CRM'e yapay zeka eklemek ne kazandırır
CRM'e yapay zeka eklemek, satış ekibinin vaktini en olası fırsata, müşteri ekibininkini en riskli müşteriye yönlendirir. CRM (müşteri ilişkileri yönetimi) kayıtları çoğu şirkette bol ama okunmadan durur. Yüzlerce aday arasında kimi önce aramalı sorusu temsilcinin sezgisine kalır.
Yapay zeka katmanı üç tür iş yapar. Birincisi puanlamadır. Aday ve müşteri davranışına göre sıralanır. İkincisi tahmindir. Model kayıp, yenileme ya da çapraz satış ihtimalini öngörür. Üçüncüsü metin işidir. E-posta, görüşme notu ve toplantı kaydını özetleyip CRM alanlarına yazar.
Bu sayfa satış ve müşteri ekibinin iç kullandığı CRM'i konu alıyor. Web sitesinde ya da WhatsApp'ta müşteriye cevap veren bir asistan arıyorsanız yapay zeka chatbot geliştirme hizmetine bakın. CRM çalışması, pazarlamada yapay zeka hizmetleri içinde satış ekibinin veri katmanını oluşturur.
Lead puanlama ve müşteri kaybı tahmini nasıl çalışır
Lead puanlama geçmişte satışa dönen ve dönmeyen adayların özelliklerinden öğrenen bir sınıflandırma modeliyle çalışır. Klasik puanlama "form doldurdu 10 puan, fiyat sayfasına girdi 5 puan" gibi elle verilen puanlarla yapılır. Model bu ağırlıkları kendi verinizden çıkarır.
Modele giren tipik veriler şunlardır:
- Firma büyüklüğü, sektör ve bölge gibi profil bilgileri.
- E-posta açma, web sitesi ziyareti ve demo talebi gibi etkileşimler.
- Satış temsilcisiyle yapılan görüşme sayısı ve son temasın üzerinden geçen gün.
Müşteri kaybı (churn) tahmini aynı mantıkla mevcut müşteriye bakar. Kullanım düşüşü, destek talebi artışı, geciken ödeme ve sözleşme bitişine kalan süre birlikte değerlendirilir. Risk puanı yükselen müşteri, müşteri başarı ekibinin görev listesine düşer.
Her puanın yanında gerekçe görünür. Temsilci "neden bu aday sıcak" sorusunun cevabını ekranda okur. Gerekçesi görünmeyen puana ekipler bir süre sonra bakmayı bırakır. Aday bulma, ilk temas ve takip mesajlarını da otomatikleştirmek isterseniz yapay zeka satış otomasyonu bu katmanın üzerine kurulur.
Görüşme özeti ve CRM kaydı otomatik nasıl tutulur
Görüşme özeti toplantı ya da telefon kaydının metne çevrilip büyük dil modeli (LLM) ile özetlenmesi ve özetin CRM alanlarına yazılmasıyla tutulur. Temsilcinin görüşme sonrası not girme yükü azalır. Kayıtlar daha düzenli olur.
Özet serbest metin olarak kalmaz. Model konuşmadan bütçe, karar verici, rakip adı, itiraz ve bir sonraki adım gibi alanları ayrı ayrı çıkarır. Temsilci kaydetmeden önce özeti görür ve düzeltir.
Dil modelleri hata yapar. Söylenmemiş bir tarihi ya da yanlış duyulan bir rakamı özete yazabilir. Bu yüzden özet onaysız kaydedilmez. Kayıt edilmeden önce temsilci kontrolü akışın zorunlu adımıdır.
Satış asistanının CRM'deki veriyi Claude ya da ChatGPT gibi bir asistandan sorgulaması isteniyorsa bağlantı MCP sunucusuyla CRM entegrasyonu üzerinden kurulabilir.
CRM'in kendi yapay zekası mı, özel model mi
CRM'in kendi yapay zeka özellikleri hızlı başlangıç için yeterlidir, verinin birden fazla sistemde durduğu ya da özel bir tahmin gerektiği durumda özel model gerekir. HubSpot'ta Breeze, Salesforce'ta Einstein ve Agentforce bu hazır özelliklerin adlarıdır. Karar için şu tabloya bakıyoruz:
| Durum | CRM'in hazır yapay zekası | Özel model ve entegrasyon |
|---|---|---|
| Veri yalnız CRM'de | Uygun | Genelde gereksiz |
| Satış verisi kurumsal kaynak planlama (ERP) sisteminde, kullanım verisi üründe | Sınırlı görür | Uygun |
| Türkçe görüşme kaydı özeti | Dil desteğini denemek gerekir | Türkçe için ayarlanabilir |
| Puanlama gerekçesinin denetlenmesi | Araca bağlı | Tam kontrol |
| Lisans ve kullanım maliyeti | Kullanıcı ya da kredi bazlı | Geliştirme ve barındırma maliyeti |
Çoğu durumda ikisi birlikte kullanılır. Hazır özellikler açık kalır, eksik kalan tahmin ya da entegrasyon özel olarak eklenir.
KVKK ve ticari ileti kuralları
CRM verisi doğrudan kişisel veri olduğu için yapay zeka katmanı KVKK (Kişisel Verilerin Korunması Kanunu) kurallarıyla birlikte tasarlanır. Puanlama için hangi alanın kullanılacağı, saklama süresi ve erişim yetkisi baştan yazılır.
- Görüşme kaydı alınıyorsa karşı taraf aydınlatılır.
- Veri yurt dışındaki bir dil modeli servisine gidiyorsa 6698 sayılı Kanun'un 9. maddesi kapsamında aktarım dayanağı hukuk ekibinizle değerlendirilir.
- Model çıktısıyla gönderilecek kampanya iletileri için İleti Yönetim Sistemi (İYS) onay kaydı kontrol edilir.
- Kişi aleyhine sonuç doğuran otomatik karar yerine öneri ve insan onayı esas alınır.
Maliyeti neye bağlı
CRM yapay zeka entegrasyonunun maliyeti, kullandığınız CRM'e, bağlanacak veri kaynağı sayısına ve kurulacak özelliklere bağlıdır. Rakamsız ama net bir teklif için şunlara bakarız:
- CRM ürünü ve lisans seviyesi. Bazı hazır özellikler üst paketlerde açılır.
- Veri kaynakları. Yalnız CRM mi, yanında ERP, e-ticaret ya da çağrı merkezi verisi de mi?
- Kurulacak özellikler. Lead puanlama, churn tahmini, görüşme özeti ya da hepsi.
- Veri kalitesi. Mükerrer kayıt ve boş alan oranı yüksekse önce temizlik gerekir.
- Kullanım hacmi. Özetlenecek görüşme sayısı dil modeli kullanım maliyetini belirler.
Puanlama modelinin arkasındaki satış tahmini ayrıca isteniyorsa satış ve talep tahmini ile birlikte planlanabilir. CRM'inizi ve hedefinizi konuşmak için CRM yapay zeka projesi için iletişim formunu kullanın.
Sektörlere göre kullanım alanları
- kullanım alanı 01
Kurumsal yazılımda lead önceliği
Örneğin işletmelere yazılım satan bir şirket, demo talep eden adayları satışa dönme ihtimaline göre sıralar. Temsilci güne en sıcak adaylarla başlar.
- kullanım alanı 02
Abonelikte müşteri kaybı
Bir abonelik hizmeti, kullanımı düşen ve destek talebi artan müşterileri sözleşme bitiminden önce görür. Müşteri başarı ekibi zamanında arar.
- kullanım alanı 03
Saha satışında görüşme notu
Saha temsilcisi ziyaret sonrası sesli not bırakır. Not metne çevrilir, özetlenir ve onaydan sonra CRM'deki fırsat kaydına işlenir.
- kullanım alanı 04
Çapraz satış önerisi
Benzer müşterilerin satın alma geçmişine bakılarak bir sonraki uygun ürün önerilir. Öneri temsilcinin ekranında gerekçesiyle görünür.
- kullanım alanı 05
Mükerrer kayıt temizliği
Aynı firmanın farklı yazımlarla açılmış kayıtları bulunur ve birleştirme için önerilir. Puanlamanın doğruluğu bu temizliğe bağlıdır.