ºÝºÝߣ

ºÝºÝߣShare a Scribd company logo

Utku Demirhan @Digitalzone Meetups - Dijitalde 5 Veri Görselleştirme Yöntemi

•
•
Zeo
Zeo

28 Kasım 2017'de gerçekleşen Digitalzone Meetups'ta Zeo Agency'de Data Analisti olarak görev alan Utku Demirhan'ın "Dijitalde 5 Veri Görselleştirme Yöntemi" isimli sunumuna ait slaytlara buradan ulaşabilirsiniz.

1 of 91
Download to read offline
Utku Demirhan @Digitalzone Meetups - Dijitalde 5 Veri Görselleştirme Yöntemi
Dijitalde 5 Veri Görselleştirme Yöntemi
Dijitalde 5 Veri Görselleştirme Yöntemi
Ankara Üniversitesi: - Astronomi ve Uzay Bilimleri Bölümü Lisans ve Yüksek Lisans Coursera: - Johns Hopkins Data Science Specialization Zeo: - Veri Analisti Dijitalde 5 Veri Görselleştirme Yöntemi
Dijitalde 5 Veri Görselleştirme Yöntemi Yıldız Verisi Emlak Web Sitesinde Dönüşüm Verisi
Utku Demirhan @Digitalzone Meetups - Dijitalde 5 Veri Görselleştirme Yöntemi
• Veri Görselleştirmeye Neden İhtiyacımız Var? Tanım: Veri görselleştirme elimizdeki verilerin resim veya grafik formatında sunulmasına denir. - Karar verme aşamasında zorlu konseptleri anlamayı ve yeni düzenlerin farkına varmayı sağlar. - İnsan beyni veriyi görsel formatta daha iyi yorumlayabiliyor ve hatırlayabiliyor, var olan ilişkileri görebiliyor. - Çok büyük veri setleri içerisindeki düzenleri algılayabilmek ancak veri görselleştirme ile mümkün olabiliyor. - Dijitalde, geliştirmeye ihtiyaç duyulan alanların tespiti, kullanıcı davranışlarında etkisi olan faktörlerin görülmesi, satış hacimlerinin öngörülmesi
• Veri Görselleştirmeye Neden İhtiyacımız Var? Tanım: Veri görselleştirme elimizdeki verilerin resim veya grafik formatında sunulmasına denir. - Karar verme aşamasında zorlu konseptleri anlamayı ve yeni düzenlerin farkına varmayı sağlar. - İnsan beyni veriyi görsel formatta daha iyi yorumlayabiliyor ve hatırlayabiliyor, var olan ilişkileri görebiliyor. - Çok büyük veri setleri içerisindeki düzenleri algılayabilmek ancak veri görselleştirme ile mümkün olabiliyor. - Dijitalde, geliştirmeye ihtiyaç duyulan alanların tespiti, kullanıcı davranışlarında etkisi olan faktörlerin görülmesi, satış hacimlerinin öngörülmesi
• Veri Görselleştirmeye Neden İhtiyacımız Var? Tanım: Veri görselleştirme elimizdeki verilerin resim veya grafik formatında sunulmasına denir. - Karar verme aşamasında zorlu konseptleri anlamayı ve yeni düzenlerin farkına varmayı sağlar. - İnsan beyni veriyi görsel formatta daha iyi yorumlayabiliyor ve hatırlayabiliyor, var olan ilişkileri görebiliyor. - Çok büyük veri setleri içerisindeki düzenleri algılayabilmek ancak veri görselleştirme ile mümkün olabiliyor. - Dijitalde, geliştirmeye ihtiyaç duyulan alanların tespiti, kullanıcı davranışlarında etkisi olan faktörlerin görülmesi, satış hacimlerinin öngörülmesi
• Veri Görselleştirmeye Neden İhtiyacımız Var? Tanım: Veri görselleştirme elimizdeki verilerin resim veya grafik formatında sunulmasına denir. - Karar verme aşamasında zorlu konseptleri anlamayı ve yeni düzenlerin farkına varmayı sağlar. - İnsan beyni veriyi görsel formatta daha iyi yorumlayabiliyor ve hatırlayabiliyor, var olan ilişkileri görebiliyor. - Çok büyük veri setleri içerisindeki düzenleri algılayabilmek ancak veri görselleştirme ile mümkün olabiliyor. - Dijitalde, geliştirmeye ihtiyaç duyulan alanların tespiti, kullanıcı davranışlarında etkisi olan faktörlerin görülmesi, satış hacimlerinin öngörülmesi
• Veri Görselleştirmeye Neden İhtiyacımız Var? Tanım: Veri görselleştirme elimizdeki verilerin resim veya grafik formatında sunulmasına denir. - Karar verme aşamasında zorlu konseptleri anlamayı ve yeni düzenlerin farkına varmayı sağlar. - İnsan beyni veriyi görsel formatta daha iyi yorumlayabiliyor ve hatırlayabiliyor, var olan ilişkileri görebiliyor. - Çok büyük veri setleri içerisindeki düzenleri algılayabilmek ancak veri görselleştirme ile mümkün olabiliyor. - Dijitalde, geliştirmeye ihtiyaç duyulan alanların tespiti, kullanıcı davranışlarında etkisi olan faktörlerin görülmesi, satış hacimlerinin öngörülmesi
• Veri Görselleştirmeye Neden İhtiyacımız Var? Tanım: Veri görselleştirme elimizdeki verilerin resim veya grafik formatında sunulmasına denir. - Karar verme aşamasında zorlu konseptleri anlamayı ve yeni düzenlerin farkına varmayı sağlar. - İnsan beyni veriyi görsel formatta daha iyi yorumlayabiliyor ve hatırlayabiliyor, var olan ilişkileri görebiliyor. - Çok büyük veri setleri içerisindeki düzenleri algılayabilmek ancak veri görselleştirme ile mümkün olabiliyor. - Dijitalde, geliştirmeye ihtiyaç duyulan alanların tespiti, kullanıcı davranışlarında etkisi olan faktörlerin görülmesi, satış hacimlerinin öngörülmesi
Dijitalde 5 Veri Görselleştirme Yöntemi
Histogram Ailesi
Histogram Ailesi
Histogram Ailesi • Temel Histogramlar Ölçüm Değerleri: 5.4 8.1 3.9 4.5 6.2 4.3 4.8 17.4 8.5 4.1 4.7 5.4 5.0 5.1 8.8 5.5 3.8 4.0 8.9 4.4 4.9 4.0 5.0 17.6 5.3 6.1 3.8 9.6 4.8 3.9 17.9 3.9 8.1 4.0 5.1 5.3 5.4 5.2 4.4 4.2 18.6 3.4 5.1 17.7 18.1 24.0 17.4 18.5 18.4 5.5 3.4 4.5 9.6 3.6 4.6 4.8 5.6 5.1 4.1 Ortalama Değer: 7.52
Histogram Ailesi • Temel Histogramlar Ölçüm Değerleri: 5.4 8.1 3.9 4.5 6.2 4.3 4.8 17.4 8.5 4.1 4.7 5.4 5.0 5.1 8.8 5.5 3.8 4.0 8.9 4.4 4.9 4.0 5.0 17.6 5.3 6.1 3.8 9.6 4.8 3.9 17.9 3.9 8.1 4.0 5.1 5.3 5.4 5.2 4.4 4.2 18.6 3.4 5.1 17.7 18.1 24.0 17.4 18.5 18.4 5.5 3.4 4.5 9.6 3.6 4.6 4.8 5.6 5.1 4.1 Ortalama Değer: 7.52
Histogram Ailesi • Temel Histogramlar Ölçüm Değerleri: 5.4 8.1 3.9 4.5 6.2 4.3 4.8 17.4 8.5 4.1 4.7 5.4 5.0 5.1 8.8 5.5 3.8 4.0 8.9 4.4 4.9 4.0 5.0 17.6 5.3 6.1 3.8 9.6 4.8 3.9 17.9 3.9 8.1 4.0 5.1 5.3 5.4 5.2 4.4 4.2 18.6 3.4 5.1 17.7 18.1 24.0 17.4 18.5 18.4 5.5 3.4 4.5 9.6 3.6 4.6 4.8 5.6 5.1 4.1 Ortalama Değer: 7.52
Histogram Ailesi • Temel Histogramlar Ölçüm Değerleri: 5.4 8.1 3.9 4.5 6.2 4.3 4.8 17.4 8.5 4.1 4.7 5.4 5.0 5.1 8.8 5.5 3.8 4.0 8.9 4.4 4.9 4.0 5.0 17.6 5.3 6.1 3.8 9.6 4.8 3.9 17.9 3.9 8.1 4.0 5.1 5.3 5.4 5.2 4.4 4.2 18.6 3.4 5.1 17.7 18.1 24.0 17.4 18.5 18.4 5.5 3.4 4.5 9.6 3.6 4.6 4.8 5.6 5.1 4.1 Ortalama Değer: 7.52
Histogram Ailesi • Temel Histogramlar Ölçüm Değerleri: 5.4 8.1 3.9 4.5 6.2 4.3 4.8 17.4 8.5 4.1 4.7 5.4 5.0 5.1 8.8 5.5 3.8 4.0 8.9 4.4 4.9 4.0 5.0 17.6 5.3 6.1 3.8 9.6 4.8 3.9 17.9 3.9 8.1 4.0 5.1 5.3 5.4 5.2 4.4 4.2 18.6 3.4 5.1 17.7 18.1 24.0 17.4 18.5 18.4 5.5 3.4 4.5 9.6 3.6 4.6 4.8 5.6 5.1 4.1 Ortalama Değer: 7.52
Histogram Ailesi • Temel Histogramlar Ölçüm Değerleri: 5.4 8.1 3.9 4.5 6.2 4.3 4.8 17.4 8.5 4.1 4.7 5.4 5.0 5.1 8.8 5.5 3.8 4.0 8.9 4.4 4.9 4.0 5.0 17.6 5.3 6.1 3.8 9.6 4.8 3.9 17.9 3.9 8.1 4.0 5.1 5.3 5.4 5.2 4.4 4.2 18.6 3.4 5.1 17.7 18.1 24.0 17.4 18.5 18.4 5.5 3.4 4.5 9.6 3.6 4.6 4.8 5.6 5.1 4.1 Ortalama Değer: 7.52
Histogram Ailesi
Histogram Ailesi • Barlı Grafikler Yıl Oturum Sayısı 2014 22510804 2015 83490723 2016 106399551 2017 75052130
Histogram Ailesi • Alan Histogram Cinsiyet Ağırlık F 49 F 56 F 60 F 43 M 80 M 76
Doğru Soruyu Sormak - Google Analytics harici kaynaklardan yaptığımız ölçümleri frekansa göre nasıl görselleştirebiliriz? - Kullanıcı oturum süreleri genel olarak belirli değerlere mi sahip? Yoksa diğer oturum sürelerinden ayrılan gruplar bulunuyor mu? - 3 saniyenin altında yükleme süresi olan kullanıcı oranları nedir? - Site hızını geliştirmeye yönelik gerçekleştirdiğiniz aksiyonlar sonuç verdi mi?
Doğru Soru ve Doğru Cevap - Google Analytics harici kaynaklardan yaptığımız ölçümleri frekansa göre nasıl görselleştirebiliriz? GTMetrix Site Hızı Ölçümleri - Tek başına ortalama değere bakmaktansa dağılımı görmek daha fazla bilgi sağlıyor. Ölçüm Değerleri: 5.4 8.1 3.9 4.5 6.2 4.3 4.8 17.4 8.5 4.1 4.7 5.4 5.0 5.1 8.8 5.5 3.8 4.0 8.9 4.4 4.9 4.0 5.0 17.6 5.3 6.1 3.8 9.6 4.8 3.9 17.9 3.9 8.1 4.0 5.1 5.3 5.4 5.2 4.4 4.2 18.6 3.4 5.1 17.7 18.1 24.0 17.4 18.5 18.4 5.5 3.4 4.5 9.6 3.6 4.6 4.8 5.6 5.1 4.1 Ortalama Değer: 7.52
DoÄŸru Soru ve DoÄŸru Cevap
Doğru Soru ve Doğru Cevap - Google Analytics harici kaynaklardan yaptığımız ölçümleri frekansa göre nasıl görselleştirebiliriz? Ad Group Cost/Conv Değerleri AdWords Verisi
DoÄŸru Soru ve DoÄŸru Cevap
Doğru Soru ve Doğru Cevap - Google Analytics harici kaynaklardan yaptığımız ölçümleri frekansa göre nasıl görselleştirebiliriz? Search Analytics Verisi: En yüksek Impressiona sahip 500 kelimede pozisyon karşılaştırması - Tek başına ortalama değere bakmaktansa dağılımı görmek daha fazla bilgi sağlıyor.
Doğru Soru ve Doğru Cevap - Kullanıcı oturum süreleri genel olarak belirli değerlere mi sahip? Yoksa diğer oturum sürelerinden ayrılan gruplar bulunuyor mu?
Doğru Soru ve Doğru Cevap - 3 saniyenin altında yükleme süresi olan kullanıcı oranları nedir?
Doğru Soru ve Doğru Cevap - Site hızında geliştirmeye yönelik gerçekleştirdiğiniz aksiyonlar sonuç verdi mi? Yeni ziyaretçiler özelinde segmente edilmiş veri Hızda yükleyen kullanıcı sayıları F r e k a n s
Doğru Soru ve Doğru Cevap - Site hızında geliştirmeye yönelik gerçekleştirdiğiniz aksiyonlar sonuç verdi mi? Yeni ziyaretçiler özelinde segmente edilmiş veri Hızda yükleyen kullanıcı sayıları F r e k a n s
Kutu Grafikler – Box Plot
Kutu – Box and Whiskers Grafikleri Kutu grafikler elimizdeki verinin temel istatistiksel bilgilerini bize sunuyor. Bir özet sağlıyor. 77, 79, 80, 86, 87, 87, 94, 99 (86 + 87) ÷ 2 = 86.5 = Q2 Q1 = (79 + 80) ÷ 2 = 79.5 Q3 = (87 + 94) ÷ 2 = 90.5 Minimum değer: 77 Maksimum değer: 99 : Elimizde 8 adet ölçüm değeri olduğunu düşünelim. : Öncelikle Median değerini buluyoruz. Çift sayılı ölçümlerde orta değer : Daha sonra 1. ve 3. çeyrekleri buluyoruz. Bu tür grafiklere 5 rakam görselleştirmesi de deniliyor.
Kutu – Box and Whiskers Grafikleri Eleman Anlamı Kutuların en üzerindeki değer Örnek kümesinin maksimum değeri Kutunun üst kısmı Örneğin %75’ini içeren değerler kısmı Kutunun ortasından geçençizgi Örneğin Medyan’ı Kutunun alt sınırı Örneğin %25’ini içeren değerler kısmı Kutunun en altındaki değer Örnek kümesinin minimum değeri × işaretleri Örneğin ortalama değeri Kutu grafikler elimizdeki verinin temel istatistiksel bilgilerini bize sunuyor.
Kutu – Box and Whiskers Grafikleri Kutu grafikler elimizdeki verinin temel istatistiksel bilgilerini bize sunuyor.
Outlier Değerler Kutu grafikler çizdirirken aynı zamanda outlier değerleri de grafiğimiz üzerinde göstermek de mümkün.
Dijitalde Nasıl Kullanabiliriz? • Örneğimiz SEOmonitor’den alabileceğimiz veri seti üzerinden:
Dijitalde Nasıl Kullanabiliriz? • Örneğimiz SEOmonitor’den alabileceğimiz veri seti üzerinden:
Dağılım Grafikleri – Scatter Plots
Dağılım Grafikleri • Korelasyon Grafikleri • Zaman Serili Grafikler • Kabarcık – Bubble Grafikler • Eğilim Çizgileri
Bir Örnek Üzerinden İlerleyelim • Örnek: Google AdWords Verisi • Farklı Reklam Grupları içeren 2 Farklı Kampanyamız ve 2 Farklı Dönüşüm Tanımımız Olsun. • Dönüşüm tanımlarımızdan ilki Form Doldurma. • İkincisi ise Hizmet Satışı. • Ayrıca Form Doldurma uzun vadede Hizmet Satışına dönüşme potansiyeli olan bir dönüşüm tanımı • Hangi reklam grubunun Satışa hangi grubunun Form Doldurmaya daha fazla katkısı olduğunu verimiz yardımı ile görselleştireceğiz. • Yaptığımız bütçe değişimlerinin bize farklı dönüşümler seviyesinde ne kadar katkısı olduğunu da görmek istiyoruz. Dönüşüm 1: Dönüşüm 2: Form Doldurma Satış Yapma
AdWords Form Doldurma ve Satış Rakamları - Zaman serili grafikler yardımıyla Form Doldurma ve Satış değerlerimizin değişimini zamana göre inceleyebiliyoruz.
Verilerimiz İçerisine Harcama Miktarlarını da Ekleyelim
Bu Tür Grafikleri Nasıl Oluşturabiliriz?
Bu Tür Grafikleri Nasıl Oluşturabiliriz?
Bu Tür Grafikleri Nasıl Oluşturabiliriz?
Bu Tür Grafikleri Nasıl Oluşturabiliriz? • Bütçemizin %100’ünü sırasıyla Kampanya 1’e ve Kampanya 2’ye aktarmamız halinde, elde edeceğimiz Form doldurma ve Satış rakamlarını hesaplayalım. Bu değerleri grafiğimizin üzerindeki formül aracılığıyla hesaplıyoruz: =-222,04*100+ 35716 =13512 Form Doldurma Satış Kampanya 1 13512 877,24 Kampanya 2 35716 406,85
Google Analytics Verisi
Google Analytics Verisi
Kabarcık Grafikler
Kabarcık Grafikler
Kabarcık Grafikler
Excel’de Kabarcık Grafikler
Excel’de Kabarcık Grafikler
Excel’de Kabarcık Grafikler
Sıcaklık Grafikleri - HeatMaps
Sıcaklık Grafikleri – Heat Maps
İlk Örneğimiz Optymzr’den
İlk Örneğimiz Optymzr’den
İlk Örneğimiz Optymzr’den Tıklama ve Dönüşüm Rakamları
İlk Örneğimiz Optymzr’den Dönüşüm ve Maliyet / Dönüşüm Değerleri
Anahtar Kelime Rekabet ve Aranma Hacmi Kelime Düzeyinde Rekabet Oranına Karşılık Aranma Hacmi Judith Lewis’in Sunumundan
Excel Conditional Formatting
Sıcaklık ve Dağılım Grafiklerine Histogram Eklemek
Kullanabileceğimiz Diğer Grafik Türleri
3 Boyutlu Grafikler Search Analytics Verisi:
3 Boyutlu Grafikler Search Analytics Verisi:
3 Boyutlu Grafikler Search Analytics Verisi:
Animasyon Grafikler
Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
Utku Demirhan @Digitalzone Meetups - Dijitalde 5 Veri Görselleştirme Yöntemi
Network Grafikler Network Grafikler: Network Grafikler ile site içi linklerimizin kurgusunu daha başarılı şekilde oluşturabiliriz.
Network Grafikler Network Grafikler: Görselleştirme içerisine PageRank algoritmasını dahil ederek kategori sayfalarının sahip olması gereken link değerlerini de değerlendirmeye katmak mümkün. Böyle bir görseli oluşturabilmek için, Screaming Frog gibi bir tool kullanmamız gerekiyor. Screaming Frog ile site içi URL link yapısının çıktısını alabiliyoruz. Daha sonra Gephi gibi araçlarlı kullanarak veriyi görselleştirebiliyoruz. https://www.advancedwebranking.com/blog/visualizing-internal-link-juice-using-gephi/
Network Grafikler Network Grafikler: Görselleştirme içerisine PageRank algoritmasını dahil ederek kategori sayfalarının sahip olması gereken link değerlerini de değerlendirmeye katmak mümkün. PR(A) = (1-d) + d (PR(T1)/C(T1) + ... + PR(Tn)/C(Tn)) Page Rank Algoritması:
Kullanabileceğimiz Araçlar
R Öğrenmek İsteyenlere Tavsiyeler
R Kullanmadan Excel için Pluginler Excel Analysis ToolPak
Teşekkürler! :)

More Related Content

Utku Demirhan @Digitalzone Meetups - Dijitalde 5 Veri Görselleştirme Yöntemi

  • 2. Dijitalde 5 Veri GörselleÅŸtirme Yöntemi
  • 3. Dijitalde 5 Veri GörselleÅŸtirme Yöntemi
  • 4. Ankara Ãœniversitesi: - Astronomi ve Uzay Bilimleri Bölümü Lisans ve Yüksek Lisans Coursera: - Johns Hopkins Data Science Specialization Zeo: - Veri Analisti Dijitalde 5 Veri GörselleÅŸtirme Yöntemi
  • 5. Dijitalde 5 Veri GörselleÅŸtirme Yöntemi Yıldız Verisi Emlak Web Sitesinde Dönüşüm Verisi
  • 7. • Veri GörselleÅŸtirmeye Neden Ä°htiyacımız Var? Tanım: Veri görselleÅŸtirme elimizdeki verilerin resim veya grafik formatında sunulmasına denir. - Karar verme aÅŸamasında zorlu konseptleri anlamayı ve yeni düzenlerin farkına varmayı saÄŸlar. - Ä°nsan beyni veriyi görsel formatta daha iyi yorumlayabiliyor ve hatırlayabiliyor, var olan iliÅŸkileri görebiliyor. - Çok büyük veri setleri içerisindeki düzenleri algılayabilmek ancak veri görselleÅŸtirme ile mümkün olabiliyor. - Dijitalde, geliÅŸtirmeye ihtiyaç duyulan alanların tespiti, kullanıcı davranışlarında etkisi olan faktörlerin görülmesi, satış hacimlerinin öngörülmesi
  • 8. • Veri GörselleÅŸtirmeye Neden Ä°htiyacımız Var? Tanım: Veri görselleÅŸtirme elimizdeki verilerin resim veya grafik formatında sunulmasına denir. - Karar verme aÅŸamasında zorlu konseptleri anlamayı ve yeni düzenlerin farkına varmayı saÄŸlar. - Ä°nsan beyni veriyi görsel formatta daha iyi yorumlayabiliyor ve hatırlayabiliyor, var olan iliÅŸkileri görebiliyor. - Çok büyük veri setleri içerisindeki düzenleri algılayabilmek ancak veri görselleÅŸtirme ile mümkün olabiliyor. - Dijitalde, geliÅŸtirmeye ihtiyaç duyulan alanların tespiti, kullanıcı davranışlarında etkisi olan faktörlerin görülmesi, satış hacimlerinin öngörülmesi
  • 9. • Veri GörselleÅŸtirmeye Neden Ä°htiyacımız Var? Tanım: Veri görselleÅŸtirme elimizdeki verilerin resim veya grafik formatında sunulmasına denir. - Karar verme aÅŸamasında zorlu konseptleri anlamayı ve yeni düzenlerin farkına varmayı saÄŸlar. - Ä°nsan beyni veriyi görsel formatta daha iyi yorumlayabiliyor ve hatırlayabiliyor, var olan iliÅŸkileri görebiliyor. - Çok büyük veri setleri içerisindeki düzenleri algılayabilmek ancak veri görselleÅŸtirme ile mümkün olabiliyor. - Dijitalde, geliÅŸtirmeye ihtiyaç duyulan alanların tespiti, kullanıcı davranışlarında etkisi olan faktörlerin görülmesi, satış hacimlerinin öngörülmesi
  • 10. • Veri GörselleÅŸtirmeye Neden Ä°htiyacımız Var? Tanım: Veri görselleÅŸtirme elimizdeki verilerin resim veya grafik formatında sunulmasına denir. - Karar verme aÅŸamasında zorlu konseptleri anlamayı ve yeni düzenlerin farkına varmayı saÄŸlar. - Ä°nsan beyni veriyi görsel formatta daha iyi yorumlayabiliyor ve hatırlayabiliyor, var olan iliÅŸkileri görebiliyor. - Çok büyük veri setleri içerisindeki düzenleri algılayabilmek ancak veri görselleÅŸtirme ile mümkün olabiliyor. - Dijitalde, geliÅŸtirmeye ihtiyaç duyulan alanların tespiti, kullanıcı davranışlarında etkisi olan faktörlerin görülmesi, satış hacimlerinin öngörülmesi
  • 11. • Veri GörselleÅŸtirmeye Neden Ä°htiyacımız Var? Tanım: Veri görselleÅŸtirme elimizdeki verilerin resim veya grafik formatında sunulmasına denir. - Karar verme aÅŸamasında zorlu konseptleri anlamayı ve yeni düzenlerin farkına varmayı saÄŸlar. - Ä°nsan beyni veriyi görsel formatta daha iyi yorumlayabiliyor ve hatırlayabiliyor, var olan iliÅŸkileri görebiliyor. - Çok büyük veri setleri içerisindeki düzenleri algılayabilmek ancak veri görselleÅŸtirme ile mümkün olabiliyor. - Dijitalde, geliÅŸtirmeye ihtiyaç duyulan alanların tespiti, kullanıcı davranışlarında etkisi olan faktörlerin görülmesi, satış hacimlerinin öngörülmesi
  • 12. • Veri GörselleÅŸtirmeye Neden Ä°htiyacımız Var? Tanım: Veri görselleÅŸtirme elimizdeki verilerin resim veya grafik formatında sunulmasına denir. - Karar verme aÅŸamasında zorlu konseptleri anlamayı ve yeni düzenlerin farkına varmayı saÄŸlar. - Ä°nsan beyni veriyi görsel formatta daha iyi yorumlayabiliyor ve hatırlayabiliyor, var olan iliÅŸkileri görebiliyor. - Çok büyük veri setleri içerisindeki düzenleri algılayabilmek ancak veri görselleÅŸtirme ile mümkün olabiliyor. - Dijitalde, geliÅŸtirmeye ihtiyaç duyulan alanların tespiti, kullanıcı davranışlarında etkisi olan faktörlerin görülmesi, satış hacimlerinin öngörülmesi
  • 13. Dijitalde 5 Veri GörselleÅŸtirme Yöntemi
  • 16. Histogram Ailesi • Temel Histogramlar Ölçüm DeÄŸerleri: 5.4 8.1 3.9 4.5 6.2 4.3 4.8 17.4 8.5 4.1 4.7 5.4 5.0 5.1 8.8 5.5 3.8 4.0 8.9 4.4 4.9 4.0 5.0 17.6 5.3 6.1 3.8 9.6 4.8 3.9 17.9 3.9 8.1 4.0 5.1 5.3 5.4 5.2 4.4 4.2 18.6 3.4 5.1 17.7 18.1 24.0 17.4 18.5 18.4 5.5 3.4 4.5 9.6 3.6 4.6 4.8 5.6 5.1 4.1 Ortalama DeÄŸer: 7.52
  • 17. Histogram Ailesi • Temel Histogramlar Ölçüm DeÄŸerleri: 5.4 8.1 3.9 4.5 6.2 4.3 4.8 17.4 8.5 4.1 4.7 5.4 5.0 5.1 8.8 5.5 3.8 4.0 8.9 4.4 4.9 4.0 5.0 17.6 5.3 6.1 3.8 9.6 4.8 3.9 17.9 3.9 8.1 4.0 5.1 5.3 5.4 5.2 4.4 4.2 18.6 3.4 5.1 17.7 18.1 24.0 17.4 18.5 18.4 5.5 3.4 4.5 9.6 3.6 4.6 4.8 5.6 5.1 4.1 Ortalama DeÄŸer: 7.52
  • 18. Histogram Ailesi • Temel Histogramlar Ölçüm DeÄŸerleri: 5.4 8.1 3.9 4.5 6.2 4.3 4.8 17.4 8.5 4.1 4.7 5.4 5.0 5.1 8.8 5.5 3.8 4.0 8.9 4.4 4.9 4.0 5.0 17.6 5.3 6.1 3.8 9.6 4.8 3.9 17.9 3.9 8.1 4.0 5.1 5.3 5.4 5.2 4.4 4.2 18.6 3.4 5.1 17.7 18.1 24.0 17.4 18.5 18.4 5.5 3.4 4.5 9.6 3.6 4.6 4.8 5.6 5.1 4.1 Ortalama DeÄŸer: 7.52
  • 19. Histogram Ailesi • Temel Histogramlar Ölçüm DeÄŸerleri: 5.4 8.1 3.9 4.5 6.2 4.3 4.8 17.4 8.5 4.1 4.7 5.4 5.0 5.1 8.8 5.5 3.8 4.0 8.9 4.4 4.9 4.0 5.0 17.6 5.3 6.1 3.8 9.6 4.8 3.9 17.9 3.9 8.1 4.0 5.1 5.3 5.4 5.2 4.4 4.2 18.6 3.4 5.1 17.7 18.1 24.0 17.4 18.5 18.4 5.5 3.4 4.5 9.6 3.6 4.6 4.8 5.6 5.1 4.1 Ortalama DeÄŸer: 7.52
  • 20. Histogram Ailesi • Temel Histogramlar Ölçüm DeÄŸerleri: 5.4 8.1 3.9 4.5 6.2 4.3 4.8 17.4 8.5 4.1 4.7 5.4 5.0 5.1 8.8 5.5 3.8 4.0 8.9 4.4 4.9 4.0 5.0 17.6 5.3 6.1 3.8 9.6 4.8 3.9 17.9 3.9 8.1 4.0 5.1 5.3 5.4 5.2 4.4 4.2 18.6 3.4 5.1 17.7 18.1 24.0 17.4 18.5 18.4 5.5 3.4 4.5 9.6 3.6 4.6 4.8 5.6 5.1 4.1 Ortalama DeÄŸer: 7.52
  • 21. Histogram Ailesi • Temel Histogramlar Ölçüm DeÄŸerleri: 5.4 8.1 3.9 4.5 6.2 4.3 4.8 17.4 8.5 4.1 4.7 5.4 5.0 5.1 8.8 5.5 3.8 4.0 8.9 4.4 4.9 4.0 5.0 17.6 5.3 6.1 3.8 9.6 4.8 3.9 17.9 3.9 8.1 4.0 5.1 5.3 5.4 5.2 4.4 4.2 18.6 3.4 5.1 17.7 18.1 24.0 17.4 18.5 18.4 5.5 3.4 4.5 9.6 3.6 4.6 4.8 5.6 5.1 4.1 Ortalama DeÄŸer: 7.52
  • 23. Histogram Ailesi • Barlı Grafikler Yıl Oturum Sayısı 2014 22510804 2015 83490723 2016 106399551 2017 75052130
  • 24. Histogram Ailesi • Alan Histogram Cinsiyet Ağırlık F 49 F 56 F 60 F 43 M 80 M 76
  • 25. DoÄŸru Soruyu Sormak - Google Analytics harici kaynaklardan yaptığımız ölçümleri frekansa göre nasıl görselleÅŸtirebiliriz? - Kullanıcı oturum süreleri genel olarak belirli deÄŸerlere mi sahip? Yoksa diÄŸer oturum sürelerinden ayrılan gruplar bulunuyor mu? - 3 saniyenin altında yükleme süresi olan kullanıcı oranları nedir? - Site hızını geliÅŸtirmeye yönelik gerçekleÅŸtirdiÄŸiniz aksiyonlar sonuç verdi mi?
  • 26. DoÄŸru Soru ve DoÄŸru Cevap - Google Analytics harici kaynaklardan yaptığımız ölçümleri frekansa göre nasıl görselleÅŸtirebiliriz? GTMetrix Site Hızı Ölçümleri - Tek başına ortalama deÄŸere bakmaktansa dağılımı görmek daha fazla bilgi saÄŸlıyor. Ölçüm DeÄŸerleri: 5.4 8.1 3.9 4.5 6.2 4.3 4.8 17.4 8.5 4.1 4.7 5.4 5.0 5.1 8.8 5.5 3.8 4.0 8.9 4.4 4.9 4.0 5.0 17.6 5.3 6.1 3.8 9.6 4.8 3.9 17.9 3.9 8.1 4.0 5.1 5.3 5.4 5.2 4.4 4.2 18.6 3.4 5.1 17.7 18.1 24.0 17.4 18.5 18.4 5.5 3.4 4.5 9.6 3.6 4.6 4.8 5.6 5.1 4.1 Ortalama DeÄŸer: 7.52
  • 27. DoÄŸru Soru ve DoÄŸru Cevap
  • 28. DoÄŸru Soru ve DoÄŸru Cevap - Google Analytics harici kaynaklardan yaptığımız ölçümleri frekansa göre nasıl görselleÅŸtirebiliriz? Ad Group Cost/Conv DeÄŸerleri AdWords Verisi
  • 29. DoÄŸru Soru ve DoÄŸru Cevap
  • 30. DoÄŸru Soru ve DoÄŸru Cevap - Google Analytics harici kaynaklardan yaptığımız ölçümleri frekansa göre nasıl görselleÅŸtirebiliriz? Search Analytics Verisi: En yüksek Impressiona sahip 500 kelimede pozisyon karşılaÅŸtırması - Tek başına ortalama deÄŸere bakmaktansa dağılımı görmek daha fazla bilgi saÄŸlıyor.
  • 31. DoÄŸru Soru ve DoÄŸru Cevap - Kullanıcı oturum süreleri genel olarak belirli deÄŸerlere mi sahip? Yoksa diÄŸer oturum sürelerinden ayrılan gruplar bulunuyor mu?
  • 32. DoÄŸru Soru ve DoÄŸru Cevap - 3 saniyenin altında yükleme süresi olan kullanıcı oranları nedir?
  • 33. DoÄŸru Soru ve DoÄŸru Cevap - Site hızında geliÅŸtirmeye yönelik gerçekleÅŸtirdiÄŸiniz aksiyonlar sonuç verdi mi? Yeni ziyaretçiler özelinde segmente edilmiÅŸ veri Hızda yükleyen kullanıcı sayıları F r e k a n s
  • 34. DoÄŸru Soru ve DoÄŸru Cevap - Site hızında geliÅŸtirmeye yönelik gerçekleÅŸtirdiÄŸiniz aksiyonlar sonuç verdi mi? Yeni ziyaretçiler özelinde segmente edilmiÅŸ veri Hızda yükleyen kullanıcı sayıları F r e k a n s
  • 36. Kutu – Box and Whiskers Grafikleri Kutu grafikler elimizdeki verinin temel istatistiksel bilgilerini bize sunuyor. Bir özet saÄŸlıyor. 77, 79, 80, 86, 87, 87, 94, 99 (86 + 87) ÷ 2 = 86.5 = Q2 Q1 = (79 + 80) ÷ 2 = 79.5 Q3 = (87 + 94) ÷ 2 = 90.5 Minimum deÄŸer: 77 Maksimum deÄŸer: 99 : Elimizde 8 adet ölçüm deÄŸeri olduÄŸunu düşünelim. : Öncelikle Median deÄŸerini buluyoruz. Çift sayılı ölçümlerde orta deÄŸer : Daha sonra 1. ve 3. çeyrekleri buluyoruz. Bu tür grafiklere 5 rakam görselleÅŸtirmesi de deniliyor.
  • 37. Kutu – Box and Whiskers Grafikleri Eleman Anlamı Kutuların en üzerindeki deÄŸer Örnek kümesinin maksimum deÄŸeri Kutunun üst kısmı ÖrneÄŸin %75’ini içeren deÄŸerler kısmı Kutunun ortasından geçençizgi ÖrneÄŸin Medyan’ı Kutunun alt sınırı ÖrneÄŸin %25’ini içeren deÄŸerler kısmı Kutunun en altındaki deÄŸer Örnek kümesinin minimum deÄŸeri × iÅŸaretleri ÖrneÄŸin ortalama deÄŸeri Kutu grafikler elimizdeki verinin temel istatistiksel bilgilerini bize sunuyor.
  • 38. Kutu – Box and Whiskers Grafikleri Kutu grafikler elimizdeki verinin temel istatistiksel bilgilerini bize sunuyor.
  • 39. Outlier DeÄŸerler Kutu grafikler çizdirirken aynı zamanda outlier deÄŸerleri de grafiÄŸimiz üzerinde göstermek de mümkün.
  • 40. Dijitalde Nasıl Kullanabiliriz? • ÖrneÄŸimiz SEOmonitor’den alabileceÄŸimiz veri seti üzerinden:
  • 41. Dijitalde Nasıl Kullanabiliriz? • ÖrneÄŸimiz SEOmonitor’den alabileceÄŸimiz veri seti üzerinden:
  • 43. Dağılım Grafikleri • Korelasyon Grafikleri • Zaman Serili Grafikler • Kabarcık – Bubble Grafikler • EÄŸilim Çizgileri
  • 44. Bir Örnek Ãœzerinden Ä°lerleyelim • Örnek: Google AdWords Verisi • Farklı Reklam Grupları içeren 2 Farklı Kampanyamız ve 2 Farklı Dönüşüm Tanımımız Olsun. • Dönüşüm tanımlarımızdan ilki Form Doldurma. • Ä°kincisi ise Hizmet Satışı. • Ayrıca Form Doldurma uzun vadede Hizmet Satışına dönüşme potansiyeli olan bir dönüşüm tanımı • Hangi reklam grubunun Satışa hangi grubunun Form Doldurmaya daha fazla katkısı olduÄŸunu verimiz yardımı ile görselleÅŸtireceÄŸiz. • Yaptığımız bütçe deÄŸiÅŸimlerinin bize farklı dönüşümler seviyesinde ne kadar katkısı olduÄŸunu da görmek istiyoruz. Dönüşüm 1: Dönüşüm 2: Form Doldurma Satış Yapma
  • 45. AdWords Form Doldurma ve Satış Rakamları - Zaman serili grafikler yardımıyla Form Doldurma ve Satış deÄŸerlerimizin deÄŸiÅŸimini zamana göre inceleyebiliyoruz.
  • 46. Verilerimiz İçerisine Harcama Miktarlarını da Ekleyelim
  • 47. Bu Tür Grafikleri Nasıl OluÅŸturabiliriz?
  • 48. Bu Tür Grafikleri Nasıl OluÅŸturabiliriz?
  • 49. Bu Tür Grafikleri Nasıl OluÅŸturabiliriz?
  • 50. Bu Tür Grafikleri Nasıl OluÅŸturabiliriz? • Bütçemizin %100’ünü sırasıyla Kampanya 1’e ve Kampanya 2’ye aktarmamız halinde, elde edeceÄŸimiz Form doldurma ve Satış rakamlarını hesaplayalım. Bu deÄŸerleri grafiÄŸimizin üzerindeki formül aracılığıyla hesaplıyoruz: =-222,04*100+ 35716 =13512 Form Doldurma Satış Kampanya 1 13512 877,24 Kampanya 2 35716 406,85
  • 63. Ä°lk ÖrneÄŸimiz Optymzr’den Tıklama ve Dönüşüm Rakamları
  • 64. Ä°lk ÖrneÄŸimiz Optymzr’den Dönüşüm ve Maliyet / Dönüşüm DeÄŸerleri
  • 65. Anahtar Kelime Rekabet ve Aranma Hacmi Kelime Düzeyinde Rekabet Oranına Karşılık Aranma Hacmi Judith Lewis’in Sunumundan
  • 67. Sıcaklık ve Dağılım Grafiklerine Histogram Eklemek
  • 69. 3 Boyutlu Grafikler Search Analytics Verisi:
  • 70. 3 Boyutlu Grafikler Search Analytics Verisi:
  • 71. 3 Boyutlu Grafikler Search Analytics Verisi:
  • 73. Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
  • 74. Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
  • 75. Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
  • 76. Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
  • 77. Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
  • 78. Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
  • 79. Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
  • 80. Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
  • 81. Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
  • 82. Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
  • 83. Animasyon ve 3 Boyutlu Grafikler ppc_results <- read.csv("ppc_results.csv", sep = ";",header = T) ggplot(ppc_results, aes(x = ppc_results$PPC.Lead, y =ppc_results$PPC.Sale, size = ppc_results$Cost)) + geom_point()
  • 85. Network Grafikler Network Grafikler: Network Grafikler ile site içi linklerimizin kurgusunu daha baÅŸarılı ÅŸekilde oluÅŸturabiliriz.
  • 86. Network Grafikler Network Grafikler: GörselleÅŸtirme içerisine PageRank algoritmasını dahil ederek kategori sayfalarının sahip olması gereken link deÄŸerlerini de deÄŸerlendirmeye katmak mümkün. Böyle bir görseli oluÅŸturabilmek için, Screaming Frog gibi bir tool kullanmamız gerekiyor. Screaming Frog ile site içi URL link yapısının çıktısını alabiliyoruz. Daha sonra Gephi gibi araçlarlı kullanarak veriyi görselleÅŸtirebiliyoruz. https://www.advancedwebranking.com/blog/visualizing-internal-link-juice-using-gephi/
  • 87. Network Grafikler Network Grafikler: GörselleÅŸtirme içerisine PageRank algoritmasını dahil ederek kategori sayfalarının sahip olması gereken link deÄŸerlerini de deÄŸerlendirmeye katmak mümkün. PR(A) = (1-d) + d (PR(T1)/C(T1) + ... + PR(Tn)/C(Tn)) Page Rank Algoritması:
  • 90. R Kullanmadan Excel için Pluginler Excel Analysis ToolPak