Skip to content
  • Home
  • Contact
  • Blog

AnalyticSession

  • Home
  • Contact
  • Blog
  • ⤫

BigQuery Kullanarak Cohort Analizi Nasıl Yapılır?

Posted by Buğra Altınel Posted on 16 Şubat 202516 Şubat 2025
0

Cohort analizi, belirli bir özelliğe sahip kişilerin oluşturduğu grupların (aynı yılda doğanlar, aynı işte çalışanlar, aynı tarihte üye olanlar) zaman içindeki davranışlarını analiz etmek için kullanılır.

Bu yazıda, GA4 veri setini kullanarak BigQuery ile cohort analizi yapmayı adım adım anlatacağız. Kullanıcıların ilk ziyaretleri ve tekrar eden ziyaretlerini inceleyerek geri dönüş oranlarını hesaplayacağız.

GA4 ve BigQuery kullanarak cohort analizi yaparken izlenecek adımlara Cohort Analizi Nedir ve Nasıl Yapılır? GA4’da Cohort Analizi yazımızdan ulaşabilirsiniz

1. Veri Setinde Kullanacağımız Temel Bilgiler

Veri seitnde kullanıcı kimliğini ve zaman bilgisini alacağınız parametrelerin neler olduğunu belirlememiz gerekir.
GA4 veri setinde user_pseudo_id alanı kullanıcı kimliği event_timestamp alanı ise kullanıcıların zaman bilgilerini hesaplamamız için kullanacağımız parametreler olacaktır.

Herkese açık bir GA4 veri seti kullanıyoruz. Bu veri setinde sadece 2020 Ekim – 2021 Ocak arası dolu. Siz kod bloğundaki veriyi kendi veri setinize göre düzenleyebilirsiniz.

2. Cohort Analizinde Kullanılan Sütunlar

Tablodaki verileri doğru yorumlayabilmek için Query’de nitelendirdiğimiz sütunların anlamlarını bilmelisiniz:

📌 cohort_date: Kullanıcının ilk kez siteye giriş yaptığı tarih.
📌 day sütunları: Kullanıcının aktivite tarihi ile cohort_date arasındaki gün farkı.

3. Cohort Analizi için BigQuery Sorgusu

Aşağıdaki BigQuery sorgusu, GA4 veri setinde cohort analizi yapmak için kullanılabilir.

WITH user_activity AS (
SELECT
DISTINCT DATE(TIMESTAMP_MICROS(event_timestamp)) as activity_date, user_pseudo_id
FROM `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*`
WHERE TIMESTAMP_MICROS(event_timestamp) < TIMESTAMP_ADD(PARSE_TIMESTAMP("%Y%m%d", '20250131'), INTERVAL 1 DAY)
AND _TABLE_SUFFIX BETWEEN '20241001' AND '20250131'

),
user_cohorts AS (
SELECT
activity_date,
FIRST_VALUE(activity_date) OVER (PARTITION BY user_pseudo_id ORDER BY activity_date) as cohort_date,
user_pseudo_id
FROM user_activity
),
cohort_retention AS (
SELECT
cohort_date,
DATE_DIFF(activity_date, cohort_date, DAY) AS days_since_first_seen,
COUNT(DISTINCT user_pseudo_id) AS users
FROM user_cohorts
GROUP BY cohort_date, days_since_first_seen
)
SELECT
cohort_date,
SUM(CASE WHEN days_since_first_seen = 0 THEN users END) AS day_0,
SUM(CASE WHEN days_since_first_seen = 1 THEN users END) AS day_1,
SUM(CASE WHEN days_since_first_seen = 2 THEN users END) AS day_2,
SUM(CASE WHEN days_since_first_seen = 3 THEN users END) AS day_3,
SUM(CASE WHEN days_since_first_seen = 4 THEN users END) AS day_4,
SUM(CASE WHEN days_since_first_seen = 5 THEN users END) AS day_5,
SUM(CASE WHEN days_since_first_seen = 6 THEN users END) AS day_6,
SUM(CASE WHEN days_since_first_seen = 7 THEN users END) AS day_7,
SUM(CASE WHEN days_since_first_seen = 14 THEN users END) AS day_14,
SUM(CASE WHEN days_since_first_seen = 30 THEN users END) AS day_30,
SUM(CASE WHEN days_since_first_seen = 60 THEN users END) AS day_60
FROM cohort_retention
GROUP BY cohort_date
ORDER BY cohort_date

Bu sorgunun işleyişi:
1) İlk adımda, user_activity tablosu oluşturulur ve benzersiz kullanıcı ziyaretleri belirlenir.
2) Sonrasında, user_cohorts tablosu oluşturularak her kullanıcının ilk aktivite tarihi bulunur.
3) Son adımda, kullanıcıların belirli zaman aralıklarında geri dönüş oranları hesaplanır.

4. Cohort Analizi Sonuçlarını Yorumlama

BigQuery’den elde edilen cohort retention verilerini Google Sheets veya Looker Studio’ya aktarırsanız görselleştirme işlemini kolaylaştırabilirsiniz.

Elde edilen verilerle şu soruların yanıtlarını bulabilirsiniz:
İlk kez gelen kullanıcılar hangi günlerde geri dönüyor?
Hangi günlerde kullanıcı bağlılığı en yüksek?
Kullanıcılar ortalama kaç gün sonra tekrar ziyaret ediyor?

Sonuç

BigQuery ile cohort analizi yaparak kullanıcıların geri dönüş oranlarını analiz edebilir, pazarlama stratejinizi geliştirebilirsiniz.


Referanslar

  1. BigQuery Kohort Analizini Keşfetme
  2. BigQuery Kohort Analizini kullanarak veri analisti olarak analiz edebileceğiniz sorgular
  3. BigQuery ve Looker Studio’yu kullanarak Kohort Analizine İlişkin Tam Kılavuz
  4. Cohort Analizi Nedir ve Nasıl Yapılır? GA4’da Cohort Analizi?

Categories: BigQuery, Google Analytics 4

Yazı gezinmesi

Previous Previous post: Cohort Analizi Nedir ve Nasıl Yapılır? GA4’da Cohort Analizi

Related Posts

  • Cohort Analizi Nedir ve Nasıl Yapılır? GA4’da Cohort Analizi

    Cohort Analizi Nedir? Cohort analizi, belirli bir özelliğe sahip kişilerin oluşturduğu grupların (örneğin, aynı yılda doğanlar, aynı bölgede oturanlar, aynı tarihte üye olanlar) davranışlarını zaman içinde incelemek için kullanılır. Bu analiz yöntemi, kullanıcı bağlılığını artırmak, satın alma döngüsünü anlamak ve pazarlama kampanyalarını değerlendirmek için etkilidir. Peki, Cohort analizi nasıl yapılır? İşte adım adım Cohort analizi

    Posted by Buğra Altınel Posted on 14 Şubat 202514 Şubat 2025
    0
  • GA4 Oturum Kampanya Sorunu

    Google Analytics 4 (GA4) kullanıcıları, google raklamlarından gelen oturumların session campaign bilgisinin (organic), (not set), (referral) veya (direct) olarak raporlandığını durumlar ile karşılaşabiliyoruz. Aşağıda bir ekran görüntüsünü paylaştık. Bu yazımızda da özetle session campaign bilgisinin (organic), (not set), (referral) veya (direct) gelme durumlarının olası nedenleri ve nasıl düzeltebileceğinizi açıklıyoruz. 1. Sayfa Görüntülenme Etkinliği Hatası Eğer

    Posted by Buğra Altınel Posted on 14 Şubat 202526 Şubat 2025
    0
  • GA4 Para Birimi Değiştirmek

    Google Analytics 4 içindeki Mülk (Property) ayarlarında yer alan GA4 Para Birimi değişikliğinin raporlamalara etkisi ve geçmiş verileri retroaktif olarak etkileyip etkilemediği üzerine bir blog yazısı hazırladık. Öncelikle geriye dönük verilerin değişimini başka bir örnek üstünden anlatalım. Mesela kanal gruplaması yaptıktan sonra yapılan herhangi bir değişiklik, geçmiş veri setini etkiler. Örneğin, Facebook üzerinden gelen CPC

    Posted by Buğra Altınel Posted on 26 Temmuz 202426 Temmuz 2024
    1
  • GTM 101: Data Layer (dataLayer) nedir?

    Web analitiği, bir web sitesinin performansını ölçmek ve iyileştirmek için kritik bir unsurdur. Bu bağlamda, Google Tag Manager ve Data Layer gibi araçlar, veri toplama ve analiz süreçlerini optimize etmede önemli bir rol oynar. Bu yazıda, Data Layer’ı detaylı bir şekilde ele alarak, Google Tag Manager aracılığıyla nasıl kullanıldığını anlatacağız. 1. Google Tag Manager Data

    Posted by Aysan Yakut Posted on 5 Mart 2024
    0
  • GA4 Kurulumu – Hesap ve Mülk Oluşturmak

    Google’ın 16 Mart 2022’ta yaptığı duyuru ile Google Analytics 4’ün hayatımızda kalıcı bir hale geldi. Dolayısı ile hala geçiş yapmamış kullanıcılar için GA4 kurulumu, hesap ve mülk oluşturmak şu an ilk yapılacak iş olmalı. Google Analytics 4 (GA4) kurulumu nasıl yapılmalı? Öncelikle https://analytics.google.com/ link’e tıklayınız. Google Analytics 4 hesabının sahibi olması istediğiniz mail adresinin üyelik

    Posted by Buğra Altınel Posted on 5 Mart 20245 Mart 2024
    1
  • Universal Google Analytics ile BigQuery Bağlantısı

    Google, 1 Temmuz 2023 tarihi itibariyle Universal Analytics’in kullanımdan kalkacağını açıkladı. Detaylara bu yazımızdan ulaşabilirsiniz. Bu nedenle BigQuery bağlantısı gerçekleştirip geçmiş verinin saklanma gerekliliği önem kazanmıştır. BigQuery Nedir? BigQuery, büyük veri kümelerinin süper hızlı sorgularını çalıştırmanıza olanak tanıyan bir bulut veri ambarıdır. Bir Google Analytics 360 hesabındaki session ve hit verilerini BigQuery’ye aktarabilir ve ardından

    Posted by Aysan Yakut Posted on 12 Mayıs 202212 Mayıs 2022
    0
Buğra Altınel
Web & App Analytics Consultant

Bir yanıt yazın Yanıtı iptal et

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

COPYRIGHT © 2025 - AnalyticSession // Designed By - ZeeTheme