> 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/targeting/segments/predictive-segments.md). # Tahmine dayalı segmentler Tahmine dayalı segmentler, izlenen herhangi bir olaya göre terk etmesi, dönüşüm sağlaması veya yeniden etkileşime girmesi muhtemel kullanıcıları hedefler. Netmera’nın Yapay Zekâ Tabanlı Tahmine Dayalı Segmentleri, **son derece esnek**, satın alma, tıklama veya bildirimler gibi herhangi bir olaya dayalı tahmine dayalı modeller oluşturmasına olanak tanıyan, olay odaklı bir yapı sunar. İster müşteri 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. Bazı yaygın tahmine dayalı segment türleri şunları içerebilir: 1. **Müşteri Kaybı Riski Tahminleyici** – Üründen uzaklaşma veya ürünü kullanmayı bırakma olasılığı yüksek kullanıcıları belirler. 2. **Yarıda Bırakma Kurtarma** – Kullanıcıların işlemlerini (örn. sepet veya form) yarıda bırakma olasılığını tahmin eder. 3. **Yüksek Değerli Müşteri Tahminleyici** – Yaşam boyu değeri yüksek olma potansiyeline sahip kullanıcıları öne çıkarır. 4. **Etkileşim Artırıcı** – Artan etkileşime olumlu yanıt verme olasılığı yüksek kullanıcıları hedefler. 5. **Dönüşüm Yapma Olasılığı Yüksek Kitle** – Tanımlı bir dönüşüm eylemini tamamlama eğilimi istatistiksel olarak daha yüksek olan kullanıcıları belirler. Bu kullanım senaryoları yalnızca örneklerdir—kendi özel olaylarınızı ve hedeflerinizi tanımlamakta özgürsünüz. Netmera’nın yapay zekâ segmentasyon motoru, sizin tanımladığınız herhangi bir senaryoyu hesaplamak ve ona uyum sağlamak üzere tasarlanmıştır. ## Örnek Kullanım Senaryoları Netmera’nın Yapay Zekâ Tabanlı Tahmine Dayalı Segmentleri tamamen özelleştirilebilirdir—sabit veya varsayılan olaylar yoktur. İş hedefleriniz için önemli olan herhangi bir olayı tanımlayabilir ve etrafında tahmine dayalı segmentler oluşturabilirsiniz. Aşağıda, yapay zekâ segmentasyonunu kendi stratejilerinizde nasıl uygulayabileceğinize dair ilham verecek bazı örnek kullanım senaryoları yer almaktadır.
### Yapay Zekâ Tabanlı Dönüşüm Segmentleri Bir dönüşüm olayı; satın alma, kayıt olma veya form doldurma gibi işletmeniz için anlamlı bir eylemi işaret eden herhangi bir etkileşimdir. Yapay zekâ tabanlı dönüşüm segmentleriyle şunları yapabilirsiniz: * Belirli bir eylemi tamamlama olasılığı en yüksek olan kullanıcıları tahmin edin (örneğin satın alma yapmak veya abone olmak). * Dönüşüme yol açan davranış kalıplarını belirleyin ve bunları hızlandırmak için proaktif kampanyalar oluşturun. **Örnek olaylar:** `Satın Alma Tamamlandı`, `Sepete Ekle`, `Form Gönderimi`, `Plan Yükseltme` ### Yapay Zekâ Tabanlı Müşteri Kaybı Segmentleri Müşteri kaybı segmentleri, ilgisini kaybediyor olabilecek veya üründen uzaklaşma ihtimali bulunan kullanıcıları belirlemeye yardımcı olur. Bu kurulumla şunları yapabilirsiniz: * Ürününüzde hangi sinyallerin etkileşim kaybını gösterdiğini tanımlayın — bu, hiç etkinlik olmaması, önemli bir özellikten uzak kalma ya da kullanım sıklığında düşüş olabilir. * Yapay zekâyı kullanarak risk altındaki kullanıcıları erken tespit edin ve böylece zamanında elde tutma çalışmaları yapın. **Örnek olaylar:** `Uygulamayı Aç`, `Mesaj Okundu`, `İçerik Görüntülendi`, `İşlem Yapıldı` ### 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 oluşan kullanıcıları belirleyin. * Artan veya azalan ilgiyi tespit etmek için etkileşimle ilgili özel olaylar ve tetikleme noktaları kurun. **Örnek olaylar:** `Ekran Görüntülendi`, `Bildirime Tıklandı`, `İçerik Gözatıldı`, `Özellik Kullanıldı` ### Yapay Zekâ Tabanlı Yüksek Değer Segmentleri Bu segmentler, yaşam boyu değeri yüksek veya güçlü ilgi göstergeleri olan kullanıcıları öne çıkarmaya yardımcı olur. * Hangi kullanıcıların VIP’lere veya büyük harcama yapan müşterilere dönüşme olasılığı olduğunu tahmin etmek için davranış eğilimlerini kullanın. * Değerli kullanıcıları geliştirmeye odaklanarak pazarlama çalışmalarınızı bu kullanıcılar üzerinde yoğunlaştırın. **Örnek olaylar:** `Sık Satın Alma`, `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 üzere tasarlanmıştır. Bu tahmine dayalı yaklaşım üç temel aşamaya dayanır: * **Geçmiş (P1)** – Geçmiş veriler: Belirli bir zaman aralığındaki kullanıcı eylemleri * **Şimdiki Zaman (P2)** – Analizin gerçekleştiği an * **Gelecek (P3)** – Tahmin edilen sonuç aralığı Hem **geçmiş analiz dönemini** (örn. "son 7 gün") hem de **tahmin zaman aralığını** (örn. "önümüzdeki 3 gün") tanımlayabilirsiniz; böylece yapay zekâ modelini dönüşüm, müşteri kaybı veya etkileşim gibi belirli hedeflere göre tamamen özelleştirebilirsiniz.
### Tahminlerde Kullanılan Temel Metrikler Güvenilir tahminler sunmak için yapay zekâ modeli birkaç temel davranış metriğini kullanır. Bu metrikler, modelin kullanıcı davranışını ayrıntılı bir şekilde anlamasını sağlar 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 açısından kritik öneme sahiptir. Yakınlık, hâlâ etkileşimde olan kullanıcıları ve yeniden etkileşim stratejilerine ihtiyaç duyabilecek kullanıcıları belirlemeye yardımcı olur. **Sıklık –** Belirlenen zaman aralığında belirli bir olayın ne sıklıkta gerçekleştiğini takip eder. Yüksek derecede aktif kullanıcıları veya popüler davranışları belirlemeye yardımcı olur. Örneğin, bir ürün sayfasına sık sık ziyaret, yüksek satın alma niyetine işaret edebilir. **Olaylar Arası Süre –** İki belirli kullanıcı eylemi arasındaki zaman aralıklarını ölçer. Bu, kullanıcıların hızlanma düzenlerini tespit etmeye yardımcı olur—ister hızlı hareket etsinler ister zaman içinde etkileşimden uzaklaşsınlar. Özellikle müşteri kaybına işaret edebilecek hareketsizliği tespit etmek için kullanışlıdır. ### Hassasiyet Düzeyi Bu **Hassasiyet Düzeyi** yapay zekâ modelinin kullanıcıları bir segmente ne kadar sıkı bir şekilde sınıflandırdığını belirler. Bu, modelin belirlediği kullanıcıların ne kadarının *gerçekten* tahmin edilen eylemi gerçekleştirme olasılığı taşıdığını yansıtır. * **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 segmentte daha az kullanıcı olur. Daha düşük bir hassasiyet seviyesi daha fazla kullanıcı içerir, ancak eylemi gerçekleştirme olasılığı daha düşük kişilerin de dahil edilme riskini artırabilir. ### SSS **Önerilen bir hassasiyet seviyesi var mı?** Tek bir doğru cevap yoktur. Bu, hedefinize bağlıdır. Yüksek kesinlik ve doğru hedefleme mi istiyorsunuz? Daha yüksek hassasiyeti seçin. Dönüşüm yapmayacak bazı kişiler olsa bile daha fazla kişiye ulaşmak mı istiyorsunuz? Daha düşük bir ayar kullanın. Doğru dengeyi seçmenizde CSM’niz yardımcı olabilir. **Yapay Zekâ Tabanlı Segmentler ne sıklıkla güncellenir?** Segmentleriniz **her gece**güncellenir. Bu günlük yenileme sayesinde tahminleriniz her zaman en güncel kullanıcı davranışına dayanır ve daha akıllı kararlar için güncel içgörüler sunar. **Yeni bir Yapay Zekâ Tabanlı Segmenti nasıl oluşturabilirim?** Kendi Yapay Zekâ Tabanlı Segmentinizi oluşturmak için sadece **Customer Success Manager (CSM)**ile iletişime geçin. Kurulum sürecinde size rehberlik eder ve bunun hedeflerinizle uyumlu olmasını sağlarlar. Hazır olduğunda, 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 by asking a question. Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters: ``` GET https://user.netmera.com/netmera-user-guide/netmera-user-guide-tr/targeting/segments/predictive-segments.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case. 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.