E-ticarette kohort analizi nasıl okunur? Tekrar alışverişi aynı dönemle karşılaştır
Kohort analizi, ortak bir başlangıç özelliği taşıyan müşteri grubunun zaman içinde ne yaptığını inceler. E-ticarette sık kullanılan örnek, ilk sipariş ayı aynı olan müşterilerin sonraki aylarda yeniden alışveriş yapıp yapmadığıdır. Ama her kohort raporu ilk siparişe dayanmaz; başlangıç, geri dönüş ve dönem kuralları okunmadan iki rapor karşılaştırılamaz.
Toplam ciron yükselirken yeni gelen müşterilerin tekrar alışverişi zayıflayabilir. Yeni müşteri sayısı da ciroyu artırdığı için toplam rapor bu farkı gizleyebilir. Kohort tablosu, aynı yaşa gelmiş grupları karşılaştırarak hangi müşteri deneyimini incelemek gerektiğine dair daha açık bir soru üretir.
Önce ölçüm cümlesini yaz
Örnek tanımımız şu olsun: “İlk kabul edilen siparişi aynı takvim ayında oluşan müşterilerin, izleyen her takvim ayında en az bir kabul edilen sipariş verme oranı.” Kabul edilen sipariş kapsamı bu öğretici analizde tamamlanmış, test olmayan ve seçilen veri kesiminde tamamen geri ödenmemiş siparişlerdir. Kısmi iade varsa sipariş adedi ve net gelir ayrıca izlenir.
Bu tek mümkün tanım değildir. Sipariş kabul kuralı değişirse müşteri başlangıç grubu da değişebilir. Bu nedenle rapora tanımın sürümünü ve veri kesim tarihini ekle. Gerçek uygulamada iptal, tam iade, kimlik birleştirme ve geçmiş veri düzeltmelerinin etkisini ayrıca kaydet.
GA4 kohort keşfi başlangıç ve geri dönüş koşullarının ayarlanabildiğini, hesap türlerinin farklılaşabildiğini açıklar. Oradaki kullanıcı/cihaz temelli grup ile sipariş sisteminde tekilleştirilmiş müşteriyi otomatik eşitleme. Analitik kullanıcı sayısının müşteri sayısından farklı olması mutlaka veri hatası değildir.
Varsayımsal tabloyu satır ve sütun olarak oku
Aşağıdaki bütün değerler eğitim örneğidir; herhangi bir Yonca müşterisinin sonucu veya sektör ortalaması değildir. Veri kesimi 31 Ekim 2026, saat dilimi Europe/Istanbul kabul edilmiştir. Başlangıç ayı M0, takip eden takvim ayı M1 olarak adlandırılmıştır.
| Başlangıç ayı | Grup büyüklüğü | M1 | M2 | M3 |
|---|---|---|---|---|
| Temmuz 2026 | 100 | Ağustos: 22 | Eylül: 18 | Ekim: 16 |
| Ağustos 2026 | 60 | Eylül: 12 | Ekim: 15 | Kasım: henüz gözlenmedi |
| Eylül 2026 | 80 | Ekim: 24 | Kasım: henüz gözlenmedi | Aralık: henüz gözlenmedi |
Temsili rakamlar: gerçek bir işletmenin sonucu değil, hesabın nasıl okunduğunu gösteren örnek.
Temmuz satırı aynı 100 kişinin zaman içindeki davranışını gösterir. Eylül sütunu gibi aynı takvim ayına göre okumak ise grupları farklı yaşta karşılaştırabilir. “Eylülde 18 ve 12” ile “M1'de 22, 12 ve 24” aynı soruya cevap vermez.
Geri dönüş oranını başlangıç grubuna böl
Bu rehberin standart dönem tanımında oran, ilgili dönemde tekrar sipariş veren benzersiz müşteri sayısının başlangıçtaki grup büyüklüğüne bölümüdür. Örnek tabloda Temmuz M1: 22 / 100 = %22, Ağustos M1: 12 / 60 = %20, Eylül M1: 24 / 80 = %30. Başlangıç grubundan bir müşteri ilgili ayda üç sipariş verse bile bu oran için bir kişi sayılır.
Örnek tablodaki üç grubun birleşik M1 oranı (22 + 12 + 24) / (100 + 60 + 80) = 58 / 240, yaklaşık %24,17'dir. Örnekteki yüzdelerin basit ortalaması %24 çıkar. Sayılar yakın olsa da yöntem farklıdır; grup büyüklükleri farklı olduğunda müşteri ağırlıklı oranı kullanmak gerekir.
M1 ve M2 değerlerini toplayıp “40 farklı kişi geri döndü” deme. Temmuz grubunda hem ağustos hem eylülde sipariş verenler olabilir. İki ay boyunca en az bir tekrar sipariş veren benzersiz kişiyi hesaplamak için müşteri kimliklerinin birleşimini bulmak gerekir.
Boş hücreyi sıfırdan ayır
Eylül grubunun M2 değeri kasımdır ve 31 Ekim kesiminde henüz gözlenemez. Hücreye sıfır yazmak, gelecekte kimsenin alışveriş yapmadığını iddia eder. Doğru ifade “henüz gözlenmedi”dir. Dönem tamamlanmış ama veri eksikse onu da ayrı işaretle.
Ayın ikinci gününde güncel ayı tamamlanmış eski ayla karşılaştırmak benzer hata yaratır. İki grubu aynı takvim uzunluğuyla veya açıkça tanımlanmış aynı gözlem yaşıyla incele. Takvim ayı analizi ile ilk siparişten sonraki 30 günlük pencere aynı değildir; bu iki yöntemi tek tabloda karıştırma.
Tekrar sipariş, gelir ve katkı farklı şey söyler
Bir grubun tekrar sipariş oranı yükselirken kişi başına gelir veya katkı düşebilir. Düşük tutarlı yoğun kampanya buna yol açabilir. Bu nedenle oranı tek başarı hedefi yapma. Gruptaki toplam net gelir / başlangıç müşteri sayısı gibi ayrı bir göstergeyle ekonomik etkiyi de incele.
Örneğin 100 kişilik grubun M1 net geliri 11.000 TL ise başlangıçtaki müşteri başına M1 net gelir 110 TL'dir. Aynı gelir yalnız 22 geri dönen kişiye bölünürse 500 TL çıkar. Birincisi edinilen tüm gruba, ikincisi o ay geri dönenlere ait ortalamadır. Paydanın kimlerden oluştuğunu başlıkta açıkla.
Shopify müşteri raporları ilk sipariş tarihine dayalı kohortları ve farklı ölçüleri örnekler. Bu raporların tanımını başka bir ürünün hesabına aynen aktarma. Kaynak sistemin gelir, müşteri ve dönem açıklamaları esas alınır.
RFM ile aynı soruyu çözmeye çalışma
RFM, seçilen değerlendirme anında müşterinin yakınlık, sıklık ve parasal değerini yorumlar. Kohort ise ortak başlangıç grubunun zaman çizgisini izler. RFM'de bugün aynı segmentte görünen iki kişi farklı edinim aylarına ait olabilir. Aynı kohorttaki müşteriler de farklı RFM segmentlerine dağılabilir.
RFM rehberini bugün hangi müşteri grubunun hangi sorusunu inceleyeceğin için; kohortu ise değişimin hangi başlangıç gruplarında görüldüğünü anlamak için kullan. Bir segment adıyla müşteriye otomatik indirim uygulamak veya gelecekteki davranışı kesin saymak bu iki analizin doğal sonucu değildir.
Bir düşüş gördüğünde araştırma sırası
- Kimlik, sipariş kapsamı, dönem ve veri kesiminde değişiklik var mı kontrol et.
- Grupların aynı yaşını ve tamamlanmış dönemleri karşılaştır.
- Edinim kanalı, ilk ürün, kampanya ve ürünün yeniden alım döngüsünü incele.
- İade ve destek sorunları gibi müşteri deneyimi kayıtlarını, erişim yetkisi içinde değerlendir.
- Tek bir uygulanabilir iyileştirme seç; karşılaştırma koşulunu ve izlenecek ölçüyü önceden yaz.
Eylül grubunun örnekte %30'a yükselmesi bir kampanyanın kesin etkisini kanıtlamaz. Ürün karması, dönem, fiyat veya farklı müşteri grupları etkili olabilir. Küçük gruplardaki dalgalanmayı da hesaba kat. Kohort, daha iyi bir araştırma sorusu sağlar; tek başına nedensellik veya kesin tahmin üretmez.
Yonca'da başlangıç kuralını, müşteri tekilleştirmesini, iade davranışını ve henüz gözlenmeyen hücrenin sunumunu görmek için demo formundan (yonca.ai/demo) açılan örnek hesaba bak ya da deneme süresinde kendi örnek grubunla dene. Müşteri verisini dışarı paylaşman gerekiyorsa toplulaştırılmış, gerekli en az alanı içeren örnek kullan.
Sık sorulan sorular
Kohort ile tekrar müşteri oranı aynı mı?
Hayır. Tekrar müşteri oranının dönem ve payda tanımı farklı olabilir. Kohort, belirli başlangıç grubunu izler; karşılaştırmak için tanımları eşitlemek gerekir.
M1 oranı M2'den düşük olabilir mi?
Evet. Her dönem bağımsız geri dönüş sayılıyorsa M1'de almayan biri M2'de alabilir. Kümülatif veya ardışık geri dönüş hesabı farklıdır.
Yeni grubun boş aylarını sıfır yazabilir miyim?
Hayır. Henüz oluşmamış gözlem dönemiyle tamamlanmış dönemdeki sıfır sipariş farklı durumlardır.
Yüksek tekrar oranı kesin kâr artışı mıdır?
Hayır. Fiyat, iade, maliyet ve kampanya giderleri ekonomik sonucu değiştirir. Oranın yanında tanımlı gelir ve katkı ölçülerini de izle.
Kaynaklar ve kapsam
2 Kasım 2026 tarihinde erişilen birincil kaynaklar. Hesaplar ve doldurulmuş örnekler bu rehber için oluşturulmuş varsayımsal öğretim örnekleridir; kaynak sitelerin müşteri sonuçları değildir.
Yonca Müşteri ve Segmentler
Deneme süresinde kendi verinle hangi alanın okunabildiğini, hangi işlemin desteklendiğini ve hangi kapsamın sana uygun olduğunu gör.
