1. GA4–BigQuery entegrasyonu nedir, oteller için ne işe yarar?
Kısa cevap : GA4–BigQuery entegrasyonu, GA4’te toplanan event verisini BigQuery’ye düzenli olarak export ederek data warehouse’ta saklamanıza ve SQL/BI araçlarıyla daha esnek analiz yapmanıza imkân verir. Oteller için asıl fayda, GA4 event’lerini PMS/OTA/call center verisiyle birleştirip tek bir analiz katmanında kanal karması, pazar bazlı gelir ve derin funnel sorularını cevaplamaktır.
Bu entegrasyonu “GA4’ün yedeği” gibi değil, “GA4’ün analitik motoru” gibi düşünün: GA4 arayüzü günlük rapor, BigQuery ise ileri analiz ve birleşik veri evreni.
Otel bağlamında 3 tipik kullanım
- •Reconciliation (uzlaştırma): PMS fiili rezervasyon ↔ GA4 dönüşüm sinyali
- •Unified reporting (tek tablo): Direct + OTA + call center + paid media
- •Advanced analytics: cohort/LTV, segment ROAS, pazar bazlı kârlılık
Mini Check
- • Tek GA4 raporu yerine “PMS+OTA+GA4 tek tablo” ihtiyacın var mı?
- • Çok otelli yapı veya çok domain var mı?
- • Funnel analizi event-level detay istiyor mu?
- • BI/Looker Studio gibi bir dashboard katmanı hedefliyor musun?
Ne yapmalıyım?
- • Önce “hangi soruları” BigQuery ile cevaplayacağını yaz (5–10 soru).
- • Sonra veri kaynaklarını listele: GA4, PMS, OTA, call center.
- • Birleşim anahtarlarını planla (booking_id, hotel_code, date).
- • Pilotla başla: önce 1 otel + 2 rapor (revenue + funnel).
2. Neden sadece GA4 arayüzü yetmez? (ne zaman “warehouse” gerekir?)
GA4 arayüzü güçlüdür; ama otellerde şu dört noktada “esneklik” ihtiyacı hızla artar:
1) Event-level detay ve özel join ihtiyacı
GA4 arayüzünde bazı sorular “yaklaşık” kalabilir. Örneğin:
- •“FAQ tıklayanlar içinde 30 gün içinde rezervasyon yapanların oranı”
- •“Video %50 izleyen segmentin pazar bazlı LTV’si”
Bu tür sorular, event-level join ve esnek filtre ister.
2) Çok kaynaklı gerçeklik (PMS/OTA/call center)
Otelin finansal gerçekliği PMS’tedir; GA4 ise davranış/kanal sinyali üretir. OTA ve call center ise ayrı gerçeklik katmanlarıdır. GA4 arayüzü, bu kaynakları doğal olarak birleştirmez.
3) Uzun dönem hafıza ve modelleme
Cohort ve LTV gibi analizler, uzun dönem veri saklama ve esnek modelleme ister.
4) Çok otelli yapılarda standardizasyon
Tek bir GA4 property ve çok domain varsa, segmentleme ve birleşim ihtiyacı artar. Warehouse bu standardizasyonu daha sürdürülebilir kılar.
Key Statistics / Data Point (sheet): Event-level export yapılan hesaplarda, standart GA4 arayüzüyle mümkün olmayan detayda analizler (kanal karması, LTV vb.) daha kolay hale gelir.
Mini Check
- • GA4’te “çok zor” dediğin 5 soru var mı?
- • PMS/OTA/call center birleşimi şart mı?
- • Segment bazlı gelir/ROAS modellemek istiyor musun?
- • Çok otel/çok pazar raporlaması gerekiyor mu?
Ne yapmalıyım?
- • Warehouse kararını “trend” diye değil iş sorularıyla ver.
- • GA4 arayüzünün yetmediği 5 soruyu netleştir.
- • İlk fazda en az maliyetli “MVP warehouse” kur.
- • Küçük tek otelsen: önce GA4 ölçümünü ve data hygiene’ı mükemmelleştir.
3. Otel dönüşüm datasını BigQuery’de saklamanın avantajları (iş değeri)
Warehouse’un en büyük değeri “daha çok veri” değil; daha doğru karar ve daha hızlı analiz üretmesidir.
Oteller için 6 iş faydası
- Tek analiz evreni: GA4 + PMS + OTA + call center birleşir
- Pazar bazlı gelir: TR/UK/DE gibi pazarların katkısı netleşir
- Kanal karması: direct/paid/meta/OTA katkısı tutarlı okunur
- Derin funnel analizi: booking_start→complete düşüşü segmentlenir
- Cohort/LTV: tekrar gelen misafir davranışı ve değer analizi yapılabilir
- BI dashboard: Looker Studio/BI araçlarında yönetim panelleri güçlenir
“Tek otel için şart mı?” teknik not
Sheet’teki teknik notla uyumlu şekilde: data warehouse kurulumları özellikle çok otelli veya yüksek hacimli yapılarda daha anlamlıdır; küçük tek otel siteleri için başlangıçta şart olmayabilir.
Mini Check
- • Yönetim “tek dashboard” istiyor mu? (gelir/kanaI/ROAS)
- • OTA ve direct’i aynı gelir tanımıyla kıyaslamak zor mu?
- • Call center kapanışını rapora bağlamak istiyor musun?
- • Raporların hazırlanması bugün çok manuel mi?
Ne yapmalıyım?
- • İlk dashboard hedefini seç: “gelir & kanal karması”.
- • İkinci hedef: “funnel drop-off + pazar kırılımı”.
- • Üçüncü hedef: “cohort/LTV” (veri olgunlaşınca).
- • BI katmanı olmadan warehouse kurma; çıktıyı en baştan planla.
4. GA4 BigQuery export yapısı (event-level veri nasıl gelir?)
BigQuery export, GA4 event’lerini çok detaylı bir yapı halinde saklar. Buradaki amaç teknik dokümana boğmak değil; otel ekiplerinin “hangi seviyede veri geliyor?” sorusunu cevaplamak.
GA4 event-level düşünme
GA4’te her kullanıcı aksiyonu bir event’tir:
- •page_view, view_room_detail, booking_start, booking_complete, click_whatsapp, faq_click…
BigQuery’de bu event’ler “ham” (raw) şekilde saklanır; bu da size esneklik verir.
Oteller için kritik olan 5 alan grubu
- •Kimlik: user/session (anonim)
- •Zaman: event_timestamp, date
- •Kanal: source/medium/campaign bilgisi (mümkün olduğu kadar)
- •Event: event_name + params
- •Gelir: value/currency/transaction_id (booking_complete gibi)
Buradaki en önemli disiplin: event sözlüğü
Warehouse’a geçince “event ismi karmaşası” daha da pahalı hale gelir. Çünkü SQL ve dashboard’lar bu isimlere bağlanır. Bu yüzden measurement plan + event dictionary şarttır.
Mini Check
- • booking_complete event’inde value/currency/transaction_id var mı?
- • Üst funnel event’ler (blog/video/galeri) sözlükte mi?
- • Event isimleri tek standarda bağlı mı?
- • DataLayer alanları (room_code, nights) taşınıyor mu?
Ne yapmalıyım?
- • Warehouse öncesi event dictionary’yi kilitle.
- • Booking event’lerinde gelir alanlarını zorunlu tut.
- • Üst funnel event’leri “az ve anlamlı” seç.
- • Test/staging verisini ayır; warehouse’a kirli veri taşımak maliyetlidir.
5. PMS, OTA ve call center datasıyla birleştirme (anahtarlar ve mantık)
Warehouse’un “otel için altın değer” kısmı burasıdır: PMS/OTA/call center gerçeğiyle GA4 davranış sinyalini aynı masaya oturtmak.
Birleştirme için 3 ortak anahtar yaklaşımı
- Booking ID / Reservation ID: en güçlü anahtar (varsa ve uyumluysa)
- Tarih + otel_kodu + gelir + oda_nights kombinasyonu: ikinci seçenek (yaklaşık eşleme)
- Kanal kodu / campaign code: CRM/call center tarafında doğru tutulursa destekleyici olur
Pratikte çoğu otelde “mükemmel eşleşme” yoktur; amaç %100 değil, karar verdiren yeterlilik ve tutarlılıktır.
Birleşik veri modeli (otel diliyle “katman”)
- •Raw (ham): GA4 event export, PMS/OTA ham tablolar
- •Curated (temiz): ortak sözlük ve standart alanlar
- •Mart (karar tabloları): yönetim KPI’ları, kanal karması, funnel sağlık
Tek tablo seçimi (BÖLÜM 4’ün tek tablosu): Örnek birleşik tablo şeması (tek “fact” + boyutlar)
| Katman | Tablo | Ne içerir? | Otel sorusu |
|---|---|---|---|
| Fact | fact_bookings | booking_id, hotel_code, checkin/out, nights, value, currency, channel | “Fiili rezervasyon ve gelir” |
| Fact | fact_sessions | session_id, hotel_code, source/medium, landing, device | “Hangi kanal nasıl trafik getiriyor?” |
| Fact | fact_calls_leads | lead_id/call_id, hotel_code, source_hint, outcome, value_est | “Lead kapanışı ve tahmini değer” |
| Dim | dim_hotel | hotel_code, destinasyon, marka, segment | “Otel bazlı kırılım” |
| Dim | dim_room | room_code, room_name, category | “Oda karması” |
| Dim | dim_campaign | campaign_id, channel_group, market | “Kampanya/pazar analizi” |
Mini Check
- • booking_id veya transaction_id tekil ve tutarlı mı?
- • PMS/OTA’da gelir tanımı (net/brüt) standardize mi?
- • Call center outcome (rezervasyon/lead/no answer) kodlanıyor mu?
- • Çok otelli yapıda hotel_code standardı var mı?
Ne yapmalıyım?
- • Önce “tekil anahtar” stratejisini belirle (booking_id en iyi).
- • Gelir tanımını standardize et (net/brüt + komisyon notu).
- • Curated katmanı kurmadan dashboard üretme (drift başlar).
- • Birleşimi önce 1 otelde pilotla, sonra ölçekle.
6. İleri seviye raporlama ve modelleme örnekleri (otel use-case’leri)
Warehouse kurmanın amacı “SQL yazmak” değil; otel kararlarını güçlendirmektir. Aşağıdaki örnekler, otel ekiplerinin en çok değer aldığı rapor tipleridir.
1) Event-level funnel analizi (derin teşhis)
- •booking_start → booking_complete drop-off
- •cihaz/pazar/oda tipi kırılımı
- •ödeme adımı sürtünmesi (engine kaynaklı)
2) Kanal karması ve gelir katkısı
- •Direct vs OTA vs Paid Search vs Meta
- •pazar bazlı gelir (DE pazarı daha yüksek ADR gibi)
- •kampanya değer katkısı (value tabanlı)
3) Cohort ve LTV (ileri seviye)
- •ilk geliş kanalı → 90 gün içinde tekrar rezervasyon var mı?
- •pazara göre tekrar oranı
- •premium oda segmentinin uzun dönem değeri (opsiyonel)
4) Segment bazlı ROAS modellemesi
- •“Aile odası + UK pazarı” segmenti ROAS
- •“Spa paketi” upsell katkısı (ecommerce veya item sözlüğü varsa)
5) Yönetim dashboard’ları (Looker Studio/BI)
- •1 sayfa yönetim paneli: gelir, kanal payı, ROAS, doluluk etkisi
- •1 sayfa operasyon paneli: funnel drop-off, cihaz/engine performansı
- •1 sayfa pazarlama paneli: kampanya/pazar/segment
Competitor gap’i kapatan mini bölüm (fark yaratan)
Birçok kaynak GA4–BigQuery entegrasyonunu teknik anlatır; otelde asıl fark “iş sorusu kataloğu” ile gelir. Aşağıdaki 6 soru, warehouse’un otel için gerçek değerini gösterir:
- •Hangi pazar, hangi oda tipi kombinasyonu en yüksek gelir getiriyor?
- •Paid Search hangi segmentte OTA’yı gerçekten azaltıyor?
- •Call center kapanışı en çok hangi içerikten/kanaldan besleniyor?
- •Funnel drop-off hangi cihaz + engine kombinasyonunda yüksek?
- •İptaller hangi kanalda daha fazla (PMS katmanı ile)?
- •Yeni kampanya, hangi pazarın LTV’sini yükseltti?
Mini Check
- • BI dashboard hedefiniz net mi (yönetim/pazarlama/teknik)?
- • LTV/cohort gerçekten ihtiyaç mı, yoksa “nice to have” mı?
- • Segment ROAS için value/currency güvenilir mi?
- • Funnel event sözlüğü tutarlı mı?
Ne yapmalıyım?
- • İlk 2 raporu seç: kanal karması + funnel drop-off.
- • Sonra LTV/cohort’u ekle (veri olgunlaşınca).
- • Dashboard’ı “karar çıkaracak” şekilde tasarla (KPI→içgörü→aksiyon).
- • 365 döngüsünde raporları ve şemayı güncelle.
7. Kurulum ve geçiş stratejisi (MVP warehouse + governance)
Data warehouse’u “bir günde” kurmak mümkün; ama sürdürülebilir yapmak süreç ister. Oteller için risk azaltıcı yaklaşım: MVP → ölçek.
MVP (Minimum Viable Warehouse) önerisi
- •GA4 export aktif
- •PMS “direct web” rezervasyon tablosu (minimum alan seti)
- •2 dashboard: (1) yönetim gelir/kanaI (2) funnel drop-off
Governance (olmazsa olmaz)
- •Event dictionary (GA4)
- •Booking dictionary (PMS/OTA)
- •hotel_code standardı
- •Veri hijyeni: staging/test/bot ayrımı
Maliyet ve limit notu (temkinli)
BigQuery fiyatlandırması, GA4 export detayları ve BI özellikleri zamanla değişebilir. Bu nedenle proje başlamadan önce güncel maliyet/limit kontrolü yapın ve “pilot bütçesi” belirleyin. (Bu rehber, prensip ve strateji odaklıdır.)
Mini Check
- • MVP kapsamı dar mı (2 dashboard, 2 veri kaynağı)?
- • Event sözlüğü ve hotel_code standardı hazır mı?
- • Veri hijyeni (test/bot/iç trafik) temiz mi?
- • 365 gün bakım/güncelleme planı yazılı mı?
Ne yapmalıyım?
- • MVP ile başla, 60 gün içinde değer üret.
- • Değer ürettikten sonra OTA/call center entegrasyonunu ekle.
- • Governance olmadan ölçekleme yapma.
- • Her yeni kaynakta sözlük ve QA zorunlu olsun.
8. Otel Dönüşüm Datası İçin BigQuery Şema Örneklerini İndir
Otel Dönüşüm Datası İçin BigQuery Şema Örneklerini İndir — GA4 Export (v1.0)
Bu şablon, otel dönüşüm datasını BigQuery’de yönetmek için “raw → curated → mart” katmanlarını ve PMS/OTA/call center birleşimi için önerilen örnek şemayı sağlar. Amaç; hızlı bir MVP ile kanal karması ve funnel raporlarını üretmek, ardından ölçeklenebilir bir veri sözlüğü ve governance ile büyütmektir.
Kim Kullanır?
Veri/BI ekibi + pazarlama/performance + (gerekirse) teknik ekip ve PMS/OTA sorumluları.
Nasıl Kullanılır?
- GA4 export ile raw katmanı kur; booking_complete için value/currency/transaction_id doğrula.
- PMS/OTA/call center tablolarını standard alanlarla curated katmana taşı (hotel_code, booking_id, revenue).
- Yönetim dashboard’u ve funnel dashboard’u için mart tablolarını üret; aylık QA ve 365 bakım planı ekle.
Ölçüm & Önceliklendirme (Kısa sürüm)
- ▢ ✅ Raw katman (GA4 export)
- ▢ ✅ Curated katman (önerilen standart alanlar)
- ▢ ✅ Mart katmanı (karar tabloları)
- ▢ ✅ QA Checklist (warehouse öncesi/sonrası)
PDF içinde: Problem→Kök Neden→Çözüm tablosu + 14 gün sprint planı + önce/sonra KPI tablosu
9. Kapanış – Warehouse, ölçümün “ikinci vitesi”dir
GA4 + BigQuery, otel ölçümünü “dashboard seviyesinden” veri ekosistemi seviyesine taşır. Doğru kurulduğunda, kanal karması ve gelir kararlarını daha tutarlı hale getirir; ama en anlamlı olduğu yer yüksek hacim ve çok kaynaklı yapılardır.
Bir Sonraki Adım
GA4 verisini PMS/OTA ile birleştirip ileri analitiğe geçmek isteyen oteller ve ekipler için.
Sık Sorulan Sorular
GA4 BigQuery entegrasyonu nedir, oteller için ne işe yarar?▾
Neden GA4 arayüzü yerine BigQuery kullanmalıyım?▾
PMS ve OTA datası GA4 event’leri ile nasıl birleştirilir?▾
BigQuery’de hangi dönüşüm raporlarını çıkarabilirim?▾
Data warehouse her otel için şart mı?▾
Warehouse kurarken en büyük risk nedir?▾
İlgili İçerikler
İlgili Yazılar