Cohort Analizi Nedir? Kullanıcı Kaybını Azaltan 7 Adım

Cohort Analizi, kullanıcıları ortak bir başlangıç tarihi veya davranışa göre gruplandırarak zaman içerisindeki performanslarını ölçme yöntemidir. Bu analiz sayesinde bir ürünün yalnızca kaç kullanıcı kazandığını değil, bu kullanıcıların ne kadarının geri döndüğünü ve değer üretmeye devam ettiğini görebilirsiniz.

Toplam kullanıcı sayısının yükselmesi ilk bakışta güçlü bir büyüme göstergesi olabilir. Ancak yeni gelen kullanıcılar birkaç gün içerisinde ürünü terk ediyorsa, pazarlama bütçesi yalnızca geçici trafik oluşturuyor olabilir.

Bu rehberde Cohort Analizi kavramını, retention hesaplamasını, doğru kohort oluşturma yöntemlerini, Google Analytics 4 üzerinde uygulanabilecek adımları ve kullanıcı kaybını azaltan yedi aşamalı süreci inceleyeceğiz.

Cohort Analizi Nedir?

Cohort, ortak bir özelliğe veya davranışa sahip kullanıcı grubudur. Cohort Analizi ise bu grupların belirli bir süre boyunca nasıl davrandığını karşılaştırır.

Örneğin ocak ayının ilk haftasında bir mobil uygulamaya kayıt olan kullanıcılar tek bir kohort olarak değerlendirilebilir. Bu kullanıcıların kayıt gününde, bir hafta sonra ve bir ay sonra uygulamaya dönme oranları izlenir.

Şubat ayında kayıt olan kullanıcılar ayrı bir kohort oluşturur. Ocak ve şubat gruplarının geri dönüş oranları karşılaştırıldığında yapılan ürün değişikliğinin, reklam kampanyasının veya onboarding geliştirmesinin etkisi görülebilir.

Toplam Ortalamalar Neden Yanıltıcı Olabilir?

Bir uygulamanın aylık 100 bin aktif kullanıcısı olduğunu düşünelim. Bu sayı tek başına olumlu görünür. Ancak kullanıcıların ne zaman geldiğini ve ne kadar süre kaldığını göstermediği için ürünün gerçek sağlığını açıklamaz.

Aynı ay içerisinde büyük bir reklam kampanyasıyla 60 bin yeni kullanıcı kazanılmış olabilir. Eski kullanıcıların önemli bir kısmı ürünü terk etmiş olsa bile yeni trafik toplam aktif kullanıcı sayısını yüksek gösterebilir.

Cohort Analizi bu yanılsamayı ortadan kaldırır. Yeni kullanıcılarla eski kullanıcıları birbirine karıştırmak yerine her grubu kendi başlangıç tarihinden itibaren inceler.

Basit Bir Örnek

Bir SaaS ürünü üç farklı haftada şu sayıda kullanıcı kazanmış olsun:

15–21 Ocak kohortunun daha yüksek retention göstermesi, o hafta yapılan onboarding değişikliğinin veya kazanılan kullanıcı kalitesinin daha iyi olduğunu düşündürebilir.

Yalnızca toplam aktif kullanıcı sayısına bakılsaydı bu gelişme kolayca fark edilmeyebilirdi.

Cohort Analizi Ne İşe Yarar?

Kullanıcı Tutma Oranını Ölçer

Retention Rate, belirli bir dönemin sonunda ürünü kullanmaya devam eden kullanıcıların oranını gösterir. Cohort Analizi, retention değerini kullanıcıların başlangıç dönemine göre karşılaştırmayı sağlar.

Müşteri Kaybının Başladığı Noktayı Gösterir

Kullanıcıların çoğu ilk gün mü, ilk hafta mı yoksa ilk fatura yenilemesinde mi ayrılıyor? Kohort tablosundaki sert düşüşler, ürün yolculuğunda düzeltilmesi gereken noktayı gösterebilir.

Pazarlama Kanallarını Karşılaştırır

Google Ads üzerinden gelen kullanıcılarla organik aramadan gelen kullanıcılar aynı davranmayabilir. Bir kanal çok fazla kayıt getirirken diğer kanal daha az fakat daha sadık kullanıcı kazandırabilir.

Ürün Güncellemelerini Değerlendirir

Yeni onboarding ekranı, fiyatlandırma modeli veya ürün özelliği yayınlandıktan sonra oluşan kohortlar önceki gruplarla karşılaştırılabilir. Böylece değişikliğin gerçek kullanıcı davranışı üzerindeki etkisi ölçülür.

Gelir Kalitesini Ortaya Çıkarır

İlk ay elde edilen satış tek başına yeterli değildir. Kullanıcıların aboneliğini yenilemesi, paket yükseltmesi ve ek ürün satın alması uzun vadeli gelir kalitesini belirler.

Gelir performansını daha ayrıntılı değerlendirmek için NRR nedir rehberimizi inceleyebilirsiniz.

Cohort Türleri Nelerdir?

1. Edinim Kohortu

Kullanıcıları ilk kayıt, uygulama yükleme veya ilk satın alma tarihine göre gruplandırır. En yaygın Cohort Analizi türüdür.

Örnek: Mart ayının ilk haftasında kayıt olan bütün kullanıcılar.

2. Davranışsal Kohort

Kullanıcıları gerçekleştirdikleri belirli bir eyleme göre gruplandırır. Tarihten ziyade kullanıcı davranışına odaklanır.

Örnekler:

• İlk gün profilini tamamlayan kullanıcılar
• İlk hafta içerisinde üç arkadaş davet edenler
• Favorilere ürün ekleyen müşteriler
• Raporlama özelliğini kullanan şirketler
• Mobil bildirimleri açan kullanıcılar

Bu grupların retention performansı diğer kullanıcılarla karşılaştırılarak ürüne bağlılığı artıran davranışlar bulunabilir.

3. Pazarlama Kanalı Kohortu

Kullanıcıları geldikleri reklam veya trafik kanalına göre ayırır. Google Ads, sosyal medya, organik arama, referans ve iş ortaklığı kanalları ayrı ayrı incelenebilir.

4. Gelir Kohortu

Müşterileri ödeme yaptıkları dönem, satın aldıkları paket veya oluşturdukları gelir seviyesine göre gruplandırır.

Bu yöntem SaaS şirketlerinde MRR büyümesini ve müşteri kalitesini değerlendirmek için kullanılabilir. Aylık tekrar eden gelir hakkında ayrıntılı bilgi için MRR nedir yazımıza göz atabilirsiniz.

5. Ürün veya Paket Kohortu

Kullanıcılar seçtikleri abonelik paketi, ürün sürümü veya kullandıkları özelliğe göre gruplandırılır. Böylece hangi paketin daha yüksek sadakat ve gelir oluşturduğu anlaşılır.

Retention Rate Nasıl Hesaplanır?

Retention Rate, başlangıç grubundaki kullanıcıların belirli bir süre sonunda ne kadarının aktif kaldığını gösterir.

Retention Rate = Dönem Sonunda Aktif Kalan Kullanıcı ÷ Başlangıçtaki Kullanıcı Sayısı × 100

Bir kohortta başlangıçta 1.000 kullanıcı bulunuyor ve dördüncü haftada 280 kullanıcı geri dönüyorsa:

280 ÷ 1.000 × 100 = %28 Retention Rate

Bu gruptaki kullanıcıların %28’i dördüncü haftada geri dönmüş veya belirlenen aktiflik koşulunu yerine getirmiştir.

“Aktif kullanıcı” tanımı ürünün yapısına göre belirlenmelidir. Bir müzik uygulaması için şarkı dinlemek, e-ticaret sitesi için satın alma yapmak, SaaS ürünü için rapor oluşturmak anlamlı aktiflik olayları olabilir.

Kullanıcı Kaybını Azaltan 7 Cohort Analizi Adımı

1. Cevaplamak İstediğiniz Soruyu Belirleyin

Analize bütün verileri tabloya ekleyerek başlamayın. Öncelikle açık bir iş sorusu belirleyin.

Örnek sorular:

• Yeni onboarding ekranı kullanıcı tutma oranını artırdı mı?
• Hangi pazarlama kanalı daha sadık müşteri getiriyor?
• Ücretsiz deneme kullanıcıları hangi gün ürünü terk ediyor?
• Yıllık abonelik müşterileri aylık müşterilerden daha mı değerli?
• İlk hafta belirli özelliği kullananlar daha uzun süre kalıyor mu?

Net bir soru, doğru dahil edilme ve geri dönüş kriterlerinin seçilmesini kolaylaştırır.

2. Kohorta Giriş Kriterini Tanımlayın

Kullanıcıların hangi olay gerçekleştiğinde gruba dahil edileceğini belirleyin. Bu olay ilk kayıt, ilk ziyaret, ilk ödeme veya belirli bir özelliğin kullanımı olabilir.

Giriş kriteri bütün kullanıcılar için aynı biçimde ölçülmeli ve geriye dönük olarak değişmemelidir.

3. Geri Dönüş Olayını Seçin

Bir kullanıcının aktif veya korunmuş kabul edilmesi için gerçekleştirmesi gereken olay belirlenmelidir.

Sadece uygulamayı açmak her ürün için anlamlı olmayabilir. Ürünün temel değerini temsil eden bir olay seçmek daha doğru sonuç verir.

• SaaS ürünü: Proje oluşturmak veya rapor çalıştırmak
• E-ticaret: İkinci satın alma işlemi yapmak
• Mobil oyun: Yeni bölüm tamamlamak
• Eğitim uygulaması: Dersi bitirmek
• Finans uygulaması: İşlem veya bütçe kaydı oluşturmak

4. Doğru Zaman Aralığını Kullanın

Günlük, haftalık veya aylık kohort seçimi ürünün kullanım sıklığına göre yapılmalıdır.

Her gün kullanılan mesajlaşma uygulaması günlük veya haftalık incelenebilir. Ayda bir kez fatura hazırlanan muhasebe yazılımını günlük değerlendirmek ise yanlış sonuç verebilir.

Beklenen doğal kullanım sıklığı, analiz periyodunu belirlemelidir.

5. Bütün Kohortlara Eşit Gözlem Süresi Verin

Ocak ayında gelen kullanıcıların üç aylık verisi bulunurken mart ayında gelenlerin yalnızca bir haftalık verisi olabilir. Bu iki grubu aynı zaman sütununda karşılaştırmak hatalıdır.

Her kohort başlangıç tarihinden itibaren eşit gün, hafta veya ay boyunca değerlendirilmelidir.

6. Sonuçları Anlamlı Boyutlara Göre Bölün

Genel tablo sorunu gösterebilir ancak nedenini açıklamayabilir. Kohortları aşağıdaki boyutlara göre bölmek daha derin bilgi sağlar:

• Trafik kaynağı
• Cihaz türü
• Ülke veya şehir
• Abonelik paketi
• Kullanılan ürün özelliği
• Müşteri segmenti
• Kampanya veya indirim kodu

Örneğin retention düşüşü bütün kullanıcılarda değil, yalnızca belirli bir Android sürümünde yaşanıyor olabilir.

7. Veriyi Ürün Deneyine Dönüştürün

Cohort Analizi yalnızca rapor oluşturmak için yapılmamalıdır. Bulgulara göre ölçülebilir bir ürün veya pazarlama deneyi tasarlanmalıdır.

İlk hafta profilini tamamlayan kullanıcıların retention değeri yüksekse, yeni kullanıcıları profil tamamlamaya yönlendiren bir onboarding deneyi yapılabilir.

Deneyden sonra oluşan yeni kohort eski gruplarla karşılaştırılır. Sonuç iyileşmişse değişiklik kalıcılaştırılır; iyileşmemişse yeni bir hipotez test edilir.

Google Analytics 4 ile Cohort Analizi Nasıl Yapılır?

Google Analytics 4, web sitesi ve uygulama kullanıcılarını ortak özellik ve olaylara göre gruplandırmak için Cohort Exploration özelliği sunar.

1. Google Analytics hesabınızı açın.
2. Sol menüden Keşfet bölümüne girin.
3. Şablon galerisinden Kohort keşfi şablonunu seçin.
4. Kohorta dahil edilme kriterini belirleyin.
5. Kullanıcıların geri dönmüş sayılacağı olayı seçin.
6. Günlük, haftalık veya aylık ayrıntı düzeyini ayarlayın.
7. Aktif kullanıcı, işlem veya gelir gibi metriği seçin.
8. Gerekirse cihaz, ülke veya trafik kaynağı kırılımı ekleyin.

GA4; ilk temas, herhangi bir olay, işlem, dönüşüm veya özel olay üzerinden kullanıcı kohortları oluşturabilir. Ayrıntılı yapılandırma seçenekleri için Google’ın resmi Cohort Exploration dokümanını inceleyebilirsiniz.

SaaS Şirketlerinde Cohort Analizi Örneği

Bir proje yönetimi yazılımının 14 günlük ücretsiz deneme sunduğunu düşünelim. Şirket, denemeye başlayan kullanıcıların önemli bölümünün ücretli pakete geçmediğini fark ediyor.

Kullanıcılar ilk hafta yaptıkları davranışlara göre gruplandırılıyor:

• İlk proje oluşturan kullanıcılar
• Ekip arkadaşı davet eden kullanıcılar
• Mobil uygulamayı yükleyen kullanıcılar
• Hatırlatma özelliğini kullanan kullanıcılar
• Hiçbir temel işlemi tamamlamayan kullanıcılar

Analiz sonucunda ilk üç gün içerisinde ekip arkadaşı davet eden kullanıcıların ücretli pakete geçiş oranının çok daha yüksek olduğu görülüyor.

Şirket onboarding sürecini değiştirerek yeni kullanıcıları ekip arkadaşı davet etmeye yönlendiriyor. Değişiklik sonrasında gelen yeni kohortların dönüşüm ve retention değerleri eski gruplarla karşılaştırılıyor.

Bu yaklaşım, ürün-pazar uyumunu değerlendirmek için de önemli sinyaller sağlar. Konunun ayrıntıları için Product-Market Fit nedir rehberimizi okuyabilirsiniz.

E-Ticarette Cohort Analizi Nasıl Kullanılır?

E-ticaret şirketleri kullanıcıları ilk satın alma tarihine göre gruplandırabilir. Ardından bu müşterilerin 30, 60 ve 90 gün içerisinde yeniden alışveriş yapma oranları ölçülür.

Aşağıdaki sorulara yanıt aranabilir:

• İndirim kampanyasından gelen müşteriler tekrar alışveriş yapıyor mu?
• Hangi ürün kategorisi daha sadık müşteri kazandırıyor?
• Ücretsiz kargo kampanyası uzun vadeli gelir oluşturuyor mu?
• Mobil uygulama kullanıcılarının tekrar satın alma oranı daha mı yüksek?
• İlk sipariş değeri yüksek müşteriler daha uzun süre kalıyor mu?

İlk siparişte zarar ettiren bir kampanya, yüksek tekrar satın alma oranı oluşturuyorsa uzun vadede kârlı olabilir. Tersine, büyük ilk sipariş getiren bir kampanya sonraki aylarda hiç gelir üretmiyorsa beklenenden daha düşük değer oluşturabilir.

Cohort Analizinde İzlenebilecek Metrikler

• Retention Rate: Dönem sonunda aktif kalan kullanıcı oranı.
• Churn Rate: Ürünü veya aboneliği bırakan kullanıcı oranı.
• Tekrar satın alma oranı: Yeniden sipariş veren müşteri yüzdesi.
• Dönüşüm oranı: Belirlenen hedefi tamamlayan kullanıcı oranı.
• Ortalama gelir: Kohort başına oluşturulan gelir.
• LTV: Müşterinin ilişki süresince oluşturduğu tahmini toplam değer.
• Aktivasyon oranı: Ürünün temel değer olayını tamamlayan kullanıcı oranı.
• NRR: Mevcut müşterilerden elde edilen gelirin zaman içerisindeki değişimi.

Cohort Analizinde Yapılan Hatalar

Çok Küçük Gruplarla Karar Vermek

On veya yirmi kullanıcıdan oluşan kohortlar büyük dalgalanmalar gösterebilir. Sonuçların anlamlı olabilmesi için yeterli örneklem büyüklüğü beklenmelidir.

Yanlış Aktiflik Olayını Kullanmak

Yalnızca sayfayı açmayı aktiflik kabul etmek, ürünün değer üretip üretmediğini göstermeyebilir. Temel kullanıcı sonucunu temsil eden olay seçilmelidir.

Farklı Dönemleri Eşit Sanmak

Bayram, okul dönemi, sezonluk kampanya veya fiyat değişikliği kullanıcı davranışını etkileyebilir. Kohortlar karşılaştırılırken dönemsel koşullar dikkate alınmalıdır.

Korelasyonu Nedensellik Kabul Etmek

Belirli özelliği kullananların retention değerinin yüksek olması, bu özelliğin tek başına retention artışına neden olduğunu kanıtlamaz. En sadık kullanıcılar zaten bu özelliği daha fazla kullanıyor olabilir.

Bulgular kontrollü ürün deneyleri ve A/B testleriyle doğrulanmalıdır.

Analizi Eyleme Dönüştürmemek

Renkli bir kohort tablosu hazırlamak tek başına değer oluşturmaz. Her analiz bir hipoteze, ürün değişikliğine veya pazarlama kararına dönüşmelidir.

Cohort Analizi Ne Sıklıkla Yapılmalıdır?

Analiz sıklığı ürünün doğal kullanım döngüsüne bağlıdır. Günlük kullanılan mobil uygulamalarda haftalık inceleme yapılabilir. Aylık abonelikli B2B SaaS ürünlerinde aylık değerlendirme daha anlamlı olabilir.

Yeni ürün sürümü, fiyat değişikliği, onboarding güncellemesi veya büyük kampanya sonrasında yeni kohortlar özellikle yakından izlenmelidir.

Sıkça Sorulan Sorular

Cohort Analizi Türkçede ne anlama gelir?

Cohort Analizi veya kohort analizi, ortak bir başlangıç tarihi ya da davranışa sahip kullanıcı gruplarının zaman içerisindeki performansını karşılaştırma yöntemidir.

Cohort ve segment arasındaki fark nedir?

Segment kullanıcıları ortak özelliklerine göre ayırır. Cohort ise genellikle bu ortak özelliğe ek olarak belirli bir başlangıç noktası ve zaman içerisindeki davranışı içerir.

Cohort Analizi yalnızca SaaS şirketleri için mi kullanılır?

Hayır. Mobil uygulamalar, e-ticaret siteleri, oyunlar, eğitim platformları, finans uygulamaları ve içerik servisleri tarafından kullanılabilir.

Cohort Analizi için hangi araçlar kullanılabilir?

Google Analytics 4, Amplitude, Mixpanel, SQL, elektronik tablolar ve şirketlerin kendi veri ambarları kullanılabilir.

Günlük mü, haftalık mı kohort kullanılmalıdır?

Ürünün beklenen kullanım sıklığına göre karar verilmelidir. Günlük kullanılan ürünlerde günlük veya haftalık, daha seyrek kullanılan B2B ürünlerde aylık kohort tercih edilebilir.

Retention oranı kaç olmalıdır?

Bütün sektörler için geçerli tek bir iyi oran bulunmaz. Değer, ürün kategorisine ve kullanım sıklığına göre değişir. En anlamlı yöntem, kendi kohortlarınızın zaman içerisindeki gelişimini karşılaştırmaktır.

Sonuç

Cohort Analizi, büyümenin yüzeyde görünen kullanıcı sayısından ibaret olup olmadığını anlamanın en etkili yöntemlerinden biridir. Kullanıcıları başlangıç tarihleri ve davranışlarına göre ayırmak; retention, müşteri kaybı, dönüşüm ve gelir kalitesini daha doğru ölçmeyi sağlar.

Doğru soruyu belirleyin, anlamlı giriş ve geri dönüş olaylarını seçin, kohortlara eşit gözlem süresi verin ve sonuçları ürün deneylerine dönüştürün. Kullanıcıların neden kaldığını veya ayrıldığını anladığınızda, pazarlama bütçesini daha verimli kullanabilir ve sürdürülebilir büyüme sağlayabilirsiniz.