Ölçüm Problemleri (Mesaurement Problems)

Ölçüm Problemleri ve Satın Alma Kararlarını Etkileyen Faktörler

Kullanıcılar, bir ürünü satın alırken genellikle ürün yorumlarına, puanlarına ve diğer kullanıcıların deneyimlerine bakarak karar verir. Peki, bir ürünü satın aldıran temel etkenler nelerdir? İşte bu kararı etkileyen başlıca faktörler:

1. Social Proof (Sosyal İspat)

Bir ürünün ne kadar sık satın alındığı, kaç puan aldığı ve kullanıcı yorumları, diğer müşterilerin satın alma kararlarını doğrudan etkiler. Etkisi: Toplumun bir ürüne verdiği değer, kullanıcıları olumlu veya olumsuz yönde etkileyebilir. Örneğin, yüksek puanlı ve çok sayıda olumlu yorum alan bir ürün, kullanıcıların gözünde daha güvenilir hale gelir.

2. The Wisdom of Crowds (Kalabalığın Bilgeliği)

Kullanıcılar, fiyat-performans dengesi açısından en iyi ürünü bulmaya çalışır. Bir ürünün çok sayıda kişi tarafından satın alınmış olması ve iyi puanlar/yorumlar alması, diğer kullanıcıların da bu ürünü tercih etmesine neden olur. Mantık: “Birçok kişi bu ürünü beğenmişse, ben de beğenebilirim” düşüncesiyle hareket edilir.

Geliştirici Olarak Dikkat Edilmesi Gerekenler

Kullanıcılara ürünleri en doğru şekilde sunabilmek için aşağıdaki adımlara dikkat edilmelidir:

1. Ürün Puanlarının Hesaplanması (Rating Products)
2. Ürünlerin Sıralanması (Sorting Products)
3. Yorumların Sıralanması (Sorting Reviews)
4. Sayfa Tasarımları
5. A/B Testleri (Özellik Denemeleri)
6. Olası Aksiyonların ve Reaksiyonların Test Edilmesi

1. Ürün Puanlarının Hesaplanması (Rating Products)

Ürün puanlaması, kullanıcıların ürüne verdikleri puanların belirli yöntemlerle hesaplanmasıdır. İşte kullanılabilecek yöntemler:

a. Ortalama Puan (Average)

Tüm kullanıcı puanlarının aritmetik ortalaması alınır.

b. Zamana Göre Ağırlıklı Ortalama (Time-Based Weighted Average)

Yakın zamanda verilen puanlara daha fazla ağırlık verilir. Bu yöntem, ürünün güncel performansını daha iyi yansıtır.

Örnek: Son 1 ayda verilen puanlar, 1 yıl önce verilen puanlara göre daha fazla ağırlıklandırılır.

c. Kullanıcı Temelli Ağırlıklı Ortalama (User-Based Weighted Average)

Kullanıcıların ürünle etkileşim düzeyine göre puanları ağırlıklandırılır.

Örnek: Bir kursu tamamlayan kullanıcıların puanları, yalnızca birkaç ders izleyen kullanıcıların puanlarına göre daha fazla ağırlıklandırılır.

d. Ağırlıklı Derecelendirme (Weighted Rating)

Zamana ve kullanıcı temelli ağırlıklı ortalamaların birleştirilmesiyle hesaplanır.

Ürünlerin Sıralanması (Sorting Products)

Kullanıcılar bir ürün aradığında, ürünler belirli kriterlere göre sıralanır. İşte kullanılabilecek sıralama yöntemleri:

a. Derecelendirmeye Göre Sıralama (Sorting By Rating)

Ürünler, aldıkları puanlara göre sıralanır. Ancak bu yöntemde satın alma sayısı veya yorum sayısı gibi faktörler göz ardı edilir.

b. Yorum ve Satın Alma Sayısına Göre Sıralama (Sorting By Comment Count or Purchase Count)

Ürünler, yorum sayısı veya satın alma sayısına göre sıralanır. Yüksek satın alma sayısına sahip ancak düşük puanlı ürünler daha alt sıralarda yer alabilir.

c. Derecelendirme, Yorum ve Satın Almaya Göre Sıralama (Sorting By Rating, Comment, and Purchase)

• Tanım: Puan, yorum sayısı ve satın alma sayısı gibi birden fazla faktör aynı anda dikkate alınarak sıralama yapılır.

d. Bayes Ortalama Derecelendirme Puanı (Bayesian Average Rating Score)

Puanlar, olasılıksal bir yaklaşımla ağırlıklandırılarak hesaplanır. Bu yöntem, az sayıda puan alan ürünlerin aşırı yüksek veya düşük puanlanmasını önler.

e. Karma Sıralama (Hybrid Sorting)

Bayes puanı ve diğer faktörler bir arada kullanılarak sıralama yapılır.

Yorumların Sıralanması (Sorting Reviews)

Yorumların sıralanması, kullanıcıların ürünle ilgili geri bildirimlerini en doğru şekilde yansıtmayı amaçlar. İşte kullanılabilecek yöntemler:

a. Up-Down Difference Score (Üst-Alt Farkı Skoru)

Beğeni (up) ve beğenmeme (down) sayıları arasındaki farka göre sıralama yapılır.

Formül: Up-Down Difference = Up Ratings − Down Ratings

b. Ortalama Puan (Average Rating)

Beğeni sayısının toplam yorum sayısına oranı hesaplanır.

Formül: Average Rating= Up RatingsAll RatingsAverage Rating / All RatingsUp Ratings​

c. Wilson Alt Sınır Puanı (Wilson Lower Bound Score)

Bernoulli olasılık dağılımı kullanılarak, yorumun faydalı olma olasılığının alt sınırı hesaplanır. Bu yöntem, %95 güven aralığı ve %5 yanılma payı ile çalışır.

A/B Testleri (A/B Testing)

A/B testleri, iki farklı durum (A ve B) arasındaki performans farkını ölçmek için kullanılır. İşte A/B testi sürecinin adımları:

a. Hipotez Kurma

• H0 (Yokluk Hipotezi): İki grup arasında istatistiksel olarak anlamlı bir fark yoktur.
• H1 (Alternatif Hipotez): İki grup arasında istatistiksel olarak anlamlı bir fark vardır.

b. Varsayımların İncelenmesi

• Normallik Varsayımı: Her iki grubun da normal dağılıma sahip olması gerekir.
• Varyans Homojenliği: İki grubun varyanslarının benzer olması gerekir.

c. Testin Uygulanması

• Parametrik Test (Bağımsız İki Örneklem T Testi): Varsayımlar sağlanıyorsa kullanılır.
• Nonparametrik Test (Mann-Whitney U Testi): Varsayımlar sağlanmıyorsa kullanılır.
• Welch Testi: Normallik sağlanıyor ancak varyans homojenliği sağlanmıyorsa kullanılır.

d. Sonuçların Yorumlanması

• p-value Değeri: p-value < 0.05 ise H0 reddedilir ve gruplar arasında anlamlı bir fark olduğu sonucuna varılır.

ANOVA (İkiden Fazla Grup Ortalamasının Karşılaştırılması)

ANOVA, ikiden fazla grubun ortalamalarını karşılaştırmak için kullanılır. Bu yöntem, gruplar arasında istatistiksel olarak anlamlı bir fark olup olmadığını değerlendirir.

Sonuç

Ölçüm problemleri, kullanıcıların satın alma kararlarını etkileyen faktörlerin doğru bir şekilde analiz edilmesini gerektirir. Ürün puanlaması, sıralama, yorumların değerlendirilmesi ve A/B testleri gibi yöntemler, bu süreçte kritik bir rol oynar. Bu adımlar, kullanıcı deneyimini iyileştirmek ve satışları artırmak için büyük önem taşır.

Kaynakça :

https://miuul.com/olcumleme-problemleri