> For the complete documentation index, see [llms.txt](https://user.netmera.com/netmera-user-guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://user.netmera.com/netmera-user-guide/netmera-user-guide-tr/hedefleme/segmentler/tahmine-dayali-segmentler.md).
# Tahmine dayalı segmentler
Netmera’nın Yapay Zekâ Tabanlı Tahmine Dayalı Segmentleri, bir **son derece esnek**, işletmelerin satın alma, tıklama veya bildirim gibi herhangi bir olaya dayalı tahmine dayalı modeller oluşturmasına olanak tanıyan olay odaklı bir yapı sunar. İster kullanıcı kaybını önlemek, ister dönüşümleri artırmak, ister kullanıcıları yeniden etkileşime geçirmek olsun, Netmera’nın yapay zekâsı davranış örüntülerinden öğrenerek her kullanım senaryosuna uyum sağlar **davranış örüntüleri** ve **gerçek zamanlı korelasyonları belirleyerek** proaktif etkileşim için.
Yapay zekâ tabanlı segmentler, çok çeşitli iş hedeflerine uyacak şekilde özelleştirilebilir. Yaygın bazı tahmine dayalı segment türleri şunları içerebilir:
1. **Kullanıcı Kaybı Riski Tahminleyicisi** – Kullanımdan kopması veya ürünü bırakması muhtemel kullanıcıları belirler.
2. **Yarım Bırakma Kurtarma** – İşlemlerini yarım bırakması muhtemel kullanıcıları tahmin eder (ör. sepet veya form).
3. **Yüksek Değerli Müşteri Tahminleyicisi** – Yüksek yaşam boyu değere sahip olma potansiyeli olan kullanıcıları öne çıkarır.
4. **Etkileşim Artırıcı** – Artan etkileşime olumlu yanıt verme olasılığı yüksek kullanıcıları hedefler.
5. **Dönüşüm Yapması Muhtemel Kitle** – Belirli bir dönüşüm aksiyonunu tamamlamaya istatistiksel olarak daha yatkın olan kullanıcıları tespit eder.
Bu kullanım senaryoları yalnızca örnektir—kendi özel olaylarınızı ve hedeflerinizi tanımlamakta özgürsünüz. Netmera’nın yapay zekâ segmentasyon motoru, sizin tanımladığınız her senaryoyu hesaplayıp uyum sağlayacak şekilde tasarlanmıştır.
## Örnek Kullanım Senaryoları
Netmera’nın Yapay Zekâ Tabanlı Tahmine Dayalı Segmentleri tamamen özelleştirilebilir—sabit veya varsayılan olaylar yoktur. İş hedefleriniz için önemli olan herhangi bir olayı tanımlayabilir ve bunun etrafında tahmine dayalı segmentler oluşturabilirsiniz. Aşağıda, AI segmentasyonunu kendi stratejilerinizde nasıl uygulayabileceğinize dair ilham verecek bazı örnek kullanım senaryoları yer alıyor.
### Yapay Zekâ Tabanlı Dönüşüm Segmentleri
Bir dönüşüm olayı; satın alma, kayıt olma veya formu tamamlama gibi işletmeniz için anlamlı bir aksiyonu işaret eden herhangi bir etkileşimdir. Yapay zekâ tabanlı dönüşüm segmentleriyle şunları yapabilirsiniz:
* Belirli bir aksiyonu tamamlama olasılığı en yüksek kullanıcıları tahmin edebilirsiniz (ör. satın alma yapma veya abonelik oluşturma).
* Dönüşüme yol açan davranış örüntülerini belirleyip bunları hızlandırmak için proaktif kampanyalar oluşturabilirsiniz.
**Örnek olaylar:** `Satın Alma Tamamlandı`, `Sepete Ekle`, `Form Gönderimi`, `Plan Yükseltme`
### Yapay Zekâ Tabanlı Kullanıcı Kaybı Segmentleri
Kullanıcı kaybı segmentleri, ilgisini kaybeden veya kullanımdan kopması muhtemel kullanıcıları belirlemenize yardımcı olur. Bu kurulumla şunları yapabilirsiniz:
* Ürününüz için hangi sinyallerin kopuşu gösterdiğini tanımlayın—bu, hiçbir aktivite olmaması, kritik bir özelliğin kullanılmaması veya sıklığın düşmesi olabilir.
* AI’yi kullanarak risk altındaki kullanıcıları erken tespit edin ve zamanında elde tutma çalışmaları yapın.
**Örnek olaylar:** `Uygulamayı Aç`, `Mesaj Okundu`, `İçerik Görüntülendi`, `İşlem Gerçekleştirildi`
### Yapay Zekâ Tabanlı Etkileşim Segmentleri
Bu segmentler, artan etkileşim çalışmalarına yanıt verme olasılığı yüksek kullanıcıları hedefleyerek platformunuzla etkileşimi artırmaya odaklanır.
* Kişiselleştirilmiş içerik veya push kampanyaları gibi yönlendirmelerden fayda sağlayabilecek, ilgisi yeni yeni oluşan kullanıcıları belirleyin.
* Artan veya azalan ilgiyi tespit etmek için özel etkileşimle ilgili olaylar ve tetikleme noktaları kurun.
**Örnek olaylar:** `Ekran Görüntülendi`, `Bildirim Tıklandı`, `İçerikte Gezinildi`, `Özellik Kullanıldı`
### Yapay Zekâ Tabanlı Yüksek Değerli Segmentler
Bu segmentler, yüksek potansiyel yaşam boyu değere veya güçlü ilgi göstergelerine sahip kullanıcıları öne çıkarmanıza yardımcı olur.
* Hangi kullanıcıların VIP veya yüksek harcama yapan müşteriler haline gelme olasılığının yüksek olduğunu tahmin etmek için davranış eğilimlerini kullanın.
* Pazarlama çalışmalarınızı bu değerli kullanıcıları geliştirmeye odaklayın.
**Örnek olaylar:** `Sık Satın Almalar`, `Birden Fazla Giriş`, `Premium Özellik Kullanımı`, `Yönlendirme Gönderildi`
## Nasıl Çalışır?
### Netmera’nın Yapay Zekâ Tabanlı Segmentleri için Hesaplama Metrikleri
Netmera’nın Yapay Zekâ Tabanlı Segmentleri, geçmiş olay verilerini analiz ederek ve gelecekteki aksiyonları öngörerek kullanıcı davranışlarını tahmin etmenize yardımcı olacak şekilde tasarlanmıştır. Bu tahmine dayalı yaklaşım üç temel aşamaya dayanır:
* **Geçmiş (P1)** – Geçmiş veriler: Tanımlı bir zaman aralığındaki kullanıcı aksiyonları
* **Şimdi (P2)** – Analizin gerçekleştiği an
* **Gelecek (P3)** – Tahmin edilen sonuç zaman aralığı
Hem **geçmiş analiz dönemini** (ör. "son 7 gün") hem de **tahmin zaman aralığını** (ör. "önümüzdeki 3 gün") tanımlayabilirsiniz; bu da AI modelini dönüşüm, kullanıcı kaybı veya etkileşim gibi belirli hedeflere göre tamamen özelleştirilebilir hale getirir.
### Tahminlerde Kullanılan Temel Metrikler
Güvenilir tahminler sunmak için AI modeli birkaç temel davranış metriğini kullanır. Bu metrikler, AI modelinin kullanıcı davranışlarını ayrıntılı biçimde anlamasını sağlar ve gelecekteki bir olayın gerçekleşme olasılığını tahmin etmek için kullanılabilir.
**Yakınlık –** Bir kullanıcının bir aksiyonu ne kadar yakın zamanda gerçekleştirdiğini ölçer. Bu, mevcut etkileşim seviyelerini anlamak için kritik öneme sahiptir. Yakınlık, hâlâ etkileşimde olan kullanıcıları, yeniden etkileşim stratejilerine ihtiyaç duyabilecek olanlardan ayırmaya yardımcı olur.
**Sıklık –** Belirli bir olayın tanımlı zaman aralığında ne kadar sık gerçekleştiğini izler. Çok aktif kullanıcıları veya popüler davranışları belirlemeye yardımcı olur. Örneğin, bir ürün sayfasına sık yapılan ziyaretler yüksek satın alma niyetine işaret edebilir.
**Olaylar Arası Süre –** İki belirli kullanıcı aksiyonu arasındaki zaman aralıklarını ölçer. Bu, kullanıcıların tempo örüntülerini tespit etmeye yardımcı olur—ister hızlı hareket etsinler ister zaman içinde etkileşimi bıraksınlar. Özellikle, kullanıcı kaybına işaret edebilecek hareketsizliği belirlemede çok kullanışlıdır.
### Hassasiyet Düzeyi
Bu **Hassasiyet Düzeyi** AI modelinin kullanıcıları bir segmente ne kadar sıkı sınıflandırdığını belirler. Bu, modelin tanımladığı kullanıcıların *gerçekte* tahmin edilen aksiyonu gerçekleştirme olasılığı yüksek olanlarının sayısını yansıtır.
* **Yüksek Kesinlik Düzeyi** → Daha küçük, daha doğru segmentler
* **Düşük Kesinlik Düzeyi** → Daha geniş hedeflemeye sahip daha büyük segmentler
Kesinlik şu şekilde hesaplanır: **Kesinlik = Doğru Pozitifler / (Doğru Pozitifler + Yanlış Pozitifler)**
Daha yüksek bir kesinlik seviyesi seçmek daha güvenilir tahminler sağlar, ancak segmentte daha az kullanıcı yer alır. Daha düşük bir kesinlik seviyesi daha fazla kullanıcı içerir, ancak aksiyonu gerçekleştirme olasılığı daha düşük olan kullanıcıların da dahil edilme ihtimalini artırabilir.
### SSS
**Önerilen bir kesinlik seviyesi var mı?**
Herkese uyan tek bir cevap yoktur. Bu, hedefinize bağlıdır. Yüksek kesinlik ve doğru hedefleme mi istiyorsunuz? Daha yüksek kesinliği tercih edin. Dönüşüm yapmayacak bazı kullanıcılar da olsa daha fazla kişiye ulaşmanız mı gerekiyor? Daha düşük bir ayar kullanın. CSM’niz doğru dengeyi seçmenize yardımcı olabilir.
**Yapay Zekâ Tabanlı Segmentler ne sıklıkla güncellenir?**
Segmentleriniz **her gece**güncellenir. Bu günlük yenileme, tahminlerinizin her zaman en güncel kullanıcı davranışlarına dayanması anlamına gelir ve size daha akıllı kararlar için güncel içgörüler sağlar.
**Yeni bir Yapay Zekâ Tabanlı Segmenti nasıl oluşturabilirim?**
Kendi Yapay Zekâ Tabanlı Segmentinizi oluşturmak için yalnızca **Müşteri Başarı Yöneticiniz (CSM)**ile iletişime geçin. Kurulum sürecinde size rehberlik eder ve hedeflerinizle uyumlu olmasını sağlarlar. Hazır olduğunda, diğer tüm segmentler gibi kampanyalarınızda kullanabilirsiniz.
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:
```
GET https://user.netmera.com/netmera-user-guide/netmera-user-guide-tr/hedefleme/segmentler/tahmine-dayali-segmentler.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.