Veri Odaklı Ürün Yönetimi Eğitimi

Eğitim Hakkında

North Star, AARRR, ürün analitiği, kohort analizi ve deney tasarımıyla kanıta dayalı ürün kararları

Veri Odaklı Ürün Yönetimi Eğitimi, ürün kararlarını sezgi yerine ölçülebilir kanıta dayandırmak isteyen ürün yöneticileri için tasarlanmıştır. Program; North Star metriği ve AARRR çerçevelerini, ürün analitiğiyle olay (event) takibini, kohort ve huni (funnel) analizini, kullanıcı segmentasyonunu, hipotez kurma ile A/B testini ve istatistiksel anlamlılığı gerçek örneklerle işler. Katılımcı doğru metriği seçmeyi ve deney sonuçlarını yol haritası önceliğine dönüştürmeyi öğrenir.

Süre ve Format

3 Gün. Her gün dört modül; metrik çerçeveleri, ürün analitiği, segmentasyon ve deney tasarımı gerçek senaryolar ve kısa uygulamalarla işlenir.

Seviye

Orta Seviye — metriklerle karar alan, deney yürüten ve ürün analitiğini kullanan ürün yöneticileri programı

Öğrenme Metodu

Kavramlar gerçek ürün senaryolarıyla anlatılır; metrik seçimi, huni/kohort okuması ve A/B testi kısa atölyelerle pekiştirilir.

Neden Bu Eğitim?

📊Kanıta dayalı kararlar

Ürün önceliklerini varsayımla değil, metrik ve deney sonuçlarıyla savunmayı öğrenerek tartışmaları veriyle sonlandırmayı başarırsınız.

🎯Doğru metriği seçmek

North Star ve AARRR çerçeveleriyle gösteriş metriklerinden kaçınır, gerçekten değer üreten az sayıda metriğe odaklanmayı öğrenirsiniz.

🧪Deneyle öğrenmek

Hipotez kurmayı, A/B testi tasarlamayı ve istatistiksel anlamlılığı okumayı öğrenerek yanlış sonuçlara dayalı kararlardan korunursunuz.

Anahtar Konular

veri odaklı ürün yönetimi eğitimiürün yönetimi analitiği kursuproduct analytics eğitimia/b testi eğitiminorth star metriğiaarrr metriklerikohort analizi eğitimiürün metrikleri eğitimidata driven product managementürün yöneticisi eğitimi

“İyi ürün yöneticisi veriye körü körüne uymaz; doğru soruyu sorar, doğru metriği seçer ve deneyin söylediğini dürüstçe dinler.”

Ön Koşullar

Programdan en yüksek verimi almak için önerilen hazırlık ve deneyim

1

Temel ürün bilgisi

Ürün yönetimi, backlog ve yol haritası gibi kavramlara aşinalık içeriği kolaylaştırır ancak zorunlu değildir.

2

Sayısal rahatlık

Yüzde, oran ve basit tablo okuyabilmek yeterlidir; ileri istatistik gerekmez, gerekli kavramlar eğitimde anlatılır.

3

Bir ürün örneği

Üzerinde düşünebileceğiniz bir dijital ürün veya özellik, metrik ve deney uygulamalarını somutlaştırır.

4

Dizüstü bilgisayar

Örnek veri tabloları ve analitik panolarını incelemek için internet erişimli bir dizüstü bilgisayar önerilir.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı veri odaklı ürün kültürünü ve bunu engelleyen tuzakları kavrar, North Star ve AARRR çerçeveleriyle doğru metrikleri seçer ve OKR ile hedefleri ölçülebilir sonuçlara bağlar.

Modül 1

Veri Odaklı Ürün Kültürü

Veri odaklı ile veri bilgili (data-informed) kararın farkı
Gösteriş (vanity) metriklerinin yarattığı yanılgılar
Çıktı (output) yerine sonuç (outcome) odaklı düşünme
Varsayımları hipoteze çevirerek test etme alışkanlığı
Veri okuryazarlığının ürün ekibine kazandırdıkları
Veriyi karara dönüştürmede sık yapılan hatalar

Modül 2

Metrik Çerçeveleri ve North Star

North Star metriği kavramı ve seçim ölçütleri
Girdi (input) metrikleri ile North Star ilişkisi
AARRR korsan metrikleri: edinim, aktivasyon, elde tutma
Gelir (revenue) ve yönlendirme (referral) metrikleri
HEART çerçevesiyle kullanıcı deneyimini ölçme
Ürüne uygun metrik ağacı (metric tree) kurma

Modül 3

Hedefler ve OKR ile Hizalama

Objective ve Key Result kavramlarının netleştirilmesi
Ürün OKR'larını North Star metriğine bağlama
Taahhüt (committed) ve iddialı (aspirational) hedefler
OKR'ları KPI ve sağlık metriklerinden ayırma
Çeyreklik OKR takibi ve güncelleme ritmi
OKR'da sık görülen hatalar ve kaçınma yolları

Modül 4

Metrik Tasarımı ve Gösterge Panoları

İyi bir metriğin nitelikleri: eyleme geçirilebilir, oransal
Öncü (leading) ve ardıl (lagging) göstergelerin ayrımı
Karşıt (counter) metriklerle yan etkileri dengeleme
Ürün sağlık panosu (dashboard) tasarım ilkeleri
Metrik tanımlarını ve veri sözlüğünü standartlaştırma
Panoyu ekibin karar ritmine uygun kurgulama

Günün hedefiKatılımcı ürün analitiği araçlarında olay takibini kurgular, huni ve kohort analizini yorumlar, elde tutma eğrilerini okur ve anlamlı kullanıcı segmentleri oluşturarak davranış içgörüsü çıkarır.

Modül 1

Ürün Analitiği ve Olay Takibi

Ürün analitiği araçlarının (Amplitude, Mixpanel) rolü
Olay (event) ve özellik (property) tabanlı veri modeli
İzleme planı (tracking plan) oluşturma ve isimlendirme
Kullanıcı kimliği ve oturum (session) kavramları
Veri kalitesi: kayıp, çift ve hatalı olay sorunları
Gizlilik ve KVKK çerçevesinde veri toplama ilkeleri

Modül 2

Huni (Funnel) ve Dönüşüm Analizi

Dönüşüm hunisi adımlarını tanımlama ve sıralama
Adımlar arası düşüş (drop-off) noktalarını bulma
Zaman penceresi ve dönüşüm penceresi seçimi
Segmentlere göre huni performansını karşılaştırma
Darboğazdan hipotez ve iyileştirme fikri çıkarma
Huni analizinde yanıltıcı yorumlardan kaçınma

Modül 3

Kohort Analizi ve Elde Tutma

Kohort (cohort) kavramı ve oluşturma mantığı
Elde tutma (retention) eğrisini okuma ve yorumlama
Klasik, sınırlı (bounded) ve dönüş (return) retention
Elde tutmanın gelir ve büyümeyle ilişkisi
Churn (kayıp) oranını hesaplama ve izleme
Aktivasyon anını (aha moment) veriyle bulma

Modül 4

Kullanıcı Segmentasyonu

Davranışsal, demografik ve teknografik segmentler
RFM ve kullanım yoğunluğuna göre segmentleme
Güçlü kullanıcıları (power user) tanımlama ölçütleri
Segmentlere göre farklılaşan metrik yorumu
Persona ile veri segmentini birbirine bağlama
Segment içgörüsünü ürün kararına dönüştürme

Günün hedefiKatılımcı test edilebilir hipotezler kurar, A/B deneyleri tasarlar, istatistiksel anlamlılık ve örneklem büyüklüğünü değerlendirir ve deney sonuçlarını önceliklendirme ile yol haritasına yansıtır.

Modül 1

Hipotez ve Deney Tasarımı

Test edilebilir hipotezi doğru biçimde yazma
Bağımsız değişken, metrik ve beklenen etki tanımı
Kontrol ve varyant (variant) gruplarını kurgulama
Deney kapsamını ve başarı ölçütünü netleştirme
Deney öncesi varsayım ve risklerin belgelenmesi
Yanlılık (bias) kaynaklarını baştan azaltma

Modül 2

A/B Testi ve İstatistik Temelleri

A/B ve çok değişkenli (multivariate) test ayrımı
İstatistiksel anlamlılık ve p-değeri sezgisi
Güven aralığı ve etki büyüklüğünü yorumlama
Örneklem büyüklüğü ve test süresini hesaplama
Erken bakma (peeking) ve tekrar tuzaklarından kaçınma
Anlamsız sonuç ile etkisiz sonucu ayırt etme

Modül 3

Deney Kültürü ve Yaygınlaştırma

Deney hızını artıran bir süreç (pipeline) kurma
Deney fikirlerini biriktirme ve önceliklendirme
Özellik bayrağı (feature flag) ile aşamalı yayın
Deney sonuçlarını belgeleme ve kurum hafızası
Başarısız deneyden öğrenmeyi normalleştirme
Analitik, mühendislik ve ürün iş birliği düzeni

Modül 4

Veriyle Önceliklendirme ve Yol Haritası

RICE skoru ile fikirleri veriyle önceliklendirme
Fırsat ağacı (opportunity tree) ile keşfi yönlendirme
Metrik etkisine göre özellik seçimi ve gerekçesi
Veriye dayalı yol haritasını paydaşlara anlatma
Sonuç odaklı (outcome) yol haritası kurgusu
Kararı ölçüp öğrenerek yineleyen döngü kurma

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Veri odaklı bakış

Ürün kararlarını varsayım yerine kanıta dayandırmayı, gösteriş metriklerinden kaçınmayı ve sonuç odaklı düşünmeyi kazanırsınız.

✅

Metrik çerçeveleri

North Star, AARRR ve HEART çerçeveleriyle ürününüze uygun doğru metrikleri seçer ve bir metrik ağacı kurarsınız.

✅

OKR hizalaması

Ürün hedeflerini OKR ile ölçülebilir sonuçlara ve North Star metriğine bağlamayı, yaygın OKR hatalarından kaçınmayı öğrenirsiniz.

✅

Analitik ve olay takibi

Ürün analitiği araçlarında izleme planı kurmayı, veri kalitesini korumayı ve davranış verisini doğru toplamayı öğrenirsiniz.

✅

Huni ve kohort okuma

Dönüşüm hunisindeki darboğazları, kohort temelli elde tutma eğrilerini ve churn oranını yorumlamayı kazanırsınız.

✅

Segmentasyon içgörüsü

Anlamlı kullanıcı segmentleri oluşturup power user davranışını tanımlamayı ve içgörüyü ürün kararına çevirmeyi öğrenirsiniz.

✅

Deney ve A/B testi

Test edilebilir hipotez kurmayı, A/B deneyi tasarlamayı, istatistiksel anlamlılık ile örneklemi değerlendirmeyi öğrenirsiniz.

✅

Veriyle önceliklendirme

RICE ve fırsat ağacıyla fikirleri önceliklendirmeyi ve veriye dayalı bir yol haritasını paydaşlara savunmayı kazanırsınız.

Kimler İçin Uygundur?

Ürün yöneticileri
ürün sahipleri
büyüme (growth) ekipleri
ürün analistleri
veriye dayalı karar almayı güçlendirmek isteyen girişimci ile proje liderleri için uygundur; temel ürün yönetimi deneyimi faydalıdır

Sıkça Sorulan Sorular

Bu eğitim için istatistik bilmek gerekli mi?

Hayır, ileri istatistik bilgisi gerekmez. Yüzde, oran ve basit tablo okuyabilmek yeterlidir. A/B testini yorumlamak için gereken istatistiksel anlamlılık, güven aralığı ve örneklem büyüklüğü gibi kavramlar sezgisel biçimde, formül ezberletmeden ve ürün örnekleri üzerinden anlatılır.

Belirli bir analitik aracı öğretiliyor mu?

Eğitim araç bağımsızdır; olay tabanlı veri modeli, izleme planı, huni ve kohort analizi gibi kavramlar Amplitude ve Mixpanel gibi araçlarda ortak olan mantıkla anlatılır. Böylece kurumunuzda hangi aracı kullanırsanız kullanın bilgiyi uygulayabilirsiniz; istenirse kurumun kullandığı araçla örnekler uyarlanabilir.

Bu eğitimin Ürün Yönetimi Temelleri eğitiminden farkı nedir?

Temeller eğitimi ürün yöneticisinin rolü, yol haritası ve backlog gibi genel konulara odaklanır. Bu program ise ürün yönetiminin yalnızca ölçümleme, analitik ve deney boyutunu derinleştirir; metrik seçimi, kohort analizi ve A/B testi gibi veri odaklı pratikleri uygulamalı işler. İkisi birbirini tamamlar.

Eğitimin süresi ve formatı nedir?

Eğitim üç gün sürer ve her gün dört modülden oluşur. Metrik çerçeveleri, ürün analitiği, segmentasyon ve deney tasarımı gerçek senaryolar ile kısa veri yorumlama uygulamalarıyla işlenir. Program canlı online yürütülebildiği gibi kurumun kendi ürünü ve metrikleriyle de uyarlanabilir.

Eğitim sonunda sertifika veriliyor mu?

Programı tamamlayan katılımcılar Digital Vizyon Akademi Katılım ve Başarı Sertifikası alır. Bu sertifika tamamlanan modülleri ve uygulamaları belgeler. Kurumsal gruplara özel olarak içerik, örnek veri setleri ve metrikler kurumun ürününe göre uyarlanabilir.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika