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.

2. Dijitalde 5 Veri Görselleştirme
Yöntemi

3. Dijitalde 5 Veri Görselleştirme Yöntemi

4. 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

5. Dijitalde 5 Veri Görselleştirme Yöntemi
Yıldız Verisi Emlak Web Sitesinde Dönüşüm Verisi

7. • 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

8. • 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

9. • 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

10. • 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

11. • 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

12. • 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

13. Dijitalde 5 Veri Görselleştirme
Yöntemi

14. Histogram Ailesi

15. Histogram Ailesi

16. 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

17. 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

18. 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

19. 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

20. 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

21. 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

22. Histogram Ailesi

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. 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?

26. 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

27. Doğru Soru ve Doğru Cevap

28. Doğru Soru ve Doğru Cevap
- Google Analytics harici kaynaklardan yaptığımız ölçümleri frekansa göre nasıl
görselleştirebiliriz?
Ad Group Cost/Conv Değerleri
AdWords Verisi

29. Doğru Soru ve Doğru Cevap

30. 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.

31. Doğru Soru ve Doğru Cevap
- Kullanıcı oturum süreleri genel olarak belirli değerlere mi sahip? Yoksa diğer oturum
sürelerinden ayrılan gruplar bulunuyor mu?

32. Doğru Soru ve Doğru Cevap
- 3 saniyenin altında yükleme süresi olan kullanıcı oranları nedir?

33. 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

34. 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

35. Kutu Grafikler – Box Plot

36. 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.

37. 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.

38. Kutu – Box and Whiskers Grafikleri
Kutu grafikler elimizdeki verinin temel istatistiksel bilgilerini bize
sunuyor.

39. Outlier Değerler
Kutu grafikler çizdirirken aynı zamanda outlier değerleri de
grafiğimiz üzerinde göstermek de mümkün.

40. Dijitalde Nasıl Kullanabiliriz?
• Örneğimiz SEOmonitor’den alabileceğimiz veri seti üzerinden:

41. Dijitalde Nasıl Kullanabiliriz?
• Örneğimiz SEOmonitor’den alabileceğimiz veri seti üzerinden:

42. Dağılım Grafikleri – Scatter
Plots

43. Dağılım Grafikleri
• Korelasyon Grafikleri
• Zaman Serili Grafikler
• Kabarcık – Bubble Grafikler
• Eğilim Çizgileri

44. 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

45. AdWords Form Doldurma ve Satış Rakamları
- Zaman serili grafikler yardımıyla Form Doldurma ve Satış değerlerimizin
değişimini zamana göre inceleyebiliyoruz.

46. Verilerimiz İçerisine Harcama Miktarlarını da Ekleyelim

47. Bu Tür Grafikleri Nasıl Oluşturabiliriz?

48. Bu Tür Grafikleri Nasıl Oluşturabiliriz?

49. Bu Tür Grafikleri Nasıl Oluşturabiliriz?

50. 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

51. Google Analytics Verisi

52. Google Analytics Verisi

53. Kabarcık Grafikler

54. Kabarcık Grafikler

55. Kabarcık Grafikler

56. Excel’de Kabarcık Grafikler

57. Excel’de Kabarcık Grafikler

58. Excel’de Kabarcık Grafikler

59. Sıcaklık Grafikleri - HeatMaps

60. Sıcaklık Grafikleri – Heat Maps

61. İlk Örneğimiz Optymzr’den

62. İlk Örneğimiz Optymzr’den

63. İlk Örneğimiz Optymzr’den
Tıklama ve Dönüşüm Rakamları

64. İlk Örneğimiz Optymzr’den
Dönüşüm ve Maliyet / Dönüşüm Değerleri

65. Anahtar Kelime Rekabet ve Aranma Hacmi
Kelime Düzeyinde Rekabet Oranına Karşılık Aranma Hacmi
Judith Lewis’in
Sunumundan

66. Excel Conditional Formatting

67. Sıcaklık ve Dağılım Grafiklerine Histogram Eklemek

68. Kullanabileceğimiz Diğer
Grafik Türleri

69. 3 Boyutlu Grafikler
Search Analytics Verisi:

70. 3 Boyutlu Grafikler
Search Analytics Verisi:

71. 3 Boyutlu Grafikler
Search Analytics Verisi:

72. Animasyon Grafikler

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
başarılı şekilde oluşturabiliriz.

86. 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/

87. 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:

88. Kullanabileceğimiz Araçlar

89. R Öğrenmek İsteyenlere Tavsiyeler

90. R Kullanmadan Excel için Pluginler
Excel Analysis ToolPak

91. Teşekkürler! :)