11 Nisan 2019 Perşembe

Doğru Veri Nasıl Yönetilir?

Platin dergisi benden yazı istemişti. Hani şöyle “3 maddede e-ticaret’te veri yönetimi” gibi bir yazı.

Ben pek kısa yazamadığım için 3000 vuruşluk bir yazı göndermiştim.

Özetleyip yayımlamışlar.

BU MADDELERE DİKKAT!

1- İlk önce ne istediğinizi bilmelisiniz. Örneğin; müşterilerin eğilimlerini öğrenmek ve anlamsız teklifleri yapmamak gibi bir amacınız olmalı. Bu durumda ‘eğilim’ bilgisini nasıl elde edeceğinizi sorgulayarak başlarsınız. Veriyi, bilgiye dönüştüremeyenlerin gideceği yer, olası müşterinin çöp sepetinden başka bir yer değildir.

2- E-ticaret sitelerinde müşteriniz olmayanlar bile veri bırakır. Geleneksel perakendecilikte, müşteriniz olmayanı izlemeniz neredeyse imkansızken, dijital dünyada müşteriniz olmayanları bile izleyebilir, doğru zamanda doğru teklifleri yapabilirsiniz. Böylece, teklifinizin doğruluğu ve ne kadar doğru zamanda yapıldığına bağlı olarak onları kazanma şansınız olur.

3- Satın alma öncesi karşılaştırmalar, müşterinin karar verme yöntemi hakkında fikir verir. Müşteri olduğunda, bıraktıkları verileri artık bilgiye dönüştürebilirsiniz. Satın aldıkları ile inceledikleri arasındaki farklar bile müşterinin kişiliği hakkında bize fikir verir. Karşılaştırma verilerini doğru yorumlarsak popülerlik, moda, kullanım kolaylığı, fiyat, renk, marka gibi unsurların satın alma kararındaki ağırlığını bile hesaplayabiliriz.

😉

Ellerine sağlık.

.

2 Nisan 2019 Salı

Memnuniyet Ölçümü ve Yönlendirme

Üç gün önce, Haydar Özkömürcü sayesinde şu tweet’i gördüm.

Fatih Kadir Akın‘ın tweet’ine yazılan yorumlar arasında şunlar da vardı:

@taylankupeli
Bizi de ‘1 ila 10 arası puanlayacaksiniz lakin 10u tuslayana kadar sistem 0 olarak algiliyor, puan alamiyoruz.9a basarsanız..‘ diye uyardıydı.Tabii hemen puanın ne işe yaradığını sormuş, hedefi tutturursa markette kullanabileceği bi kart veriolarmis. Servise 9, patrona 1 verdim.

@FazilKilicX
😂😂 aynısı bize de gelmişti. Aslında 0-10 aralıkta puanlama yapılıyor ama siz 9 verin dedi 10 tuşlayana kadar yanlış oluyor sıfır veriliyor yanlışlıkla diyordu 😂😂

@FatihSaritas1
Bana da ‘9 a basarsanız sevinirim’ demişti, ben de ‘niye 10 istemedi acaba’ diye düşünmüştüm. Bir hikmeti varmış:))

@FadimeCimci
Bizde geldi ve 9 un altındaki her oylamadan para cezası kesiyorlar, bu ay 150 TL ödedim dedi, üzüldüm.

@zoe70zoe
Bana gelen servise neden 9 dedim, 9 dan başka puan verirseniz işimizi değerlendirmeye almıyor sistem dedi. Nasıl yani koca firma böyle sistem mi olur dedim, maalesef söylemek istemiyorum ama öyle dedi. Memnundum 9 verdim. Yani çalışan çakallığı olmayabilir.

Bilmeyenler için kısa açıklama:

Bu ölçüm Net Tavsiye Skoru (Net Promoter Score – NPS) adlı bir “memnuniyet ölçümü”. 1 -10 arası not veriyorsunuz.

  • 0 – 6 arası OLUMSUZ
  • 7 – 8   PASİF
  • 9 – 10   SİZİ BAŞKALARINA TAVSİYE EDERİM

Skor şöyle belirleniyor: 9-10 değerlendirenlerin oranından, 0-6 değerlendirenlerin oranını çıkartıyorsunuz. 7-8, hiç önemli değil.

  • Bu yazının konusu NPS değil. Yukarıdaki örneklerden yola çıkarak geri bildirim ölçümlerinin yanlış kullanımları ve sonuçları konusuna biraz dokunacağım.
  • NPS nedir?” diye arama motorlarına sorarsanız, daha ayrıntılı bilgi alırsınız.

😉

Bazı kurumlar, “her temas noktasında NPS ölçelim” diyorlar.

İşimi web sitesinde halledememişim. Mecburen çağrı merkezini aramışım. Çağrı merkezi “Bizim yetkimizde değil, şubenizle görüşün” demiş. Tek bir temas noktasında kesintisiz ve sürtünmesiz hizmet veremediğiniz için 3 temas noktası ile muhatap olmuşum.

Sizce ikinci ve üçüncü temas noktalarının skoru önemli mi? Tüm deneyimi değerlendirmek yerine, bölük pörçük oranları mı dikkate alacaksınız? Alt-yapı eksikliğiniz veya yetkilendirme hatanızdan ötürü, zoraki yönlendirildiğim temas noktalarında memnuniyet ölçümü olarak gerçekten NPS mi kullanmalısınız?

🙁

Kurumlar kendi iş süreçlerini daha iyi duruma getirmek yerine çalışanlarını geri bildirim savaşına sokuyorlar. Prim sistemini müşteri geri bildirimine bağlamakla övünüyorlar. Bu nedenle şöyle yaklaşımlarla karşılaşıyoruz.

Hizmetten memnun kaldınız değil mi? Adım Uğur. Unutmayın… Değerlendirme için aradıklarında 9 veya 10 verirsiniz artık. Ben, Uğur … Unutmazsınız değil mi?

Bu yaklaşımın olası sonuçlarını, yine Fatih Kadir Akın‘ın tweet’ine yazılan yorumlardan alalım:

@A11111982
Direkt 0 puan sebebi,hizmet iyise bile kotu niyet ve karsi tarafi aptal yerine koymaktan -3 -4 puan gider, gitmeli.

@ibrahimuzunj
Bu konuşmadan sonra kesin puan kırardım.

@sansadans
Verseydiniz 9 u ya ben de en para ile kibar konuşunca hemen ankete yönlendiriyorlar basıyorum 1 e

Elemanlarınız veya şubeleriniz / bayileriniz arasında geri bildirim yarışı yaptırmanız, kurumunuz açısından pek yararlı değildir. Yukarıdaki gibi aldatıcı kalkışmalar yarışı başlar. Siz gerçek sonuçları öğrenemezsiniz. Dikkat etmişseniz, elemanın hizmeti karşılığında “ne hak etmişse o puanı verme” davranışı olmuyor. Ya cezalandırmak için puan kırıyorlar, ya da “maaşı kesilmesin” veya “nedeni ben olmayayım” diye fazla puan veriyorlar.

Müşteri fazla puan verse de, kendisinde duygusal çelişki yaratan bu durumu sevmiyor, markadan soğuyor.

  • Hedefleri yanlış belirleyen kurumlar hakkında  [1][2] . [3] yazı okuyabilirsiniz.

😉

Müşteriye kaba davrananları sert cezalandırın. Burada mutabıkız.

Geri bildirim sistemi kurmaktaki amacınızın müşteri için sürtünmesiz ve kesintisiz bir deneyim süreci oluşturmak olduğunu unutmayın. Kendi iş süreçlerinizi mükemmelleştirmek ve çalışanlarınız için eğitim malzemesi çıkarmak için çaba sarfedeceğinize, müşteri geri bildirimlerini dayak sopası olarak kullanırsanız, doğru sonucu elde edemezsiniz.

Kendinizi kandırmak isterseniz… siz bilirsiniz.

.

1 Nisan 2019 Pazartesi

Veri Bilimi ve Büyük Soru

Veri bilimci olmak için, iş süreçlerini bilmek, sahada olan biteni anlamak ve bilançoya ve/veya stratejiye katkıda bulunacak içgörüleri geliştirmek gerektiğinden bahsetmiştim.

Bu yazıdaki şema konusunda sosyal mecralarda değil, doğrudan mesajlarda (DM) sıkı tartışmalar oldu. İş sonuçları (bilanço veya strateji) ile, hatta veri anlamlandırma ile pek ilgilenmeyen birkaç genç teknolog “İş sonuçları filan ayrı konular. Eğer makine öğrenmesi, yapay zeka, veri görselleştirme yoksa, veri bilimi yoktur” noktasında ısrarcı oldular. Hatta, “bu yazıdaki veri bilimci tanımının bana özel olduğunu” savundular.

😉

Airbnb’nin ilk zamanlarında işe başlayan veri bilimcisi Riley Newman’ın çok beğendiğimi daha önce vurguladığım yazısında bu konuda güzel ipuçları var.

Diyor ki:

Bir veri, bir hareketin veya etkinliğin kaydıdır; çoğunlukla bir kişi tarafından verilen bir kararın yansımasıdır. Eğer bu karara yönlendiren etkinliklerin sırasını oluşturursan, bundan ders alabilirsin; bu müşterilerin neleri sevip nelerden hoşlanmadıklarını söylemlerinin dolaylı yoludur

Veri bilimi bir yorumlama işidir – müşterinin sesini karar vermeye daha uygun bir duruma tercüme ederiz.

Biz aslında karar verme işindeyiz ve şirket silolaşınca bu işi başarıyla yapamadığımızı öğrendik. İş ortağı ekipler bizimle nasıl etkileşimde bunulacaklarını anlamadılar ve veri bilimci ekibimiz de neyi çözecekleri veya ne yapmaları gerektiği konusunda büyük resmi göremediler.

Zamanla bir kaynak gibi görülmeye başlandık ve bunun sonucunda reaktif (gelecek fırsatlar hakkında proaktif değil, istatistik taleplerine yanıt veren) olduk.

  • Yazıdan Türkçe alıntılar okumak isterseniz burada ve burada; yazının 2015 tarihli İngilizce aslı ise şurada. İngilizce biliyorsanız, aslını mutlaka okumanızı öneririm.

Airbnb’nin “Mühendislik ve Veri Bilimi” blogundan devam edeyim. “Yeni Veri Bilimcilere Tavsiye” adlı yazısında Airbnb’nin bir başka veri bilimcisi Lindsay M. Pettingill şöyle diyor:

Artık yeni veri bilimcisin. Tebrikler. İlk veri işindeki genç veri bilimciysen ve “Nasıl etkin iş yaparım?” diye kendine soruyorsundur. Bu yazı iş yapmaya odaklıdır.  Öncelikle ürün ekiplerinde yerleşik veri bilimcilere yöneliktir, ancak ipuçlarının çoğu teknik roldeki herhangi bir yeni işe alım için genelleştirilebilir.

Bu yazıda etkili icraatı aşağıdaki 4 kategoriye ayırdım:

  1. Önceliklendirme,
  2. Görevlerin ne kadar süreceğini tahmin etme,
  3. Sorularınızın nasıl yanıtlanacağı ve
  4. Çalışmaların iletişimi ve paylaşımı.

😉

Görüldüğü gibi gerçek veri bilimciler, iş birimleri ile sürekli yakın çalışırlar ve iş sonuçları ile ölçülürler.

Bu çerçevede, bence…

İyi bir veri analisti, 2 yıllık MIS mezunu bulur ve veri madenciliğini ona yaptırır; sonra doğru çıktılarla verinin doğru toplanması, amaçlar doğrultusunda hazırlanması, ilişki ve bağlantıları ortaya çıkaracak düzeyde modellenmesi işini kendi yapar.

İyi bir veri bilimci, tecrübeli birkaç analist + sahada çalışanlar + ürün ve pazarlama yöneticileri ile veriyi anlamlandırır ve kurumsal stratejiyi değerlendirecek hatta yönlendirecek içgörüleri üretir. (Nasıl ki, bir kuruma kredi verme kararı için bilanço analizi yapmaktan çok daha fazlası gerekiyorsa, veri bilimci için de veri analizinden çok daha fazlası gerekir).

İyi bir veri bilimci, makinenin neyi nasıl öğreneceğine karar verir. Süreç önce verinin iş birimine yarayacak duruma getirilmesi ile başlar. Makine öğrenmesi sonraki adım. (Önceki yazıdan alıntı)

😉

En yukarıdaki küçük şekildeki her bir basamak arasındaki en önemli fark nedir biliyor musunuz? Tek cümleyle özetleyeyim… Doğru Soruyu Sormak.

Not: Resimler de Airbnb blogundan alıntıdır.