Predictive Segments

Netmera’nın AI tabanlı Predictive Segments'i sunar son derece esnek, event odaklı bir yapı sunar; işletmelerin satın alma, tıklama veya bildirim gibi herhangi bir event'e dayalı predictive modeller kurmasına olanak tanır. Churn'ı önlemek, dönüşümleri artırmak veya kullanıcıları yeniden etkileşime geçirmek olsun, Netmera’nın AI'ı her kullanım senaryosuna, davranışsal kalıplardan öğrenerek uyum sağlar. davranışsal kalıplar Success Rate gerçek zamanlı korelasyonları tespit etme proaktif etkileşim için.

AI tabanlı segmentler, çeşitli iş hedeflerine uyacak şekilde özelleştirilebilir. Yaygın predictive segment türleri şunları içerebilir:

1. Churn Risk Predictor – Ürünü kullanmayı bırakma veya ilgiyi kaybetme eğiliminde olan kullanıcıları belirler.

2. Abandonment Recovery – Eylemlerini (ör. sepet veya form) terk etme olasılığı yüksek kullanıcıları tahmin eder.

3. High-Value Customer Predictor – Yüksek lifetime value potansiyeline sahip kullanıcıları öne çıkarır.

4. Engagement Booster – Artan etkileşimle olumlu yanıt verme ihtimali yüksek kullanıcıları hedefler.

5. Likely-to-Convert Audience – Tanımlı bir conversion event'ini tamamlama olasılığı istatistiksel olarak daha yüksek olan kullanıcıları tespit eder.

Bu kullanım örnekleri örnektir—kendi custom event'lerinizi ve hedeflerinizi tanımlamakta özgürsünüz. Netmera'nın AI segmentasyon motoru, sizin tanımladığınız herhangi bir senaryoyu hesaplayıp uyum sağlayacak şekilde tasarlanmıştır.

Örnek Kullanım Senaryoları

Netmera’nın AI tabanlı Predictive Segments'i tamamen özelleştirilebilir—sabit veya varsayılan event yoktur. İş hedefleriniz için önemli olan herhangi bir event'i tanımlayabilir ve etrafında predictive segmentler oluşturabilirsiniz. Aşağıda AI segmentasyonu stratejilerinizde nasıl uygulanabileceğine dair örnek kullanım senaryoları yer almaktadır.

AI Tabanlı Conversion Segmentleri

Conversion event'i, satın alma, kayıt veya form doldurma gibi işiniz için anlamlı bir eylemi işaret eden herhangi bir etkileşimdir. AI tabanlı conversion segmentleri ile şunları yapabilirsiniz:

• Hangi kullanıcıların belirli bir eylemi tamamlama olasılığının daha yüksek olduğunu tahmin edin (ör. satın alma veya abonelik).

• Dönüşümlere yol açan davranışsal kalıpları belirleyin ve bunları hızlandıracak proaktif kampanyalar oluşturun.

Örnek event'ler: Purchase Completed, Add to Cart, Form Submission, Plan Upgrade

AI Tabanlı Churn Segmentleri

Churn segmentleri, ilgisini kaybediyor olabilecek veya disengage olma ihtimali yüksek kullanıcıları belirlemeye yardımcı olur. Bu yapı ile şunları yapabilirsiniz:

• Ürününüz için disengagement sinyallerini tanımlayın—bu, aktivite olmaması, önemli bir özelliğin kullanılmaması veya sıklık düşüşü olabilir.

• AI'yı risk altındaki kullanıcıları erken tespit etmek için kullanın ve zamanında retention çabalarını başlatın.

Örnek event'ler: Uygulamayı Aç, Message Read, Content Viewed, Transaction Made

AI Tabanlı Engagement Segmentleri

Bu segmentler, artan etkileşim çabalarına yanıt verme olasılığı yüksek kullanıcıları hedefleyerek platformunuzla etkileşimi artırmaya odaklanır.

• Kişiselleştirilmiş içerik veya push kampanyaları gibi teşviklerden fayda sağlayabilecek yükselen ilgi gösteren kullanıcıları belirleyin.

• Büyüyen veya azalan ilgiyi tespit etmek için custom engagement ile ilgili event'ler ve tetik noktaları kurun.

Örnek event'ler: Screen Viewed, Click Notification, Browse Content, Feature Used

AI Tabanlı High-Value Segmentleri

Bu segmentler, yüksek potansiyel lifetime value veya güçlü ilgi göstergeleri olan kullanıcıları öne çıkarır.

• Hangi kullanıcıların VIP veya büyük harcama yapma potansiyeline sahip olduğunu tahmin etmek için davranışsal trendleri kullanın.

• Pazarlama çabalarını bu değerli kullanıcıları beslemeye odaklayın.

Örnek event'ler: Frequent Purchases, Multiple Logins, Premium Feature Usage, Referral Sent

✨ Event Attribute Tabanlı Predictive Segments

Bu geliştirme ile Predictive Segments şimdi sadece event'lere dayanarak değil aynı zamanda aynı şekilde o event'lere ilişkin attribute'lara

dayalı olarak da oluşturulabilir.

Event attribute'larını predictive modele dahil ederek, Netmera daha bağlamsal, ince taneli ve doğru analizlere olanak verir; bu da daha akıllı ve anlamlı kitle hedeflemeleriyle sonuçlanır. Hâlâ event tabanlı Predictive Segments'i olduğu gibi kullanmaya devam edebilirsiniz. Attribute tabanlı yaklaşım,, ek daha detaylı tahminkatmanı

olarak hizmet eder ve kullanıcı davranışlarını daha yüksek doğrulukla tanımlamanıza ve anlamanıza imkan verir.

1. Nasıl Çalışır? Netmera'daki her event;, amount, category, productId "User Retention" cihaz türü channel

2. gibi birden fazla attribute içerebilir ve bu attribute değerleri artık event ile birlikte predictive modele girdi değişkenleri olarak dahil edilir. Bunun sonucunda model, belirli bir event'i tetiklemiş kullanıcıları belirlemenin ötesindebenzer attribute profillerine sahip olanları da

3. tespit edebilir ve predictive derinliği artırır.

Örnek Kullanım Senaryoları

Bu özelliği kullanmak için Customer Success Manager'ınızla iletişime geçin ve Predictive Segments'inize dahil edilmesini istediğiniz spesifik Event Attribute'u sağlayın.	Use Case	Example Event	Key Attributes Used
Model Goal	Conversion Segment	Purchase completed	paymentMethod = CreditCard
amount>1000	Uygulamayı Aç	Churn Segment	Yüksek satın alma potansiyeline sahip kullanıcıları tahmin edin
deviceType=iOS	Feature Used	Engagement Segment	Disengagement belirtileri gösteren iOS kullanıcılarını tespit edin
featureName=Wishlist	High-Value Segment	Transaction made	Belirli özelliklerle etkileşime girme olasılığı yüksek kullanıcıları belirleyin

Yüksek lifetime value potansiyeline sahip kullanıcıları öngörün

• Avantajlar Daha yüksek doğruluk:

• Predictive modellemeye bağlam farkındalığı ekler. Daha derin analiz:

• Event seviyesinden attribute seviyesine öğrenmeye geçiş sağlar. Daha akıllı hedefleme:

• Daha doğru kitle seçimiyle kampanyalara olanak tanır. Uyarlanabilir öğrenme:

olarak hizmet eder ve kullanıcı davranışlarını daha yüksek doğrulukla tanımlamanıza ve anlamanıza imkan verir.

AI, modelleri yeni attribute verileriyle sürekli günceller.

Netmera'nın AI Tabanlı Segmentleri için Hesaplama Metrikleri

• Netmera’nın AI tabanlı segmentleri, geçmiş event verilerini analiz edip gelecekteki eylemleri projekte ederek kullanıcı davranışını tahmin etmenize yardımcı olacak şekilde tasarlanmıştır. Bu predictive yaklaşım üç temel aşamaya dayanır: Geçmiş (P1)

• – Tarihsel veri: Tanımlı bir zaman penceresindeki kullanıcı eylemleri Şimdi (P2)

• – Analizin gerçekleştirildiği 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; bu sayede AI modeli dönüşümler, churn veya etkileşim gibi belirli hedeflere tamamen özelleştirilebilir.

Tahminlerde Kullanılan Temel Metrikler

Güvenilir tahminler sunmak için AI modeli birkaç temel davranış metriğini kullanır. Bu metrikler, AI modelinin kullanıcı davranışını nüanslı bir şekilde anlamasını sağlar ve gelecekteki bir event'in olasılığını tahmin etmek için kullanılır. Recency –

Kullanıcının bir eylemi ne kadar yakın zamanda gerçekleştirdiğini ölçer. Bu, mevcut etkileşim seviyelerini anlamak için kritiktir. Recency, hâlâ etkileşimde olan kullanıcıları yeniden etkileşim gerektirenlerden ayırmaya yardımcı olur. Frequency –

Tanımlı zaman periyodu içinde belirli bir event'in ne sıklıkta gerçekleştiğini takip eder. Yüksek aktif kullanıcıları veya popüler davranışları belirlemeye yardımcı olur. Örneğin, bir ürün sayfasına sık ziyaretler yüksek satın alma niyetini gösterebilir. Event'ler Arası Süre –

İki spesifik kullanıcı eylemi arasındaki zaman aralıklarını ölçer. Bu, kullanıcıların hızlı hareket edip etmediği veya zaman içinde düşüş yaşayıp yaşamadığını tespit etmeye yardımcı olur. Özellikle churn'ı işaret edebilecek inaktiviteyi tespit etmede faydalıdır.

The İki spesifik kullanıcı eylemi arasındaki zaman aralıklarını ölçer. Bu, kullanıcıların hızlı hareket edip etmediği veya zaman içinde düşüş yaşayıp yaşamadığını tespit etmeye yardımcı olur. Özellikle churn'ı işaret edebilecek inaktiviteyi tespit etmede faydalıdır. Precision Level AI modelinin kullanıcıları bir segmente ne kadar sıkı sınıflandırdığını belirler. Modelin belirlediği kullanıcıların gerçekte predicted eylemi gerçekten

• gerçekleştirme olasılıklarını yansıtır. Yüksek Precision Level

• → Daha küçük, daha doğru segmentler Düşük Precision Level

→ Daha geniş hedeflemeye sahip daha büyük segmentler Precision şu şekilde hesaplanır:

Precision = True Positives / (True Positives + False Positives)

Daha yüksek bir precision seviyesi seçmek, daha emin tahminler sağlar fakat segmentte daha az kullanıcı olur. Daha düşük bir precision seviyesi daha fazla kullanıcıyı dahil eder ancak predicted eylemi gerçekleştirme olasılığı daha düşük kullanıcıların da dahil olma ihtimalini artırabilir.

SSS

Önerilen bir precision seviyesi var mı?

Tek bir doğru cevap yok. Hedefinize bağlı. Yüksek kesinlik ve doğru hedefleme mi istiyorsunuz? Daha yüksek precision tercih edin. Daha fazla kişiye ulaşmak mı gerekiyor, bazıları dönüşüm sağlamasa bile? Daha düşük ayarı kullanın. Doğru dengeyi seçmenizde CSM’iniz size yardımcı olabilir.

AI Tabanlı Segmentler ne sıklıkla güncellenir? Segmentlerinizher gece

güncellenir. Bu günlük yenileme, tahminlerinizin her zaman en güncel kullanıcı davranışına dayalı olmasını sağlar ve daha akıllı kararlar için güncel içgörüler sunar.

Yeni bir AI Tabanlı Segment nasıl oluşturabilirim? Kendi AI Tabanlı Segmentinizi oluşturmak için sadeceCustomer Success Manager (CSM)ınızla iletişime geçin