İşletmeniz için yeni bir müşteriyi kazanma maliyeti, eldeki müşteriyi tutmanın maliyetinin yedi katıdır. Müşteri sadakatini doğru analiz edip doğru müşteriye yatırım yapmak her zaman daha kazançlıdır. Yaşam boyu müşteri değerini doğru öngörmek, işletmelerin müşterilerinden beklentilerini ölçmek için önemlidir. Bu önemli kavram (CLTV), bir müşterinin işletmeniz için üreteceği tüm gelirlerin beklenen toplamını oluşturmaktadır.
Cross-sell (Çapraz satış) Nedir?
Çapraz satış, bir müşterinin satın alma kararı verdiği ürünün yanında bir ürün daha satın almasıdır. Yani, müşteriyi daha fazla harcama yapmaya ikna etmek için kullanılan bir satış tekniğidir. Upsell ise satın alınan bir ürünün daha gelişmiş veya pahalı versiyonunu almaya ikna etmektir. Cross-sell’in Upsell’den farkı, bir müşterinin aldığı ürüne uyumlu ikinci bir ürün satmaktır.
Nasıl Kullanılır?
Amazon, satışlarının %35’ini her ürün sayfasına yerleştirdiği “Bu ürünü satın alanlar bunları da aldı!” şeklindeki çapraz satış uygulamasına borçludur. Çapraz satış, günümüzde karşımıza çıkan popüler pazarlama yöntemlerinden biri olarak kullanılır.
· Bir elektronik mağazasının dijital kamera satın alan müşterilerine hafıza kartı satmayı denemesi,
· Bir fast-food restoranında “Menünün yanında soğan halkası da ister misiniz?” diye sorulması,
· Bir e ticaret sitesinin ödeme ekranında, popüler olan ürünlerden, ürünü tamamlayıcı bir aksesuarın tanıtımının yapılması
bu pazarlama yöntemine örnek olarak gösterilebilir.
Bir ürünün çok satılması veya birden fazla ürünle satılması durumu alıcıların kişisel özelliklerine, satış yapılan tarihe ve özel günlere bağlıdır. Satış söz konusu olduğunda tüm bu özellikler bütün olarak ele alınmalıdır. Buna bağlı olarak, çapraz satış kararı almak için verilerinizi yorumlayabiliyor olmanız gerekmektedir. İşletmeler bu yorumlamayı veri güvenliklerini düşünerek işletme içerisinde yapmak istediklerinde ciddi bir veri bilimcisi maliyetiyle karşı karşıya kalabilmektedirler. Dolayısıyla, işletmeler uzmanlık alanlarının dışındaki maliyetlere yer ayırmak istemeyebilirler. Günümüzde, popüler olan otomatik makine öğrenme motorları işletmelerin yapay zeka teknolojilerini daha az maliyetle kullanmasını sağlamaktadır.
Çapraz Satışın Avantajları nelerdir?
1. Daha Fazla Satış: Dikkat edilmesi gereken satış artışının anlamı, genel müşteri artışı değil, müşterilerin tek seferde daha fazla ürün satın almasıdır.
2. Optimize Edilmiş Maliyetler: Birden fazla ürün içeren bir siparişi yönetmek, her zaman, tek ürün içeren birden fazla siparişi yönetmekten ucuzdur.
3. Daha Fazla Müşteri Sadakati: Kullanıcınızı ihtiyaçlarını öngörerek değerli hissettirmek, markanıza olan bağlılığı arttırmaktadır.
4. Hitap Ettiğiniz Kitleyi Daha İyi Tanımak: Her yeni satışta müşterilerin davranışları analiz edilebilmektedir. Bu durum, daha etkili bir satış stratejisi sağlar.
5. “Bilinmeyen Ürünleri” Satmak: Daha az popüler olan ürünleri, müşterilere göstermek için mükemmel bir fırsattır.
6. Daha İyi Kullanıcı Deneyimi: İkinci ürünler sunulduğunda, kullanıcının web sitesinde daha fazla etkileşim kurması sağlanmaktadır. Bu da SEO çalışmalarının güçlenmesi için etkili bir yoldur.
Yukarıda açıklanan çapraz satışın, işletmeye olan getirilerinden yararlanmak isteyen bir e-ticaret sitesinin satış verileri otomatik makine öğrenme modelleri üreterek çalışan skorlama motoru OptiScorer’da, işletmenin hangi ürünleriyle çapraz satış planlaması gerektiği analiz edilmektedir.
Tahmin için kullanılan verilere buradan erişebilirsiniz. https://www.kaggle.com/carrie1/ecommerce-data
Veri Kolonları ve Anlamları
InvoinceNo (fatura numarası): Modelde her bir fatura numarası bir sipariş işlemiyle özdeşleşmektedir. Bu da bir fatura numarasının tekrarı anlamına gelebilmektedir. Bu doğrultuda ilgili kolona çapraz satış için bakabileceği anlamına gelmektedir.
StockCode (ürün stok kodu): Her ürün türü için atanmış özel bir stok numarası olduğu için bu numaralar ürünleri ifade etmek için kullanılmaktadır.
Description (ürün açıklamaları): Ürün stok kodunun temsil ettiği ürünü sözel olarak açıklayan kolondur. (Örn; 21730 numarası glass star frosted t-light holder ürününü ifade etmek için kullanılmaktadır.)
Quantity (miktar): Siparişlerde alınan ürünlerin tek seferde kaç tane alındığını gösteren kolondur.
InvoiceDate (sipariş tarihi): Siparişin verildiği tarihi gösteren kolondur.
UnitPrice (birim fiyat): Ürünlerin birim fiyatını gösteren kolondur.
CustumerID (müşteri numarası): Müşterilerin kendilerine özel olan ayırt edici numaralarıdır.
Country (ülke): Müşterilerin hangi ülkelerde yaşadığını gösteren kolondur.
Yukarıdaki kolonlar kullanılan verilerinin ham halini içermektedir. Verileri, çapraz satış uygulanabilir hale getirmek için bazı düzenlemeler yapıldı.
Verilerin İşlenmiş Halinin Kolonları ve Anlamları
Value: InoviceNo değerlerini içeren yeni bir kolon oluşturuldu. Önceki InoviceNo kolonundan farkı, fatura numaralarının tekrar etmiyor olmasıdır. Her siparişe özel, birlikte alınan ürünleri bir arada görebilmek için bu dizayn oluşturuldu.
InvoiceDate, Dascription, Quantity kolonlarında aynı şekilde bırakıldı.
UnitPrice (birim fiyat): Aynı faturaya ait ürünleri listelerken, listelenen ürünlerin fiyatlarının farklı olabilmesi için ve karmaşayı engellemek için bu kolon kaldırıldı.
CustumerID (müşteri numarası): Fatura numaralarının tekrarı olmadığında, benzersiz müşteri numaralarına ihtiyaç bulunmamaktadır. Müşteri numaraları her işletmede değişebileceğinden ayırt edici özellik değildi. Bu nedenle kolon kaldırıldı.
Bizim oluşturduğumuz Kolonları İnceleyelim
Verilerimizi InvoiceNo’ya göre grupladığımızda, fatura numarasına bağlı olarak toplu satışlar görülebilmektedir. (örn; 536365 numaralı faturada birlikte satın alınan ürünler 3536, 2794, 3044, 2985, 2984, 1662, 800 şeklindedir.) Gruplandırmaya göre yeni oluşturulan kolon sayısı col4’ten başlayarak col194’de son bulmaktadır. Veriler arasından popüler ürün sıralaması yapıldı. Tek başına veya birlikte satılan en popüler ürünlerin numaraları 3515, 1631, 180, 2733, 3305, 4062 olarak gözlemlendi.
Bu ürün numaralarından birer kolon oluşturuldu. Oluşturulan kolonlar one hot encoding yöntemiyle dolduruldu. Örneğin 3515 için col4’den col194’e kadar 3515 ürününün geçip geçmediğini kontrol edildi. Eğer geçtiyse ‘1’ geçmediyse ‘0’ olarak gruplandırıldı. Aynı işlem diğer beş ürün için de gerçekleştirildi. Eklenilen kolonların örnek görünümü aşağıdaki gibidir:
Verilerin OptiScorer’da skorlanmak için yapılan veri ön işleme kısmı tamamlandı. Son olarak, veri, Knime kullanılarak %30’u test ve %70’i eğitim dosyası olarak gösterilen şekilde ayrıldı. Verileri ayırmak için, Pandas, Excel de kullanılabilmektedir.
Test dosyasından, satış oranı ölçülmek istenen ürünün kolonu silinmektedir. Bu kolonlar, popüler ürünlerden oluşturulan kolonlara denk gelmektedir. Silinen kolon bilgisayara kaydedildikten sonra, aynı işlemler belirlenen altı ürünün her biri için de yapılmaktadır. Kaydedilen bu dosyalar daha sonra skorları karşılaştırmak için lazım olacaktır.
3515, 1631, 180, 3305, 4062 numaralı ürünler, otomatik makine öğrenme modeli olan OptiScorer kullanılarak skorlanmaktadır.
Eğitim için oluşturmuş dosyada tahmin edilmek istenen ürünlerin kolonunun son kolona denk geldiğinden emin olunmalıdır. (Yukarıdaki örnek veri görüntüsü için tahmin edilmek istenilen kolonun 4062 ürünü olduğunu söyleyebiliriz.) Eğitim ve test verileri aşağıda gösterildiği şekilde OptiScorer’a yüklenmektedir.
Eğitim ve test verisi yüklendikten sonra sağdaki artı butona tıklanmaktadır. Yüklenen analiz sonucunda elde edilen grafikler ve tablolar her ürün için aşağıdaki gibi sıralanmıştır:
4062 numaralı ürün için;
X değişkenleri tahmin sonuçlarını etkileyen değişkenleri ifade eder. Özellikle sonucu etkilediğini düşünülen, karşılaştırmak istenilen bir değişken varsa, değişkenler arasında seçim yapılabilmektedir
Pasta grafiğinde de tahmin sonuçlarının aralıkları verilmektedir ve kolay yorumlama için renklendirme yapılmıştır.
Bu histogram, verilerin -0,2 ve 0,2 arasındaki dağılımlarını ifade eder.
İndirilen tahmin sonucuyla test verisini yüklemeden önce silip bilgisayara kaydedilen kolonun karşılaştırması yapılarak ve OptiScorer’in başarısı ölçülmektedir.
4062 numaralı ürün için;
Doğruluk oranı: %96,674
Bu tahmin sonucuna göre E-ticaret sitesi diğer beş ürünü satın alan bir müşterisine 4062 numaralı ürününü önerebilmektedir. 118 önerme arasından 59 müşteri bu ürünü gerçekten satın alanlar arasındadır. Diğer beş ürünü satın almış ama 4062 numaralı ürünü almayacak müşterilerin skorlarını, 2949 müşteriden 2906’sını doğru tahmin ederek geri dönüşü olmayacak pazarlama maliyetinden işletmeleri kurtarmıştır.
1631 numaralı ürün için;
Doğruluk oranı: %99,576
Tahminin işletmelere nasıl fayda sağlayabileceğini incelersek;
1631 numaralı ürün, diğer beş ürünün alındığı durumlarda müşterilere önerilebilmektedir. Tabloya göre, 737 ürünün 4’ü satılmayan ürün olarak belirtilmektedir. Bu sonuç, 733 ürünün doğru müşteriyle eşleştiği anlamına gelmektedir. Yani, OptiScorer, 737 üründen 733 tanesinin doğru müşteriyle eşleşeceğini doğru tahmin etmiştir. Tahminin başarılı olması satış artışlarını ifade eder.
3305 numaralı ürün için;
Doğruluk oranı: %73,883
Tahminlerin İşletmelere nasıl faydalı olabileceği incelendiğinde;
3505 ürünü için, diğer beş ürünü alanlardan 37 tanesi sadece 3505 ürününü ikinci olarak tercih etmiş. Analiz sonucunda OptiScorer bu 37 kişiden 9 kişiyi doğru tahmin etmiştir. Bu sonuç 3505 ürünün diğer beş ürüne kıyasla birlikte satılırken daha az ilgi gördüğünü göstermektedir.
1631 numaralı ürün için;
Doğruluk oranı: %99,576
Tahminin, İşletmelere nasıl faydalı olabileceği incelendiğinde;
1631 numaralı ürün için, diğer beş ürünü alan müşterilere ürün gösterilerek alır tahmini, 737 üründen 733 tanesinde doğru tahmin edilmiştir. Müşterinin karşısına ilgisini çekebilecek bir ürün seçeneğiyle çıkıldığında, bu durum satışların artacağını ifade etmektedir.
2733 numaralı ürün için;
Doğruluk oranı: %67,34
2733 ürünü, diğer beş ürünü alan müşterilere önerildiğinde, 631 satın alımdan, 230 tanesini doğru tahmin edilmektedir. Bu durum, tahminlerimizi paraya dönüştürmede işletmeye satış artışı olarak geri dönmektedir. Yeni bir müşteri kazanmak yerine, eldeki müşterilere satın almak istedikleri ürünlerden daha fazlasını almaya ikna edilmiştir.
180 Numaralı Ürün için;
Doğruluk oranı: 93,218
Tahminin işletmelere nasıl faydalı olabileceğini incelendiğinde;
180 ürününün, popüler satılan ürünlerden olmasına rağmen çapraz satışa uygun bir ürün olmadığı tespit edilmiştir. Ürünün, birden fazla ürünle satın alma oranı oldukça düşüktür. Diğer ürünlerle kıyaslandığında, çapraz satış oranı en düşük olan ürün olduğu gözlemlenmektedir. Bu durum, işletmeyi sırf popüler bir ürün diye 180 ürününü çapraz satışa koymaktan alıkoymaktadır. Bu da çapraz satışın bilinçli yapılması gerektiğini göstermektedir.
Son olarak, çapraz satışta başarılı çıkan ve müşterilere önerilecek olan ürünleri listelediğimizde;
4062, 1631, 3305, 2733’ün en çok birlikte satılan ürün olduğuna karar verilmiştir. Bu durumda içlerinden biri alındığında diğerleri çapraz satış için öneri ürünü olarak kullanılmaya uygundur.