E-ticaret şirketlerinin büyüme stratejilerinde kullanılan finansal modelleme: Kohort Analizi
2018 yılında e-ticaret dünyasında epeyce heyecanlı görüntülere sahne olduk. Küresel e-ticaret şirketleri öngörüldüğü gibi gelişmekte olan pazarlara büyük bir alaka gösterdi. Yatırımlar, pazara direkt giriş veya lokal şirketler ile imzalanan iş ortaklıkları ile gerçekleşti. Şüphesiz Hindistan, Brezilya ve Çin en fazla parlayan ülkeler aralarında yer aldı.
Rotayı ülkemize çevirdiğimizde ise yatırımlarda benzer sahnelere tanık olduk. Uzun zamandır Lüksemburg ve Almanya’da ön hazırlıklarını tamamlamaya çalışan Amazon, resmi olarak Türkiye pazarına girdi. Bir diğer e-ticaret devi Alibaba ise Trendyol’a yatırım yaptığını duyurdu.
Bütün bu yatırımların kesinlikle büyük bir anlamı var. Küreselleşmenin etkileri, dijital okur-yazarlığın artması, teknolojik yenilikler, hız gibi unsurlar her geçen gün daha fazla bireyi dijital platformlar üzerinden alış-veriş yapmaya yönlendiriyor. O Kadar ama, Statista‘nın verilerine göre 2021’de e-ticaretteki küresel alıcı sayısının 2,3 milyara ulaşması bekleniyor. Bu, dünya nüfusunun 3’te birinden fazlasının dijital platformlardan alış-veriş oluşturacağı anlamına geliyor.
Sayı epeyce gösterişli ancak rekabet de bir dek büyük. Zira pastanın büyük bir bölümünü tabağına bölge dev e-ticaret şirketlerinin yanında çoğu küçük ve orta çaplı e-ticaret şirketi payına düşeni almakta zorlanıyor. Mali büyümenizi sağlayacak etkin bir inceleme modeli olan Kohort Analizi etkin bir yöntem olabilir. Hemen Şimdi ismini duymadıysanız ya da ismini duyup da kullanmadıysanız büyümenizde size önemli veriler sağlayacak bu analiz modelini sizinle paylaşmak istedik.
E-ticarette parasal modelleme: Kohort Analizi
Kohort Analizi, bilhassa erken yükselme aşamasında olan e-ticaret girişimlerinin müşterilerini elde tutmalarında yardımcı olabilecek bir çözümleme yöntemi. Kohort’u özetle; bir sisteme aynı anda giren şahısların oluşturduğu grup olarak tanımlayabiliriz. Bir kohorttaki şahısların, onları diğer kohortlardan farklılaştıran iki taraflı deneyimler nedeniyle benzerlikleri olduğu varsayılmaktadır. Kohort Analizi ise kohortlar arasındaki farklılıkların yanı sıra iki zamansal boyut arasındaki farklılıkları kullanmaya karşın bir sonucu açıklamayı amaçlamaktadır.
Konu e-ticaret olduğunda Kohort Analizi birçok zaman büyüme süreçlerini ölçümlemek için kullanılıyor. Müşterilerin hayat boyu değeri (LTV) ve aylık müşteri edinme maliyeti (CAC) ise hesaplamada önemli iki metrik. Kohort Analizi, müşterinin satın alma yolcuğunda oluşan yaygın kayıpların önlenmesinde veya iyileştirilmesinde etkili bir inceleme yöntem olarak kabul ediliyor.
20 yıldır e-ticaret şirketlerine yatırım yapan bir şirket olan Lightspeed ise yatırım yaptığı e-ticaret şirketlerine bu modeli uyguluyor. Şirketin üstteki düzey yöneticilerinden Alex Taussig ise Medium’da paylaştığı bir kroki, bu modeli göstermek isteyen birçok e-ticaret şirketinin uygulayacağı bir finans tahlil modeli olabilir. Gelin modele birlikte bakalım.
Taussig, yeni kazanılan müşteri başına ödenen miktarı hesaplayabilmek için, kohort model excel listesine, aylık herif edinme maliyeti (CAC) ve tip edinme harcamasına karşın varsayımları hesaplayarak başlıyor. Bunlar D ve E sütunlarında yer alıyor. Reklam aracılığıyla kazandığı müşterilerin her birinin birkaç arkadaşını da platforma alıcı olarak getirebileceği düşüncesi ile her bir kohortu organik yol ve satın alma aracılığıyla gelen kişiler olarak ele alıyor. G ve H sütunları bununla ilgili olurken, I sütunu yeni aya ait yeni müşteri sayısını gösteriyor.
Aylık model uygulaması ile kullanılan metot yeni kullanıcıların, standart bir kohort davranışı peşine düşüp takip ettiğini gösteriyor. Burada uyarı edilmesi gereken noktalardan birisi zamanlama çizelgesi. Sütun I’den kopyalanan Q sütunu o aydaki yeni müşterilerin sayısını gösteriyor. Bundan sonraki her bir sütun, sonraki her avuç içi ait aynı gruptan yapılan işlemlerin sayısı olarak yer alıyor. Bunu süre artışı sütunu olarak adlandırabiliriz. Örneğin, S18 Eylül 2018’de kaç tane yeni (yani başta) müşteri bulunduğunu gösteriyor. R19, bir ay sonra (başta Eylül 2018’de satın bölge) benzer herif grubundan kaç tane işlem olduğunu gösteriyor. Ekim 2018). R20, iki ay sonra (Kasım 2018) ve bu kohorttan kaç operasyon olduğunu gösteriyor.
öte taraftan toplam operasyon, 3 yıllık kümülatif işlem ve satın almayı tekrar oranı da bu sekmeler doğru hesaplanıyor. Aşağıdaki ekran resminde de daha net görebiliyoruz.
Taussig, makalesinde 3 yıla karşın LTV ve LTV/CAC’ın da bu alanda hesaplanabileceğini söylüyor. Ama bunun için kar zarar tablosundan bazı verilerin alınmasının gerektiğini söylemekte menfaat var. öte taraftan kar-zarar sekmesinde gelirin hesaplanmasında kullanılacak olan bu sekmeye ortalama sipariş değeri (AOV) varsayımını yerleştirdiklerini belirtiyor.
Bugün MBA ve pazarlama yönetimi gibi bölümlerin dersliklerinde de gösterilen Kohort Analizi’ni işletmenizde birçok sorunun yanıtını bulmak için kullanabilirsiniz. Hangi kanalların en verimli sonuçlar verdiği, ayrı demografik segmentlerin uzun vadede satın alma alışkanlıklarının neler olduğu, kesin bir sezona ait tip kitlenizin ne değin olduğunu, müşteriyi elde alıkoyma stratejinize daha pozitif yatırım yapıp yapmamanız gerektiğine karşın soruların yanıtlarını ve fazlasını bulmak muhtemel.
sırası gelmişken bir süredir Google da Kohort Analizi’ni ürünü Google Analytics’e taşımış durumda. Oldukça yalın bir şekilde kullanıma sunulan Kohort Analizi raporu aracı, e-ticaret sitenizin performansınızı tahlil etmenize yardımcı oluyor. Merak edenler için linki buraya bırakalım. Alex Taussig‘in paylaştığı taslağa erişmek için ise buraya tıklayabilirsiniz.
Görsel Kaynak: Pexels
