GA4 trafik kaynakları üzerinde cihaz türüne göre kök neden analizi

Amaç ve yaklaşım
Günümüz web ve mobil uygulama ekosisteminde kullanıcılar farklı cihaz türleriyle etkileşime girer: masaüstü, dizüstü, tablet ve mobil. GA4 üzerinde bu cihaz farklarını yalnızca segmentlemek yetmiyor; kök nedeni analizine dönüştürmek, hangi trafik kaynağının hangi cihaz grubunda daha etkili olduğunu, dönüşüm hunilerinde hangi aşamalarda farklı davranışlar sergilediğini ve teknik/UX kaynaklı problemleri nereden geldiğini ortaya çıkarır. Bu yazı, cihaz türüne göre kök neden analizi için yapılandırılabilir bir çerçeve sunar: hedefler, veri toplama, hipotezler, testler ve eyleme geçirilebilir çıktılar.

• Veri yapısının tanımlanması
  GA4’te trafik kaynağı (utm_source/utm_medium/utm_campaign) ve cihaz türleri (device_category: desktop, mobile, tablet) temel etiketlerdir. Veri akışında bu iki boyutu birleştirmek, hangi kaynaktan hangi cihazda hangi davranışın izlendiğini netleştirir. Ayrıca kullanıcı kimliği ve oturum başına ölçülen olaylar, dönüşüm tetikleyicileriyle birlikte analiz edilmeli. Örneğin, mobil kullanıcılar için “satın alma” olayının yolculukta hangi adımda zayıf kaldığını tespit etmek için funnel analizi kurmak gerekir.

• Hipotez kurma ve test tasarımı
  Bir kök neden analizi için net hipotezler gerekir:
  
  • Hipotez A: Mobil trafik kaynaklarından (ör. organik mobil arama) dönüşüm oranı masaüstüne göre daha düşük; bunun nedeni yükleme süresi veya ödeme süreci adımlarında mobil uyumsuzluk olabilir.
  • Hipotez B: Belirli utm_medium kaynakları masaüstünde daha yüksek etkileşim sağlarken mobilde banner veya kampanya açılır pencerelerinin etkisi azalıyor.
  
  Test planı, GA4’ün karşılaştırmalı analiz araçlarıyla veya BigQuery ile birleşik sorgularla uygulanır. Segmentleri cihaz türü, trafik kaynağı ve kullanıcı davranışlarına göre belirleyin; A/B test bulgularını destekleyin.

• Kök neden analizi için metrikler ve eşikler
  
  • Dönüşüm oranları: device_category ile atılan dönüşümlerin oranı.
  • Yolculuk adımları: mobilde hangi adımın düşüşe sebep olduğu (ör. ürün sayfasından sepete aktarım).
  • Hız ve performans göstergeleri: yükleme süresi, etkileşim süresi, hatalı ödemelerin yüzdesi.
  • UX ve erişilebilirlik sinyalleri: sayfa boyutu, ilk içeriğin görünmesi (LCP), etkileşime geçme gecikmesi (FID) gibi Core Web Vitals metrikleri.
  
  Bu metrikleri eşiklerle değil, bağlama göre karşılaştırmalı olarak değerlendiririz. Örneğin mobilde yüklenme süresi 2 saniyeden yüksek olduğunda dönüşüm düşüşünün sağlayıcı kök nedeni olup olmadığını analiz ederiz.

• Analiz yöntemi ve çıktı
  
  • Segment bazlı karşılaştırmalı görünüm: device_category ve channel/medium ile dönüşüm funnel’ını inceleyin.
  • Funnel analizi ve konversiyon yolculuğu çizelgesi: hangi adımlarda kayıp yaşanıyor?
  • Olay düzeyinde korelasyonlar: "add_to_cart" ile "purchase" arasındaki gecikme süreleri ve cihaz etkisi.
  • Kök neden raporu: her önemli kırılım için bulgular, olası nedenler ve verilere dayalı öneriler.