Web Analytics · Ürün ve Müşteri

Kohort, Retention ve LTV Analizi

Genç bir cohort, tamamlanmış bir cohort'la değil, bir başkasının ilk aylarıyla karşılaştırılır.

Yeni bir cohort, ikinci yenileme dönemine henüz gelmediği için daha zayıf görünebilir. Müşteri kalitesini değerlendirirken takvim tarihini değil, her cohort'un ulaştığı olgunluk düzeyini esas alırız.

Olgunluk ve veri sınırları açıkça belirtilen, cohort'lar arasında karşılaştırma yapmaya elverişli retention ve LTV eğrileri.

Cohort analizini planlaÜrün ve Müşteri Analitiği çalışmalarının tümü
Bir Zeo araştırmacısı, üzerinde LTV eğrisi bulunan raftaki cohort kavanozlarını aylara göre sıralıyor

Birlikte çalıştığımız 500'den fazla markadan birkaçı

Tüm referansları gör
  • BMW
  • Gedik Yatırım
  • Hotiç
  • DYO
  • Elle
  • Tatilsepeti

Nasıl yürütürüz?

Gözlemlenen değer ile projeksiyon aynı şeymiş gibi raporlanmaz.

Her cohort'u yaşam döngüsünün aynı noktasında ele alır, gözlemlenen değerlerle projeksiyonları birbirinden ayırırız. Cohort tanımından bulguların değerlendirilmesine uzanan dört adımda karşılaştırmanın dayanağını görünür tutarız.

Çalışma ilkelerimiz

  • "Müşteri" tanımı bütün cohort'larda aynıdır — Kimin müşteri sayılacağını ve cohort süresinin hangi anda başlayacağını bir kez belirler, bu tanımı tüm karşılaştırmalarda değiştirmeden kullanırız.
  • Karşılaştırma penceresini takvim değil, olgunluk belirler — 6 aylık bir cohort'u, 2 yıllık bir cohort'un tüm geçmişiyle değil, onun ilk altı aylık dönemiyle karşılaştırırız.
  • Tamamlanmamış cohort'lar ayrıca ele alınır — Henüz tam olgunlaşmamış cohort'lar için temkinli bir projeksiyon oluşturur, hesaplanan kısmı gözlemlenmiş sonuçtan açıkça ayırırız.
  • Retention, gelir ve maliyetle birlikte LTV'ye dönüşür — Retention eğrilerini gerçekleşen gelir ve hizmet maliyetiyle ilişkilendiririz. Böylece çıktı yalnızca bir oran değil, hesaplama temeli görülebilen bir LTV değeri olur.

  1. Cohort modelini netleştirme

    Cohort başlangıcını, müşteri kırılımını, LTV hesabına girecek değerleri ve maliyetleri birlikte tanımlarız.

    Cohort tanım dokümanı

    Yapay zeka desteği
    Verinizdeki olası cohort başlangıçlarını ve kırılımları taslak hâline getirir.
    İnsan onayı
    Analytics sorumlunuz müşteri tanımını onaylar.
    Sorumlular
    Cohort Analisti, Veri Sorumlusu
    Çizim masasında plan çizen karakter

  2. Retention ve değer eğrilerini oluşturma

    Her cohort'un retention ve değer eğrilerini hesaplar, henüz olgunlaşmadığı için tamamı gözlenemeyen (censored) cohort'ları ayrıca belirtiriz.

    Cohort eğrileri

    Yapay zeka desteği
    Her cohort için retention ve değer eğrisi hesaplamasını hazırlar.
    İnsan onayı
    Analist, verisi yetersiz kohortları işaretler.
    Sorumlular
    Cohort Analisti
    Desenli yapı bloklarını üst üste dizen çizim karakter

  3. Aynı olgunluk noktasında karşılaştırma

    Cohort'ları eşleşen dönemlerde karşılaştırır, görülen farkın performansla mı yoksa zamanlama farkıyla mı açıklanabileceğini değerlendiririz.

    Olgunluğa göre hizalanmış karşılaştırma

    Yapay zeka desteği
    Cohort'ların eşleşen olgunluk dönemlerini bir araya getirir.
    İnsan onayı
    Analist farkın gerçek mi zamanlama mı olduğunu doğrular.
    Sorumlular
    Cohort Analisti
    Devasa bir ölçüm kadranını okuyan çizim karakter

  4. Bulguları ve belirsizlikleri değerlendirme

    Bulguları belirsizlikleriyle birlikte sunar, hangi kararları destekleyebileceklerini ve nerede yetersiz kaldıklarını ele alırız.

    Cohort değerlendirmesi

    Yapay zeka desteği
    Hizalanmış karşılaştırmadan bir bulgu taslağı oluşturur.
    İnsan onayı
    Bulguların desteklediği kararı siz onaylarsınız.
    Sorumlular
    Finans Paydaşı, Ürün Sorumlusu
    Şövale üzerindeki çubuk grafiği anlatan çizim karakter

Altı aylık geçmiş, başka bir cohort'un ilk altı ayıyla karşılaştırılır.

Otomasyon eğrileri hesaplar, cohort'ları aynı olgunluk noktasında eşleştirir ve sunumu bu hizalanmış karşılaştırmadan çıkarır. Tanımlar ve hükümler insana aittir: kimin müşteri sayıldığı, hangi cohort'un konuşacak kadar verisi olmadığı ve bir farkın gerçek mi yoksa yalnızca zamanlama mı olduğu.

Ne teslim ederiz?

Eğrilerle birlikte, neyin gözlendiğini ve neyin belirsiz kaldığını da teslim ederiz.

Tek bir ortalama yerine, aynı olgunluk döneminde incelenmiş cohort karşılaştırmaları sunarız.

  • Çalışma dokümanı

    Cohort ve LTV modeli

    Cohort başlangıcını, retention hesabını, değerleri ve maliyetleri tanımlayan, yeniden üretilebilir analiz modeli.

    Kabul koşulu

    Cohort girişi ve müşteri kırılımı bir kez tanımlanır ve her cohort'a aynı şekilde uygulanır.

    Ritim: Kohortlar olgunlaştıkça yenilenir

  • Karşılaştırma raporu

    Olgunluğa göre hizalanmış karşılaştırma

    Yaşam döngüsünün eşleşen noktalarında karşılaştırılmış cohort'lar ve gözlemlerden ayrı biçimde etiketlenmiş projeksiyonlar.

    Kabul koşulu

    Hiçbir cohort, grafikteki en genç cohort'tan daha uzun bir aralıkla karşılaştırılmaz.

    Ritim: Her yenilemede yeniden çizilir

  • Karar notu

    Bulgular ve analiz sınırları

    Eğrilerin gösterdiği örüntüler, genç cohort'lar için devam eden belirsizlikler ve bu bulguların destekleyebileceği kararlar.

    Kabul koşulu

    Her projeksiyon rakamı projeksiyon olarak işaretlenir ve arkasındaki yöntemi belirtir.

    Ritim: Readout'ta

Şu olduğunda tamam sayarız: sunumdaki her karşılaştırma eşleşen zaman aralıklarıyla yapıldığında ve her projeksiyon noktası gözlem değil projeksiyon olarak etiketlendiğinde.

Uyum ve hazırlık

Üç aylık bir cohort başarısız olmayabilir, yalnızca yeterince olgunlaşmamış olabilir.

Bu sayfa, retention ve LTV karşılaştırmasının hangi cohort tanımı ve olgunluk penceresiyle anlamlı olacağını ayırır. Hangi sorular için başka bir yönteme ihtiyaç duyulduğunu da netleştirir.

Şu durumlarda iyi bir seçim

  • Edinim cohort'ları arasında müşteri kalitesinin değişip değişmediğini görmek istiyorsunuz, ama cohort'lar aynı olgunluk döneminde henüz karşılaştırılmıyor.
  • Yeni cohort'lar zayıf görünüyor. Bunun performans farkından mı, daha genç olmalarından mı kaynaklandığı henüz açık değil.
  • Bir yatırım kararında kullanmak üzere dayanağı gösterilebilen bir geri ödeme süresine ya da LTV değerine ihtiyacınız var.

Şu durumlarda başka bir çalışma daha doğru

  • Müşterilerin sonraki davranışını değil, edinimi hangi pazarlama kanalının sağladığını öğrenmek istiyorsanız, bu ihtiyaç Pazarlama Attribution Modellemesi kapsamındadır.
  • Gözlemsel bir cohort karşılaştırması yerine belirli bir product değişikliğinin kontrollü testine ihtiyacınız varsa, Ürün Deneyleri Ölçümleme çalışması daha uygundur.

Bunlardan biri sizin durumunuza daha yakınsa, buradan başlayın: Ürün ve Müşteri Analitiği çalışmalarının tümü

Şu olduğunda tamam sayarız: müşteri tanımı, cohort'a giriş noktası ve değer kırılımı, tek bir eğri çizilmeden önce veri sorumlusuyla netleştiğinde.

Ölçümleme sisteminizi kuran ekip

Zeo, bir iş kararını kurallara bağlı veri toplamaya ve sizin kontrol edebileceğiniz raporlamaya bağlayan ölçümleme sistemleri kuruyor. Burada gördüğünüz kişiler, bu sistemin sayfanın kapsadığı bölümünde çalışıyor.

Kullandığımız araçlar

Bu işin arkasındaki araçlar

  • Jupyter

    aktif cohort'un LTV projeksiyonunu kara kutu tahmin yerine görünür hesaplama olarak çalıştırır

  • Amplitude

    genç cohort'u aynı takvimde eski cohort'la karşılaştırmayan, olgunluğa hizalı eğrileri kurar

Sonraki adım

Karar vermeden önce cohort'larınızı aynı olgunluk döneminde karşılaştırın

Müşteri, gelir ve maliyet verilerinizi birlikte inceleyelim. Cohort'ları olgunluğa göre hizalayıp gözlenen farkları, projeksiyonları ve belirsizlikleri ayrı ayrı ortaya koyalım.
Cohort analizini planla

Başlamadan önce

Görüşmeden önce sorulanlar

Yeni bir cohort neden çoğu zaman daha zayıf görünür?

Yenileme ya da tekrar satın alma gibi sonraki değer noktalarına henüz ulaşmamış olabilir. Bu nedenle cohort'ları takvim tarihine göre değil, ulaştıkları olgunluk dönemine göre hizalarız.

Hâlâ aktif olan cohort'ları nasıl değerlendiriyorsunuz?

Benzer geçmiş cohort'ların gelişiminden hareketle olası gidişat için projeksiyon kurarız. Raporda hangi değerlerin gözlemlendiğini, hangilerinin projekte edildiğini açıkça belirtiriz.

Analiz hangi edinim kanalına yatırım yapmamız gerektiğini söyler mi?

Kanal bazında segmentlenen cohort'ların retention ve geri ödeme örüntülerini karşılaştırabilir. Ancak farkı kanalın yarattığını, kanalın çektiği müşteri profilinden bağımsız olarak göstermek için kontrollü bir test gerekir.

Analiz için ne kadar müşteri geçmişi gerekir?

En az bir tam retention döngüsünü kapsayan işlem ya da abonelik verisi gerekir. Retention'ın yanında LTV de hesaplanacaksa maliyet verilerine de ihtiyaç duyarız.