Sayılarla ne demek?
Klasik segmentler geçmişe bakar: son 90 günde sipariş verenler, toplam harcaması belirli bir tutarı aşanlar, belirli bir kategoriden alanlar. Öngörücü segmentler ise ileriye bakar. Aynı geçmişe sahip iki müşterinin gelecekteki davranışı farklı olabilir; model, birçok sinyali birlikte değerlendirerek bu farkı yakalamaya çalışır.
Tahminler genellikle birkaç temel soruya odaklanır. Kişi yakında alışveriş yapacak mı? Kaybedilme riski artıyor mu? Önümüzdeki yıl ne kadar harcaması bekleniyor, yani öngörücü yaşam boyu değer ne? İndirim olmadan da satın alır mı? Her soru, kişi kaydına bir olasılık ya da değer olarak eklenir ve segment bu değere göre kurulur.
Öngörücü segmentler kural tabanlı segmentlerin yerini almaz, onları tamamlar. RFM segmentasyonu kimin geçmişte değerli olduğunu gösterir; öngörücü model ise bu değerli müşterilerden hangisinin uzaklaşmaya başladığını erken fark edebilir. İkisi birlikte kullanıldığında karar daha isabetli olur.
Sık kullanılan öngörücü segmentler
| Segment | Tahmin | Kullanım |
|---|---|---|
| Yakında alacaklar | Kısa vadede satın alma olasılığı | Teşviksiz hatırlatma |
| Kayıp riski artanlar | Uzaklaşma olasılığı | Erken müdahale |
| Yüksek beklenen değer | Gelecek harcama tahmini | Özel ilgi, ayrıcalık |
| İndirime duyarlı | Teşvike tepki olasılığı | Kuponun hedeflenmesi |
| Kategori eğilimi | Sonraki olası kategori | Kişisel öneri |
"İndirime duyarlı" satırı kar açısından en değerli segment olabilir. İndirimsiz de alacak kişiye kupon vermemek ve yalnızca teşvikle harekete geçen kişiye vermek, aynı kampanya bütçesiyle çok daha fazla net katkı sağlar.
Devreye alırken
- Tahmini iş kararına bağlayın. Bu segmentle ne yapılacak?
- Modelin doğruluğunu test edin. Tahmin gerçekle ne kadar örtüşüyor?
- Kural tabanlı segmentlerle birleştirin. Değer ve risk birlikte.
- Tahminleri düzenli yenileyin. Haftalık ya da günlük.
- Kontrol grubuyla ölçün. Segmente özel aksiyonun etkisini görün.
Uygulamada ne oluyor?
En sık durum, tahminlerin raporda kalması. Araç "kayıp riski yüksek" etiketini hesaplıyor ama bu etikete bağlı hiçbir akış ya da kampanya yok; öngörü hiçbir eyleme dönüşmüyor.
İkinci gözlem, "yakında alacaklar" segmentine indirim gönderilmesi. Zaten alışveriş yapması beklenen kişilere kupon kodu verilince satış artmış gibi görünüyor ama marj boşa harcanıyor.
Üçüncüsü, modelin yetersiz veriyle çalışması. Sipariş geçmişi kısa olan ya da müşteri sayısı az olan işletmelerde tahminler rastgeleye yakın kalıyor; bu durumda basit kurallar daha güvenilir.
Dördüncüsü, olasılıkların kesinlik gibi okunması. Yüzde 70 kayıp riski taşıyan bir müşterinin yüzde 30 ihtimalle kalacağı unutuluyor; bu kişiye kaybedilmiş gibi davranmak ilişkiyi zedeleyebiliyor.
Beşincisi, tahminlerin güncellenmemesi. Model ayda bir çalışıyor; bu arada sipariş vermiş müşteri hala "kayıp riski yüksek" segmentinde kalıp gereksiz mesajlar alıyor.
Altıncısı, churn segmentasyonu ile öngörücü kayıp riskinin karıştırılması. Kural tabanlı segment "90 gündür almayan" kişileri gösteriyor; öngörücü model ise henüz 90 günü doldurmamış ama davranışı değişmeye başlamış kişileri yakalıyor.
Yedincisi, modelin hangi sinyallere dayandığının bilinmemesi. Tahmin neden yüksek ya da düşük çıktı, ekip anlayamıyor; bu da sonuçlara güveni ve iyileştirme imkanını azaltıyor.
Sekizincisi, B2B ve B2C verilerinin aynı modelde karıştırılması. Kurumsal alıcıların satın alma döngüsü bireysel müşterilerden çok farklı; tek bir model iki grubu da doğru tahmin edemiyor.
Dokuzuncusu, öngörücü segmentin reklam kitlelerine aktarılmaması. Yüksek beklenen değere sahip müşterilerden değer bazlı benzer kitle oluşturmak, yalnızca geçmiş alıcılardan oluşturmaktan daha isabetli sonuç verebiliyor.
Onuncusu, kampanya etkisinin segment içinde ölçülmemesi. Risk altındaki müşterilere özel akış kuruldu ama bu segmentten bir kısmı akışsız bırakılmadı; akışın riski gerçekten azaltıp azaltmadığı bilinmiyor.
On birincisi, tahmin eşiklerinin keyfi seçilmesi. "Olasılığı yüzde 50'nin üzerinde olanlar" eşiği alışkanlıkla seçiliyor; oysa segment büyüklüğü ve aksiyonun maliyeti birlikte düşünülerek eşik belirlenmeli.
On ikincisi, kişisel veri kullanımının şeffaf olmaması. Tahmin modelleri kişisel verilerle çalışıyor; aydınlatma metninde profilleme ve otomatik değerlendirme yapıldığının belirtilmesi KVKK açısından önemli.
Neyi garanti etmez?
Öngörücü segment, kişinin gerçekten o şekilde davranacağını garanti etmez. Olasılık verir; bu olasılığı doğru bir aksiyona ve ölçüme bağlamak işletmeye kalır.
Sıkça sorulan sorular
Kural tabanlı segmentten farkı ne?
Kural tabanlı segment geçmiş davranışa, öngörücü segment gelecekteki olası davranışa göre kişileri gruplar.
Hangi işletmeler için uygun?
Yeterli müşteri sayısı ve sipariş geçmişi olan işletmeler için; küçük veri setlerinde tahminler zayıf kalır.
En değerli kullanım hangisi?
İndirimi yalnızca teşvike ihtiyacı olan kişilere yönlendirmek ve kayıp riskini erken fark etmek.
Bu kavramın bütün resim içindeki yerini Retention Pazarlama Rehberi içinde ayrıntılı anlattım.
E-posta otomasyonları, sepeti terk akışları, segmentasyon ve müşteri elde tutma ile tekrar satışları artıran retention sistemi.
