> 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 zeka tabanlı tahmine dayalı segmentleri, satın alma, tıklama veya bildirim gibi olaylara dayalı olarak tahmine dayalı modeller oluşturmak için olay odaklı bir yapı kullanır. Modeller, davranış kalıplarını ve korelasyonları kullanarak müşteri kaybı, dönüşüm veya etkileşim gibi sonuçları tahmin eder.
Yapay zeka tabanlı segmentler, çok çeşitli iş hedeflerine uyacak şekilde özelleştirilebilir. Yaygın tahmine dayalı segment türlerinden bazıları şunları içerebilir:
1. **Müşteri Kaybı Riski Tahminleyicisi** – Üründen uzaklaşması veya ürünü kullanmayı bırakması muhtemel kullanıcıları belirler.
2. **Terki Geri Kazanma** – Eylemlerini yarıda bırakması muhtemel kullanıcıları tahmin eder (ör. sepet veya form).
3. **Yüksek Değerli Müşteri Tahminleyicisi** – Yaşam boyu değer potansiyeli yüksek kullanıcıları öne çıkarır.
4. **Etkileşim Artırıcı** – Artan etkileşime olumlu yanıt verme olasılığı yüksek kullanıcıları hedefler.
5. **Dönüşüme Yakın Hedef Kitle** – Tanımlı bir dönüşüm aksiyonunu tamamlama eğilimi istatistiksel olarak daha yüksek olan kullanıcıları belirler.
Bu kullanım alanları örnektir. Kendi özel olaylarınızı ve hedeflerinizi tanımlayabilirsiniz. Netmera’nın yapay zeka segmentasyon motoru, tanımladığınız senaryoya göre hesaplama yapar ve uyum sağlar.
## Örnek Kullanım Alanları
Netmera’nın yapay zeka 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 yapay zeka segmentasyonu için örnek kullanım alanları yer almaktadır.
### Yapay Zeka Tabanlı Dönüşüm Segmentleri
Dönüşüm olayı; satın alma, kayıt olma veya form doldurma gibi işletmeniz için anlamlı bir aksiyonu işaret eden herhangi bir etkileşimdir. Yapay zeka tabanlı dönüşüm segmentleriyle şunları yapabilirsiniz:
* Hangi kullanıcıların belirli bir aksiyonu tamamlama olasılığının en yüksek olduğunu tahmin edebilirsiniz (ör. satın alma yapmak veya abone olmak).
* Dönüşüme yol açan davranış kalıplarını belirleyebilir ve bunları hızlandırmak için proaktif kampanyalar oluşturabilirsiniz.
**Örnek olaylar:** `Satın Alma Tamamlandı`, `Sepete Ekle`, `Form Gönderimi`, `Plan Yükseltme`
### Yapay Zeka Tabanlı Müşteri Kaybı Segmentleri
Müşteri kaybı segmentleri, ilgisini kaybediyor olabilecek veya üründen uzaklaşması muhtemel kullanıcıları belirlemeye yardımcı olur. Bu kurulumla şunları yapabilirsiniz:
* Ürününüz için neyin etkileşim kaybını gösterdiğini tanımlayın — bu, hiç aktivite olmaması, önemli bir özellikten uzak kalınması veya kullanım sıklığında düşüş olabilir.
* Yapay zekayı kullanarak risk altındaki kullanıcıları erken tespit edin ve zamanında elde tutma çalışmalarını mümkün kılın.
**Örnek olaylar:** `Uygulamayı Aç`, `Mesaj Okundu`, `İçerik Görüntülendi`, `İşlem Yapıldı`
### Yapay Zeka 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 görebilecek, ilgisi yeni oluşan kullanıcıları belirleyin.
* Artan veya azalan ilgiyi tespit etmek için özel etkileşimle ilgili olaylar ve tetik noktaları kurun.
**Örnek olaylar:** `Ekran Görüntülendi`, `Bildirime Tıklandı`, `İçeriklere Göz At`, `Özellik Kullanıldı`
### Yapay Zeka Tabanlı Yüksek Değer Segmentleri
Bu segmentler, yaşam boyu değeri yüksek potansiyele sahip veya güçlü ilgi göstergeleri olan kullanıcıları belirlemeye yardımcı olur.
* Hangi kullanıcıların VIP veya yüksek harcama yapan müşteri olma olasılığının yüksek olduğunu tahmin etmek için davranış eğilimlerini kullanın.
* Pazarlama çalışmalarınızı bu değerli kullanıcıları beslemeye odaklayın.
**Örnek olaylar:** `Sık Satın Almalar`, `Birden Fazla Giriş`, `Premium Özellik Kullanımı`, `Yönlendirme Gönderildi`
### :sparkles: Olay Özelliği Tabanlı Tahmine Dayalı Segmentler
Bu geliştirmeyle birlikte Tahmine Dayalı Segmentler artık oluşturulabilir **yalnızca olayların kendisine dayanarak değil** aynı zamanda **bu olaylarla ilişkili özelliklere dayanarak da.**
Olay özelliklerini tahmine dayalı modele dahil ederek Netmera, daha bağlamsal, daha ayrıntılı ve daha doğru analizler sunar; bu da daha spesifik hedef kitle hedeflemesi sağlar.
Dilerseniz olay tabanlı Tahmine Dayalı Segmentleri eskisi gibi kullanmaya devam edebilirsiniz. Özellik tabanlı yaklaşım ise bir **ek**, **daha** **ayrıntılı** **tahmin** **katmanı**olarak hizmet eder ve kullanıcı davranışlarını daha yüksek hassasiyetle tanımlamanıza ve anlamanıza olanak tanır.
#### Nasıl Çalışır?
1. Netmera’daki her olay, aşağıdakiler gibi birden fazla özellik içerebilir: `tutar`, `kategori`, `productId`, `kanal` veya `cihaz türü` ve bu özellik değerleri artık olayın kendisiyle birlikte tahmine dayalı modele girdi değişkenleri olarak dahil edilir.
2. Sonuç olarak, model yalnızca belirli bir olayı tetikleyen kullanıcıları değil, aynı zamanda **benzer özellik profillerine sahip olanları**da belirleyebilir ve tahmin derinliğini artırır.
3. Bu özelliği kullanmak için Müşteri Başarı Yöneticinizle iletişime geçin ve Tahmine Dayalı Segmentlerinizde dahil edilmesini istediğiniz belirli Olay Özelliğini paylaşın.
#### Örnek Kullanım Alanları
| Kullanım Alanı | Örnek Olay | Kullanılan Temel Özellikler | Model Hedefi |
| -------------------------- | ----------------------- | ---------------------------- | ------------------------------------------------------------------------------- |
| **Dönüşüm Segmenti** | `Satın alma tamamlandı` | `tutar>1000` | Yüksek satın alma potansiyeline sahip kullanıcıları tahmin edin |
| **Müşteri Kaybı Segmenti** | `Uygulamayı Aç` | `cihazTürü=iOS` | Etkileşim kaybının erken belirtilerini gösteren iOS kullanıcılarını tespit edin |
| **Etkileşim Segmenti** | `Özellik Kullanıldı` | `özellikAdı=İstek Listesi` | Belirli özelliklerle etkileşime girme olasılığı yüksek kullanıcıları belirleyin |
| **Yüksek Değer Segmenti** | `İşlem yapıldı` | `ödemeYöntemi = Kredi Kartı` | Yüksek yaşam boyu değer potansiyeline sahip kullanıcıları tahmin edin |
#### Avantajlar
* **Daha yüksek hassasiyet:** Tahmine dayalı modellemeye bağlamsal farkındalık ekler.
* **Daha derin analiz:** Olay düzeyindeki öğrenmeden özellik düzeyindeki öğrenmeye geçiş yapar.
* **Daha hassas hedefleme:** Daha doğru hedef kitle seçimiyle kampanyalar oluşturmayı sağlar.
* **Uyarlanabilir öğrenme:** Yapay zeka, modelleri yeni özellik verileriyle sürekli günceller.
## Nasıl Çalışır?
### Netmera'nın Yapay Zeka Tabanlı Segmentleri için Hesaplama Metrikleri
Netmera’nın Yapay Zeka Tabanlı Segmentleri, geçmiş olay verilerini analiz ederek ve gelecekteki aksiyonları öngörerek kullanıcı davranışını tahmin eder. Bu tahmine dayalı yaklaşım üç temel aşamaya dayanır:
* **Geçmiş (P1)** – Geçmiş veriler: Belirli bir zaman aralığındaki kullanıcı aksiyonları
* **Şimdi (P2)** – Analizin gerçekleştiği an
* **Gelecek (P3)** – Tahmin edilen sonuç aralığı
Hem **geçmiş analiz dönemini** (ör. "son 7 gün") hem de **tahmin zaman aralığını** (ör. "önümüzdeki 3 gün") tanımlayabilirsiniz; böylece yapay zeka modeli dönüşüm, müşteri kaybı veya etkileşim gibi belirli hedeflere göre özelleştirilebilir.
### Tahminlerde Kullanılan Temel Metrikler
Tahmin oluşturmak için yapay zeka modeli birkaç temel davranış metriğini kullanır. Bu metrikler, yapay zeka modelinin kullanıcı davranışını ayrıntılı biçimde anlamasını sağlar ve bu sayede gelecekteki bir olayın gerçekleşme olasılığı tahmin edilebilir.
**Yenilik –** Bir kullanıcının bir aksiyonu ne kadar yakın zamanda gerçekleştirdiğini ölçer. Bu, güncel etkileşim seviyelerini anlamak için faydalıdır. Yenilik, hâlâ etkileşimde olan kullanıcıları yeniden etkileşim stratejilerine ihtiyaç duyabilecek kullanıcılardan ayırmaya yardımcı olur.
**Sıklık –** Belirli bir olayın tanımlı zaman aralığında ne sıklıkta gerçekleştiğini izler. Yoğun aktif kullanıcıları veya yaygın davranışları belirlemeye yardımcı olur. Örneğin, bir ürün sayfasına sık sık ziyaret edilmesi yüksek satın alma niyetine işaret edebilir.
**Olaylar Arasındaki Süre –** İki belirli kullanıcı aksiyonu arasındaki zaman aralıklarını ölçer. Bu, kullanıcıların ritmindeki kalıpları tespit etmeye yardımcı olur — hızlı mı hareket ettikleri yoksa zaman içinde ilgilerini kaybedip kaybetmedikleri. Özellikle müşteri kaybına işaret edebilecek hareketsizliği fark etmek için faydalıdır.
### Hassasiyet Seviyesi
Bu **Hassasiyet Seviyesi** yapay zeka modelinin kullanıcıları bir segmente ne kadar sıkı biçimde sınıflandıracağını belirler. Bu, modelin tanımladığı kullanıcıların ne kadarının *gerçekten* tahmin edilen aksiyonu 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 daha az olur. Daha düşük bir hassasiyet seviyesi daha fazla kullanıcı içerir, ancak aksiyonu gerçekleştirme olasılığı daha düşük olan kullanıcıların da dahil edilme ihtimalini artırabilir.
### SSS
**Önerilen bir hassasiyet seviyesi var mı?**
Her duruma uyan tek bir cevap yoktur. Bu, hedefinize bağlıdır. Yüksek kesinlik ve doğru hedefleme mi istiyorsunuz? Daha yüksek hassasiyeti seçin. Dönüşüm yapmayacak bazı kişileri de içerse bile daha fazla kişiye ulaşmanız mı gerekiyor? Daha düşük bir ayar kullanın. Doğru dengeyi seçmenize CSM’niz yardımcı olabilir.
**Yapay Zeka Tabanlı Segmentler ne sıklıkla güncellenir?**
Segmentleriniz **her gece**güncellenir. Bu günlük yenileme, tahminlerinizin en güncel kullanıcı davranışlarına dayanmasını sağlar.
**Yeni bir Yapay Zeka Tabanlı Segmenti nasıl oluşturabilirim?**
Kendi Yapay Zeka Tabanlı Segmentinizi oluşturmak için, **Müşteri Başarı Yöneticiniz (CSM)**ile iletişime geçin. Kurulumda yardımcı olabilir ve hedeflerinizle uyumlu olmasını sağlayabilirler. 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/yapay-zeka-ozellikleri/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.
