Müşteri kaybı analizi (churn analizi), belirli bir dönemde hangi müşterilerin sizden alışverişi bıraktığını ya da belirgin biçimde azalttığını, bunun neden ve hangi işaretlerle geldiğini ölçme işidir. B2B'de müşteri çoğu zaman "ayrılıyoruz" demez; sipariş sıklığı düşer, sepet küçülür. Analizin amacı bu düşüşü, müşteri gitmeden önce görmektir.
B2B'de müşteri kaybı neden fark edilmez?
Abonelik işinde kayıp nettir: sözleşme yenilenmez, hesap kapanır. Toptan satış, üretim, dağıtım ve hizmet firmalarında ise ilişki siparişle yürür ve bitiş tarihi yoktur. Bir bayi üç ayda bir yerine altı ayda bir sipariş vermeye başladığında sistemde hiçbir alarm çalmaz; cari kart açık, müşteri "aktif" görünür.
Bu sessiz kayıp genellikle üç yerde gizlenir. Birincisi toplam ciro: yeni müşterilerden gelen büyüme, eski müşterilerin erimesini örter. İkincisi temsilci hafızası: müşterinin neden azalttığını bilen kişi temsilcidir ve bu bilgi kayda geçmez. Üçüncüsü dağınık veri: sipariş ERP'de, şikâyet e-postada, servis kaydı ayrı bir tabloda durur ve kimse bunları aynı müşteri üzerinde birleştirmez.
Müşteri kaybı analizi, CRM ve satış hunisi çalışmasının tersinden bakar. Huni yeni müşteriyi kazanmanın yolunu ölçer; churn analizi kazanılmış müşterinin neden ve ne zaman kaybedildiğini.
Müşteri kaybını ölçmemenin maliyeti
Türkiye'de pek çok işletmede bu soruyu sormaya yetecek altyapı henüz yok. Müşteri davranışını izlemenin iki temel aracı olan CRM ve iş zekası yazılımlarının kullanımı hâlâ düşük:
TÜİK'e göre 2025'te 10 ve daha fazla çalışanı olan girişimlerin yalnızca %12,0'ı CRM, %6,5'i ise iş zekası (BI) yazılımı kullandı. (TÜİK Girişimlerde Bilişim Teknolojileri Kullanım Araştırması 2025)
Veri olsa bile kalitesi analizi bozabilir. Veri kalitesi uzmanı Thomas C. Redman, kötü verinin çoğu şirkete maliyetini gelirin %15–25'i olarak tahmin ediyor (MIT Sloan Management Review, 2017). Aynı firmanın üç ayrı cari kartla kayıtlı olması, churn analizinde üç "kayıp müşteri" ya da hiç görünmeyen bir kayıp demektir; bu yüzden işe mükerrer kayıtları temizleyerek başlamak gerekir.
Müşteri memnuniyetini düzenli ölçmenin büyümeyle ilişkisi de dikkat çekici. Net Tavsiye Skoru (NPS) yöntemini geliştiren Bain'e göre bu sistemde lider olan şirketler ortalamada rakiplerinin iki katından fazla hızla büyüyor (Bain & Company, Net Promoter System: Measuring Your Net Promoter Score). Bu, yöntemin sahibinin kendi iddiasıdır ve nedensellik kanıtı sayılmamalıdır; yine de müşteriyi düzenli dinlemenin ve kaybı ölçmenin büyüme yönetiminin parçası olduğunu hatırlatır.
Churn nasıl ölçülür? Dört temel gösterge
Tek bir "kayıp oranı" rakamı yanıltıcıdır. B2B'de en az dört göstergeyi birlikte izlemek gerekir:
| Gösterge | Ne ölçer? | Hesaplama mantığı | Neyi gizleyebilir? |
|---|---|---|---|
| Müşteri (logo) kayıp oranı | Kaç müşterinin gittiği | Dönemde kaybedilen müşteri / dönem başı aktif müşteri | Küçük müşteri ile büyük müşteriyi eşit sayar |
| Brüt gelir elde tutma | Mevcut müşterilerden gelen gelirin ne kadarının korunduğu | Aynı müşterilerin bu dönemki geliri (artışlar hariç) / önceki dönem geliri | Artış satışlarını görmez |
| Net gelir elde tutma | Mevcut müşteri tabanının büyüyüp büyümediği | Aynı müşterilerin bu dönemki toplam geliri / önceki dönem geliri | Birkaç büyük müşterinin büyümesi, çok sayıda küçük kaybı örtebilir |
| Kısmi kayıp (daralma) | Gitmeyen ama azaltan müşteriler | Sipariş sıklığı ya da tutarı belirli oranın altına düşen müşteri sayısı ve payı | Mevsimsellik ayrılmazsa yanlış alarm üretir |
Tablonun en önemli satırı sonuncusudur. Abonelik olmayan işlerde "kayıp" tanımını siz yaparsınız. Örneğin "olağan sipariş aralığının iki katı süredir sipariş vermeyen müşteri riskli, üç katı süredir vermeyen kayıp sayılır" gibi, müşterinin kendi alışkanlığına göre ölçülen bir kural, herkese aynı sabit süreyi uygulamaktan çok daha doğru sonuç verir.
Hangi göstergenin yönetim panosunda duracağına karar verirken KPI belirleme yöntemimizdeki ilkeyi uygulayın: her gösterge bir sahibe ve bir karara bağlanmalı.
Müşteri kaybı analizi 6 adımda nasıl yapılır?
- Kaybı tanımlayın. Tam kayıp, kısmi kayıp ve "riskli" durumlarını yazılı kurallara bağlayın. Tanım, satış ve finans tarafından birlikte onaylanmalı; aksi hâlde her toplantıda farklı bir rakam konuşulur.
- Müşteri verisini tek yerde birleştirin. Sipariş ve fatura geçmişi, iade, tahsilat gecikmesi, servis kaydı ve şikâyetler aynı müşteri anahtarında buluşmalı. Farklı kaynakları bir araya getiren yapı genellikle bir veri ambarı ve ETL katmanıdır; pazarlama ve kampanya verisi de işin içindeyse müşteri veri platformu (CDP) seçeneği değerlendirilebilir.
- Kohort analizi yapın. Müşterileri kazanıldıkları döneme göre gruplayın ve her grubun 6, 12, 24 ay sonra ne kadarının aktif kaldığına bakın. Kayıp belirli bir dönemde, belirli bir kanaldan kazanılan müşterilerde yoğunlaşıyorsa sorun ürün değil, kazanım biçimi olabilir.
- Erken uyarı sinyallerini seçin. Geçmişte kaybedilen müşterilerin son aylarına bakın: sipariş aralığı açılmış mı, ürün çeşidi daralmış mı, tahsilat gecikmiş mi, servis talebi artmış mı? Bu sinyaller risk puanının girdileri olur.
- Risk puanı üretin. Basit bir kural setiyle başlayın; yeterli geçmiş veri varsa kaybı öngören bir istatistiksel ya da makine öğrenmesi modeline geçin. Model, talep tahmininde olduğu gibi geçmiş dönemler üzerinde geriye dönük test edilmeli.
- Her riske bir eylem bağlayın. Puanı yüksek müşteri için kim, ne zaman, ne yapacak? Temsilci ziyareti, yönetici görüşmesi, teknik destek kontrolü ya da ödeme koşulu değerlendirmesi. Eylemin sonucu kayda girmeli ki hangi müdahalenin işe yaradığı ölçülebilsin.
Altıncı adım atlanırsa analiz bir rapor olarak kalır. Risk listesi her hafta aynı temsilciye aynı biçimde düşüyorsa ve kimse takip etmiyorsa, en iyi model bile hiçbir müşteriyi geri kazandırmaz.
Erken uyarı sinyalleri: nerede aranır?
Kayıp sinyalleri çoğu zaman satış dışındaki birimlerde birikir. Aşağıdaki kontrol listesi, verinin hangi sistemde durduğunu ve neye bakılacağını özetler:
| Sinyal | Kaynak sistem | Bakılacak işaret |
|---|---|---|
| Sipariş sıklığı | ERP / e-ticaret | Olağan aralığın belirgin biçimde uzaması |
| Sepet genişliği | ERP | Alınan ürün grubu sayısının azalması |
| Tahsilat davranışı | Muhasebe | Vadesi geçen bakiyenin artması |
| Servis ve arıza | Saha servis sistemi | Tekrarlayan arıza, uzayan çözüm süresi |
| Şikâyet ve talep | E-posta, çağrı, chatbot | Aynı konuda tekrar eden şikâyet |
| İlişki | CRM | Temsilci değişikliği, uzun süredir temas olmaması |
Bayi kanalıyla çalışan firmalarda sipariş verisinin büyük kısmı B2B bayi portalında oluşur; portaldeki giriş sıklığı da güçlü bir sinyaldir. Servis tarafındaki arıza ve çözüm süresi verisi ise saha servis yönetimi yazılımında tutulur.
Şikâyet ve talep verisini ölçülebilir hâle getirmek için gelen talepleri konu başlıklarıyla kaydetmek gerekir; web ve mesajlaşma kanallarında bu işi bir müşteri hizmetleri chatbotu üstlenebilir. Müşteri geri bildirimini düzenli ölçmek için NPS anketi de bir sinyal kaynağıdır: Bain'in tanımına göre 0–10 ölçeğinde 9–10 verenlerin yüzdesinden 0–6 verenlerin yüzdesi çıkarılarak hesaplanır (Bain & Company, Net Promoter System). Puanı düşen bir müşteri, siparişi düşmeden önce size bir şey söylüyor olabilir. Anket tasarımı ve döngüyü kapatma adımları için NPS nedir, nasıl ölçülür rehberimize bakabilirsiniz.
Kendi ürün ailemizden iki kaynak bu tabloya doğrudan veri verebilir. Online satış SmartSales e-ticaret altyapısı üzerinden yürüyorsa sipariş sıklığı sinyali mağazanın Siparişler ve Müşteriler raporlarından izlenir; müşteri listesi CSV ya da JSON olarak dışa aktarılıp analiz katmanına alınabilir. Web sitesinde SmartOperator yapay zeka temsilcisi çalışıyorsa, ekibe devredilen konuşma sayıları panelde önceki dönemle karşılaştırmalı raporlanır; devir sayısındaki artış, otomatik yanıtın yetmediği konuların çoğaldığına işaret edebilir.
Digital Bridge'de müşteri kaybı analizini nasıl kuruyoruz?
Hazır bir paket satmıyoruz; işe verinizin bugün nerede durduğunu anlamakla başlıyor, ardından yazılı bir teklifle kapsamı, aşamaları ve bedeli netleştiriyoruz.
- Keşif ve ihtiyaç analizi. ERP, muhasebe, CRM ve servis verilerinizin hangi alanlarda tutulduğunu, kaç yıllık geçmiş olduğunu ve müşteri anahtarının sistemler arasında eşleşip eşleşmediğini inceliyoruz. Kayıp tanımını satış ve finans ekibinizle birlikte yazıyoruz.
- Veri katmanı. Dağınık kaynakları bir veri ambarında birleştiriyor, mükerrer müşteri kayıtlarını eşleştiriyoruz. Müşteri iletişim ve etkileşim verisi yoksa ya da dağınıksa CRM altyapısını sürecinize göre kuruyoruz.
- Pilot. Tek bir ürün grubu, bölge ya da müşteri segmentiyle başlıyoruz. Geçmiş dönemde kaybedilen müşterilerin ne kadarını modelin önceden işaretleyebileceğini geriye dönük test edip sonucu bugünkü yönteminizle yan yana gösteriyoruz.
- Model ve pano. Risk puanını, talep tahmini ve öngörücü analitik çalışmalarında kullandığımız yaklaşımla kuruyoruz: birkaç yöntem aynı veride denenir, en az hata yapan seçilir, doğruluk düzenli ölçülür. Sonuçlar temsilcinin ve yöneticinin baktığı bir BI yönetim panosuna aktarılır.
- Eylem döngüsü. Riskli müşteri listesini CRM'de görev olarak temsilciye düşürüyor, yapılan müdahaleyi ve sonucunu kayda bağlıyoruz. Böylece hangi eylemin müşteriyi tuttuğu zamanla ölçülebilir hâle gelir.
Müşteri verisi, özellikle yetkili kişi adı, telefon ve e-posta gibi alanlarda, 6698 sayılı KVKK kapsamında kişisel veri içerebilir. Analizde hangi verinin hangi amaçla kullanılacağını ve aydınlatma yükümlülüklerini baştan netleştirmek gerekir; model kurulurken dikkat edilecek noktaları yapay zeka ve KVKK yazımızda topladık. Panonun genel tasarımı için BI dashboard ve KPI rehberimize göz atabilirsiniz.
Sonraki adım
Başlamak için büyük bir proje gerekmez. Son iki yılın satış verisinden, bir yıl önce düzenli sipariş verip bugün vermeyen müşterilerin listesini çıkarın ve bu listeyi temsilcilerinizle birlikte okuyun. Listenin uzunluğu ve nedenlerin çeşitliliği, analizin sizin için ne kadar değerli olacağını gösterir.
Ardından iletişim sayfamızdan bize ulaşın; verinizi birlikte inceleyelim ve pilot için uygun müşteri segmentini belirleyelim. Veriyle karar vermeye dair diğer rehberler için Veri ve Analitik konu sayfamıza bakabilirsiniz.