E-Ticaret Büyüme Ekipleri Neden Kasıtlı Yanlış Yapıyor?

E-Ticaret Büyüme Ekipleri Neden Kasıtlı Yanlış Yapıyor?

Omniconvert CEO’su Valentin Radu’nun yakın zamanda yaptığı bir analiz, rahat okunan türden değil. Anlattığı tablo şöyle: Yedi haneli ciroya ulaşmış bir DTC markasının kurucusu elinden gelen her şeyi yapıyor. Triple Whale gibi bir raporlama aracı, deneyimli bir media buyer, ayrıntılı bir takip altyapısı var. Buna rağmen marka her yıl bir öncekinden daha kötü gidiyor.

İlk akla gelen “veri eksik” demek. Radu’nun söylediği ise tam tersi: Sorun veri azlığı değil. Doğru metrikleri takip etmek, yanlış karar vermenizi tek başına engellemiyor. Bu yazıda o kör noktalara, bizim pazarda nasıl göründüklerine ve ekiplerin neden bile bile aynı hataya döndüğüne bakacağız. Dijital pazarlama içeriklerinin geri kalanı için ana sayfaya göz atabilirsiniz.

İçindekiler

• Ortalamalar Gerçeği Gizliyor
• Yeni Müşteri Edinimi Saplantısı
• Platform Verisi Neden Yanıltıcı?
• “Kasıtlı Yanlış” Ne Demek?
• Doğru Soruları Sormak
• Sıkça Sorulan Sorular
• Peki Şimdi Ne Yapmalı?

Ortalamalar Gerçeği Gizliyor

“Ortalama ROAS 2,8” cümlesi toplantıda iyi duyulur. Rahatlatır, kimse itiraz etmez. Ancak aynı hesabı müşteri gruplarına göre, yani cohort bazında açtığınızda tablo değişebilir: Bir segmentte ROAS 5’e çıkarken bir başkasında 0,8’de kalıyor. Ortalama bu iki ucu birbirine karıştırıp ortaya sakin bir sayı koyuyor.

Asıl tehlike bundan sonra başlıyor. Bütçe kararı çoğu zaman “genel performans iyi, o halde artıralım” mantığıyla veriliyor. Artan bütçe ise çoğu zaman en kolay hacim getiren, yani en düşük kaliteli segmente akıyor. Yani ortalamaya bakıp aldığınız karar, kâr eden tarafı beslemek yerine zarar eden tarafı büyütebiliyor.

Türkiye’de bunu sık görüyoruz. Kampanya dönemlerinde indirimle gelen müşteri ile organik arama üzerinden gelen müşteri aynı panelde tek bir rakama dönüşüyor. Oysa ikisinin ikinci siparişe dönme davranışı birbirinden çok farklı olabiliyor. Bu farkı görmenin ilk adımı ROAS’ı kanal, ürün grubu ve müşteri tipine göre ayrı ayrı okumak.

Yeni Müşteri Edinimi Saplantısı

Çoğu e-ticaret ekibinin gündemi yeni müşteri bulmak üzerine kurulu. Haftalık toplantıların yarısı CPA, yaratıcı testleri ve hedef kitle genişletmeyle geçiyor. Mevcut müşteri ise çoğunlukla “e-posta ekibinin işi” diye bir köşede bekliyor.

Radu’nun vurguladığı nokta şu: Mevcut müşterinin yaşam boyu değeri (LTV), yeni müşteri edinme maliyetini çoğu zaman finanse edemiyor. Yani ilk siparişte kaybettiğinizi sonraki siparişlerle kapatmayı planlıyorsunuz ama o sonraki siparişler ya gelmiyor ya da yeterince gelmiyor. Bu durumda her yeni müşteri, büyüme gibi görünen bir yük oluyor.

Bu konuyu daha önce İlk Satıştan Zarar Edip Sonunda Kâr Etmek Mümkün mü? yazısında müşteri yaşam boyu değeri üzerinden ele almıştık. Kısaca: İlk satışta zarar etmek bilinçli bir strateji olabilir, ama ancak ikinci ve üçüncü siparişin gelme oranını biliyorsanız. Bilmiyorsanız bu strateji değil, umut.

Retention ve LTV tarafındaki küçük iyileştirmeler, edinim tarafındaki aynı oranlı iyileştirmeden çoğu zaman daha hızlı sonuç verir. Çünkü zaten kazandığınız bir kitleyle çalışıyorsunuz; reklam açık artırmasında rakiplerle yarışmak zorunda değilsiniz.

Platform Verisi Neden Yanıltıcı?

Meta, Google ve TikTok panelleri aynı satışı kendi hesabına yazabiliyor. Bir müşteri Instagram reklamını görüyor, iki gün sonra Google’da markayı arayıp alışveriş yapıyorsa, iki platform da bu satışın sahibi olduğunu söylüyor. Panelleri toplayınca gerçek cironuzun üzerinde bir “katkı” çıkması şaşırtıcı değil.

Burada platformları suçlamak haksız olur; her biri kendi görebildiği veriyle çalışıyor. Sorun, bu raporu tek gerçek gibi okumakta. Gerçek incremental değeri, yani reklam olmasaydı gerçekleşmeyecek satışı bulmak için Marketing Mix Modeling ya da incrementality testi gerekiyor. Coğrafi bölge testleri, bekletme (holdout) grupları ya da belirli bir dönem reklamı bilinçli kısmak bu işin en erişilebilir yollarından.

Aynı mantığın bir başka örneğini Affiliate Satışlarınızın Ne Kadarı Zaten Olacaktı? yazısında okuyabilirsiniz. Orada da soru aynı: Bu satış gerçekten sizin kanalınız sayesinde mi geldi, yoksa zaten gelecek miydi?

“Kasıtlı Yanlış” Ne Demek?

Başlıktaki “kasıtlı” kelimesi biraz sert duruyor, haklısınız. Radu’nun kastettiği, ekiplerin kötü niyetle yanlış yaptığı değil; doğrunun zor, yanlışın kolay olması. Cohort analizi kurmak, incrementality testi tasarlamak, LTV modellemek zaman, veri temizliği ve bir miktar cesaret istiyor. Dashboard’daki hazır metriklere bakmak ise beş dakika sürüyor.

İnsan doğası gereği kolay ölçülene yöneliyor. Bir metriğin tam doğru olmadığını bilseniz bile her sabah önünüzde duruyor, yönetime sunması kolay, hedefe bağlaması kolay. Zamanla “bilinçli bir seçim” gibi görünen şey aslında kolayın çekimi oluyor. Kasıtlı yanlış tam olarak bu: Farkındasınız ama değiştirmek için gereken emeği vermiyorsunuz.

Bunun bir de kurumsal tarafı var. Bir ekibin primi ya da değerlendirmesi ROAS’a bağlıysa, o ekipten ROAS’ın yanıltıcı olduğunu söylemesini beklemek adil değil. Ölçüm sistemi davranışı belirliyor.

Doğru Soruları Sormak

Çözüm yeni bir araç almak değil, soruları değiştirmek. Radu’nun yaklaşımından yola çıkarak şu dört başlıkla başlayabilirsiniz:

• Cohort LTV: Her edinim kanalından gelen müşterinin ilk 90, 180 ve 365 gündeki değeri nedir? Hangi kanal ilk siparişte iyi görünüp sonra sönüyor?
• Retention: Müşteri satın aldıktan sonra ne kadar kalıyor? Kayıp en çok hangi dönemde yaşanıyor?
• Incremental ROAS: Platform raporlarındaki ROAS ile MMM ya da test sonucundaki ROAS arasındaki fark ne kadar?
• Ürün-kanal uyumu: Hangi ürünler hangi kanaldan gelen müşteriyle daha uzun bir ilişki kuruyor?

Küçük bir markaysanız hepsini aynı anda kurmanız gerekmiyor. Önce mevcut sipariş verinizi müşteri bazında ilk sipariş ayına göre gruplayıp üç aylık tekrar alım oranına bakın. Bu tek tablo bile birçok varsayımı sarsabilir. Sonra bir kanalda küçük bir holdout testi deneyin. Amaç mükemmel bir model değil, kararları ortalamadan kurtarmak.

Bu soruların bazıları rahatsız edici cevaplar üretecek. Belki en çok yatırım yaptığınız kanalın katkısı sandığınızdan düşük çıkacak. Ama uzun vadeli büyüme için bu rahatsızlık zorunlu. E-ticaret tarafındaki diğer yazılarımı E-Ticaret kategorisinde bulabilirsiniz.

Sıkça Sorulan Sorular

Cohort analizi için ne kadar veriye ihtiyaç var?

Başlamak için büyük bir veri setine gerek yok. Birkaç yüz siparişi ilk sipariş ayına göre gruplayıp tekrar alım oranına bakmak bile işe yarar. Veri arttıkça kanal ve ürün kırılımı ekleyebilirsiniz.

Marketing Mix Modeling küçük bir mağaza için gerçekçi mi?

Tam kapsamlı MMM genelde belirli bir harcama ve veri geçmişi ister. Küçük işletmelerde coğrafi test, zaman bazlı bütçe değişikliği ya da bekletme grubu gibi daha basit incrementality yöntemleri çoğu zaman yeterli ve çok daha ucuz.

Platform raporlarını tamamen bırakmalı mıyım?

Hayır. Günlük optimizasyon için hâlâ işe yarıyorlar. Sadece bütçe dağıtımı gibi büyük kararları yalnızca onlara dayandırmayın; bağımsız bir ölçümle birlikte okuyun.

Retention’a bütçe ayırınca edinim düşmez mi?

Kaynakları tamamen kaydırmanız gerekmiyor. Edinim bütçesinin küçük bir kısmını sadakat, tekrar alım e-postaları ve müşteri deneyimine ayırıp sonucu cohort bazında izlemek mantıklı bir başlangıç.

Ekibimi bu yönde nasıl ikna ederim?

Önce ölçüm sisteminin davranışı nasıl şekillendirdiğini konuşun. Hedefler yalnızca ROAS’a bağlıysa ekip de ROAS’a oynar. Hedeflere LTV ve tekrar alım oranı eklemek çoğu zaman en etkili adım.

Peki Şimdi Ne Yapmalı?

E-ticaret büyüme stratejisi, zor soruları sormayı gerektiriyor. Bu sorular bazen can sıkıcı veriler çıkarır; yine de büyümenin sürdürülebilir olması buna bağlı. Bu yaklaşımı kendi markanıza uygulamak istiyorsanız E-Ticaret Danışmanlığı hizmetime göz atabilir ya da iletişim sayfasından bana ulaşabilirsiniz. Birlikte strateji geliştirelim; 24 saat içinde dönüş yapıyorum.

Kaynakça

Omniconvert. (2026, 27 Mart). Most eCommerce growth teams are doing this wrong. Intentionally. https://omniconvert.com

Omniconvert. (2026). CRO for eCommerce: Advanced strategies. https://omniconvert.com/blog