Kazanimlar:
- Dönüşüm oranı, sepet ortalaması, kohort ve müşteri yaşam boyu değeri (LTV) gibi metrikleri yapay zeka desteğiyle yorumlayabilme
- Satış verisinden içgörü ve talep tahmini taslağı üretip stok ve kampanya kararlarına girdi sağlayabilme
- Korelasyonu nedensellikle karıştırma ve uydurma sayı riskini görüp her analizi kendi veri kaynağıyla doğrulayabilme
E-ticarette veri her yerdedir: kaç kişi geldi, kaçı satın aldı, sepete ne kadar koydu, hangi kanaldan geldi, ikinci kez döndü mü. Bu verinin içinde işinizi büyütecek kararlar saklıdır; ama ham veri tek başına yol göstermez, yorumlanması gerekir. Yapay zeka (YZ), verinizi hızla özetleyip yorumlamada, örüntü ve anomali (olağandışılık) bulmada, rapor taslağı yazmada ve talep tahmini senaryoları üretmede güçlü bir yardımcıdır. Ama analizde YZ'nin iki büyük tuzağı vardır: sayı uydurma (sizin verinize erişmediği halde metrik üretmek) ve korelasyonu nedensellikle karıştırma (birlikte hareket eden iki şeyi "biri diğerinin sebebi" sanmak). Bu ünitede hem doğru metrikleri hem YZ'yi güvenli kullanmayı öğreneceğiz.
Temel metrikleri tanımlayalım. Dönüşüm oranı (conversion rate): ziyaretçilerin yüzde kaçının satın aldığı. Sepet ortalaması (AOV): siparişlerin ortalama tutarı. Kohort analizi: aynı dönemde ilk kez alışveriş yapan müşteri grubunun (kohort) zaman içindeki davranışını izlemek. Müşteri yaşam boyu değeri (LTV): bir müşterinin ilişki boyunca bıraktığı toplam kâr tahmini. Terk (churn): müşterinin alışverişi bırakması. Bu metrikler birlikte, "ne kadar kazanıyorum ve nereden büyürüm" sorusunu yanıtlar.
Hangi metrik neyi anlatır
Her metrik bir soruyu yanıtlar; yanlış metriğe bakmak yanlış karar verdirir.
Metrik
Soru
Yükselirse
Dikkat
Dönüşüm oranı
Trafik satışa dönüyor mu?
İyi
Trafik kalitesiyle birlikte oku
Sepet ortalaması (AOV)
Sipariş başına ne kazanıyorum?
İyi
Çapraz satış/paket etkisi
Kohort tekrar oranı
Müşteri geri dönüyor mu?
Sadakat var
Kanala göre değişir
LTV
Müşteri uzun vadede ne değerinde?
İyi
Tahmindir, kesin değil
Terk (churn)
Müşteriyi kaybediyor muyum?
Kötü
Neden araştırılmalı
İade oranı
Ürün beklentiyi karşılıyor mu?
Kötü
Kategoriye göre normal düzey farklı
Önemli bir ilke: tek metrik yanıltır. Dönüşüm arttı ama iade de arttıysa, belki yanıltıcı içerik satışı şişirip iadeyi tetikliyordur. Metrikleri birlikte okuyun.
YZ ile analiz: sayı uydurma tuzağı
YZ'nin en tehlikeli hatası, sizin verinize hiç bakmadan "dönüşüm oranınız yüzde 4,2" gibi kendinden emin bir sayı üretmesidir (halüsinasyon). Bu sayı tamamen uydurmadır. Kural nettir: metrikler yalnızca kendi analitik kaynağınızdan gelir — Google Analytics, pazaryeri paneli, e-ticaret altyapınızın raporu. YZ'yi bu verinin üzerinde yorum yapması için kullanın: veriyi ona (anonim biçimde) verirsiniz, o da özetler, örüntü bulur, rapor taslağı yazar. Veriyi hatırlaması için değil.
Dikkat: YZ bir metriği çok akıcı ve kesin bir dille söylediğinde bile, o sayının nereden geldiğini sorun. "Bu rakamı hangi veriden hesapladın?" Eğer siz vermmediyseniz, uydurmuştur. Rapora giren her sayı kendi panonuzdan teyit edilmelidir.
Korelasyon ve nedensellik
İkinci büyük tuzak nedensellik yanılgısıdır. YZ bir veride "reklam harcaması arttı, satış da arttı, demek reklam satışı artırdı" diyebilir. Bu bir korelasyondur (birlikte hareket); ama nedensellik olmayabilir. Belki ikisini de artıran üçüncü bir etken vardır: örneğin bayram dönemi hem reklamı hem satışı artırmıştır. Korelasyonu nedensellik sanmak, işe yaramayan bir şeye para dökmenize yol açar. Nedenselliği anlamanın yolu kontrollü testtir: A/B testi (aynı anda iki grup gösterip farkı ölçmek) veya en azından öncesi-sonrası karşılaştırmayı diğer etkenlerden arındırmak. YZ hipotez üretsin; nedenselliği testle siz kanıtlayın.
Talep tahmini
YZ, geçmiş satış verinizden talep tahmini senaryoları üretebilir: "geçen yılın bu ayında şu kadar satmışsın, trend şu yönde, bayram etkisi şu" gibi. Bu, stok ve satın alma kararları için değerli bir girdidir; erken tükenme (satış kaybı) ve fazla stok (bağlı sermaye, erime) arasındaki dengeyi kurmaya yardım eder. Ama tahmin, tahmindir: beklenmedik bir kampanya, tedarik sorunu veya moda değişimi tabloyu bozar. Tahmini bir "kesin sayı" değil, bir "senaryo aralığı" olarak kullanın ve kendi ticari bilginizle harmanlayın.
Dört kopyalanabilir şablon
1) Metrik özeti ve yorum:
Rolün: e-ticaret analisti asistanı.Aşağıda kendi panomdan aldığım gerçek veriler var (anonim): dönüşüm oranı, ziyaretçi, sipariş, AOV, iade oranı, dönem.Veri: [tablo].Görev: bu metrikleri birlikte yorumla; olağandışı hareketleri işaretle; olası nedenleri HİPOTEZ olarak yaz (kesin sebep deme).Kural: verilmeyen hiçbir sayıyı üretme; eksik veriyi [VERİ EKSİK] işaretle.
2) Korelasyon/nedensellik denetimi:
Aşağıdaki iddiayı değerlendir: "[metrik A] arttı, [metrik B] de arttı, demek A, B'nin sebebi."Bağlam: [dönem, kampanya, dış etkenler].Görev: bu bir korelasyon mu nedensellik mi tartış; ikisini de artırmış olabilecek ortak etkenleri say; nedenselliği kanıtlamak için nasıl bir A/B testi kurulur açıkla.
3) Kohort/segment analizi:
Aşağıda anonim kohort verisi var (ilk alışveriş ayı, tekrar alma oranları).Veri: [tablo].Görev: hangi kohortun daha sadık olduğunu, tekrar oranının zamanla nasıl değiştiğini yorumla; hangi segmentte fırsat/risk var işaretle.Kural: yalnızca verilen sayıları kullan.
4) Talep tahmini senaryosu:
Geçmiş satış: [aylık veri]. Bilinen etkenler: [bayram, kampanya, sezon].Görev: gelecek [dönem] için düşük/orta/yüksek talep senaryosu üret; her senaryonun varsayımını yaz.Kural: bunun bir tahmin olduğunu belirt; kesin sayı sunma, aralık ver.
Üç mini vaka
Vaka 1 — Birlikte okuma. Bir mağaza dönüşüm oranının arttığını görüp sevindi; ama YZ ile metrikleri birlikte yorumlayınca iade oranının da fırladığını gördü. Neden: bir kampanyada ürün açıklamaları abartılmıştı; müşteri alıyor ama beklentisi karşılanmayınca iade ediyordu. Tek metriğe bakan sevinç, birlikte okuyunca soruna dönüştü ve düzeltildi.
Vaka 2 — Uydurma metrik. Bir yönetici, YZ'ye "geçen ay dönüşümümüz kaçtı" diye sordu; YZ "yüzde 3,5" dedi. Yönetici bunu ekip toplantısında hedef olarak kullandı. Gerçek oran panoda yüzde 1,9'du. Yanlış temel, yanlış hedef doğurdu. Ders: metrik yalnızca panodan gelir.
Vaka 3 — Nedensellik yanılgısı. Bir mağaza, "e-posta gönderdiğimiz gün satış arttı, demek e-posta satışı artırıyor" diyerek e-posta sıklığını iki katına çıkardı. Ama o günler aynı zamanda indirim günleriydi; asıl etken indirimdi. Sık e-posta müşteriyi rahatsız edip abonelikten çıkışları artırdı. Bir A/B testi gerçek etkeni gösterirdi.
Zayıf prompt / Güçlü prompt
Zayıf prompt:
Mağazamın performansını analiz et ve dönüşüm oranımı söyle.
Veri verilmediği için YZ dönüşüm oranını uydurur; analiz baştan yanlış temellenir.
Güçlü prompt:
Rolün: e-ticaret analisti. Aşağıda kendi Analytics panomdan aldığım veriler (anonim):Ziyaretçi 42.000, sipariş 780, AOV 640 TL, iade oranı %9, dönem: Haziran.Görev: dönüşüm oranını bu verilerden HESAPLA (hesabı göster), metrikleri birlikte yorumla, olağandışı noktaları hipotez olarak işaretle. Verilmeyen sayı üretme.
Sık yapılan hatalar
- YZ'ye metrik sordurmak. Kendi verinizi vermeden metrik istemek uydurma sayı doğurur.
- Tek metriğe bakmak. Dönüşüm arttı ama iade de arttıysa tablo yanıltıcıdır.
- Korelasyonu nedensellik sanmak. Testsiz "sebep" iddiası yanlış yatırıma götürür.
- Tahmini kesin sayı sanmak. Talep tahmini bir aralıktır, garanti değil.
- Anonimleştirmeden veri paylaşmak. Müşteri verisi analize girse bile kişisel alan çıkarılmalı.
- Hesabı doğrulamamak. YZ'nin yaptığı her hesabı elle kontrol edin.
Özetle
E-ticaret analitiği, ham veriyi karara çeviren disiplindir. Dönüşüm, AOV, kohort, LTV ve iade gibi metrikleri birlikte okuyun; tek metrik yanıltır. YZ veriyi özetlemede, örüntü bulmada ve rapor taslağı yazmada güçlüdür; ama metrik uydurma ve korelasyonu nedensellikle karıştırma tuzaklarına düşmemek için her sayıyı kendi kaynağınızdan doğrulayın ve her "sebep" iddiasını kontrollü testle sınayın. Talep tahminini bir senaryo aralığı olarak kullanın, kesin sayı olarak değil. Veriyi analize verirken kişisel alanları anonimleştirin.
Uygulama görevi
Kendi analitik panonuzdan gerçek bir dönemin metriklerini (ziyaretçi, sipariş, AOV, iade oranı) anonim biçimde çıkarın. "Metrik özeti ve yorum" şablonuyla YZ'den yorum isteyin; dönüşüm oranını kendisi hesaplasın ama siz de elle doğrulayın. Ardından işletmenizle ilgili bir "A arttı, B de arttı" iddiası düşünüp "Korelasyon/nedensellik denetimi" şablonuyla sınayın ve bir A/B testi tasarlayın. Son olarak bir talep tahmini senaryosu üretip kendi ticari bilginizle karşılaştırın.
Kontrol listesi
- [ ] Tüm metrikleri kendi analitik kaynağımdan aldım; YZ'ye uydurtturmadım.
- [ ] YZ'nin yaptığı her hesabı elle doğruladım.
- [ ] Metrikleri tek tek değil birlikte yorumladım.
- [ ] "Sebep" iddialarını korelasyon/nedensellik açısından sınadım.
- [ ] Talep tahminini kesin sayı değil senaryo aralığı olarak ele aldım.
- [ ] Analize giren veride kişisel alanları anonimleştirdim.