Vaka: müşteri kaybı (churn)

1. Şirketin sorusu ve brif

Kim soruyor? Pazarlama müdürü. Önümüzdeki çeyrekte bir “geri kazanma” (win-back) kampanyası yapılacak. Bütçe sınırlı: herkese indirim kodu gönderilmeyecek.

Hangi karar? Kampanya kime gidecek, hangi segment ve şehre öncelik verilecek? Brif üç soruya iniyor:

1. Kaç müşteriyi kaybettik ve bu oran hangi grupta yüksek?
2. Kaybettiğimiz müşteriler geçmişte ne kadar harcamıştı?
3. Henüz kaybetmediğimiz ama kaybetmek üzere olduğumuz müşteriler kim?

Bu vaka, Müşteri analitiği: yeni, geri dönen, kayıp, kohort, RFM dersindeki tekniklere dayanır. Oradaki [Kayıp Müşteri] ölçüsü dönem bazlıdır: “geçen 12 ayda alıp bu dönemde almayan”. Burada kampanya için farklı bir tanım gerekiyor: müşteri bazında, son siparişten bu yana geçen gün sayısı.

2. Veri ve model

Veri sınırları:

• Satış verisi 22.06.2022’de başlar, 31.12.2024’te biter. “Bugün” yerine bu veri sonu tarihini kullanırız. TODAY() kullansaydık her müşteri birkaç ay sonra “kayıp” görünürdü.
• 150 müşteriden 14’ü hiç sipariş vermemiş. Onlar “kayıp” değil, “hiç kazanılmamış” müşteridir; paydaya girmezler.
• 150 müşterinin yalnızca 140 farklı adı var: aynı adı taşıyan müşteriler var. Liste ve gruplamada Musteriler[MusteriNo] kullan, adı yalnızca etiket olarak göster.
• Şehri boş 7 müşteri var. Şehir kırılımında “(Boş)” satırı görünür; gizleme, raporda veri kalitesi notu olarak bırak.

3. Analiz adımları

Adım 1: Kayıp tanımı. Kural: iptal edilmemiş son siparişinden bu yana 180 gün veya daha fazla geçen müşteri kayıptır; 90–179 gün arası “risk altında”dır. Önce yapı taşları:

Son Sipariş =
CALCULATE(
    MAX(Satislar[Tarih]),
    REMOVEFILTERS(Tarih),
    REMOVEFILTERS(Satislar[Kanal]),
    Satislar[Durum] <> "İptal"
)
Veri Sonu = MAXX(ALL(Satislar), Satislar[Tarih])
Sessiz Gün =
VAR Son = [Son Sipariş]
RETURN IF(NOT ISBLANK(Son), DATEDIFF(Son, [Veri Sonu], DAY))

REMOVEFILTERS(Tarih) önemli: rapor sayfasında bir yıl seçilse bile müşterinin gerçek son siparişini buluruz. REMOVEFILTERS(Satislar[Kanal]) ise kanal kırılımında “bu kanaldaki son sipariş” yerine “herhangi bir kanaldaki son sipariş”i verir. Veri Sonu için ALL(Satislar) üzerinde yineleriz; hiçbir dilimleyici bu tarihi değiştirmez.

Bulgu: Sipariş vermiş 136 müşterinin 89’u aktif (90 günden az), 20’si risk altında (90–179 gün), 27’si kayıp (180+ gün).

Adım 2: Kayıp sayısı ve oranı.

Son Sipariş =
CALCULATE(MAX(Satislar[Tarih]), REMOVEFILTERS(Tarih), REMOVEFILTERS(Satislar[Kanal]), Satislar[Durum] <> "İptal")
Veri Sonu = MAXX(ALL(Satislar), Satislar[Tarih])
Sessiz Gün =
VAR Son = [Son Sipariş]
RETURN IF(NOT ISBLANK(Son), DATEDIFF(Son, [Veri Sonu], DAY))
Kaybedilen Müşteri =
COUNTROWS(
    FILTER(
        CALCULATETABLE(VALUES(Satislar[MusteriNo]), REMOVEFILTERS(Tarih), Satislar[Durum] <> "İptal"),
        [Sessiz Gün] >= 180
    )
)
Alışveriş Yapmış Müşteri = CALCULATE([Müşteri Sayısı], REMOVEFILTERS(Tarih))
Kayıp Oranı % = DIVIDE([Kaybedilen Müşteri], [Alışveriş Yapmış Müşteri])

Müşteri listesini Satislar üzerinden alıyoruz (VALUES(Satislar[MusteriNo])). Böylece kanal ve kategori gibi olgu tablosundaki filtreler de listeyi daraltır. FILTER içindeki [Sessiz Gün] çağrısı her müşteri için bağlam geçişi yapar.

Bulgu: 27 / 136 = %19,9 kayıp oranı. Her beş müşteriden biri altı aydır sipariş vermiyor.

Adım 3: Segment, yaş, şehir ve kanal kırılımı. Aynı ölçüyü matriste satırlara koymak yeter.

Şehir düzeyinde İstanbul öne çıkıyor: 27 müşteriden 10’u kayıp (%37,0). Bursa 3/9, Konya 2/5. Ancak Konya’da yalnızca 5 müşteri var; küçük gruplarda oran tek bir müşteriyle %20 oynar. Raporda oranın yanına mutlaka müşteri sayısını yaz.

Adım 4: Kaybedilen müşterilerin geçmiş harcaması.

Son Sipariş =
CALCULATE(MAX(Satislar[Tarih]), REMOVEFILTERS(Tarih), REMOVEFILTERS(Satislar[Kanal]), Satislar[Durum] <> "İptal")
Sessiz Gün =
VAR Son = [Son Sipariş]
RETURN IF(NOT ISBLANK(Son), DATEDIFF(Son, MAXX(ALL(Satislar), Satislar[Tarih]), DAY))
Kaybedilen Ciro =
CALCULATE(
    [Net Satış],
    REMOVEFILTERS(Tarih),
    FILTER(VALUES(Musteriler[MusteriNo]), [Sessiz Gün] >= 180)
)

Bulgu: Kaybedilen 27 müşteri, tüm dönemde 185.576 ₺ harcamış. Bu, toplam net satışın (1.250.772 ₺) %14,8’i. Kaybedilen müşteri başına geçmiş harcama 6.873 ₺; kalan müşterilerde 9.772 ₺. Yani genelde daha az harcayanları kaybediyoruz. Ama Premium istisna: kaybedilen cironun 82.328 ₺’si (%44) yalnızca 8 Premium müşteriden geliyor. Premium müşteri ortalama 11,1 sipariş veren, 16.271 ₺ harcayan bir müşteri; böyle birinin altı ay sessiz kalması güçlü bir sinyaldir.

Adım 5: Zaman içinde kayıp. Brif “şu an” soruyor, ama yönetim “artıyor mu?” diye de soracak. Veri sonu yerine bağlamdaki son tarihi kullanan bir sürüm:

Son Sipariş (Tarihe Kadar) =
VAR Gun = MAX(Tarih[Tarih])
RETURN CALCULATE(MAX(Satislar[Tarih]), REMOVEFILTERS(Tarih), Satislar[Tarih] <= Gun, Satislar[Durum] <> "İptal")
Kayıp (Tarihe Göre) =
VAR Gun = MAX(Tarih[Tarih])
VAR Musteriler180 =
    FILTER(
        CALCULATETABLE(VALUES(Satislar[MusteriNo]), REMOVEFILTERS(Tarih), Satislar[Tarih] <= Gun, Satislar[Durum] <> "İptal"),
        DATEDIFF([Son Sipariş (Tarihe Kadar)], Gun, DAY) >= 180
    )
RETURN COUNTROWS(Musteriler180)

Bulgu: Çeyrek sonlarında kayıp müşteri sayısı: 2023-Ç4 7, 2024-Ç1 12, Ç2 15, Ç3 20, Ç4 27. Bir yılda dört katına yakın arttı. Müşteri tabanı da büyüyor, ama artış hızı ciddi.

Adım 6: Risk altındaki müşteriler listesi. Kampanyanın asıl hedefi bu liste: henüz kaybedilmemiş, 90–179 gündür sessiz müşteriler.

EVALUATE
VAR Liste =
    ADDCOLUMNS(
        VALUES(Musteriler[MusteriNo]),
        "Müşteri", CALCULATE(MAX(Musteriler[Musteri])),
        "Segment", CALCULATE(MAX(Musteriler[Segment])),
        "Son", CALCULATE(MAX(Satislar[Tarih]), REMOVEFILTERS(Tarih), Satislar[Durum] <> "İptal"),
        "Ciro", CALCULATE([Net Satış], REMOVEFILTERS(Tarih))
    )
VAR Riskli =
    FILTER(Liste, NOT ISBLANK([Son]) && DATEDIFF([Son], DATE(2024, 12, 31), DAY) >= 90 && DATEDIFF([Son], DATE(2024, 12, 31), DAY) < 180)
RETURN TOPN(10, Riskli, [Ciro], DESC)

Bulgu: 20 risk altındaki müşteri, geçmişte toplam 122.492 ₺ harcamış. 18’i Bireysel, 2’si Kurumsal; risk listesinde hiç Premium müşteri yok. Premium’daki sorun 180+ gün grubunda: 8 kayıp. İlk üç: 97 no.lu Mehmet Doğan (90 gün, 19.457 ₺), 24 no.lu Gamze Kaya (Kurumsal, 97 gün, 16.354 ₺), 51 no.lu Eren Çelik (109 gün, 11.573 ₺).

4. Rapor sayfası taslağı

Risk tablosuna bir dilimleyici (Slicer) olarak “sessiz gün eşiği” eklemek istersen Segmentasyon dersindeki ne olur (what-if) parametresini kullan: 180 sabiti parametre değerine dönüşür.

5. Bulgu özeti ve öneri

1. Kayıp oranı %19,9 (27 / 136) ve bir yılda 7’den 27’ye çıktı. Kayıp takibi aylık KPI olmalı.
2. Premium en yüksek orana sahip (%26,7) ve kaybedilen cironun %44’ü bu segmentten. Premium için 180 gün yerine daha kısa bir uyarı eşiği (ör. 60 gün) tanımla; bu müşteriler ortalama 11 sipariş veriyor, uzun sessizlik normal değil.
3. Marmara ve özellikle İstanbul (%37,0) öne çıkıyor. Bölge ekibiyle teslimat ve rakip etkisini konuş; küçük şehirlerde oranı müşteri sayısıyla birlikte oku.
4. Kampanya önce risk listesine gitsin: 20 müşteri, 122.492 ₺ geçmiş ciro. Kaybedilmişlere göre geri kazanmak daha ucuzdur.
5. 35-54 yaş grubunda oran %27 civarında, 55+ grubunda %10,3. Mesaj ve kanal seçimini yaş grubuna göre ayır.