---
title: Cohort Retention Analyzer
category: product
entity_type: skill
price: ₺369
canonical: https://forgehouse.ai/tr/skiller/cohort-retention-analyzer/
lang: tr
hreflang_alt: https://forgehouse.ai/skills/cohort-retention-analyzer/
last_updated: 2026-06-20
---

# Cohort Retention Analyzer

> Group customers by kickoff month and turn retention into a curve, fitting decay, projecting LTV and computing NRR, GRR, Magic Number and Rule of 40 with a survivor-bias guard.

'X ayında başlayan müşteriler hâlâ bizimle mi?' sorusunun cevabını tek bir sayı değil, bir eğri, bir yarı-ömür olarak verir. Müşterileri başlangıç aylarına göre gruplar, retention azalmasını (önce doğrusal onboarding, sonra üssel azalma) modeller, LTV tahmini çıkarır ve NRR, GRR, Magic Number, Rule of 40 gibi SaaS sağlık metriklerini hesaplar, üstelik ayrılan müşterileri paydadan düşürmeyen yerleşik bir hayatta kalan yanılgısı koruması ile.

## Ne için kullanılır
- 'Hangi başlangıç ayı en uzun kaldı?' sorusunu yanıtla
- LTV/CAC için cohort bazlı yaşam boyu değer tahmini
- NRR, GRR, Magic Number, Rule of 40 raporla
- Panele cohort bağlılık ısı haritası yerleştir
- Gelirin çoğunu üreten en güçlü %20 cohort'u bul
- Brier skoru ile retention tahminlerini kalibre et

## Faydalar
- Sabit cohort büyüklüğü koruması ile abartılı bağlılık iddialarından kaçın
- Naif doğrusal hesap yerine hibrit azalma modeliyle yaşam boyu değeri öngör
- Tahminlerinin gerçekte ne kadar isabetli olduğunu zaman içinde takip et
- Gelirin çoğunu sessizce üreten az sayıdaki cohort'u görünür kıl

## Ne içerir
- Materyalize yenileme ve indekslerle genişletilmiş PostgreSQL cohort bağlılık görünümü
- scipy.optimize.curve_fit ile hibrit azalma eğrisi uydurun Python çözümleyici
- Başlangıç ayını, başlangıçtan geçen aylara karşı haritalayan Recharts ısı haritası bileşeni
- Doğrusal, üssel ve hibrit LTV karşılaştırması ile NRR/GRR/Magic Number/Rule of 40 formülleri
- Her tahmini sonraki gerçek verilerle karşılaştıran Brier skoru kalibrasyon kaydı
- Cohort'u ortak bir topluluk yolculuğu olarak sunan müşteri rapor bölümü şablonu

## Kimler için
Bağlılık, yaşam boyu değer ve SaaS sağlık sayılarını hayatta kalan yanılgılı ortalamalar yerine gerçek cohort verisine dayandırmak isteyen kurucular, gelir operasyonları ve analitik ekipleri için.

## Nasıl çalışır
Ham ödeme kayıtlarından elde tutma kararına uzanan gerçek hat. Survivor bias yok, el sallamak yok, yaptığı iş tam olarak şu:
1. Her müşteriyi başlangıç ayına göre kohorta atar. Başlangıç ayı ilk tamamlanmış ödemenin tarihinden türetilir, yani kohortlar kayıt formuna değil gerçek paraya çapalanır.
2. Ay ay elde tutma matrisini kurar (M0'dan M23'e) ve survivor bias korumasını doğrudan SQL'e gömer: payda kohortun başlangıç boyutunda kilitli kalır, ayrılan müşteriler hesaptan sessizce düşürülmez.
3. Elde tutma eğrisini hibrit modelle oturtur: ilk 3 onboarding ayı doğrusal azalma, sonrası üstel azalma. Ardından kohortun yarı ömrünü hesaplar, yani kohortun yarısının kaç ayda gittiğini.
4. Müşteri başına yaşam boyu değeri üç yöntemle projekte eder (doğrusal, üstel, hibrit) ve üzerine SaaS sağlık setini hesaplar: NRR, GRR, Magic Number ve Rule of 40.
5. Yaptığı her tahmini bir ay sonra gelen gerçek değerle karşılaştırıp farkı Brier skoruyla puanlar. Böylece modelin kalibrasyonu varsayılmaz, sürekli ölçülür.
6. Kümülatif gelire göre en iyi %20 kohortu ayırır (power-law kontrolü) ve ortak noktalarını sorar: sektör mü, kanal mı, onboarding yoğunluğu mu. En iyi kohortlar gösteriş istatistiği değil, kopyalanacak hedef hâline gelir.

## Sık sorulanlar
### Kohort eğrilerini almak için ne beslemem gerekir?
Müşterilerinizi başlangıç ayına göre gruplanmış ve zaman içindeki tutundurma veya gelirleriyle birlikte alır, bu da standart abonelik verisidir. Bundan düşüşü modeller ve ileri yansıtır, yani girdi sizin sağladığınız bir tahmin değil, geçmiştir.

### Neden ortalama almak yerine eğri uydurulsun ki?
Çünkü tek bir ortalama şekli gizler. Onboarding sırasındaki erken kayıp ile yavaş sabit dönem düşüşü farklı davranır. Bu iki parçayı ayrı modellemek, düz bir sayıdan daha sağlam duran bir LTV yansıtması verir.

### Yalnızca birkaç aylık verim varsa yansıtma güvenilir olur mu?
Yansıtma ancak arkasındaki geçmiş kadar savunulabilir, yani ince kohortlar geniş ve belirsiz eğriler verir. NRR ve Rule of 40 gibi sağlık ölçütlerini var olandan hesaplar ama henüz yaşamadığınız olgunluğu uyduramaz.

## Fiyat
₺369, tek seferlik, abonelik yok. KDV dahil.

İlgili rehber: [Yapay zekâ ile Google Ads yönetimi](https://forgehouse.ai/tr/rehberler/yapay-zeka-google-ads-yonetimi/)