Kohortlarda tahminler

Adapty Tahminleri, aşağıdaki soruları yanıtlamanıza yardımcı olmak için tasarlanmıştır:

1. Kullanıcı kohortlarınızın tahmini yaşam boyu değeri (LTV) nedir?
2. Hangi kohortlar gelecekte en yüksek geliri elde etme olasılığına sahiptir?
3. Tahmini geri dönüşü göz önünde bulundurarak ne kadar yatırım yapabilirsiniz? Adapty Predictions ile gelir ve büyüme hakkında veriye dayalı kararlar alabilirsiniz.

Adapty’nin tahmin modeli, uygulamanızın kullanıcı kohortlarının uzun vadeli gelir potansiyelini tahmin eder. Her kohort için gelirin, ödeme yapan kullanıcı sayısının ve ortalama LTV’nin zaman içinde nasıl gelişeceğini öngörür. Bu sayede kullanıcı edinimi, pazarlama stratejileri ve ürün geliştirme konularında bilinçli kararlar alabilirsiniz.

Adapty, ödeme yapan kullanıcı kohortları için tahmini yaşam boyu değer (LTV) ve tahmini gelir sunar. Tahminler, kohort oluşturulduktan sonra 3, 6, 9, 12, 18 ve 24 ay için kohort analizi sayfasında gösterilir.

Geçmişi çok sınırlı uygulamalar için model, uygulama genelindeki ortalamalara geri döner; bu nedenle yeni uygulamalara ilişkin tahminler, kullanıcıların gerçek davranışını tam olarak yansıtmayabilir.

Model nasıl çalışır

Adapty’nin tahmin modeli, gelecekteki geliri ve LTV’yi tahmin etmek için geçmiş kohort verilerindeki büyüme kalıplarını kullanır.

Her uygulama ve ürün türü kombinasyonu için model, bir kohortun kümülatif gelirinin ve kümülatif ödeme yapan kullanıcı sayısının, kohortun başladığı günden itibaren gün cinsinden ölçülen sabit noktalar arasında nasıl büyüdüğünü ölçer. Bu noktalar arasındaki aralıklar, kohort genç iken kısa tutulur ve kohort yaşlandıkça uzar — önce günler, sonra aylar, ardından çeyrekler. Adapty her aralık için bir çift büyüme katsayısı ölçer: biri gelir için, diğeri ödeme yapan kullanıcılar için. Her iki ölçüm de iadelerden arındırılmıştır: bir iade, tutarını kohortun gelirinden düşer ve o kullanıcıyı ödeme yapan kullanıcı sayısından çıkarır.

Bir kohortu tahmin etmek için Adapty, o kohortun ulaştığı son noktayı alır ve seçtiğiniz ufka karşılık gelen güne kadar katsayıları oradan ileriye doğru zincirler — 3 aylık tahmin için 90. gün, 12 aylık için 365. gün, 24 ay için ise 730. güne kadar. Kullanılan veriler tamamen anonimleştirilmiştir.

Katsayılar, ürün türüne göre ayrı ayrı ölçülür: haftalık, aylık, 2 aylık, 3 aylık, 6 aylık ve yıllık abonelikler ile süresiz erişim ve tek seferlik satın almalar. Bir kohortun tahmini, kullanıcılarının satın aldığı her ürün türü için yapılan tahminlerin toplamıdır.

Model her kohort için iki değer üretir:

• Tahmin edilen gelir: Bir kohortun seçilen zaman dilimi içinde üreteceği tahmini toplam gelir; iadeler düşülmüş olarak hesaplanır.
• Tahmin edilen LTV: Tahmin edilen gelirin, kohorttaki tahmini ödeme yapan kullanıcı sayısına bölünmesiyle elde edilir.

Uygulamaya özgü ve uygulamalar arası katsayılar

Varsayılan olarak, bir kohortun tahmini; o uygulamanın aynı ürün türündeki geçmiş kohortlarından öğrenilen katsayıları kullanır ve bu katsayılar uygulamaya özgü kullanıcı davranışını yansıtır. Bir uygulama, belirli bir ürün türü için kendi katsayılarını edinebilmek amacıyla en az iki adet ölçüm yapılabilecek büyüklükte kohorta sahip olmalıdır.

İki kaynak tek bir tahmin içinde harmanlanır: uygulamanın kendi geçmişi belirli bir aralığı kapsamadığında, Adapty o adımı aynı ürün türünü satan tüm uygulamaların ortalamasından elde edilen katsayılarla doldurur. Böylece yeni bir uygulama, ilk haftalarını kendi verisinden, yılın geri kalanını ise uygulamalar arası ortalamalardan yola çıkarak tahmin edebilir.

Kalibrasyon ve taban değerler

Zincirleme katsayılar zamanla kayar ve bu kayma, geçmişi en az olan kohortlarda en belirgin biçimde görülür. Adapty bu kaymayı eğitim sırasında ölçer: Her uygulamanın eğrisi, tamamlanmış kohortlarını yaşamlarının önceki noktalarından yeniden tahmin eder; bu projeksiyon ile söz konusu kohortların gerçekte elde ettiği gelir arasındaki fark, o ürün türü, zaman ufku ve gözlem geçmişi uzunluğu için bir düzeltme faktörüne dönüşür. Her tahmin, kohortun ne kadar süreyle gözlemlendiğiyle eşleşen faktörle çarpılır; dolayısıyla en genç kohortlarda düzeltme en büyük olur, çünkü projeksiyon o kohortta en uzak noktaya ulaşmak zorundadır.

Düzeltme, modelin aşırıya kaçma eğiliminde olduğu ürün türleri için bilinçli olarak düşük tarafa doğru yaslanır. Haftalık, aylık, 2 aylık, 3 aylık ve 6 aylık abonelikler, tahmini aşağıya çeken bir gelir faktörü alır; haftalık aboneliklerde bu yönelim, bir kohortun ilk iki haftasında en güçlü şekilde hissedilir. Yıllık, süresiz erişim ve tek seferlik satın almalar herhangi bir yönelim almaz. Ödeme yapan kullanıcı faktörü hiçbir zaman yönlendirilmez; bu nedenle ihtiyatlı yaklaşım tahmin edilen gelire ve oradan da tahmin edilen LTV’ye yansır.

Düzeltmenin ardından iki alt sınır uygulanır:

• Bir tahmin, kohortun o ufka kadar zaten kazandığı miktarın altına hiçbir zaman düşmez. 3 aylık projeksiyonundan daha fazlasını zaten kazanmış olan bir kohort, gerçekleşmiş gelirini 3 aylık tahmin olarak gösterir.
• Daha uzun bir ufuk, daha kısa olandan hiçbir zaman daha az göstermez. Tahmini gelir ve tahmini ödeyen kullanıcılar her ikisi de kümülatif olduğundan, 12 aylık tahmin en az 9 aylık tahmin kadar olur.

Kullanılabilirlik ve güncellemeler

Tahminler yalnızca haftalık ve aylık kohortlar için oluşturulur. Cohort length denetimi gün, çeyrek veya yıl olarak ayarlandığında tahmin sütunları boş kalır.

Haftalık ve aylık kohortlar için kullanılabilirlik, kohorttaki kullanıcıların satın aldığı ürünlere değil, kohortun ne kadar süredir var olduğuna bağlıdır. Bir kohort, kurulum dönemi tamamen geçtikten ve bu süre zarfında başlatılmış olabilecek en uzun deneme süresi dönüşüm için yeterli zamanı geçirdikten sonra ilk tahminini alır.

Yükleme süresi, haftalık kohort uzunluğu için kohort başladıktan bir hafta sonra, aylık kohort için ise bir ay sonra sona erer. Bu süre dolana kadar kohort yeni yüklemeleri toplamaya devam eder. Son günde yükleme yapan bir kullanıcı yine de en uzun deneme sürenizi başlatabilir; kohortun geliri yalnızca denemeler dönüşüm gerçekleştirdiğinde hesaba katılır. Dolayısıyla bekleme süresi, yükleme dönemi ile en uzun deneme sürenizin toplamına eşittir. Denemeleriniz ne kadar uzun olursa, tahminler o kadar geç görünür.

Bunun ardından tahminler, güncel işlem verilerine göre her gün yeniden hesaplanır; bu sayede kohortun davranışını yansıtmaya devam ederler.

Sınırlamalar

• Veri kalitesi: Alışılmadık kohort davranışı veya az sayıda ödeme yapan kullanıcı, doğruluğu düşürür. 30’dan az ödeme yapan kullanıcıya sahip kohortlar için tahmin yapılmaz ve bu kohortlar modelin eğitim verilerinden çıkarılır.
• Yeni uygulamalar: Yeterli geçmişe sahip olmayan uygulamalar, uygulamanın kullanıcı davranışını tam olarak yansıtmayabilecek uygulamalar arası katsayılar kullanır.
• Kohort yaşı: Belirli bir ufuk için tahminler, kohort o ufku aştığında gizlenir. Örneğin, 3 aylık tahminler üç aydan sonra gösterilmeyi durdurur ve 24 aydan eski kohortlar için hiç tahmin gösterilmez.

Kontrol Panelinde

Tahminleri görüntülemek için Adapty kontrol panelinizde Kohort analizi sayfasına gidin. Kohortlar hakkında ayrıntılı bilgi için Kohort analizi sayfasına bakın.

Tahmini gelir sütunu, ödeme yapan kullanıcılardan oluşan bir kohortun, kohort oluşturulduktan sonra seçilen zaman dilimi içinde iade düşüldükten sonra elde etmesi beklenen toplam tahmini geliri gösterir. Bu değer, uygulamanın geçmiş kohort büyüme kalıplarına dayanarak Adapty’nin tahmin modeli kullanılarak hesaplanır.

Tahmini LTV sütunu, seçilen kohortdaki her kullanıcının tahmini yaşam boyu değerini gösterir. Bu değer, tahmini gelirin kohorttaki tahmini ödeme yapan kullanıcı sayısına bölünmesiyle hesaplanır.

Ufku seçin

Tahmin ufkunu değiştirmek için Predictions açılır menüsünden bir değer seçin. Kullanılabilir seçenekler, kohort oluşturulduktan sonra 3, 6, 9, 12, 18 ve 24 aydır.

Ürüne göre filtrele

Tahmini geliri ve LTV’yi ürüne göre filtreleyebilirsiniz. Varsayılan olarak tahminler tüm satın alma verilerinden oluşturulur; ürüne göre filtreleme ise her ürünün ne kadar katkı sağladığını gösterir.

Tahminler mevcut olmadığında

Bir kohort için tahmin üretilemediğinde, Predicted Revenue ve Predicted LTV sütunlarında değerler yerine em tire (—) gösterilir. Bunun birkaç farklı nedeni olabilir:

• Desteklenmeyen kohort uzunluğu: Cohort length kontrolü gün, çeyrek veya yıl olarak ayarlanmıştır. Tahminler yalnızca haftalık ve aylık kohortlar için oluşturulur.
• Desteklenmeyen filtre veya karşılaştırma: Tablo placement, kitle, paywall veya A/B testine göre filtrelenmiştir ya da bir karşılaştırma dönemi açılmıştır. Ürün, ürün süresi, ülke, mağaza ve attribution verilerine göre yapılan filtreler tahminleri korur.
• Kohort oluşturulmasından bu yana yetersiz süre: Kohortun kurulum dönemi henüz tamamlanmamıştır veya bu dönemde birinin başlatabileceği en uzun deneme süresi dönüşüm için yeterli süreye ulaşmamıştır. Bkz. Kullanılabilirlik ve güncellemeler.
• Küçük kohort boyutu: 30’dan az ödeme yapan kullanıcı — güvenilir bir projeksiyon oluşturmak için çok az.
• Alışılmadık kohort davranışı: Kohort, modelin beklediği kalıplardan önemli ölçüde sapıyor. Daha fazla veri birikmesiyle birkaç hafta beklemek bu sorunu çözebilir.
• Ufuk aşıldı: Kohort, seçilen tahmin ufkundan daha eski. Örneğin, 3 aylık tahmin üç aydan sonra, 12 aylık tahmin on iki aydan sonra gizlenir; 24 aydan eski kohortlar için hiçbir tahmin gösterilmez.