Türkiye’de kurucuların önemli bir kısmı ürün-pazar uyumunu hâlâ hisle değerlendiriyor. Sorun, sezginin varlığı değil; yatırım, ekip ve büyüme kararlarının yalnızca sezgiye bırakılması. PMF ölçümü yapılmadığında ekipler talep sinyalini, memnuniyet sinyalini ve büyüme sinyalini birbirine karıştırıyor.
Sahada en sık gördüğüm hata şu: birkaç aktif kullanıcı, birkaç olumlu yorum ve erken dönem ciro bir araya gelince “ürün tuttu” sonucu çıkarılıyor. Oysa kurucu için asıl soru daha nettir. Kullanıcı gerçekten geri geliyor mu, ürünü düzenli kullanıyor mu, başkasına öneriyor mu, ücretli edinim yavaşladığında talep ayakta kalıyor mu?
Bu sorunun cevabı tek bir metrikte çıkmaz. Karar vermek için bir ölçüm sistemi kurmak gerekir. Retention, tekrar kullanım sıklığı, kohort davranışı, nitel kullanıcı geri bildirimi, organik büyüme oranı ve segment bazlı performans birlikte okunmalıdır.
Türkiye startup ekosisteminde işe yarayan yaklaşım da budur. Genel tavsiyeler kurucuyu çoğu zaman yarı yolda bırakır. Eşik gerekir. Örneğin hangi retention seviyesinde “ürün değer üretiyor” denir, hangi ankette risk görülür, hangi segmentte büyüme bütçesi açılır, hangi tabloda pivot masaya gelir? Bu yazının odağı tam olarak bu operasyonel netlik.
Özellikle erken aşama ekiplerde, ürün geliştirme sürecini baştan ölçülebilir varsayımlar üzerine kurmak fark yaratır. Bu disiplini kurmak isteyen ekipler için fikir aşamasından yayına mobil yazılım geliştirme sürecini adım adım planlamak PMF ölçümünü daha sağlıklı temellendirir.
Amaç daha fazla metrik toplamak değil. Gürültüyü azaltıp karar verecek kadar doğru metriği, doğru eşikle ve doğru segmentte izlemektir. Bu yüzden aşağıda yalnızca “hangi metriğe bakılır” sorusunu değil, “hangi seviyede devam, hangi seviyede düzeltme, hangi seviyede yön değişikliği gerekir” sorusunu da ele alacağım.
Ürün-Pazar Uyumunun (Product-Market Fit) Temelleri
Ürün-pazar uyumu, bir ürünün belirli bir kullanıcı segmenti için düzenli değer üretmesi ve yokluğunda belirgin bir boşluk yaratmasıdır. Buradaki kritik nokta kullanım sıklığı değil, davranışa dönüşen değer algısıdır. Bir kullanıcının ürünü denemesi, kayıt olması ya da memnun kaldığını söylemesi tek başına yeterli sinyal vermez. Asıl soru şudur: aynı kullanıcı, benzer ihtiyacı tekrar yaşadığında yine bu ürüne dönüyor mu?
Erken aşamada kurucuların en sık yaptığı hata, güçlü görünen ama karar aldırmayan sinyalleri fazla ciddiye almaktır. Birkaç müşteriden gelen övgü, yüksek indirme sayısı ya da ilk faturalar moral verir. Fakat bunların her biri farklı sebeplerle oluşabilir. Güçlü satış ekibi talebi olduğundan büyük gösterebilir. Performans bütçesi geçici bir trafik yaratabilir. Dar bir niş segment ürünü severken ana hedef kitle kayıtsız kalabilir. PMF değerlendirmesi bu ayrımı netleştirmek için yapılır.
PMF neden ölçülmek zorunda
PMF ölçümü bütçe kararıdır. Ekip zamanı, ürün önceliği ve edinim harcaması buna göre şekillenir.
PMF netleşmeden büyüme bütçesi açmak, sorunu hızlandırır. Kullanıcı edinirsiniz ama tutamazsınız. Satış ekibini büyütürsünüz ama ürünün tekrar kullanım problemi gizlenir. Yolun sonunda daha fazla veri değil, daha pahalı belirsizlik birikir.
Türkiye’de özellikle B2C SaaS, pazaryeri ve mobil uygulama ekiplerinde bu hata sık görülür. Trafik erken gelir, retention geç konuşulur. Oysa kurucunun önce cevaplaması gereken soru “kaç kişi geldi” değil, “doğru segment geldiğinde kaç kişi kaldı” sorusudur. Bu yüzden PMF, sadece ürün ekibinin takip ettiği teorik bir kavram değil, doğrudan yatırım temposunu belirleyen bir işletme göstergesidir.
PMF kanıtı sayılmayan sinyaller
Aşağıdaki göstergeler yararlıdır, fakat tek başına karar verdirmez:
İndirme sayısı: İlgi gösterir. Kalıcı değer göstermez.
Kayıt sayısı: Aktivasyon düşükse merak etkisini ölçer.
İlk gelir: Satış kabiliyeti ile ürün değeri aynı şey değildir.
Yatırımcı ilgisi: Pazar hikayesini doğrulayabilir, kullanıcı davranışını doğrulamaz.
Olumlu yorumlar: Küçük ve sesini duyuran bir grubun görüşü olabilir.
Sağlıklı değerlendirme için davranış verisi ile kullanıcı beyanı birlikte okunur. Retention düşükken memnuniyet yüksek çıkıyorsa değer vaadi doğru, kullanım anı zayıf olabilir. Kullanıcılar ürünü sevdiğini söylüyor ama önerme davranışı göstermiyorsa fayda bireysel kalıyor olabilir. Ters durumda ise belirli bir segmentte güçlü çekim vardır ve konumlandırma yeniden yazılmalıdır. PMF çalışması bu çelişkileri görünür kılar.
Ölçüm düzeni ürün yayına çıktıktan sonra aceleyle kurulunca birçok ekip temel olayları kaçırır. Bu nedenle PMF değerlendirmesinin zemini, daha geliştirme aşamasında kurulur. Özellikle fikir aşamasından yayına adım adım mobil yazılım geliştirme sürecini planlamak isteyen ekipler için bu disiplin, sonraki retention ve kohort analizlerinin doğruluğunu doğrudan etkiler.
Kurucular için basit çerçeve
Kurucu düzeyinde PMF’yi anlamak için üç soruya segment bazında cevap gerekir:
Kullanıcı geri geliyor mu?
Ürün ortadan kalksa gerçek bir kayıp hisseder mi?
Talep sadece bütçeyle mi geliyor, yoksa organik olarak da taşınıyor mu?
Bu üç sorudan biri zayıfsa büyüme planı frenlenmelidir. Üçü birden olumluysa PMF ihtimali güçlenir. Karar yine hisle değil, eşiklerle verilmelidir. Bu yazının devamında da tam olarak bunu yapacağız. Hangi metriğe bakılacağını değil, hangi seviyede devam, hangi seviyede düzeltme, hangi seviyede yön değişikliği gerektiğini netleştireceğiz.
Ürün-Pazar Uyumunu Ölçen Temel Nicel Metrikler
Türkiye’de erken aşama ekiplerin en sık yaptığı hata, büyümeyi PMF ile karıştırmak. İndirme, trafik veya kayıt sayısı artarken ürünün gerçekten tutup tutmadığı ancak birkaç metrik birlikte izlendiğinde anlaşılır. Kurucu ekip için doğru soru şudur: Hangi sayı karar verdirir, hangi sayı sadece bağlam sağlar?
PMF ölçümünde ben üç katmanlı bir okuma kullanırım. İlk katmanda elde tutma ve tekrar kullanım vardır. Bunlar ürünün davranışta yer edip etmediğini gösterir. İkinci katmanda organik büyüme ve yönlendirme bulunur. Bunlar değerin kullanıcıdan kullanıcıya taşınıp taşınmadığını gösterir. Üçüncü katmanda aktivasyon, churn, NPS ve aktif kullanıcı gibi yardımcı metrikler yer alır. Bunlar tek başına karar verdirmez ama sorunun nerede olduğunu daraltır.
Retention ve tekrar kullanım
Retention, PMF’nin en sert testidir. Kullanıcı ilk deneyimde ürünü merak etmiş olabilir. Asıl mesele, ilk değeri gördükten sonra geri dönüp dönmediğidir.
Foundor.ai’nin PMF analizinde, kohort eğrisi ilk düşüşten sonra taban bulduğunda bunun ürünün belirli bir segmentte karşılık bulduğuna işaret ettiği vurgulanıyor. Aynı değerlendirme, retention ile organik büyümenin birlikte okunmasını öneriyor (Foundor.ai PMF analizi).
Burada bakılması gereken sayı tek başına D1, D7 veya D30 değildir. Eğrinin şeklidir. İlk kullanım sonrası sert düşüş birçok üründe görülür. Sonraki haftalarda kullanıcı oranı sıfıra yakınsamıyorsa, ürün belirli bir kullanım alışkanlığı üretmeye başlamıştır. Eğri sürekli aşağı iniyorsa önce yeni özellik değil, temel değer önerisi sorgulanmalıdır.
Türkçe konuşan pazarda özellikle B2B SaaS, pazaryeri ve abonelik temelli mobil ürünlerde haftalık ve aylık kohortları ayrı izlemek gerekir. Günlük kullanım zorunlu değilse günlük retention yanlış alarm üretir. Ürünün doğal kullanım ritmine uygun pencere seçilmezse ekip iyi ürünü kötü, zayıf ürünü iyi sanabilir.
Organik büyüme ve referral kalitesi
Ücretli edinim PMF kanıtı değildir. Reklam bütçesi açıkken büyümek mümkündür. Bütçe düştüğünde yeni kullanıcı akışı devam ediyorsa, orada daha güçlü bir sinyal vardır.
Organik büyüme için iki eşiği birlikte izlemek daha sağlıklıdır. Birincisi, yeni kullanıcıların anlamlı bir kısmının doğrudan, referansla veya marka aramasıyla gelmesi. İkincisi, bu kullanıcıların ücretli kanaldan gelenlerle benzer ya da daha iyi retention göstermesi. Trafik kaynağı değiştikçe kalite bozuluyorsa, büyüme vardır ama PMF henüz net değildir.
Pratikte dashboard’a şu kırılımı eklemek gerekir: paid, organic search, direct, referral, community ve sales-assisted. Türkiye’de özellikle WhatsApp paylaşımı, topluluk tavsiyesi ve kurucu ağı üzerinden gelen kullanıcılar birçok ekipte analytics içinde eksik etiketlenir. Sonuçta referral var sanılır ama ölçüm zayıftır.
Aktivasyon, churn ve aktif kullanıcı metrikleri nasıl okunur
Bu metrikler yardımcıdır. Doğru yorumlanırsa ürün ekibine hangi noktaya müdahale etmesi gerektiğini söyler.
| Metrik | Ne gösterir | Karar kullanım şekli |
|---|---|---|
| Aktivasyon | Kullanıcının ilk değeri görüp görmediği | Düşükse onboarding, ilk kullanım akışı ve mobil arayüzde kullanıcıyı değere daha hızlı taşıyan UI/UX tasarım kararları gözden geçirilir |
| Churn | Hangi segmentin hangi aşamada koptuğu | Artış belirli bir kohortta yoğunlaşıyorsa fiyat, beklenti veya kullanım sıklığı incelenir |
| Aktif kullanıcı | Hacim ve kullanım genişliği | Kampanya sonrası şişme etkisi ayıklanmadan yorumlanmaz |
| NPS | Tavsiye eğilimi | Yüksekse iyi işarettir, retention ile desteklenmiyorsa tek başına PMF sonucu çıkarılmaz |
Özellikle aktif kullanıcı metriği Türkiye’de sık yanlış okunur. Bir influencer iş birliği, kampanya dönemi veya marketplace vitrini kısa süreli sıçrama yaratabilir. Eğer aynı kullanıcılar ikinci ve üçüncü kullanımda görünmüyorsa hacim vardır, kalıcılık yoktur.
Karar vermek için eşikler nasıl kullanılmalı
PMF tartışmasını faydalı hale getiren şey, metrik listesinden çok karar eşikleridir. Ekip aynı dashboard’a bakıp farklı sonuç çıkarıyorsa problem veri eksikliği değil, karar çerçevesi eksikliğidir.
Ben kurucu ekipler için şu okuma sırasını öneririm:
Retention eğrisi taban buluyorsa ürün belirli bir segmentte değer üretiyordur.
Tekrar kullanım kohort bazında yükseliyorsa değer tek seferlik meraktan çıkıp alışkanlığa dönüşüyordur.
Organik veya yönlendirmeli edinim payı artıyorsa kullanıcı ürünü sadece kullanmıyor, taşıyordur.
Aktivasyon yüksek ama retention zayıfsa ilk deneyim ikna edici, kalıcı değer zayıftır.
Retention güçlü ama yeni kullanıcı akışı sınırlıysa sorun daha çok dağıtım, konumlandırma veya kanal seçimindedir.
Bu son iki ayrım önemlidir çünkü çözüm bütünüyle değişir. İlk durumda ekip çekirdek kullanım senaryosunu, tekrar eden ihtiyacı ve ürün içi değeri güçlendirmelidir. İkinci durumda ise ürünün sevildiği segment korunur, mesajlaşma ve edinim modeli yeniden kurulur.
Tek panelde ne izlenmeli
PMF için iyi dashboard kalabalık olmaz. Karar verdirir. Kurucu, ürün lideri ve growth sorumlusu aynı ekrana baktığında aynı sorulara cevap almalıdır.
Örnek bir PMF panelinde şu bloklar yeterlidir:
Kohort retention görünümü: D1, D7, D30 veya ürün ritmine uygun haftalık, aylık eğriler
Tekrar kullanım oranı: 2., 3. ve 5. kullanım eşiğine ulaşan kullanıcı oranı
Edinim karışımı: paid, organic, referral, direct, sales-assisted
Aktivasyon hunisi: kayıt, ilk değer anı, ikinci kullanım
Segment kırılımı: kanal, persona, cihaz, şehir, paket tipi
Uyarı alanı: retention düşüşü, churn sıçraması, aktivasyon dar boğazı
Mixpanel, Amplitude, Firebase Analytics ve Looker Studio bu paneli kurmak için yeterlidir. Asıl farkı araç değil, olay şemasının temizliği yaratır. signup, activated, core_action, repeat_action ve referral_invite gibi olaylar ürün yayına çıkmadan tanımlanmadıysa PMF yorumu tartışmaya açık kalır.
Kullanıcı Geri Bildirimi ile PMF Doğrulama Anketleri
Birçok ekip PMF anketi yapıyor, ama güvenilecek sonuç üreten ekip sayısı daha düşük. Sorun genelde soru setinde değil, örneklem seçiminde ve zamanlamada çıkıyor. Nicel metrikler davranışı gösterir. Anketler ise o davranışın arkasındaki nedeni netleştirir.
Sean Ellis anketi nasıl uygulanır
PMF doğrulamada en işlevsel soru hâlâ aynı: “Bu ürün olmasaydı ne kadar hayal kırıklığına uğrardınız?” Uygulamada yaygın kabul gören eşik, “çok hayal kırıklığına uğrardım” yanıtının %40 bandını aşmasıdır. Bu oran tek başına karar verdirmez, ama güçlü bir sinyaldir. Özellikle retention ve tekrar kullanım verileriyle aynı yönde gidiyorsa, kurucu ekip artık hissiyatla değil kanıtla konuşmaya başlar.
Buradaki kritik nokta soruyu doğru kullanıcı grubuna göndermektir. Hedef dışı kullanıcıları, ürünle yüzeysel temas etmiş kişileri veya kampanya etkisiyle gelen düşük niyetli trafiği ankete katarsanız sonuç bozulur. Ölçtüğünüz şey PMF değil, karışık bir örneklem olur.
Benim sahada en çok gördüğüm hata şu: ekip toplam kullanıcı tabanına anket gönderiyor, sonra çıkan ortalamayı “pazarın görüşü” sanıyor. Oysa PMF önce çekirdek segmentte görünür. Genel kitleye erken bakmak, güçlü sinyali zayıf kullanıcılarla seyreltir.
Kime gönderilmeli
Anketi, üründen gerçek değer görmüş kullanıcılara gönderin. Pratik filtre şu üçlüyle başlar:
Aktif kullanıcılar: Son dönemde ürün içinde anlamlı bir işlem yapmış olmalı.
Yakın dönem kullanım gösterenler: Deneyim hafızası taze kalmalı.
Ana kullanım senaryosunu tamamlayanlar: Ürünün temel değerini teoride değil kullanım içinde görmüş olmalı.
Buna bir katman daha eklemek faydalıdır. B2B SaaS ürünlerde karar verici ile günlük kullanıcıyı ayırın. Karar verici “satın alma değerini”, son kullanıcı ise “operasyonel değeri” anlatır. İkisini aynı tabloda toplarsanız yorum bulanıklaşır.
Mobil ürünlerde zamanlama daha da hassastır. Arayüz sürtünmesi yüzünden kullanıcı ana faydaya ulaşmadan ankete düşerse, zayıf ürün algısı ile zayıf deneyim algısı birbirine karışır. Bu nedenle anket kurgusundan önce akışı kontrol etmek gerekir. Kullanıcı dostu mobil arayüz UI UX tasarımı nasıl olmalı rehberi, bu ayrımı daha temiz kurmak için iyi bir referans verir.
NPS ne zaman işe yarar
NPS, PMF’nin doğrudan karşılığı değildir. Bir kullanıcı ürünü tavsiye etmeye açık olabilir, ama kendi kullanım sıklığı düşüktür. Yine de NPS doğru yerde kullanıldığında yararlıdır.
Özellikle şu kararlar için işe yarar:
Hangi segmentte memnuniyet daha yüksek
Tavsiye eğilimi retention ile birlikte artıyor mu
Detractor yorumları aynı sorun kümelerinde mi toplanıyor
Sean Ellis sorusu vazgeçilmezliği ölçer. NPS ise memnuniyet ve yayılma potansiyeline yaklaşır. Bu iki skoru tek dashboard’da yan yana izlemek daha sağlıklıdır. Aynı metriğin alternatifi gibi değil, iki farklı karar katmanı gibi düşünülmelidir.
Açık uçlu soruların değeri
Sayısal skor tek başına yön vermez. Kararı çoğu zaman açık uçlu cevaplar netleştirir. Özellikle Türkiye pazarında kullanıcılar şikâyeti de faydayı da doğrudan yazar. Bu, ürün ekipleri için ciddi avantajdır.
Şu üç soru yeterlidir:
Ürünün en büyük faydası ne oldu
Hangi durumda bu ürünü kullanmayı bırakırsınız
Bu ürünü kime önerirsiniz
Bu cevapları mutlaka etiketleyin. “hız”, “fiyat”, “raporlama”, “entegrasyon”, “mobil kullanım”, “ekip içi paylaşım” gibi temalar çıkarın. Sonra bunları segmentlere bağlayın. İstanbul’daki KOBİ müşterinin söylediği fayda ile Anadolu’daki bireysel kullanıcının gördüğü değer aynı olmayabilir. Türk startup ekosisteminde PMF kararı çoğu zaman bu farkı erken gören ekiplerin lehine döner.
Tek cümlelik bir kullanıcı yorumu bazen haftalık rapordan daha açıklayıcı olur.
Neler çalışmaz
Aşağıdaki hatalar anketi veri kaynağı olmaktan çıkarır:
Erken anket gönderimi: Kullanıcı değer anına ulaşmadan gelen form yanıltıcı sonuç üretir.
Teşvik odaklı cevap toplama: Ödül için doldurulan formlar görüş kalitesini düşürür.
Tek kanaldan örneklem alma: Sadece paid ya da sadece organik kullanıcılarla yapılan ölçüm genellenemez.
Yorumları sınıflandırmamak: Nitel veri etiketlenmediğinde tekrar eden sorunlar görünmez.
Skoru tek başına yorumlamak: %40 eşiğine yakın sonuçlar, özellikle küçük örneklemde, retention ve kullanım verisi olmadan karar vermemelidir.
İyi PMF anketi moral vermez. Karar verdirir. Kurucu için doğru soru şudur: “Bu sonuçtan sonra neyi değiştireceğim?” Bu soruya net cevap çıkmıyorsa, anket yapılmış olur ama doğrulama yapılmış sayılmaz.
Kohort Analizi ve Segmentasyon ile Derinlemesine Bakış
Türkiye’de birçok erken aşama SaaS ekibi PMF’yi toplam retention ortalamasına bakarak yorumluyor. En sık yapılan hata da burada başlıyor. Ortalama tabloyu düz gösterirken, asıl güçlü sinyal tek bir kohortta ya da tek bir segmentte saklı kalabiliyor.
PMF kararı toplam kullanıcı kitlesi üzerinden verilmez. Özellikle Türkiye pazarında bu daha da belirgindir. İstanbul merkezli ekiplerin kurduğu ürünlerde bile kullanıcı davranışı şehir, şirket ölçeği, kanal ve kullanım amacı arasında ciddi fark gösterir. B2B üründe KOBİ ile mid-market hesabı aynı retention eğrisini üretmez. B2C üründe organik gelen kullanıcı ile kampanya döneminde edinilen kullanıcı aynı bağlılığı göstermez.
Düzleşen retention eğrisi neden karar metriğidir
Kohort analizinde ilk düşüş normaldir. Deneyenlerin bir kısmı ayrılır, bu tek başına sorun değildir. Karar verdiren nokta, ilk kayıptan sonra kalan kullanıcıların geri dönme düzenidir.
Retention eğrisi birkaç dönem sonra yataya yakın bir hatta oturuyorsa ürün belirli bir kullanıcı grubunda tekrar eden değer üretiyor demektir. Eğri her dönem aşağı inmeye devam ediyorsa kullanıcı ilk deneyimi yaşamış, ama kalıcı alışkanlık geliştirmemiştir.
PMF açısından tabloyu şu şekilde okuyun:
| Görünüm | Karar |
|---|---|
| İlk sert düşüşten sonra stabil seyir | Çekirdek segmentte değer netleşiyor |
| Her hafta veya her ay düzenli düşüş | Kullanım nedeni zayıf, alışkanlık oluşmuyor |
| Bir kohort belirgin şekilde daha iyi | PMF tüm pazarda değil, belirli segmentte oluşuyor |
| Paid kohortlar zayıf, organik kohortlar güçlü | Mesaj doğru kitlede çalışıyor, edinim kalitesi sorgulanmalı |
Burada kurucu için pratik eşik şudur: Genel ortalamaya değil, aynı edinim dönemi içinde benzer kullanıcıların davranışına bakın. Özellikle 4. hafta veya 8. hafta sonrasında eğrinin hâlâ tutunabildiği segmentler roadmap önceliğini belirlemelidir.
Hangi segmentler gerçekten anlamlıdır
Segmentasyonun amacı raporu renklendirmek değil, karar hızını artırmaktır. Faydalı segment, ürün veya büyüme ekibinin ertesi hafta aksiyon alabileceği segmenttir.
Bu yüzden ilk aşamada şu dört kırılım yeterlidir:
Edinim kanalı: Organik, referral, paid, outbound
Müşteri tipi: bireysel, KOBİ, mid-market
İlk değer anına ulaşma durumu: ilk hafta ana aksiyonu yapanlar ve yapmayanlar
Plan tipi: ücretsiz, deneme, ücretli
Türkiye’de özellikle ilk değer anına göre segmentasyon ihmal edilir. Oysa birçok ekipte asıl fark burada çıkar. Örneğin muhasebe, operasyon, raporlama veya ekip içi paylaşım gibi ana kullanım senaryolarından birine ilk hafta giren kullanıcılar tutulurken, ürünü yüzeysel deneyenler hızla kaybolur. Bu ayrımı görmeden yapılan PMF değerlendirmesi yanıltıcı olur.
Daha sonra ikinci katmana geçilebilir:
sektör,
şehir,
şirket büyüklüğü,
cihaz tipi,
ekipteki kullanıcı rolü.
Her kırılımı aynı anda açmak iyi analiz değildir. Gürültü üretir. Önce retention farkı yaratan iki veya üç segmenti bulun, sonra nedenini inceleyin.
Pratik okuma biçimi
Kohort tablosu kurulduğunda ekiplerin sık düştüğü hata, çok sayıda metriği tek ekrana yığmaktır. Daha iyi yöntem, tek ana davranıştan başlamaktır. Bu davranış, ürünün değer üretimini temsil etmelidir. Proje yönetim aracında görev oluşturma ve geri dönüş, finans ürününde işlem tamamlama, içerik ürününde ikinci oturum gibi.
İlk incelemede şu dört soruya cevap verin:
Hangi kohort ilk değer anına daha hızlı ulaştı
Hangi segmentte 4. hafta sonrası retention daha az bozuldu
Hangi kanal düşük hacme rağmen daha kaliteli kullanıcı getirdi
Hangi özellik kullanımı retention artışıyla birlikte görülüyor
Bu soruların her biri doğrudan karar üretir. Eğer organik KOBİ kohortu güçlü, paid bireysel kohortu zayıfsa performans pazarlamasını artırmak değil, mesajı ve hedef kitleyi düzeltmek gerekir. Eğer ücretli plan kullananlarda retention güçlü ama deneme kullanıcılarında zayıfsa sorun çoğu zaman fiyat değil, deneme akışının değeri yeterince göstermemesidir.
Herkese hitap eden ortalama bir ürün, erken aşamada kurucuyu rahatlatır ama PMF üretmez. Net değer bulan dar segment daha güvenilir başlangıç noktasıdır.
Türkiye için örnek karar eşikleri
Yerel ekipler için faydalı olan şey, sadece metriği görmek değil, hangi seviyede aksiyon alınacağını bilmektir. Aşağıdaki tablo bu yüzden işe yarar:
| Sinyal | Yorum | Muhtemel aksiyon |
|---|---|---|
| Tek bir segmentte retention belirgin şekilde daha güçlü | PMF çekirdeği orada oluşuyor | Mesajı, onboarding’i ve satış odağını o segmente kaydır |
| Organik kohort paid kohorta göre daha iyi tutunuyor | Ürün ilgiyi çekiyor ama paid hedefleme zayıf | Kanalı değil hedefleme ve vaadi yeniden yaz |
| Ücretli kullanıcı retention’ı yüksek, ücretsiz düşük | Değeri en çok ciddi kullanım ihtiyacı olanlar görüyor | Free plan sınırlarını ve deneme deneyimini gözden geçir |
| İlk hafta ana özelliği kullananlarda retention sıçrıyor | PMF ana kullanım senaryosunda yoğunlaşıyor | Onboarding’i bu aksiyona yönlendir |
Bu yaklaşım, “ürün herkeste çalışmıyor” gözlemini moral bozucu bir sonuç olmaktan çıkarır. Asıl soru şudur: Hangi segmentte çalışıyor ve bunu ne kadar net görebiliyoruz?
Analiz sonunda hangi karar çıkmalı
Kohort analizi toplantısı şu dört karardan biriyle bitmelidir:
onboarding akışı değişecek,
edinim bütçesi başka kanala kayacak,
ürün mesajı tek bir kullanım senaryosuna odaklanacak,
fiyatlama veya plan yapısı yeniden düzenlenecek.
Aksiyon üretmeyen kohort analizi yalnızca rapor üretir. Karara bağlanan kohort analizi ise ürün stratejisini netleştirir.
PMF Metriklerini İzlemek İçin Örnek Dashboard ve Kontrol Listesi
PMF’yi ölçmenin zor kısmı veri bulmak değil, dağınık veriyi karar paneline çevirmektir. Kurucu ekiplerin ihtiyacı gösterişli bir BI sistemi değil, haftalık olarak okunabilen sade bir paneldir.
Dashboard yapısı nasıl kurulmalı
İyi bir PMF dashboard’u üç katmanda çalışır:
Çekirdek sinyaller
Buraya karar verdiren metrikler gelir:
Sean Ellis sonucu
Retention eğrisi
Tekrarlayan kullanıcı davranışı
Organik büyüme yönü
Bu katman tek ekranda görülebilmelidir. Kurucu bir dakikada ürünün güçlenip güçlenmediğini anlamalıdır.
Teşhis sinyalleri
Bunlar kök nedeni anlamaya yarar:
Onboarding terk noktaları
Temel özellik kullanım akışı
Destek ve şikâyet temaları
Segment bazlı farklar
Bu bölüm “neden” sorusuna cevap verir. Çekirdek sinyal bozulduğunda önce buraya bakılır.
Nitel sinyaller
Dashboard sadece sayılardan oluşmamalı. Son dönemde gelen kullanıcı cümlelerini de içermeli:
en sık tekrar eden memnuniyet ifadesi,
ürünü bırakma nedeni,
öneri bağlamı.
Örnek haftalık kontrol listesi
Aşağıdaki liste, ürün-pazar uyumu (product-market fit) nasıl ölçülür sorusuna pratik bir karar sistemi sunar:
| Soru | Evet ise | Hayır ise |
|---|---|---|
| Sean Ellis sonucu kritik eşiği geçti mi | PMF sinyali güçleniyor | Segment veya değer önerisini yeniden inceleyin |
| Retention eğrisi ilk düşüşten sonra yataylaşıyor mu | Çekirdek kullanım var | Kullanım alışkanlığı oluşmuyor |
| Tekrarlayan kullanım artıyor mu | Ürün davranış üretiyor | Değer anı zayıf olabilir |
| Organik edinim sürüyor mu | Ürün kendini taşıyor | Büyüme büyük ölçüde itişli olabilir |
| Belirli bir segment belirgin şekilde güçlü mü | O segmente odaklanın | Segmentasyonu derinleştirin |
Hangi araçlar iş görür
Araç seçimi ekip yapısına göre değişir. Ancak sade bir kurulum için genelde şu kombinasyon yeterlidir:
Firebase Analytics veya Mixpanel ile olay takibi
Looker Studio ile yönetici paneli
Typeform, Google Forms veya QuestionPro ile anket
Notion veya Airtable ile nitel geri bildirim sınıflandırması
Dashboard’un değeri görsel şıklığında değil, toplantıda karar çıkarmasında yatar. Her haftalık ürün toplantısında panel üzerinden üç karar alınamıyorsa panel karmaşıktır.
Ürün-Pazar Uyumunu Sağladıktan Sonra Büyüme Stratejileri
PMF, bitiş çizgisi değildir. Asıl disiplin PMF’den sonra başlar. Çünkü ürün artık sadece “işe yarıyor mu” sorusunu değil, “nasıl ölçeklenir” sorusunu cevaplamak zorundadır.
İlk adım, büyüme yatırımlarını kontrollü şekilde artırmaktır. PMF öncesi agresif edinim risklidir. PMF sonrası ise doğru kanallarda ölçek denemesi anlamlı hale gelir. Özellikle hangi segmentte güçlü uyum yakalandıysa, bütçeyi önce oraya yığmak gerekir.
İkinci adım fiyatlamayı gözden geçirmektir. PMF sonrasında ekiplerin önemli kısmı hâlâ keşif dönemi fiyatlamasıyla devam eder. Bu, değer algısını aşağı çekebilir. Fiyat, sadece gelir aracı değil, konumlandırma aracıdır. PMF sonrası ürünün hangi değer için satın alındığını netleştirmek gerekir.
Üçüncü adım roadmap disiplinidir. PMF yakalayan ekipler bazen her talebi eklemeye başlar. Bu tehlikelidir. PMF’yi sağlayan çekirdek kullanım işini zayıflatabilirsiniz. Öncelik, güçlü sinyal veren kullanım senaryosunu derinleştirmektir.
Gelir modeli, fiyatlama ve ölçekleme kurgusunu mobil tarafta sistematik ele almak isteyen ekipler için mobil uygulama üzerinden para kazanma stratejileri ve gelir modelleri faydalı bir devam okumasıdır.
Sonuç net. PMF bir his değil, bir karar standardıdır. Eğer kullanıcı ürünü bırakmak istemiyor, geri geliyor, belirli segmentlerde retention eğrisi taban buluyor ve büyüme sadece bütçeyle taşınmıyorsa doğru yoldasınız. Bu tablo yoksa daha fazla özellik eklemek yerine ölçüm sistemini düzeltin.
Mobil uygulama fikrinizi hayata geçirmek veya mevcut projenizi bir üst seviyeye taşımak için İpek Yazılım'ın 11 yılı aşkın tecrübesinden faydalanın. Stratejik danışmanlıktan lansman sonrası desteğe kadar uçtan uca çözümlerimizle tanışmak için bizimle iletişime geçin.