> 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/yapay-zeka-ozellikleri/tahmine-dayali-segmentler.md).

# Tahmine Dayalı Segmentler

Netmera’nın Yapay Zekâ Tabanlı Tahmine Dayalı Segmentleri **son derece esnek** bir yapı sunar; bu yapı, işletmelerin satın alma, tıklama veya bildirim gibi herhangi bir olaya dayalı tahmine dayalı modeller oluşturmasına olanak tanır. İster churn’ü önlemeyi, ister dönüşümleri artırmayı, ister kullanıcıları yeniden etkileşime geçirmeyi hedefleyin, Netmera’nın yapay zekâsı **davranış kalıplarından** ve **gerçek zamanlı korelasyonları tespit ederek** proaktif etkileşim için her kullanım senaryosuna uyum sağlar.

<figure><img src="/files/5e736aa063d89a3b554edf98ee1039fa47079b5d" alt="" width="563"><figcaption></figcaption></figure>

Yapay zekâ tabanlı segmentler, çok çeşitli iş hedeflerine uyacak şekilde özelleştirilebilir. Bazı yaygın tahmine dayalı segment türleri şunları içerebilir:

1. **Churn Riski Tahminleyici** – Platformdan uzaklaşma veya ürünü kullanmayı bırakma ihtimali olan kullanıcıları belirler.
2. **Terk Kurtarma** – Kullanıcıların işlemlerini (örn. sepet veya form) yarıda bırakma ihtimalini tahmin eder.
3. **Yüksek Değerli Müşteri Tahminleyici** – Yüksek yaşam boyu değer potansiyeline sahip kullanıcıları öne çıkarır.
4. **Etkileşim Artırıcı** – Artırılmış etkileşime olumlu yanıt verme olasılığı yüksek kullanıcıları hedefler.
5. **Dönüşüme Yatkın Kitle** – Tanımlı bir dönüşüm aksiyonunu tamamlama eğilimi istatistiksel olarak daha yüksek olan kullanıcıları belirler.

Bu kullanım senaryoları örnektir—kendi özel olaylarınızı ve hedeflerinizi tanımlamakta özgürsünüz. Netmera’nın yapay zekâ segmentasyon motoru, sizin tanımladığınız her senaryoyu hesaplamak ve buna uyum sağlamak üzere tasarlanmıştır.

## Örnek Kullanım Senaryoları

Netmera’nın Yapay Zekâ Tabanlı Tahmine Dayalı Segmentleri tamamen özelleştirilebilir—sabit veya varsayılan bir olay seti 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 vermesi için bazı örnek kullanım senaryoları yer almaktadır.

<figure><img src="/files/6dc69f8d2bd30a9ae97b36b68139284475d2db05" alt=""><figcaption></figcaption></figure>

### Yapay Zekâ Tabanlı Dönüşüm Segmentleri

Bir dönüşüm olayı, işletmeniz için anlamlı bir aksiyonu işaret eden herhangi bir etkileşimdir; örneğin satın alma, kayıt olma veya form doldurma. Yapay zekâ tabanlı dönüşüm segmentleriyle şunları yapabilirsiniz:

* Belirli bir aksiyonu tamamlama olasılığı en yüksek kullanıcıları tahmin edin (örn. satın alma yapmak veya abonelik başlatmak).
* 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 Churn Segmentleri

Churn segmentleri, ilgisini kaybedebilecek veya etkileşimden uzaklaşma ihtimali olan kullanıcıları belirlemeye yardımcı olur. Bu kurulumla şunları yapabilirsiniz:

* Ürününüz için etkileşimden uzaklaşmayı neyin işaret ettiğini tanımlayın—bu, hiç etkinlik olmaması, önemli bir özellikte bulunmamak veya kullanım sıklığında düşüş olabilir.
* Yapay zekâyı kullanarak risk altındaki kullanıcıları erken tespit edin ve zamanında elde tutma çalışmalarını devreye alın.

**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 yönlendiricilerden fayda görebilecek, ilgisi artmakta olan kullanıcıları belirleyin.
* Artan veya azalan ilgiyi tespit etmek için özel etkileşimle ilgili olaylar ve tetik noktaları kurun.

**Örnek olaylar:** `Ekran Görüntülendi`, `Bildirime Tıkla`, `İçeriği Gez`, `Özellik Kullanıldı`

### Yapay Zekâ Tabanlı Yüksek Değerli Segmentler

Bu segmentler, yüksek yaşam boyu değer potansiyeline veya güçlü ilgi göstergelerine sahip kullanıcıları öne çıkarmaya yardımcı olur.

* Hangi kullanıcıların VIP ya da yüksek harcama yapan müşterilere dönüşme ihtimali olduğunu tahmin etmek için davranış eğilimlerini kullanın.
* Pazarlama çalışmalarını bu değerli kullanıcıları beslemeye odaklayın.

**Örnek olaylar:** `Sık Satın Alımlar`, `Birden Fazla Giriş`, `Premium Özellik Kullanımı`, `Yönlendirme Gönderildi`

### :sparkles: Olay Özelliği Tabanlı Tahmine Dayalı Segmentler

Bu geliştirme ile Tahmine Dayalı Segmentler artık **yalnızca olayların kendisine dayanarak değil** aynı zamanda ayrıca bu olaylarla ilişkili **özelliklere dayanarak da oluşturulabilir.**

Olay özelliklerini tahmine dayalı modele dahil ederek Netmera, daha bağlamsal, daha ayrıntılı ve daha doğru analizler sağlar; bunun sonucunda daha akıllı ve daha anlamlı kitle hedeflemesi elde edilir.

Olay tabanlı Tahmine Dayalı Segmentleri eskiden olduğu gibi kullanmaya devam edebilirsiniz. Özellik tabanlı yaklaşım, **ek**, **daha** **ayrıntılı** **tahmin** **katmanı**olarak hizmet verir ve kullanıcı davranışlarını daha yüksek doğrulukla tanımlamanıza ve anlamanıza olanak tanır.

#### Nasıl Çalışır?

1. Netmera’daki her olay, aşağıdakiler gibi birden fazla özellik içerebilir: `tutar`, `kategori`,  `ürünId`, `kanal` veya `cihaz türü` ve bu özellik değerleri artık olayın kendisiyle birlikte tahmine dayalı modele giriş değişkenleri olarak dahil edilmektedir.
2. Sonuç olarak model, yalnızca belirli bir olayı tetiklemiş kullanıcıları değil, aynı zamanda **benzer özellik profillerine sahip olanları da**tespit edebilir; bu da tahmin derinliğini artırır.
3. Bu özelliği kullanmak için Customer Success Manager’ınız ile iletişime geçin ve Tahmine Dayalı Segmentlerinize dahil edilmesini istediğiniz belirli Olay Özelliğini paylaşın.

#### Örnek Kullanım Senaryoları

<table><thead><tr><th width="129">Kullanım Senaryosu </th><th width="176.5999755859375">Örnek Olay</th><th width="246.9490966796875">Kullanılan Temel Özellikler</th><th>Model Hedefi</th></tr></thead><tbody><tr><td><strong>Dönüşüm Segmenti</strong></td><td><code>Satın alma tamamlandı</code></td><td><code>tutar>1000</code></td><td>Yüksek satın alma potansiyeline sahip kullanıcıları tahmin et</td></tr><tr><td><strong>Churn Segmenti</strong></td><td><code>Uygulamayı Aç</code></td><td><code>cihazTürü=iOS</code></td><td>Etkileşimden uzaklaşmanın erken belirtilerini gösteren iOS kullanıcılarını tespit et</td></tr><tr><td><strong>Etkileşim Segmenti</strong></td><td><code>Özellik Kullanıldı</code></td><td><code>özellikAdı=Wishlist</code></td><td>Belirli özelliklerle etkileşime girmesi muhtemel kullanıcıları belirle</td></tr><tr><td><strong>Yüksek Değerli Segment</strong></td><td><code>İşlem yapıldı</code></td><td><code>ödemeYöntemi = KrediKartı</code></td><td>Yüksek yaşam boyu değer potansiyeline sahip kullanıcıları tahmin et</td></tr></tbody></table>

#### Avantajlar

* **Daha yüksek doğruluk:** Tahmine dayalı modellemeye bağlam farkındalığı ekler.
* **Daha derin analiz:** Olay düzeyindeki öğrenmeden özellik düzeyindeki öğrenmeye geçiş sağlar.
* **Daha akıllı hedefleme:** Daha doğru kitle seçimiyle kampanyalar oluşturulmasını sağlar.
* **Uyarlanabilir öğrenme:** Yapay zekâ, modeli yeni özellik verileriyle sürekli günceller.

## 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 tahmin ederek kullanıcı davranışını öngörmenize yardımcı olmak üzere tasarlanmıştır. Bu tahmine dayalı yaklaşım üç temel aşamaya dayanır:

* **Geçmiş (P1)** – Tarihsel veri: Tanımlı bir zaman aralığı içindeki kullanıcı aksiyonları
* **Şimdi (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, churn veya etkileşim gibi belirli hedeflere tam olarak uyarlanabilir.

<figure><img src="/files/6159a544e5dc5392a7b63b4d1d0548bb1146cde1" alt=""><figcaption></figcaption></figure>

### Tahminlerde Kullanılan Temel Metrikler

Güvenilir tahminler sunmak için yapay zekâ modeli birkaç temel davranış metriğini kullanır. Bu metrikler, yapay zekâ modelinin kullanıcı davranışını ayrıntılı biçimde anlamasını sağlar ve bu anlayış 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 ve yeniden etkileşime ihtiyaç duyabilecek kullanıcıları ayırt etmeye yardımcı olur.

**Sıklık –** Belirli bir olayın tanımlı zaman aralığında ne kadar sık gerçekleştiğini izler. Yoğun aktif kullanıcıları veya yaygın davranışları belirlemeye yardımcı olur. Örneğin, bir ürün sayfasına sık ziyaret, yüksek satın alma niyetine işaret edebilir.

**Olaylar Arasındaki Süre –** İki belirli kullanıcı aksiyonu arasındaki zaman aralıklarını ölçer. Bu, kullanıcıların hız desenlerini—ne kadar hızlı hareket ettiklerini veya zamanla etkileşimi bırakıp bırakmadıklarını—tespit etmeye yardımcı olur. Özellikle churn’e işaret edebilecek hareketsizliği saptamak için faydalıdır.

### Doğruluk Seviyesi

The **Doğruluk Seviyesi** yapay zekâ modelinin kullanıcıları bir segmente ne kadar sıkı şekilde sınıflandırdığını belirler. Bu, modelin tespit ettiği kullanıcıların ne kadarının *gerçekte* tahmin edilen aksiyonu gerçekleştirme olasılığı olduğunu gösterir.

* **Yüksek Doğruluk Seviyesi** → Daha küçük, daha doğru segmentler
* **Düşük Doğruluk Seviyesi** → Daha geniş hedeflemeye sahip daha büyük segmentler

Doğruluk şu şekilde hesaplanır: **Doğruluk = Gerçek Pozitifler / (Gerçek Pozitifler + Yanlış Pozitifler)**

Daha yüksek bir doğruluk seviyesi seçmek daha güvenilir tahminler sağlar, ancak segmentte daha az kullanıcı olur. Daha düşük bir doğruluk seviyesi daha fazla kullanıcı içerir ancak aksiyonu gerçekleştirme olasılığı daha düşük olan kullanıcıların da dahil edilme ihtimalini artırabilir.

<figure><img src="/files/4236623c1276aa216828790f5e82494fbd600a74" alt="" width="375"><figcaption></figcaption></figure>

### SSS

**Önerilen bir doğruluk seviyesi var mı?**

Herkes için geçerli tek bir cevap yoktur. Bu, hedefinize bağlıdır. Yüksek kesinlik ve doğru hedefleme mi istiyorsunuz? Daha yüksek doğruluğu tercih edin. Dönüşüm yapmayan 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 sayesinde tahminleriniz her zaman en güncel kullanıcı davranışına dayanır ve daha akıllı kararlar için güncel içgörüler sağlar.

**Yeni bir Yapay Zekâ Tabanlı Segmenti nasıl oluşturabilirim?**

Kendi Yapay Zekâ Tabanlı Segmentinizi oluşturmak için yalnızca **Customer Success Manager (CSM)**&#x69;le iletişime geçin. Kurulumda 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:

```
GET https://user.netmera.com/netmera-user-guide/netmera-user-guide-tr/yapay-zeka-ozellikleri/tahmine-dayali-segmentler.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
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.