Mövzu bölməsi
Data Analitikası
6 yazı
Data analitikası — toplanmış məlumatı qərar verməyə yarayan formaya salmaqdır. Marketinq kontekstində bu, "neçə klik oldu" sualından çox, "büdcəni hara köçürək" sualına cavab verməkdir. Rəqəm özü qərar vermir; qərar rəqəmin hansı sualla, hansı müqayisə ilə və hansı kontekstlə oxunmasından doğur.
Bu bölmədə analitikaya iş axını kimi baxırıq: məlumat haradan gəlir, necə təmizlənir, necə göstərilir və hansı qərara xidmət edir.
Sualdan başla, məlumatdan yox
Ən çox vaxt itirən yanaşma "gəl bütün məlumatı yığaq, sonra baxarıq" yanaşmasıdır. Nəticə adətən heç kimin açmadığı böyük hesabat olur. İşləyən istiqamət əksinədir: əvvəlcə qərar müəyyən edilir (məsələn, "növbəti rüb büdcəsini hansı kanala artıraq"), sonra bu qərar üçün lazım olan minimum göstərici siyahısı çıxarılır, yalnız sonra məlumat toplanır.
Bu yanaşmanın praktik yoxlaması sadədir: hər hesabat sətri üçün "bu rəqəm dəyişsə, mən nəyi başqa cür edərdim?" sualını ver. Cavab yoxdursa, həmin sətir hesabatdan çıxarıla bilər.
Məlumatın keyfiyyəti — işin 70 faizi
Təhlilin ən çox vaxt aparan hissəsi hesablama deyil, təmizləmədir. Marketinq məlumatında ən çox rast gəlinən problemlər: kampaniya adlarının hər dəfə fərqli yazılması, UTM etiketlərində böyük-kiçik hərf fərqi (Facebook və facebook iki ayrı kanal kimi düşür), test sifarişlərinin real satışlarla qarışması, daxili trafikin filtrlənməməsi və eyni istifadəçinin iki sistemdə fərqli sayılması.
Bunların qarşısını almaq üçün ən effektiv addım adlandırma qaydasıdır: kampaniya, mənbə və media adlarının necə yazılacağı bir dəfə razılaşdırılır və hamı ona əməl edir. Sonradan təmizləmək, əvvəldən düzgün yazmaqdan qat-qat baha başa gəlir.
Müqayisəsiz rəqəm mənasızdır
"Bu ay 4200 ziyarətçi oldu" cümləsi tək başına heç nə demir. Mənanı üç müqayisədən biri verir: keçmiş dövrlə (ötən ay, ötən il eyni ay), hədəflə (plan nə idi) və ya bölmə üzrə (hansı kanal, hansı səhifə). Hesabat qurarkən hər əsas göstəricinin yanında ən azı bir müqayisə olmalıdır.
Mövsümilik də nəzərə alınmalıdır. Bir çox biznesdə yanvar və avqust təbii olaraq zəif olur; bunu bilmədən "kampaniya işləmədi" nəticəsi çıxarmaq asandır.
Orta göstərici nəyi gizlədir?
Orta rəqəm rahatdır, amma çox vaxt reallığı gizlədir. Orta sifariş məbləği 80 manatdırsa, bu heç də ən tipik sifarişin 80 manat olduğunu bildirmir — bir neçə böyük sifariş ortanı yuxarı çəkə bilər. Ona görə orta ilə yanaşı median və bölgüyə baxmaq faydalıdır: sifarişlərin əksəriyyəti hansı aralıqdadır?
Eyni məntiq trafikə də aiddir: səhifələrin kiçik bir hissəsi ziyarətin böyük hissəsini gətirir. Ortalama davranışı yaxşılaşdırmaq əvəzinə həmin bir neçə səhifəni yaxşılaşdırmaq daha çox nəticə verir.
Korrelyasiya səbəb deyil
İki göstəricinin eyni vaxtda artması birinin digərini yaratdığını sübut etmir. Sosial media paylaşımları artan ay satış da artıbsa, səbəb mövsüm, endirim və ya rəqibin problemi ola bilər. Səbəb-nəticəni yalnız nəzarətli müqayisə göstərir: eyni şəraitdə bir dəyişəni dəyişib nəticəyə baxmaq (A/B test) və ya kanalı müəyyən müddət dayandırıb fərqi ölçmək.
Nümunə həcmi: nə vaxt nəticə çıxarmaq olar?
Kiçik rəqəmlər üzərində böyük nəticə çıxarmaq analitikada ən bahalı səhvlərdən biridir. 20 ziyarətçidən 2-si alıbsa, dönüşüm 10% deyil — sadəcə məlumat azdır. Növbəti 20 ziyarətçidə rəqəm asanlıqla 0% və ya 20% ola bilər, çünki təsadüf payı böyükdür.
Praktik yanaşma: nəticəni yalnız kifayət qədər hadisə toplandıqdan sonra qiymətləndir və qərar verməzdən əvvəl "bu fərq təsadüf ola bilərmi" sualını ver. A/B testlərində bu xüsusilə vacibdir — testi erkən dayandırıb "qalib" elan etmək, sonradan geri qaytarılan qərarların ən çox yayılmış səbəbidir.
Vizuallaşdırma: az, amma düzgün
Yaxşı qrafik izah tələb etmir. Praktik qaydalar: bir qrafik bir fikri göstərsin, zaman seriyası üçün xətt, müqayisə üçün sütun, hissə-bütöv üçün isə mümkünsə sütun (dairəvi diaqram beşdən çox hissədə oxunmaz olur). Rəngi bəzək kimi yox, məna kimi işlət — məsələn, yalnız vurğulanan seriya rəngli, qalanları boz.
Hesabatın başında bir cümləlik nəticə yazmaq isə ən çox dəyər verən vərdişdir: "bu ay müraciət 18% artdı, əsas səbəb axtarış reklamıdır" cümləsi on qrafikdən çox iş görür.
Haradan başlamaq
Başlanğıc üçün: hər ay verdiyin üç əsas qərarı yaz, hər qərar üçün lazım olan 2–3 göstəricini seç, məlumatın düzgün toplandığını yoxla və bir səhifəlik hesabat şablonu qur. Aşağıdakı yazılar məlumatın toplanması, təmizlənməsi və təqdimatını ayrıca açır. Marketinq göstəricilərinin seçimi üçün marketinq analitikası bölməsinə də bax.
Bu mövzudakı yazılar

19 İyul 2026·⏱ ≈8 dəq
Data Analitikası Nədir? Yeni Başlayanlar üçün Tam Bələdçi (2026)
Data analitikası nədir və data analitiki nə edir? OSEMN çərçivəsi, KPI, data toplama, modelləşdirmə və storytelling — sıfırdan öyrənənlər üçün tam bələdçi.
Oxu →
19 İyul 2026·⏱ ≈8 dəq
OSEMN Çərçivəsi və KPI: Data Analitikasının Təməli
OSEMN çərçivəsi nədir və data analitiki necə işləyir? SMART məqsəd, KPI, primary və secondary KPI anlayışları real nümunələrlə — data analitikasının təməl bələdçisi.
Oxu →
19 İyul 2026·⏱ ≈8 dəq
Data Toplama və Təmizləmə: Mənbələr, Formatlar və Scrubbing
Datanı haradan tapmaq və necə təmizləmək olar? Pulsuz mənbələr (Eurostat, OECD), data formatları (numeric, text, visual) və 4 addımlı scrubbing prosesi — praktik bələdçi.
Oxu →
19 İyul 2026·⏱ ≈8 dəq
Datanı Araşdırma və Modelləşdirmə: Statistika və Proqnoz Modelləri
Datanı necə araşdırmalı və model qurmalı? Summary statistika, xətti reqressiya, klassifikasiya və klasterləmə modelləri sadə nümunələrlə izah olunur.
Oxu →
19 İyul 2026·⏱ ≈8 dəq
Data ilə Hekayə Danışmaq: Nəticələrin İzahı və Storytelling
Data analizinin nəticələrini necə izah etmək və təsirli hekayə qurmaq olar? Slayd strukturu və 4 hissəli storytelling metodu real nümunələrlə.
Oxu →
19 İyul 2026·⏱ ≈8 dəq
Data Analitikasında Generativ AI (GenAI): Necə İstifadə Etməli
Generativ AI (GenAI) nədir və data analitikasında necə istifadə olunur? LLM, ChatGPT, LLAMA və GenAI-nin OSEMN-in hər mərhələsində tətbiqi sadə dildə izah olunur.
Oxu →