Mobil Analitikte Huni Analizi — nedir, huni aşamaları ve nasıl oluşturulur

Huni Analizi Nedir?

Huni Analizi (Funnel Analysis), dönüşüme giden bir dizi olayın belirlendiği bir analiz yöntemidir. Sonraki her adım, yalnızca önceki tüm adımları tamamlayan kullanıcıları içerir. Sonuç bir “huni”dir — geniş bir giriş (başlayan herkes) ve dar bir çıkış (tamamlayanlar).

Mobil uygulamalarda tipik bir huni şöyle görünür: yükleme → kayıt → oryantasyon → ilk eylem → tekrar eden eylem → satın alma. Her adımda bazı kullanıcılar ayrılır ve analistin görevi nedeni anlamak ve kayıpları azaltmaktır.

Temel Huni Metrikleri

Adımlar arasındaki Ortalama Süre metriği genellikle hafife alınır. Yüklemeden kayda ortalama 45 dakika sürüyorsa, sorun içerik yüklemesinde veya ilk ekranın karmaşıklığındadır.

Mobil Analitikte Huni Türleri

Huniler iki ana türe ayrılır — açık ve kapalı. Seçim senaryoya ve kullanıcı yolculuğunun esnekliğine bağlıdır.

Kapalı Huni (Strict Funnel)

Kullanıcı tüm adımları sıkı bir sırayla tamamlamalıdır. Bir adımı atlarsa veya başka bir yol izlerse huniye dahil edilmez. Örnek: kayıt → e-posta onayı → profil doldurma → ilk sipariş. Kapalı huniler temiz bir resim sağlar ancak gerçek kullanıcı senaryolarını dışlar.

Açık Huni (Open Funnel)

Kullanıcı adımları herhangi bir sırayla gerçekleştirebilir veya bazılarını atlayabilir. Sistem her adımda dönüşümü bağımsız olarak hesaplar. Örnek: katalog görüntüleme → sepete ekle → ödeme. Açık Huni, çoğu mobil uygulama için daha gerçekçi bir yöntemdir.

• Kapalı huni — katı sıra, tüm adımlar zorunlu
• Açık huni — serbest sıra, adımlar isteğe bağlı
• Hibrit — ilk adımlar zorunlu, sonrakiler serbest

Abonelik Uygulaması için Hibrit Huni Örneği

1. Adım (zorunlu): uygulama yükleme. 2. Adım (zorunlu): abonelik ekranını görüntüleme. 3. Adım (isteğe bağlı): planları görüntüleme. 4. Adım (zorunlu): abonelik satın alma. Hibrit yaklaşım, veri saflığı ve gerçekçilik arasında denge sağlar.

Huni Oluşturma Aşamaları

Huni oluşturmak, analitik ve ürünün kesiştiği noktada bir görevdir. Süreç, hipotez formülasyonundan rapor otomasyonuna kadar beş adımdan oluşur.

1. Adım: Hedef Dönüşümü Tanımlayın

Kullanıcının ne yapmasını istiyorsunuz? purchase_completed, subscription_started, referral_sent. Hedef olay huninin tepesidir. Aşağıdaki tüm adımlar ona götürür.

2. Adım: Yolu Olaylara Ayırın

Uygulama girişi ile hedef eylem arasındaki tüm zorunlu olayları listeleyin. E-ticaret için: app_opened → product_viewed → add_to_cart → checkout_started → payment_selected → purchase_completed. Her olay zaten Event Tracking'de bulunmalı veya eklenecektir.

3. Adım: Bir Zaman Penceresi Seçin

Zaman penceresi — ilk ve son adım arasındaki maksimum süre. Hızlı senaryolar (oyun yükleme) için — 24 saat. Abonelik tabanlı için — 7 veya 30 gün. Pencere dışındaki olaylar analize dahil edilmez.

Pencere seçimi doğrudan dönüşümü etkiler: çok kısa bir pencere (1 saat), 2 saat sonra bir satın almayı tamamlamak için geri dönen kullanıcıları keser. Çok uzun (30 gün) rastgele eylemleri içerir. Optimum, adımlar arasındaki sürenin analiz edilmesiyle belirlenir: bir aralık dağılımı oluşturun ve pencereyi 90. yüzdelik dilimde seçin.

Hızlı huniler (oryantasyon, kayıt) için 1 saatlik bir pencere kullanın. Orta (ilk satın alma) için — 7 gün. Uzun (abonelik) için — 30 gün. Aynı huni içinde farklı adım çiftleri için farklı pencereler kullanılabilir.

-- BigQuery'de Funnel hesabı örneği
WITH funnel_steps AS (
  SELECT
    user_id,
    event_name,
    event_timestamp,
    LAG(event_name) OVER (
      PARTITION BY user_id ORDER BY event_timestamp
    ) AS previous_event
  FROM `project.events.*`
  WHERE event_name IN (
    'app_opened', 'product_viewed',
    'add_to_cart', 'purchase_completed'
  )
)
SELECT
  event_name AS step,
  COUNT(DISTINCT user_id) AS users,
  ROUND(
    COUNT(DISTINCT user_id)
    / MAX(COUNT(DISTINCT user_id)) OVER (), 3
  ) AS conversion_rate
FROM funnel_steps
GROUP BY step
ORDER BY ARRAY_POSITION(
  ['app_opened', 'product_viewed',
   'add_to_cart', 'purchase_completed'],
  event_name
)

Sorgu, sırayı izlemek için LAG ve adımları sıralamak için ARRAY_POSITION kullanır. Sonuç, her adımdaki kullanıcı sayısı ve dönüşümü gösteren bir tablodur.

4. Adım: Geçmiş Verilerle Doğrulayın

Son 30 günün verileriyle huniyi oluşturun. “checkout_started” %80 dönüşüme sahipken “purchase_completed” %25 ise, sorun ödeme formundadır. Rekabetçi kıyaslamalarla karşılaştırın: Statista'ya (2024) göre mobil uygulamalarda ortalama sepet dönüşümü %15–25'tir.

5. Adım: İzlemeyi Otomatikleştirin

Bir panelde (Looker Studio, Tableau) huni ile günlük rapor ayarlayın. Uyarılar ekleyin: bir adımdaki Dönüşüm Oranı kontrol sınırının altına düşerse Slack veya Telegram'a bildirim gönderin.

Hunide Kayıp Analizi

Ayrılma Analizi (Drop-off Analysis), Huni Analizinin önemli bir aşamasıdır. Her adımdaki kayıplar, ürün iyileştirme için hipotez kaynağıdır. Üç sorun alanı belirlenir: teknik hatalar, UX engelleri ve motivasyonel senaryolar.

Teknik Kayıplar

“registration_completed” adımında telefon numarası girdikten sonra kullanıcıların %15'i ayrılıyorsa, SMS ağ geçidini kontrol edin. Teknik kayıplar 1–2 günde düzeltilir ve hızlı dönüşüm artışı sağlar. Hataları belirlemek için Firebase Crashlytics'i huni ile birlikte kullanın.

UX Engelleri

“cart_viewed” → “checkout_started”da %40 kayıp varsa, sorun sepet UX'indedir. Ekranın üst kısmında bir “Ödeme” butonu olmayabilir veya adres girmeden önce teslimat ücreti gösterilmiyor olabilir. UX analizi oturum tekrarları (Hotjar, UXCam, Smartlook) gerektirir.

Motivasyonel Kayıplar

Kullanıcı “payment_selected”a ulaşıp satın almayı tamamlamazsa, teklifin değeri fiyattan düşüktür. Motivasyonel kayıplar indirimler, denemeler ve sosyal kanıt ile ele alınır. A/B testi: kullanıcıların %50'sine ödeme sayfasında yorumları gösterin ve dönüşümü karşılaştırın.

• Teknik — hatalar, zaman aşımları, API hataları (kayıpların %20'sine kadar)
• UX engelleri — karmaşık navigasyon, gizli CTA'lar (%35'e kadar)
• Motivasyonel — fiyat, güven eksikliği (%45'e kadar)

Analiz Metodolojisi: Huni için 5 Neden

Huniye uygulanan 5 Neden tekniği: dönüşümün %20 düştüğü bir adımda sırayla beş “neden” sorusu sorun. Kullanıcılar neden ödemeye ulaşamıyor? Çünkü ödeme formu yavaş yükleniyor. Neden yavaş yükleniyor? Çünkü ödeme ağ geçidine istek zaman aşımına uğruyor. Neden zaman aşımına uğruyor? Çünkü SDK güncellenmemiş. Metodoloji semptomu değil, kök nedeni belirler.

Huninin kohort analizi başka bir araçtır. Ocak ve Şubat aylarında uygulamayı yükleyen kullanıcıların hunisini karşılaştırın. Şubat kohortu “kayıt” adımında %15 dönüşüm düşüşü gösteriyorsa, neden Ocak sonunda yayınlanan oryantasyon ekranındaki bir değişikliktir. Kohortlar zamansal faktörleri izole eder.

CXL Institute'a (2024) göre, sistematik Ayrılma Analizi ve ardından hipotezlerin A/B testi, 3 ayda ortalama %30 huni dönüşüm artışı sağlar.

Huni Analizi Araçları

Her araç huni oluşturmak için kendi yaklaşımını sunar. Seçim, ürün karmaşıklığına ve bütçeye bağlıdır.

Amplitude — Pathfinder ve Huni Analizi

Amplitude ürün analitiğinde liderdir. Yerleşik Huni Analizi, huniyi kohortlara, cihazlara ve uygulama sürümlerine göre segmentlere ayırmanıza olanak tanır. Pathfinder, dallanmaları gösterir — 2. adımdan sonra kaç kullanıcının alternatif bir yol izlediğini gösterir.

Mixpanel — Flows

Mixpanel Flows, huniyi bir geçiş grafiği olarak görselleştirir. Artı: gerçek zamanlı güncelleme. Eksi: ücretsiz planda sınırlı filtreleme. 10 analiste kadar ekibi olan orta ölçekli projeler için uygundur.

Firebase Analytics — Huni Raporu

Firebase, 10 adıma kadar sınırla ücretsiz bir Huni Raporu sağlar. BigQuery ile entegrasyon, SQL aracılığıyla özel huniler oluşturmanıza olanak tanır. Dönüşümü analiz etmeye yeni başlayan girişimler için idealdir.

Tableau + BigQuery

Kurumsal çözümler için BigQuery'yi kaynak olarak kullanarak Tableau kullanın. Bu, tam esneklik sağlar: özel metrikler, yüklemeden LTV'ye uçtan uca analitik, gerçek zamanlı izleme. Bir BI mühendisi gerektirir.

Google Analytics 4 — Huni Keşfi

GA4, Explore bölümünde Huni Keşfi sunar. 10 adıma kadar, kullanıcı parametrelerine göre segmentasyon ve zaman dilimi karşılaştırmasını destekler. Eksi: Amplitude'e kıyasla sınırlı esneklik, ancak tamamen ücretsiz ve Google Ads ile entegredir.

Huni Analizi Araçları Karşılaştırması

Araç seçimi analiz sıklığına göre belirlenir. Günlük huni izleme için Amplitude veya Mixpanel uygundur. Haftalık stratejik raporlar için BigQuery ile Tableau. Girişimler için Firebase veya GA4.