Yapay Zekâ ile Satış Otomasyonu: Aday Puanlamadan Takibe

Yapay zekâ ile satış otomasyonu, CRM'de biriken veriyi kullanarak müşteri adaylarını puanlayan, doğru kişiye yönlendiren, takip mesajlarını zamanlayan ve satış temsilcisine sıradaki adımı öneren sistemlerin genel adıdır. Klasik otomasyondan farkı, kuralların bir kısmını insanın yazmaması, geçmiş satış verisinden öğrenilmesidir. Ama temeli değişmez: düzgün tutulan bir CRM ve yazıya dökülmüş bir satış süreci yoksa yapay zekâ da işe yaramaz.

Klasik satış otomasyonu ile yapay zekâ destekli otomasyon arasındaki fark ne?

Klasik (kural tabanlı) otomasyonda kuralı siz yazarsınız: "Fiyat sayfasını ziyaret edene 10 puan ver", "Teklif gönderildikten üç gün sonra hatırlatma görevi aç." Sistem bu kuralları harfiyen uygular. Şeffaftır, kurması kolaydır, ama kuralı yazanın tahmini kadar isabetlidir.

Yapay zekâ destekli otomasyonda sistem, geçmişte satışa dönüşen ve dönüşmeyen kayıtları karşılaştırıp hangi özelliklerin satışla ilişkili olduğunu kendisi çıkarır. Bunun iki bedeli vardır: yeterli miktarda geçmiş veri ister ve kararın gerekçesi her zaman açık değildir. Bu yüzden çoğu işletme için doğru yol, önce kural tabanlı otomasyonu kurmak, veri biriktikçe yapay zekâ katmanını eklemektir.

Yapay zekâ satış sürecinde hangi işleri üstlenebilir?

• Aday puanlama (lead scoring): Hangi adayın satın almaya daha yakın olduğunu tahmin eder, temsilcinin önce kimi araması gerektiğini sıralar.
• Aday yönlendirme: Gelen talebi bölge, sektör ya da ürün ilgisine göre doğru temsilciye atar.
• Mesaj taslağı: Adayın geçmiş etkileşimlerine bakarak takip e-postası ya da teklif ön yazısı için taslak üretir; temsilci düzenleyip gönderir.
• Görüşme özeti: Toplantı kaydından ya da notlardan özet, itirazlar ve sonraki adımlar çıkarır, CRM kartına işler.
• Fırsat riski ve tahmin: Uzun süredir hareketsiz kalan ya da aşama atlayan fırsatları işaretler, ay sonu satış tahminine yardımcı olur.
• Veri temizliği: Mükerrer kayıtları bulur, eksik firma bilgisini tamamlar, yazım farklarını birleştirir.
• İlk karşılama: Web sitesindeki sohbet asistanı, sık sorulan soruları yanıtlar ve uygun adayı temsilciyle görüşmeye yönlendirir.

Tahmine dayalı aday puanlama nasıl çalışır?

Model, geçmişte müşteriye dönüşen kayıtların ortak özelliklerini öğrenir: hangi sektörden geldikleri, şirket büyüklüğü, hangi sayfaları gezdikleri, e-postalara ne sıklıkla tıkladıkları, toplantı ayarlayıp ayarlamadıkları gibi. Sonra yeni gelen her adaya bu örüntüye ne kadar benzediğine göre bir puan verir.

Yaygın CRM'lerin bu özelliği nasıl sunduğuna bakmak, beklentiyi doğru kurmanıza yardım eder. HubSpot'un tahmine dayalı puanlaması, bir kişinin önümüzdeki 90 gün içinde müşteriye dönüşme olasılığını yüzde olarak verir ve yalnız Marketing Hub ile Sales Hub'ın Enterprise paketlerinde yer alır. Salesforce'un Einstein Lead Scoring özelliği kendi modelini kurabilmek için son 200 günde en az 1.000 aday kaydı ve bunlardan en az 120 dönüşüm ister; veri yetmezse birçok Salesforce müşterisinin anonim verisinden oluşan genel bir model kullanır.

Buradan çıkan pratik sonuç şudur: ayda birkaç düzine talep alan bir KOBİ'nin kendi verisinden anlamlı bir model çıkması zordur. Böyle bir işletmede önce satış ekibiyle birlikte basit bir kural tabanlı puanlama kurmak, dönüşen ve dönüşmeyen kayıtları düzenli işaretlemek ve birkaç ay sonra puanların gerçekten satışı öngörüp öngörmediğine bakmak daha sağlıklıdır.

Otomatik takip mesajlarında hukuki sınırlar nelerdir?

Otomasyon mesaj göndermeyi kolaylaştırır, ama kimin ne zaman mesaj alabileceğini değiştirmez.

• Önceden onay: 6563 sayılı Elektronik Ticaretin Düzenlenmesi Hakkında Kanun'un 6. maddesine göre ticari elektronik iletiler alıcılara ancak önceden onayları alınarak gönderilebilir. Aynı madde, esnaf ve tacirlere önceden onay alınmadan gönderim yapılabileceğini de düzenler; yani kurumsal müşterilere satış yapan bir işletme ile tüketiciye satış yapan bir işletmenin kuralları farklıdır.
• Ret hakkı: Kanunun 8. maddesine göre alıcı dilediği zaman gerekçe göstermeden iletileri reddedebilir ve bu reddin kolay ve ücretsiz iletilebilmesi gerekir. Otomasyonunuz ret bildirimini gören kişiyi akışlardan otomatik çıkarmalıdır.
• İYS kaydı: Ticari ileti izinlerinin İleti Yönetim Sistemi üzerinden yönetilmesi gerekir; CRM'deki izin durumu ile İYS kaydının eşleşmesi kurulumun parçası olmalıdır.
• Otomatik karar ve KVKK: 6698 sayılı Kişisel Verilerin Korunması Kanunu'nun 11. maddesi, kişiye verilerinin yalnızca otomatik sistemlerle analiz edilmesi sonucunda aleyhine çıkan bir sonuca itiraz etme hakkı tanır. Puanlamayı yalnız sıralama için kullanmak, kritik kararlarda (ör. bir başvuruyu reddetmek) son sözü insana bırakmak bu açıdan da doğru tasarımdır.

Yapay zekâ ile satış otomasyonu adım adım nasıl kurulur?

1. Satış sürecini çizin. Talep nereden gelir, kim karşılar, teklif hangi aşamalardan geçer, "kazanıldı" ve "kaybedildi" ne demektir? Aşama tanımları net değilse yapay zekânın öğreneceği bir şey de yoktur.
2. CRM verisini temizleyin. Mükerrer kayıtları birleştirin, zorunlu alanları belirleyin, kaynak (form, telefon, reklam, fuar) bilgisinin her kayıtta tutulduğundan emin olun.
3. Nitelikli aday tanımında anlaşın. Pazarlama ile satışın "görüşmeye hazır aday" tanımı aynı olmalıdır. Aksi hâlde puan ne olursa olsun iki ekip birbirini suçlar.
4. Kural tabanlı puanlamayla başlayın. Birkaç açık kural (sektör uyumu, fiyat sayfası ziyareti, demo talebi) yeterlidir.
5. Takip akışlarını kurun. Teklif açıldı ama yanıt yoksa hatırlatma, belirli bir puanı geçen adayı temsilciye atama, uzun süredir hareketsiz kalan fırsat için görev açma gibi akışlar ekleyin.
6. Yapay zekâ katmanını ekleyin. Yeterli geçmiş veri oluştuğunda tahmine dayalı puanlamayı, mesaj taslaklarını ve görüşme özetlerini devreye alın. İlk dönemde yapay zekâ puanını kural tabanlı puanla yan yana izleyin.
7. Ölçün ve düzeltin. Aylık olarak yüksek puanlı adayların gerçekten daha çok satışa dönüşüp dönüşmediğine bakın.

Başarıyı hangi göstergelerle ölçmelisiniz?

• Aşamadan aşamaya dönüşüm oranı (talep, görüşme, teklif, satış)
• Yeni talebe ilk yanıt süresi
• Yüksek ve düşük puanlı adayların gerçek dönüşüm oranları arasındaki fark
• Takip akışlarında yanıt oranı ile abonelikten çıkma ve ret oranı
• Temsilcinin veri girişine ve rapor hazırlamaya harcadığı zaman

Sık yapılan hatalar

• Veri hazır değilken model kurmak: Kaynağı belli olmayan, sonucu işaretlenmemiş kayıtlarla eğitilen model, rastgele puan üretir.
• Her şeyi aynı anda otomatikleştirmek: Bir akış bozulduğunda sorunun nerede olduğu anlaşılmaz. Tek süreçle başlayıp genişletmek daha güvenlidir.
• Mesaj sıklığını abartmak: Otomasyon göndermeyi bedava gösterir, ama her gereksiz mesaj ret ve şikâyet riskini artırır.
• Satış ekibini sürece katmamak: Puanı anlamayan temsilci ona güvenmez ve eski alışkanlığına döner.

Kısaca

Yapay zekâ satış otomasyonunda fark yaratan şey model değil, altındaki süreç ve veridir. Önce süreci ve CRM'i düzene sokun, kural tabanlı otomasyonla başlayın, yapay zekâyı veri biriktikçe ve ölçerek ekleyin. İleti izinleri ve kişisel veri tarafını da kurulumun ilk gününden tasarıma dâhil edin.

Satış sürecinize uygun otomasyonu tasarlamak için yapay zekâ çözümlerimize ve altyapı tarafında CRM ve ERP hizmetimize göz atabilirsiniz. Mevcut sürecinizi birlikte değerlendirmek isterseniz bize ulaşabilirsiniz.