---
title: "Adapty UA'da tahmin metrikleri"
description: "Adapty UA'da kohortlar için gelir, ROAS, reklam kârı ve LTV tahminleri yapın."
---

:::important
Bu makale yalnızca Adapty User Acquisition'daki tahminleri kapsamaktadır. Kohort analizi sayfasındaki tahmini LTV ve gelir için bkz. [Kohortlarda tahminler](predicted-ltv-and-revenue).
:::
Adapty UA, gelecekteki geliri ve birim ekonomisini her kohort için tahmin eder; böylece kampanyaları olgunlaşmadan önce karşılaştırabilirsiniz. Tahminler, uygulamanın kendi geçmiş kohort verilerinden üretilir ve her gün güncellenir. En çok, uzun abonelik döngülerini henüz tamamlamamış yeni kohortları değerlendirmek için kullanışlıdır.
## Tahmin edilen metrikler \{#predicted-metrics\}
| **Metrik**    | Açıklama                                                                                                                                                                                |
|---------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| **pRevenue**  | Bir kohortun hedef ufka kadar üretmesi beklenen toplam tahmin geliri. Uygulamanın geçmiş kohort elde tutma verilerinden modellenir.                                                        |
| **pROAS**     | Aynı ufuk boyunca reklam harcamalarından tahmini geri dönüş. **Formül**: `(pRevenue / Spend) × 100%`                                                                                               |
| **pAdProfit** | Ufuk boyunca reklam harcaması düşüldükten sonra kalan tahmini gelir. **Formül**: `pRevenue − Spend`                                                                                        |
| **pARPU**     | Ufuk boyunca yükleme başına tahmini ortalama gelir (tahmini LTV). **Formül**: `pRevenue / Installs`                                                                                 |
| **pARPPU**    | Ufuk boyunca ödeme yapan kullanıcı başına tahmini ortalama gelir. **Formül**: `pRevenue / paying users at d{N}`, burada `d{N}` seçilen ufukla eşleşir.                                     |
`pRevenue` temel değerdir. Diğer dört metrik, model ayrı ayrı çalıştırılarak değil, gözlemlenen kohort verileri (harcama, kurulum ve ödeme yapan kullanıcılar) kullanılarak bu değerden türetilir.

Tahmin edilen her metrik, birden fazla kohort dönemi için kullanılabilir: D0, D3, D7, D30, D60, D90, D180 ve D360. Özel bir dönem de gün cinsinden ekleyebilirsiniz. Dönem, değerin kohortun kurulum tarihinden itibaren ne kadar ileriye yansıtıldığını tanımlar.

## Tahminler nasıl hesaplanır \{#how-predictions-are-calculated\}

Tahminler, her uygulamanın kendi geçmiş kohortlarından oluşturulur. Model, geçmiş kohortların başlangıç günlerinden sonra gelirlerinin nasıl büyüdüğünü ölçer, ardından mevcut kohortu aynı yörüngeyi kullanarak ileriye dönük olarak öngörür.
### Temel gün \{#baseline-day\}

Tahminler yalnızca kohort temel gününe ulaştıktan sonra kullanılabilir hale gelir. Temel gün, bir kohortun başlangıç gelirinin %90'ının genellikle elde edildiği ilk gündür. Başlangıç geliri; abonelik başlangıçlarını, deneme sürümü dönüşümlerini ve tek seferlik satın almaları kapsar; yenilemeler bu eşiğe dahil edilmez.

Temel gün, uygulamanın deneme süresi uzunluğuna ve ürün karmasına bağlıdır:
- **Deneme süresi olmayan uygulamalar**: Temel gün genellikle kurulumdan sonraki ilk birkaç gün içine düşer.
- **Kısa deneme süresi olan uygulamalar**: Temel gün, genellikle deneme süresi dönüşümünden kısa süre sonra oluşur.
- **Uzun deneme süresi olan uygulamalar**: Temel gün, kurulumdan bir hafta veya daha sonrasına denk gelebilir; çünkü ilk gelirin büyük kısmı ancak deneme süresi tamamlandıktan sonra gerçekleşir.
### Abonelik türüne göre projeksiyon \{#projection-by-subscription-type\}

Başlangıç gününde, kohortun ilk geliri beş kategoriye ayrılır: aylık, yıllık, haftalık ve üç aylık abonelikler ile tek seferlik satın almalar. Her kategori, uygulamanın geçmiş kohortlarından ölçülen bir yörünge kullanılarak bağımsız olarak ileriye dönük tahmin edilir.

Model, daha yakın tarihli kohortlara ve işlem başına benzer gelir ile benzer ürün karışımı gibi karşılaştırılabilir ekonomik özelliklere sahip kohortlara daha fazla ağırlık verir. Dolayısıyla bir tahmin, uygulamadaki en güncel ve en benzer kohortların gerçekte nasıl performans gösterdiğini yansıtır.
## Tahminler ne zaman kullanılabilir \{#when-predictions-are-available\}

Bir tahmin, yalnızca kohort bunu destekleyecek kadar veriye sahipse gösterilir. Değer üretilemediğinde sütunda em-tire (`—`) gösterilir.

Tahminin kullanılamadığı yaygın nedenler:

- **Kohort, temel gününe ulaşmadı**: Modelin ileriye dönük projeksiyon yapabilmesi için kohortun başlangıç gelirinin stabilize olması gerekir.
- **Uygulama için yeterli geçmiş veri yok**: Uygulamada ilgili abonelik türüne ait yeterli sayıda geçmiş kohort yoksa model, güvenilir elde tutma oranlarını hesaplayamaz.
Tahminler, en güncel işlem verileriyle her gün yeniden hesaplanır; bu nedenle aynı kohort için değerler, daha fazla gelir gözlemlendikçe değişebilir.