “Filter out all hits from known bots and spiders” ayarının aktif olduğundan emin olmak ve şüpheli IP aralıklarını dahili trafik filtresiyle dışlamak, kirliliği önemli ölçüde azaltıyor.

4. Cross-Device Tracking Boşlukları

Türkiye’de mobil internet kullanımı yüksek. Bir kullanıcı mobilden ürünü görüp masaüstünden satın aldığında, iki farklı oturum olarak raporlanıyor. Last-click attribution modelinde masaüstü oturumunun kaynağı krediyi alıyor; mobilin katkısı görünmez oluyor.

Bu boşluk özellikle şu durumlarda büyüyor:

• Kullanıcı giriş yapmadan geziniyorsa cihazlar eşleştirilemez
• GA4 User ID entegrasyonu kurulmamışsa cross-device analiz yapılamaz
• Uygulama ve web trafiği ayrı property’lerde izleniyorsa müşteri yolculuğu parçalı kalıyor
• Google Signals aktif değilse giriş yapmış Google kullanıcıları cihazlar arası eşleştirilemez

Sonuç: “Bu kampanya işe yaramadı” kararı aslında “bu kampanya katkısını ölçemedik” anlamına geliyor.

5. Veri Gecikmeleri ve Örnekleme Sorunları

GA4’te yüksek trafikli raporlar örnekleme (sampling) uygulayabiliyor. Örnekleme açık değilse raporlarınız tüm veriyi değil, bir alt kümesini yansıtıyor. Özellikle segment karşılaştırmaları ve cohort analizlerinde sapma yaratıyor.

Veri gecikmesi de benzer sorun. GA4’te bazı raporlar 24-48 saat gecikmeyle güncellenebiliyor. Gerçek zamanlı karar almaya çalışan ekipler bu gecikmeyi hesaba katmadan hatalı okumalar yapabiliyor.

Örnekleme sorununu azaltmak için Keşif (Explore) raporları yerine Standart raporları ve BigQuery dışa aktarımını tercih edin. Büyük veri kümelerini analiz ederken örnekleme uyarısı sarı simgeyle görünüyor; bu uyarıyı gördüğünüzde sonuçları dikkatle yorumlayın.

Veri Kalitesi Nasıl Ölçülür?

Veri kalitesini sezgisel olarak değil, sistematik biçimde ölçmek gerekiyor. Dört temel boyut var:

Doğruluk (Accuracy): Veri gerçeği yansıtıyor mu? Test dönüşümü ile GA4 dönüşüm raporunu karşılaştırarak başlayın. Bir form doldurun, bir satın alma yapın; GA4’te göründü mü, doğru kategoride mi?

Tamlık (Completeness): Tüm veri toplanıyor mu? Sitenizdeki kritik sayfalarda GA4 kodu var mı? Dönüşüm olaylarının tamamı mı tanımlı, yoksa bazı aksiyonlar ölçülmüyor mu?

Tutarlılık (Consistency): Farklı raporlar aynı şeyi mi söylüyor? GA4 ile Google Ads dönüşüm sayıları arasındaki fark neden var? Meta piksel ile GA4’ün aynı kampanya için verdiği sonuçlar neden uyuşmuyor?

Güncellik (Timeliness): Veri ne kadar taze? Haftalık karar toplantılarına 48 saat gecikmiş GA4 verisiyle mi giriyorsunuz?

Bu dört boyutu ölçmenin pratik yolu, düzenli bir veri kalitesi kontrol listesi oluşturmak. Her boyut için en az bir somut ölçüm metriği belirleyin. Örneğin Tutarlılık için: “GA4 ile Google Ads dönüşüm sayısı arasındaki fark %15’in altında olmalı.” Bu eşiği aştığınızda araştırma başlasın.

Bu dört boyutta düzenli kontrol yapmak, dijital pazarlamada veri kalitesini sistematik biçimde izlemenin temelini oluşturuyor.

GA4’te Veri Kalitesini İyileştirme: Öncelikli Adımlar

Teorik çerçeveden pratiğe geçelim. GA4’te hemen uygulayabileceğiniz adımlar:

Dahili Trafik Filtresi Kurun

1. GA4 Admin paneline gidin
2. “Data Streams” seçin, web stream’i açın
3. “Configure tag settings” altında “Define internal traffic” seçeneğini bulun
4. Şirket IP adreslerinizi ekleyin
5. “Data Filters” bölümünden filtreyi aktif edin

Bu tek adım, küçük ekiplerde bile verinizi anlamlı biçimde temizleyebiliyor. Uzaktan çalışan bir ekibiniz varsa VPN IP adreslerini de eklemeyi unutmayın.

Dönüşüm Olaylarını Doğrulayın

GA4 DebugView kullanarak her dönüşüm olayını gerçek zamanlı test edin. Şu adımları izleyin:

1. Chrome’da GA4 DebugView’u aktif edin (GA4 Debugger eklentisi)
2. Sitenizde bir dönüşüm aksiyonu gerçekleştirin (form, satın alma, kayıt)
3. DebugView’da olayın doğru tetiklendiğini, doğru parametrelerle geldiğini kontrol edin

Bu test ayda bir rutin haline gelmeli. Google’ın kendi GA4 veri kalitesi rehberi bu kontrolleri detaylıca açıklıyor.

UTM Standartlaşması İçin Şablon Oluşturun

Ekip içinde paylaşılan bir UTM oluşturma şablonu, tutarsızlığın önüne geçiyor. Google’ın Campaign URL Builder aracını kullanarak standart değerleri belirleyin:

• utm_source: google, meta, linkedin, email, newsletter (küçük harf, standart kelimeler)
• utm_medium: cpc, organic, email, social, display (sabit liste)
• utm_campaign: yıl-ay-kampanya-adı formatı (örnek: 2026-04-bahar-kampanyasi)

Bu listeyi ekibin erişebileceği bir Google Docs’ta tutun. Her yeni kampanya bu belgeden UTM üretmeli.

Türkiye Pazarı İçin Öncelikli Veri Kalitesi Kontrolleri

Türkiye’deki dijital pazarlama ekipleriyle yapılan analizler, belirli veri sorunlarının yerel bağlamda daha sık karşılaşıldığını gösteriyor.

Trendyol ve Hepsiburada yönlendirmeleri: E-ticaret markalarının önemli bir kısmı ürünlerini hem kendi sitesinde hem marketplace’te satıyor. Marketplace’ten gelen yönlendirmeler doğru tanımlanmazsa trafik kaynağı bulanıklaşıyor. Trendyol.com ve hepsiburada.com’u referral exclusion listesine eklemek, bu sorunu çözüyor.

WhatsApp ile gelen trafik: Türkiye’de WhatsApp üzerinden müşteri iletişimi oldukça yaygın. Satış WhatsApp’tan gerçekleştiğinde ancak web sitesine yönlendirmeyle bittiğinde, bu trafik “direct” olarak görünüyor. Dönüşüm WhatsApp’a değil, web sitesinin son temas noktasına atfediliyor. WhatsApp linklerine UTM parametresi eklemek bu sorunu çözüyor: ?utm_source=whatsapp&utm_medium=social

Mobil uygulama ve web karışıklığı: Türkiye’de mobil uygulama kullanımı yüksek. Uygulamadan web’e geçişlerde oturum kopmaları ve yanlış atıf sorunu yaygın. Firebase ile GA4 entegrasyonunu kurmak ve app_instance_id üzerinden kullanıcıları birleştirmek, bu boşluğu kapatıyor.

Çoklu ajans çakışması: Türkiye’deki orta-büyük markaların bir kısmı aynı anda birden fazla ajansla çalışıyor. Her ajans kendi UTM standardını uygulayınca veri tutarlılığı bozuluyor.

Ankara’da bir fintech şirketinin büyüme ekibini yöneten Melike, 2025’in üçüncü çeyreğinde şunu fark etti: iki farklı ajansın “başarılı” dediği kampanyalar aynı dönüşümleri farklı şekilde raporluyordu. Biri last-click, diğeri first-touch attribution kullanıyordu; üstelik UTM standartları da uyuşmuyordu. Ekip aylar boyunca gerçek performansı göremeyen verilere bakıyordu. İlk adım UTM şablonunu standartlaştırmak oldu. İkinci adım tek bir attribution modeli seçmek. Üç ay sonra iki ajansın raporları ilk kez aynı dili konuşmaya başladı.

Attribution ve Consent Mode: Veri Kalitesinin Görünmez Tehditler

Veri kalitesi tartışmalarında sıkça atlanan iki konu var: attribution modeli seçimi ve Consent Mode yapılandırması. Her ikisi de raporladığınız verinin gerçekliğini doğrudan etkiliyor.

Attribution Modeli ve Veri Yorumu

GA4, varsayılan olarak veri odaklı attribution (data-driven attribution) modelini kullanıyor. Bu model, makine öğrenmesiyle dönüşüme giden yoldaki her temas noktasına katkı payı atıyor. Kulağa ideal gibi geliyor. Ama yeterli dönüşüm verisi olmadığında (genellikle aylık 50’nin altında dönüşüm) model son tıklamaya (last-click) düşüyor.

Pratik sonuç: Aynı dönüşümleri farklı attribution modelleriyle raporlarsanız farklı kanallar farklı kredi alır. Bu “doğru” verinin değişmesi değil; modelin farklı bir soruya cevap vermesidir. Ekibinizin hangi soruyu sorduğunu bilmesi ve tutarlı model seçmesi şart.

Consent Mode ve Veri Boşlukları

KVKK (Kişisel Verilerin Korunması Kanunu) kapsamında Türkiye’deki web siteleri çerez onayı almak zorunda. Consent Mode doğru yapılandırılmamışsa, onay vermeyen kullanıcıların verileri hiç toplanmıyor ya da yanlış raporlanıyor.

Google’ın Consent Mode v2, onay vermemiş kullanıcılar için “modeled conversion” üretiyor; bu tahminsel bir veri. GA4 raporlarında gerçek ve modellenmiş dönüşümler karışık görünüyor. Sıkça gözden kaçan üç nokta:

• Consent Mode aktif değilse reddeden kullanıcılar tamamen görünmez; trafik ve dönüşüm rakamları düşük kalıyor.
• Consent Mode aktif ama yanlış yapılandırılmışsa onay veren kullanıcıların verisi de eksik raporlanabiliyor.
• Yüksek reddetme oranı olan sitelerde (Türkiye’de çerez reddini artıran aggressive banner’lar yaygın) modellenmiş veri oranı %40’ı aşabiliyor; bu durumda raporlarınızdaki önemli bir kısmı tahmin.

Consent Mode durumunu kontrol etmek için GA4 Admin > Data Collection > Consent Settings yolunu izleyin. Consent Mode’un doğru çalıştığını doğrulamak için Google Tag Assistant aracını kullanın.

Veri Kalitesi ve Veri Piramidi: Temel Neden Bu Kadar Önemli?

Veri piramidinde her üst katman, alt katmanın güvenilirliğine bağlı. Veri katmanı yanlışsa, enformasyon yanlış; enformasyon yanlışsa bilgi yanlış; bilgi yanlışsa bilgelik imkansız.

Bu bağlantı tek yönlü. Üst katmandaki gelişmişlik, alt katmanın zayıflığını telafi edemiyor. Ne kadar sofistike bir analitik altyapı kurarsanız kurun, eğer temel veri kirliyse ürettiğiniz içgörüler de kirlidir.

Türkiye’deki dijital pazarlama ekiplerinin analitik yatırımları artıyor. Looker Studio dashboardları, özel raporlar, makine öğrenmesi modelleri bunların hepsi değerli. Ama bu yatırımların değeri, altında yatan verinin kalitesiyle doğru orantılı.

Veri piramidinin bilgi seviyesine ulaşmak istiyorsanız, alt katmanda güvenilir veri şart. Bu nedenle veri kalitesi çalışması, analitik olgunlaşmanın başlangıç noktasıdır; tamamlandıktan sonra yapılacak bir şey değil.

Veri analizi alanındaki diğer rehberlerimiz veri piramidinin tüm katmanlarını sistematik biçimde ele alıyor.

Veri Kalitesi Denetimi: Aylık Rutin

Veri kalitesini tek seferlik bir proje olarak değil, sürekli bir pratik olarak ele almak gerekiyor. Aylık denetim için basit bir rutin:

Her ay ilk hafta (30 dakika):

• GA4’te “Data Quality” uyarılarını kontrol edin (Admin > Property > Data Quality)
• Son 30 günün en yüksek hacimli trafik kaynaklarını doğrulayın; mantıksız görünen varsa araştırın
• Dönüşüm sayılarını CRM veya e-ticaret backend’i ile karşılaştırın; %10’dan fazla sapma varsa araştırın
• “not set” kaynağının toplam trafik içindeki oranını kontrol edin; %5’i aşıyorsa UTM sorununu araştırın

Her çeyrekte bir (2 saat):

• Tüm aktif UTM bağlantılarını test edin
• Dahili IP filtrelerini güncelleyin (yeni çalışanlar, yeni ofisler, uzaktan çalışma VPN adresleri)
• Dönüşüm olaylarını DebugView ile sıfırdan test edin
• Bot trafiğini kontrol edin; anormal ülke/davranış paterni varsa filtreleyin
• Consent Mode raporlarını kontrol edin; modellenmiş dönüşüm oranı yüksekse çerez banner’ını gözden geçirin

Bu rutin birkaç saat yatırım gerektiriyor. Ama kirli veri üzerine alınan yanlış bütçe kararlarının maliyeti çok daha yüksek.

Doğru Veri Olmadan Doğru Karar Olmaz

Dijital pazarlamada veri kalitesi, analitik yolculuğunun ön koşuludur. Veri piramidini inşa etmek isteyenler için başlangıç noktası; gelişmiş analitik kullananlar için ise sürekli bakım gerektiren bir temel.

Bu rehberde ele aldığımız sorunların çoğu, haftalar hatta aylar boyunca sessizce büyüyor. Bot trafiği metriklerinizi yavaşça çarpıtıyor. UTM tutarsızlığı email kanalınızın katkısını görünmez kılıyor. Consent Mode boşlukları dönüşüm rakamlarınızı eksik gösteriyor. Bunların hiçbiri alarm vermiyor. Sistem çalışmaya devam ediyor. Siz de karar almaya devam ediyorsunuz. Yanlış veriye dayanarak.

Bugün yapabileceğiniz en etkili üç adım şunlar:

1. GA4 Admin panelini açın, dahili IP filtrenizin aktif olup olmadığını kontrol edin.
2. Son 30 günde “not set” kaynağının toplam trafik içindeki oranına bakın. %5’i aşıyorsa UTM sorununu araştırın.
3. Bir dönüşüm olayını DebugView ile gerçek zamanlı test edin ve doğru tetiklendiğini doğrulayın.

Bu üç kontrol, toplam 20 dakika alıyor. Ama verinizin ne kadar sağlam olduğu hakkında güçlü bir sinyal veriyor.

Veri kalitesini sağlamlaştırdıktan sonra gerçek analitik çalışma başlıyor. Veriden anlam üretmek, örüntüler bulmak ve stratejik kararlar almak için veri piramidinin bilgi katmanı rehberimiz bir sonraki adım.