Part 1: RFM Analizi
Metaverse falan derken artık iyice sanal dünyalarda yeni hayatlar kurarken bir tarafta da online da satış yapan üreticilerinde en büyük dertleri şu dönemde churn eden müşteriler oluyor.
Neden en büyük dertleri diyorum çünkü yeni bir müşteri edinmek eski müşteriyi elde tutmaktan tam 5 kat daha maliyetli de ondan. Peki rakamlar bu kadar yüksek ise biz şimdi ne yapıcağız? Nasıl bu müşterileri elde tutucağız? Yakınmalarınızı duyar gibiyim. Merak etmeyin bu yazı serisi tam da ihtiyacınızı bir nebzede olsa karşılayacak cinsten çalışmalar sunacak size.
Öncelikle kısaca dünya daki churn istatistiklerini inceleyelim. 
- Dünya genelinde ideal churn oranları 5–6% olduğu görülmektedir(2021 yılı).
- Churn olmuş müşterilerinizin 5% ini kazanmak için iyileştirme yaptığınızda alt toplam karlılığınız 25% arttığı görülmektedir.
- Churn olan müşteriler genellikle kötü hizmet, kötü deneyim, kullanışlı olmayan uygulamalar ve müşteri hizmetleri nedeni ile alışveriş sitesini terk ettiği gözlemlenmiştir.
Hal böyle olunca churn analizide en hızlı karlılık stratejisi olarak gün yüzüne çıkıyor.
Uzun uzadıya burada kodları paylaşmayacağım ama yapılacak ve gelecek seri çalışmalarında öncelikle yapılacak işlemler:
- RFM analizi
- CLTV
- Tenure değeri atama
- Churn değeri atama
- CLTV pred.
- Churn Pred.
Churn analizi serisi için notebook ve github dosyalarına aşağıdaki linklerden ulaşabilirsiniz. Bu dosyalarda detaylı çalışmalar verilmiştir.
Kaggle notebook (up vote yaparsanız çok mutlu olurum :)): https://www.kaggle.com/serapgr/rfm-analysis
Github : https://github.com/serapgur/Python
Bu çalışmayı ve analizi yapılmasında emeği ve katkısı büyük olan Ömer Yasir Küçük, Utku Önsel ve Pınar Ayaz’a teşekkür ederim. Bu çalışma iyi bir ekip işidir.
