> 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 Tahmini Segmentleri **son derece esnek**olup, işletmelerin satın alma, tıklama veya bildirimler gibi herhangi bir olaya dayalı tahmin modelleri oluşturmasına olanak tanıyan olay odaklı bir yapı sunar. İster kullanıcı kaybını önlemeyi, ister dönüşümleri artırmayı, ister kullanıcıları yeniden etkileşime geçirmeyi hedefleyin, Netmera’nın yapay zekâsı **davranış kalıplarını** ve **gerçek zamanlı korelasyonları belirleyerek** proaktif etkileşim için her kullanım senaryosuna uyum sağlar.
Yapay zekâ tabanlı segmentler, çok çeşitli iş hedeflerine uyacak şekilde özelleştirilebilir. Yaygın bazı tahmini segment türleri şunları içerebilir:
1. **Kayıp Riski Tahminleyici** – Ürünü kullanmayı bırakması veya etkileşimi azaltması muhtemel kullanıcıları belirler.
2. **Terk Kurtarma** – Eylemlerini (ör. sepet veya form) terk etmesi muhtemel kullanıcıları tahmin eder.
3. **Yüksek Değerli Müşteri Tahminleyici** – Yüksek yaşam boyu değer potansiyeli olan kullanıcıları öne çıkarır.
4. **Etkileşim Artırıcı** – Artırılmış etkileşime olumlu yanıt vermesi muhtemel kullanıcıları hedefler.
5. **Dönüşüm Yapma Olasılığı Yüksek Kitle** – Tanımlı bir dönüşüm olayını tamamlama olasılığı istatistiksel olarak daha yüksek olan kullanıcıları tespit eder.
Bu kullanım senaryoları örnektir—kendi özel olaylarınızı ve hedeflerinizi tanımlamakta özgürsünüz. Netmera’nın yapay zekâ segmentasyon motoru, sizin tanımladığınız herhangi bir senaryoyu hesaplayıp ona uyum sağlayacak şekilde tasarlanmıştır.
## Örnek Kullanım Senaryoları
Netmera’nın Yapay Zekâ Tabanlı Tahmini Segmentleri tamamen özelleştirilebilir—sabit ya da varsayılan bir olay yoktur. İş hedefleriniz için önemli olan herhangi bir olayı tanımlayabilir ve bunun etrafında tahmini segmentler oluşturabilirsiniz. Aşağıda, kendi stratejilerinizde yapay zekâ segmentasyonunu nasıl uygulayabileceğinize ilham vermesi için bazı örnek kullanım senaryoları yer almaktadır.
### Yapay Zekâ Tabanlı Dönüşüm Segmentleri
Bir dönüşüm olayı, işletmeniz için anlamlı bir eylemi işaret eden herhangi bir etkileşimdir; örneğin satın alma, kayıt olma veya form doldurma. Yapay zekâ tabanlı dönüşüm segmentleriyle şunları yapabilirsiniz:
* Belirli bir eylemi tamamlama olasılığı en yüksek kullanıcıları tahmin etmek (örn. satın alma yapmak veya abone olmak).
* Dönüşüme götüren davranış kalıplarını belirlemek ve bunları hızlandırmak için proaktif kampanyalar oluşturmak.
**Örnek olaylar:** `Satın Alma Tamamlandı`, `Sepete Ekle`, `Form Gönderimi`, `Plan Yükseltme`
### Yapay Zekâ Tabanlı Kayıp Segmentleri
Kayıp segmentleri, ilgisini kaybeden veya etkileşimi azaltması muhtemel kullanıcıları belirlemeye yardımcı olur. Bu kurulumla şunları yapabilirsiniz:
* Ürününüz için etkileşim kaybını neyin işaret ettiğini tanımlamak—bu, hiç aktivite olmaması, önemli bir özelliğin kullanılmaması ya da sıklıkta düşüş olabilir.
* Yapay zekâyı kullanarak risk altındaki kullanıcıları erken tespit etmek ve böylece zamanında elde tutma çalışmaları yürütmek.
**Örnek olaylar:** `Uygulamayı Aç`, `Mesaj Okundu`, `İçerik Görüntülendi`, `İşlem Yapıldı`
### Yapay Zekâ Tabanlı Etkileşim Segmentleri
Bu segmentler, artan etkileşim çabalarına yanıt vermesi muhtemel kullanıcıları hedefleyerek platformunuzla etkileşimi artırmaya odaklanır.
* Kişiselleştirilmiş içerik veya push kampanyaları gibi teşviklerden fayda görebilecek, ilgisi gelişmekte olan kullanıcıları belirleyin.
* Artan veya azalan ilgiyi tespit etmek için özel etkileşimle ilgili olaylar ve Tetikleyici noktalar kurun.
**Örnek olaylar:** `Ekran Görüntülendi`, `Bildirim Tıklandı`, `İçerikte Gezinti`, `Özellik Kullanıldı`
### Yapay Zekâ Tabanlı Yüksek Değer Segmentleri
Bu segmentler, yüksek yaşam boyu değer potansiyeline veya güçlü ilgi göstergelerine sahip kullanıcıları öne çıkarmaya yardımcı olur.
* Hangi kullanıcıların VIP veya yüksek harcama yapan müşterilere dönüşme olasılığı olduğunu tahmin etmek için davranış trendlerini kullanın.
* Pazarlama çalışmalarını bu değerli kullanıcıları beslemeye 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 eylemleri öngörerek kullanıcı davranışını tahmin etmenize yardımcı olmak için tasarlanmıştır. Bu tahmine dayalı yaklaşım üç temel aşamaya dayanır:
* **Geçmiş (P1)** – Geçmiş veriler: Tanımlı bir zaman aralığı içindeki kullanıcı eylemleri
* **An (P2)** – Analizin gerçekleştiği an
* **Gelecek (P3)** – Tahmin edilen sonuç penceresi
Hem **geçmiş analiz dönemini** (örn. "son 7 gün") hem de **tahmin zaman aralığını** (örn. "önümüzdeki 3 gün") tanımlayabilirsiniz; böylece yapay zekâ modeli dönüşüm, kayıp veya etkileşim gibi belirli hedeflere tamamen özelleştirilebilir.
### Tahminlerde Kullanılan Temel Metrikler
Güvenilir tahminler sunmak için yapay zekâ modeli birkaç temel davranış metriğini kullanır. Bu metrikler, yapay zekâ modelinin kullanıcı davranışına dair ayrıntılı bir anlayış oluşturmasına olanak tanır ve bu anlayış gelecekteki bir olayın gerçekleşme olasılığını tahmin etmek için kullanılabilir.
**Yakınlık –** Bir kullanıcının bir eylemi ne kadar yakın zamanda gerçekleştirdiğini ölçer. Bu, mevcut etkileşim seviyelerini anlamak için kritik öneme sahiptir. Yakınlık, hâlâ etkileşimde olan kullanıcıları ve yeniden etkileşim stratejilerine ihtiyaç duyabilecek kullanıcıları ayırt etmeye yardımcı olur.
**Sıklık –** Belirli bir olayın tanımlı zaman aralığında ne sıklıkla gerçekleştiğini izler. Yüksek aktif kullanıcıları veya yaygın davranışları belirlemeye yardımcı olur. Örneğin, bir ürün sayfasına sık ziyaret edilmesi yüksek satın alma niyetini gösterebilir.
**Olaylar Arası Süre –** İki belirli kullanıcı eylemi arasındaki zaman aralıklarını ölçer. Bu, kullanıcıların temposundaki kalıpları tespit etmeye yardımcı olur—ister hızlı hareket etsinler ister zaman içinde etkileşimi azalsın. Özellikle kullanıcı kaybına işaret edebilecek hareketsizliği tespit etmek için kullanışlıdır.
### Hassasiyet Seviyesi
Bu **Hassasiyet Seviyesi** yapay zekâ modelinin kullanıcıları bir segmente ne kadar sıkı şekilde sınıflandırdığını belirler. Bu, modelin belirlediği kullanıcıların ne kadarının *gerçekten* tahmin edilen eylemi gerçekleştirme olasılığı yüksek olduğunu gösterir.
* **Yüksek Hassasiyet Seviyesi** → Daha küçük, daha doğru segmentler
* **Düşük Hassasiyet Seviyesi** → Daha geniş hedeflemeye sahip daha büyük segmentler
Hassasiyet şu şekilde hesaplanır: **Hassasiyet = Doğru Pozitifler / (Doğru Pozitifler + Yanlış Pozitifler)**
Daha yüksek bir hassasiyet seviyesi seçmek daha güvenilir tahminler sağlar, ancak segmentteki kullanıcı sayısı azalır. Daha düşük bir hassasiyet seviyesi daha fazla kullanıcı içerir, ancak eylemi gerçekleştirme olasılığı daha düşük olan kullanıcıların da dahil edilme ihtimalini artırabilir.
### SSS
**Önerilen bir hassasiyet seviyesi var mı?**
Herkese uyan tek bir cevap yoktur. Bu, hedefinize bağlıdır. Yüksek kesinlik ve doğru hedefleme mi istiyorsunuz? Daha yüksek hassasiyete yönelin. Dönüşüm yapmayabilecek 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 davranışına dayanmasını sağlar ve daha akıllı kararlar için güncel içgörüler sunar.
**Yeni bir Yapay Zekâ Tabanlı Segment nasıl oluşturabilirim?**
Kendi Yapay Zekâ Tabanlı Segmentinizi oluşturmak için tek yapmanız gereken **Customer Success Manager (CSM)**ile iletişime geçmektir. Kurulum sürecinde size rehberlik edecek ve hedeflerinizle uyumlu olmasını sağlayacaklardır. Hazır olduğunda, bunu diğer 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.