Dijital Pazarlama

Dijital Pazarlamada Kohort Analizi (Cohort)

Cohort kelimesinin malesef dilimizde sözcük olarak tam karşılığı bulunmuyor. İllâ Türkçe bir kelime ile ifade edecek olursak akran veya tertip sözcükleri ile hatırlayabiliriz. Cohort/Kohort: Aynı yaştaki insanların içerisinde bulunduğu bir grup insanı tanımlar. Aynı şekilde belli özellikleri aynı (yaş, şehir, cinsiyet, ilgi alanları vb.) insanların bir araya geldiği grupta kohort tipi bir gruptur.

Bu yazıya yazmama sebep bundan bir süre önce Google Analytics sekmeleri arasına -henüz beta- Kohort Analizi’nin eklenmesidir. Açıkçası bu sekmenin öylesine bir sekme olmadığından biraz bahsetmek istiyorum.

Kohort Analizi nedir?

Kohort analizi ile ortak özellikler taşıyan kullanıcı gruplarının davranışını ve performansını izleyebiliriz. Belirli bir zaman boyunca ortak bir özelliği paylaşan bir grup insanın analizidir.

Şimdi bir grup öğrenciyi ele alalım. Bu öğrencilerin hepsi 2010 yılında üniversiteden mezun olmuş olsun. Öğrencilerin hepsi aynı yıl mezun oldular. Bu onları ortak noktasıdır. Yani bir kohort grubu.

kohort-ogrenciler

Kohort analizi belirli faaliyetlere odaklanılan bir çalışmadır. Biz bu öğrenci grubunun mezuniyet sonrası 5 yıllık süre boyunca ne kadar kazandıklarını, ortalama gelirlerinin kohort analizini gerçekleştireceğiz.

kohort-grafik-chart

 

Bu grafik 2010 yılında mezun olan öğrencilerin mezuniyet sonrası ilk 5 yılda gelirlerini yaklaşık 16K $ artırdıklarını göstermektedir.

Şimdi olayı biraz daha farklılaştıralım. Ve bir de 2011 yılında mezun olmuş bir grup öğrenciyi ele alalım. 2011 yılında mezun olanlar -mezuniyet yılı ortak özelliğinde- başka bir kohort grubudur.

kohort-mezunlar-analiz

 

Kohort Analizi sayesinde herhangi bir grubun özellikleri ve bu grubun davranışları arasındaki ilişkileri tanımlayabiliriz. Örneğimizde olduğu gibi hem 2010 hem 2011 mezunlarının mezuniyet sonrası 5 yıl içindeki gelir artışlarına bakıldığında mezuniyet yılı ve gelir artışındaki farklı değişimler görülür. Bu da gelir ve mezuniyet yılı arasında bir bağlantı olduğunu gösterir.

kohort-analizi-chart-2

Bu grafikte 2011 mezunlarının 5 yıl içindeki maaş artışlarını görüyoruz. Ve 2010 yılı mezunları ile karşılaştırabiliyoruz. Görüldüğü gibi 2011 mezunları 2010 mezunlarına göre bir miktar daha artışla yükseliyor.

İş, işletme, girişimler için Kohort Analizi

Şimdi yukarıda verdiğimiz iki örnek grubun mezun öğrenciler değil de okuyan bir grup öğrenci müşterimiz olduğunu düşünelim. Aşağıdaki grafikten bu grubun bizi nasıl -hangi kanallardan- bulduğunu ve zamanla ne kadar harcama eğilimi gösterdiklerini inceleyebiliriz. Yani Ziyaret Kaynağına Göre Müşteri Harcamaları.

kohort-musteri-harcamalari

Grafiğe baktığımızda bloglar tarafından gönderilen müşteriler öne çıkıyor. Bu müşterilerin tutarlı ve uzun vadeli -sadık- oldukları çıkarımını yapabiliyoruz. Arama motorları ve diğer kanallar ise zaman azalan miktarda bir harcama durumunu gösteriyorlar.

Biraz düşününce en iyi kohort analizi gruplaması müşterilerin katılma tarihi veya ilk satın alma tarihlerine göre gruplandırmalar şeklinde yapılabilir.

Zamanla ortalama müşteri kalitesini arttıran ya da azaltan faktörler farklı dönemlere ait kohort gruplarında harcama eğilimlerinin incelenmesi ile görülebilir. İlk satın alma tarihine dayalı olarak elde edilen grafik aşağıdadır.

kohort-ilk-satin-almai

Bu grafiğe göre zaman geçtikçe yeni kohort grubu olan müşteriler daha az harcama yapıyor. Son zamanlarda edinilen müşteri değeri geçmişte edinilenden daha az olduğunu görebiliyoruz. Bir girişim için bu grafik yatırımcıların ya da yatırımcı adaylarının hoşuna gitmeyecektir.

Kendi Kohort Analizimizi nasıl yaparız?

  1. Adım : Ham bir verimiz olmalı

Kohort Analizi yapılacak veriler genellikle tablo yapısı içinde tutulan verilerdir. Yani MySQL, SQL, Excel vb. yapılardan faydalanabiliriz. Yani bir elektronik tablo yazılımı, sistemi kullanmalıyız.

Eğer müşterilerimizin satın alma davranışlarını analiz edeceksek, her müşterinin satın alma işlemi için kayıt tuttuğumuz bir tablomuz olmalıdır. Her bir kayıt satın almayı yapan müşterinin kimliğini (email veya rasgele atanan bir kimlik numarası), satın alma tarihini ve saatini, satın alma miktarını ya da satın alınan paketi ve o müşterinin bizden ilk satın almayı yaptığı tarihi içermelidir. Aşağıdaki MySQL sorgusunu örnek alabilirsiniz:

SELECT orders.customerid,
orders.transactiondate,
orders.transactionamount,
cohorts.cohortdate
FROM orders
JOIN (SELECT customerid,
Min(transactiondate) AS cohortDate
FROM orders
GROUP BY customerid) AS cohorts
ON orders.customerid = cohorts.customerid;

 

Ancak en ideali bu verilerin arasına müşterinin geldiği kaynak (Adwords,Google,Facebook vs.), satın aldığı ilk ürün, coğrafi ve demografik bilgileri ve daha fazla ek özelliği eklemekte fayda var. Çünkü uzun vadede aldığımız her veri üzerinden farklı analizler ile çıkarımlarda bulunabiliriz. Daha fazla bilgi daha fazla kohort grubu elde edebilme ve segmentlere ayırabilmemize yarayacaktır.

 

2. Adım : Kohort tanımlayıcıları oluşturacağız.

Excel içinden çektiğimiz verileri açıyoruz. Örneğimizde “kohort tarihini” çektik. Bu sayede grubumuzda bulunanların ilk satın almak yaptıkları tarihe dayalı olarak müşteri gruplarımızı karşılaştırabiliriz. Kohort gruplarımızın ilk satın alma işlemlerinin ay ve yıl olarak tarihlerini istediğimizi düşünelim. Bunun için ilk satın almak ay ve yıl verisini istememiz gerekecek. Bunu basit bir Excel formülü ile yapabiliriz:

=YEAR(D2) & “-” & MONTH(D2)

 

3. Adım : Yaşam döngüsü adımlarının hesaplanması

Her müşterimizin hangi Kohort grubumuzda olduğunu artık biliyoruz. Şimdi kohort üyelerimiz için her olaya ait “yaşam döngüsü aşamasını” belirlememiz gerekiyor. Örneğin: Bir müşterimiz ilk alışverişini 15 Ocak 2016 ‘da yapmış olsun. İkinci alışverişini ise 20 Mart 2016’da yapmış olsun. Ocak 2016 kohort grubunda olacaktır. İlk satın almak 1. Ay yaşam döngüsü aşamasında yer alacaktır. İkinci satın alma ise 3. Ay yaşam döngüsü içinde yer alacaktır. Yaşam döngüsü adımlarını hesaplamak için müşterinin ilk satın alma işlemi ve son satın alma işlemi arasındaki süreyi belirliyoruz. Bunu da yine verilerinizi bir Excel tablosuna işledikten sonra basit bir formül ile gerçekleştirebilirsiniz.

Örnek formül : =ROUND((C2-D2)/30)+1

 

Bu adımdan sonra bir Pivot Tablo hazırlayarak tüm verilerin ortalamasını görebilir, özel bir şekilde verilerinizi inceleyebilirsiniz. Ayrıca Excel ile verileri bir grafiğe de dökebilirsiniz.

 

Google Analytics üzerinde Kohort Raporları ile ilgili en güzel bilgiyi Google Support sayfalarında bulabilirsiniz. Kohort mantığını anladıktan sonra Google dökümanlarına bakarak Analytics üzerinde analizlerinizi gerçekleştirebilir, raporlar oluşturabilirsiniz.

İlgili Sayfa : https://support.google.com/analytics/answer/6074676?hl=tr

Bu yazıyı yazarken RJMetcrics‘in Cohort Analysis sayfasından örnekler anlamında yararlandım. Kısmen çeviri ve üzerine açıklamalar ile daha anlaşılır hale getirmeye çalıştım.

Bilgi ve tecrübelerinizi yorum alanına bekliyorum.

Kaynak : https://www.cohortanalysis.com/

Share this Story
  • Dijital Pazarlama

    Dijital Pazarlamada Kohort Analizi (Cohort)

    Cohort kelimesinin malesef dilimizde sözcük olarak tam karşılığı bulunmuyor. İllâ Türkçe bir kelime ile ifade edecek olursak akran veya tertip sözcükleri ile hatırlayabiliriz. Cohort/Kohort: ...
Load More Related Articles

Facebook Comments

Bir Yorum


  1. dijital

    01/26/2017 at 19:44

    nadir rastladığım ve ilgimi çeken konulardan. Çeviri için teşekkürler

    Reply

Bir eleştiri yaz

Your email address will not be published. Required fields are marked *

Hakkımda


2010 yılından bu yana blog yazıyorum.


Dijital İş Geliştirme, Dijital Pazarlama, Medya ve Algı Yönetimi, İnternet Reklamcılığı, Web Geliştirme üzerine profesyonel olarak çalışmalar yürütüyorum.


Teknovol 'de kurucu ve yönetici olarak profesyonel iş hayatına devam ediyorum. İnterneti severek ve internetin daha güzel bir alan olmasına yönelik olarak seçici davranarak, yalnız maddi kaygı değil değer ve anlam katmayı da düşünerek güzel işler yapıyoruz.