Sayın Ozan Kaan KARAMIK, Linkedin’de “Çok acil, olmazsa olmaz denilip iş listesinin en önüne konan ama geliştirildikten sonra kimsenin kullanmadığı özellikler…” konulu bir mesaj iletmiş. Lütfen önce mesajın tamamını ve benim birkaç satırlık yorumumu okuyunuz.

Çok önemli bir konu olduğu için, mesajın altına uzun yorum yazmak yerine kendisinden blog yazısıyla yanıtlama izni istedim.

Bir blog yazısına sığdırmak için, aslında veri ambarı nasıl hazırlanır konulu kitap olmaması amacıyla bu yazıyı kısa tutmaya çalıştım. Çok önemli ve kapsamlı bir konu olduğundan, daha fazla ayrıntı öğrenmek istiyorsanız yazıda geçen her referans bağlantıya tıklayıp okumanızı öneririm. (Sonra yine bu yazıya geri dönmeyi unutmayın. Bağlantılar labirentinde kaybolmayın. 😊 )

Teşhis

Ozan Kaan KARAMIK’ı desteklememim nedeni şudur: “Çok acil”, “olmazsa olmaz” diye iş listesinin başına koyulan ama neredeyse hiç kullanılmayan özellikler, CRM ve BI projelerinin (IT değil) iş birimi tarafını yöneten kişi olduğumda benim de çok rahatsız olduğum konulardan biriydi.

Sorunun nedenleri şunlardır:

1. İş birimlerinin çoğunluğu IT’den bekler ama verinin bilgiye dönüştürülmesinin sorumluluğu IT’de değil, bilgiyi talep eden iş birimindedir. (Plaza ingilişcesinde göre “business unit”)
2. Verinin sahibi farklı birim olabilir ama bilginin sahibi talep eden iş birimidir. (Ozan Kaan beyin dediği gibi “Verinin sahibi ile bilginin sahibinin ayrışması meselesi az konuşulan ama sahada çok yaşanan bir durumdur.”
3. Bilgiyi talep edenin, o bilgiyi nerede ve nasıl kullanacağına dair bir taahhüdü olmalıdır.

😉

Çözüm

Yukarıdaki paragraftaki konuları sırayla ele alalım.

İş birimi, hangi bilgiye ihtiyacı varsa önce o bilginin tanımını yapar. Aşağıda vereceğim örnek için aktif, inaktif ve kayıp müşteri tanımlarının yapılmış olması gerekiyor. (İlgili yazılar: [1] , [2] )

Bu tanımlar, en azından verilerin bilgiye dönüşmüş halidir. İş birimi bilginin hangi verilerin bir araya getirilerek oluşturulması gerektiğini de bilmek zorundadır. Bunu IT’den talep ederken, gerekli ayrıntıları belirtir.

Aşağıda yangın sigortası için hazırlanmış bir örnek var.

Dikkat etmişsinizdir. Güncelleme sıklığı da iş biriminin kararıdır. Tanımlar oluşturulurken elbette IT ile birlikte çalışılır ama son karar iş birimine ait olmalıdır.

😉

Bazı ürünler, karmaşık özelliklere sahip olabilir. Örneğin BES ödemeleri aylık olmak zorunda değildi. Farklı zaman dilimlerinde ödeme yapılıyordu. Bu durumda tanımlar uzayabilir.

Evet Ama Yetmez

Yukarıdaki (ayrıntılı görünen) tanımların en sağ tarafına (veya bu tanımların ayrılmaz parçası olan ayrı bir dosyada) bu bilginin ne amaçla istendiği de yazılmalıdır.

Bir dönemlerin ürün özelliklerini Türkiye’ye tanıtmak için hazırlanan reklamında “Ne yapacaksın bununla?” sorusu vardı. Bu soru, müşteri odaklı veri ambarı (MOVA) oluşturmanın en temel sorusudur. Unutmayın, veri ambarına çöp doldurursanız çöp alırsınız.

İş birimi “Bu bilgiyi

• Müşteri ekranında kullanacağız,
• Ödeme gecikmesi olduğunda hatırlatma mesajı göndereceğiz,
• Aktif olmaktan çıkarsa müşteri geri kazanım projesi yapacağız [a] , [b],
• Sigorta süresi bitmeden önce uzatma mesajı göndereceğiz,
• Sigortalanan ürün doğrultusunda müşterinin gelir / varlık potansiyelini hesaplayacağız,
• Çapraz satış teklifinde bulunacağız,
• Raporlarımızda kaç yangın sigortası müşterimiz var kısmında göreceğiz,
• vb… (muhtemelen siz daha fazlasını eklersiniz)

amaçları doğrultusunda kullanacağız” diye taahhütte bulunmalıdır.

Böylece hem kendilerine bir yapılacak işler listesi, hem de diğer ilgili taraflara önceliklendirme gerekçesi sunmuş olur.

Bilginin sahibi olması gereken birim/bölüm, bilginin ne zaman ve ne kadar gerekli olduğunu analiz edecek birikime sahip olmak zorundadır. Bu hazırlık sayesinde sadece bir defa gerekli olan bilgiyi hep gerekli sanmaz.

Kurumun IT Yürütme Komitesi’nde kullanımların tartışılması ve “Madem kullanmayacaktın, öyleyse neden bu kadar ısrarla istedin. Bunca emek harcanmasına neden oldun” diye hesap sorulması gerekir. Pahalı bir kaynak olan IT emeğinin etkin kullanılması sağlanır.

Projedeki Yeri

Yukarıda anlattıklarım, müşteri odaklı veri ambarını (MOVA) oluşturma sürecinin resimdeki ARINDIRMA ve ANLAMLANDIRMA aşamasının küçük bir parçasıdır.

ARINDIRMA ve ANLAMLANDIRMA çok önemlidir. Bir şehrin suyunu kaynağında arındırırsanız, herkes evine su arıtma cihazı koymak zorunda kalmaz. Benzer şekilde, veriyi kaynağında (işletim sistemlerinden MOVA’ya aktarırken) arındırıp anlamlandırırsanız, her departman / silo kendi excel tablolarını üretmek zorunda kalmaz, herkesin aynı dili konuşacağı ve aynı doğruyu bulacağı raporlar oluşur.

Yukarıdaki şekil, MOVA eğitiminde kullandığım 4 sayfanın birleştirilmiş hâlidir.

MOVA hakkında daha geniş bilgi arıyorsanız:

[A] – İşlevsel veri ambarları ile MOVA farkı
[B] – MOVA oluşturmaya nasıl başlanıldığı
[C] – MOVA’nın neden önemli olduğu
[D] – 2013’de MOVA olmadan Sosyal CRM olmayacağına dair alıntıyı
[E] – 2016’da MOVA olmadan Dijital Dönüşüm olmayacağına dair alıntıyı

okuyabilirsiniz.

Dahası Var

Şurada Sn. Ömer Mert, Gartner’ın Market Guide for Agentic Analytics raporu nu özetliyor ve “Dönüşümde kalıcı başarı yalnızca güçlü modellerle mümkün değil.

• Güvenilir veri mimarisi,
• tutarlı bir semantik yapı ve
• sağlam yönetişim

bu dönüşümün temelini oluşturuyor” diyor.

====================

Burada Sn. Sibel Akoğlu hazırladığı infografiği açıklarken “Bütün bu mimari yaklaşımın, çoğu kaynakta CDP olmadan sağlıklı çalışmadığını okuyacaksınız. Silolaşmış veri malesef başımızın belası. Agent’ı doğru zamanda doğru müşteriye yönlendirmek istiyorsanız, bu kurgu için iyi bir CDP yapısı şart.” diyor. (CDP = MOVA)

Reklamlar

CRM eğitimlerime katılanlar, çeşitli sektör gruplarına ayrılırlar. Seçilen sektörde CRM projesi yapıyor gibi ilerleriz. Ödevlerden biri o sektörde veri sözlüğü hazırlamaktır. Elbette bir derste tüm bir kurumsal MOVA sözlüğü hazırlanamaz ama temel kavramlar oluşturulur.

Yıllardan beri CRM eğitimi verdiğim için, çok sayıda sektörün veri sözlüğünün ilk aşamalarına ait bilgiler bulunuyor.

====================

Ayrıca, CRM ve/veya BI projesi yapan bazı kurumlarda

• IT ekiplerine “İş birimleriyle çalışma”
• İş birimlerine “IT ile birlikte çalışma”

eğitimleri vermiştim. Bu eğitimlere ihtiyacı olan çok sayıda şirket olduğunu düşünüyorum. Büyük bir veri veya dönüşüm projesi yapacaksanız, aklınızda olsun.

😉

Linkedin’de yayınlandı

Dönem sonu raporlarımızdaki sayı ve sonuçlara farklı açılardan bakamazsak, kaybettiğimiz müşterilerin değerini anlamayabiliriz.

Müşteri memnuniyetini ölçen NPS, CSAT, CES, CSX, BXS, PSS gibi birçok ölçüt var. Her birinin olumlu ve olumsuz yönleri için çok sayıda makale bulabilirsiniz. Bugünkü yazı, işin müşteri tarafı değil kurumun performansının ölçülmesi konusunda…

Karların giderek azaldığı, rekabetin ve dinamizmin sürekli arttığı bir dünyada pazar payını geliştirmek hatta olduğu gibi korumak için, sadece yeni müşteriler bulmak yeterli olamıyor. Mevcut müşterilere çapraz satış yaparak yaşam boyu değeri arttırmak da gerekli ama yeterli değil. Bu çalışmaları yaparken kârlılığımızı yok eden delikleri de tıkamalıyız. Kurumların müşteri kazanım projelerine daha özenli bakmasını sağlayan bir rehber yazmak istedik.

Bir banka için uydurma sayılarla hazırlanmış sanal “müşteri aktivite raporu” örnekleri üzerinden giderek, raporlamada derinleştikçe ne kadar farklı bilgiler edinebileceğimizi ve odak noktalarımızın nasıl değişeceğini göreceğiz.

 

Yıllık Aktif Müşteri Raporu

Şöyle bir rapor, genel olarak tüm ana müşteri gruplarında ne durumda olduğumuzu gösterir. (Tablo 1)

Bu tabloyu yorumlamak için, ilk kolonu ele alarak başlayalım:

•  31 Aralık 2023 tarihinde KOBİ segmentinde 106,453 adet aktif müşterimiz varmış.
• 31 Aralık 2024 tarihinde ölçtüğümüzde 122,792 adet aktif KOBİ müşterimiz olduğunu görmüşüz.
• Bu iki rakamın farkı 16,339. Demek ki KOBİ segmentindeki aktif müşteri sayımız bir yılda 16,339 kişi artmış. İlk anda buna çok sevinebiliriz. Ne de olsa aktif müşteri sayımız %15,3 oranında artmış.
• Ancak, 2024 yılı içinde kazandığımız yeni müşterilerden 30,638 tanesi aktif müşteriymiş. Bu sene boyunca bizimle çeşitli bankacılık işlemleri yapmışlar.
• Aynı dönemde, 2023’den önce edindiğimiz, zaten müşterimiz olup 2023 yılında hiç faaliyet göstermeyen (31 Aralık 2023’deki aktif 106,453 kişi arasında girmeyen) eski müşterilerden 4,870 tanesini de aktive etmişiz.
• Bu 2 rakamı (bu sene kazandığımız aktif müşteriler ve geçen sene aktive ettiklerimizi) toplarsak, 35,508 yapar. Yani aslında toplamda 35,508 aktif müşterimiz olması gerekiyor. Ne var ki, aktif müşteri artışımız sadece 16,339 olduğuna göre, bu bir yıllık dönemde daha önce aktif olan (35,508 – 16,339  =)  19,169 müşteriyi kaybetmişiz. Burası çok önemli.
• Demek ki belirtilen bir yıllık dönem içinde kaybettiğimiz müşteri oranımız 19.169 / 106.453 = yüzde 18.
• Az önce aktivasyon oranımıza sevinmek üzereydik. Şimdi hayal kırıklığı yaşıyoruz.

Dikkat ederseniz, daha sadece KOBİ müşterileri gösteren ilk kolonu ele almıştık. Diğer her kolon (müşteri grubu) için benzer hesaplamaları yaptığımızda, birçok acı gerçek ile karşılaşabiliriz.

İlk izlenimlerimize göre ORTAK isimli segment dışında, büyük oranlarda kayıplar söz konusu. ORTAK segmenti verilerine göre, müşterimiz hem bireysel, hem de iş yeri (KOBİ) hesaplarını bizde tutuyorsa, pek kolay terk etmiyor. Bundan ders çıkartırız ve önümüzdeki dönem için hedeflerimizi belirlenirken dikkate alırız.

Bir yandan kendine ait işyeri olan bireysel müşterilere odaklanılır; aynı zamanda, bireysel hesaplarını alamadığımız KOBİ patronu olan işletmeler ziyarete başlanır.

İlk akla gelen aksiyonlar hemen alınır ama bir bulgu da göz ardı edilmez. Gerçekten durumumuz o kadar kötü mü? Bir yandan müşteri kazanmak için bunca masraf yaparken, diğer yandan kazandığımızın yarısından fazla müşteriyi kaybediyor muyuz?

Bu kayıp oranlarını daha iyi değerlendirmek, CRM veya sadakat artırma projelerimizin sonuçlarını doğru ölçmek için, her ana müşteri grubunda ayrıntılara inmemiz gerekir. Böylece, hangi segmentlerde müşteri kaybettiğimizi görüp, daha doğru önlem alabiliriz.

KOBİ Bankacılığı – Aktif Müşteri Analizi

Yukarıdaki tabloda verilen KOBİ müşterileri, bankamıza sağladıkları verime göre sıraladığımızda, farklı sonuçlar elde edebiliriz.

Örneğin (Tablo 2):

Bu tabloyu yorumlarsak,

• (Binde 6 ve binde 5 oranlarına bakarak) değerli müşterilerde önemli bir kaybımız olmadığını söyleyebiliriz.
• Zaten elimizde tutmak istemediğimiz müşterilerimizde kaybımız var ama bu durum önemli olmayabilir; hatta tercihimiz bu yönde bile olabilir.
• Çok sayıda verimsiz müşteri yerine, az sayıda verimli müşteriye odaklanmak isteyebiliriz.

Az önce, ilk tabloyu görünce ürkmüştük. Şimdi, durumun çok da kötü olmadığını düşünebiliriz.

 

Bireysel Bankacılık – Aktif Müşteri Analizi

Ana müşteri gruplarında ayrıntıya bakmanın yararlı olduğunu gördük. Benzer şekilde Bireysel Bankacılık sonuçlarını da mercek altına alırız.

Bireysel Bankacılık için de detaya indiğimizde şöyle bir tabloyla karşılaştık. (Tablo 3)

Bu tabloda

• Yine, değerli müşterilerde kaybımızın önemli olmadığını (binde 5 ve binde 8) görüyoruz. Sert rekabetin olduğu bir pazarda, bu düşük kayıp oranlarını “çok başarılı” diye nitelendirebiliriz. Eğer müşteri sayısını arttırmak yerine daha verimli müşterilere odaklanmak hedeflenmişse, ilk bakışta uzun vade hedeflerimiz açısından doğru bir iş yaptığımız bile söylenebilir.
• Ne var ki, Perakende müşterilerde ise, bir yıllık dönemde kazandığımızdan daha fazla sayıda müşteri kaybetmişiz. (56.960 kazanılmış ama 89.551 kaybedilmiş). Bu konuya ivedilikle eğilmemiz gerektiğini de görüyoruz.

Sadece kişi (müşteri) sayısı bazında hazırlanan bu tablolar durumu tam olarak açıklamaya yetmez. Perakende müşteri sayısındaki büyük kaybın, gerçekten kârlılık hedeflerimiz doğrultusunda olup olmadığını anlamamız önemlidir.  Dolayısıyla, son tabloyu kârlılık açısından da inceleyerek amaçladığımız doğrultuda davrandığımızı kontrol etmemiz gerekir.

 

Karlılık Analizi

Bu nedenle hem genel, hem müşteri başına, hem de müşteri temsilcisi başına kârlılığımızı ölçmek için yeni bir rapor (Tablo 4) oluştururuz.

Bu tablo, her bir dönem sonundaki

• Müşteri sayısını
• Toplam brüt geliri
• Müşteri temsilcisi sayısını
• Müşteri temsilcisi başına brüt geliri

göstermektedir.

Dönemler karşılaştırılarak genel gelirimizin ve müşteri temsilcisi maliyetlerimizin artışı gözlenmektedir. Bu tablo hazırlanırken gelirler, enflasyona göre arındırılmış olduğu için gelirlerdeki artış “reel artış” olarak alınmaktadır.

Tablo 4’ün FARK bölümüne göre hem müşteri gruplarının her birinde, hem de müşteri temsilcisi başına brüt gelirimiz artmış gibi görünmektedir.

• ÖZELve VIP+ isimli müşteri gruplarında hem müşteri sayısı, hem de gelirlerimiz artmış.
• Bu dönemde müşteri temsilcisi sayısında artış da olmamış.
• Diğer yandan, Perakende müşteri grubunda müşteri sayısı azalmakla birlikte Brüt Gelir artmış.
• Aynı zamanda müşteri temsilcisi sayısı da azalmış. Yani, müşteri temsilcisi maliyetlerinde de kazanımlar olmuş.

Tablo 4’e bakarak, verimli müşteriye odaklanma yolunda başarıyla ilerlediğimizi düşünebiliriz. Özellikle son satırı incelersek, bu dönemde bordro ödemelerimiz azalmışken, birim müşteri temsilcisi başına gelirlerimiz artmıştır. Adeta, her yöneticinin görmek istediği bir tablo. Acaba gerçekten sevinebileceğimiz bir sonuç mu?

Kendimizi avutmayıp, hedeflerimiz doğrultusunda hareket edip etmediğimizi saptamak için Tablo 4’ü başka değişkenlerle de inceleriz. Böylece, daha önce dediğimiz gibi, “çok sayıda verimsiz müşteri yerine, az sayıda verimli müşteriye odaklanıp odaklanmadığımızı” araştırırız.

 

Müşteri Başına Gelir

Bu amaçla Tablo 4’ü yeniden değerlendirir, her bir grubu müşteri başına ortalama gelire göre inceleriz (Tablo 5). Durumun sandığımız kadar iyi olmadığını fark ederiz.

Bu tablonun FARK bölümüne göre, toplam brüt gelir her segmentte artmış olmasına rağmen müşteri başına gelirler, hedeflediğimiz ve müşteri kaybetmediğimiz segmentlerde azalmıştır.

Özellikle ÖZEL müşteriler grubunda kişi sayısı açısından önemli bir kaybımız olmasa (Tablo 3’de binde 4.8 idi) ve çok sayıda yeni müşteri kazanılsa da, ÖZEL müşteri başına ortalama gelirimiz ciddi oranda (60 / 348 = yüzde 17) azalmış. Bu kadar ayrıntılı incelemeseydik, belirtilen dönemde toplam gelirimizin artması bizi yanlış yönlendirebilirdi.

Şimdi bu durumu da yorumlarız. Şu seçenekleri değerlendiririz:

• Müşteri kaybımız yok ama muhtemelen müşterilerimiz gelir sağlayan işlemleri başka bankalarla yapmaya başlamıştır (hedeflerimizden sapmışızdır),
• Veya kaybettiğimiz az sayıda müşteri gelirlerimizin büyük kısmını oluşturuyordur ki bu en tehlikeli durumdur (kaybettiklerimizi birey müşteri seviyesinde inceleriz),
• Veya yeni kazandığımız müşteriler (bir yılda 7470 / 5848 = %28 büyümüşüz) henüz mevcut müşteriler kadar verimli olmadıklarından ortalamamız düşük görünüyordur (hızlı büyümenin doğal sonucudur ama kendimizi kandırmayıp incelemeliyiz),
• Ya da piyasadaki gelişmeler doğrultusunda bütün sektörde kâr marjları azalmıştır (bize özel bir durum değildir).

Mevcut durumun ilk tabloların bize yansıttığı kadar parlak olup olmadığını ve hedeflerimizden ne kadar saptığımızı ancak son tabloyu inceleyerek ve doğru yorumlayarak öğrenebiliriz.

 

Sözün Özeti

Özetle, bir yandan yeni müşteri kazanmaya çalışırken, diğer yandan da mevcut müşterileri elde tutmaya çaba sarf etmeliyiz.

Kurum içi raporlamalarda yapılan önemli hatalardan biri de sadece kurum içi verilerin dikkate alınmasıdır. Araştırma metotları dersinde “Herkesi ayaklarının altından tutup kaldırabilirsiniz. Bir kişi hariç. Kendiniz.” diye öğretmişlerdi. Kendi iç verilerinizi piyasanın ve sektörünüzün verileriyle karşılaştırmadan gerçek sonuçları bulamazsınız.

Kaybettiğimiz müşterilerin bize maliyetini, ana stratejilerimize uygun hareket edip etmediğimizi ancak farklı açılardan raporlayarak anlayabiliriz.

Not: Bu yazı, BrandMap’in 60’ıncı
2025 – Temmuz-Ağustos-Eylül
dergisinde yayımlanmıştır.

Birçok şirket, mağazaları için

• AVM mağazası
• Cadde mağazası
• Sokak arası mağazası
• Okul mağazası (üniversite kampüsü içinde mağaza açtıysa)

gibi mağazanın yerine özgü sınıflandırma (veya segmentasyon) yapar. Yanlış değil ama eksik.

Bu mağaza segmentasyonu çoğunlukla müşteri özellikleri açısından değil, İnşaat Departmanı açısından yapılan bir sınıflamadır. Artık, mağaza segmentasyonunda da müşteri ağırlıklı sınıflamaya geçmeliyiz. Hatta, müşterilerin gün içinde değişen özelliklerini dikkate almalıyız.

Daha iyi anlaşılması için örnek vereyim.

Starbucks’ın İstanbul’da Kanyon AVM’de ve Cevahir AVM’de ikişer mağazası var. Dördüne de “AVM mağazası” mı diyeceğiz?
Bir de Cevahir AVM önünde, Mecidiyeköy otobüs duraklarının yanında “cadde mağazası” var.

Değişen Müşteri Özellikleri

Bu mağazaların müşterilerini (dışarıdan, elimizde alışveriş verileri olmadan) incelediğimizde şöyle kanılara varabiliriz:

Kanyon AVM’de eksi 1 katta Gültepe kapısının yanındaki mağaza sabah 07.00’de açılır. Sabah saatlerinde müşterileri çoğunlukla etraftaki plazalarda çalışan beyaz yakalılardır. Az bir farkla kadın ağırlıklı olduğunu gözlemledim.

Cevahir AVM’de eksi 1 katta, Mecidiyeköy metro durağının çıkışına yakın mağaza da sabah 07.00’de açılır. Erken saatlerdeki müşterileri yine beyaz yakalılar ama orada erkek ağırlığının daha fazla olduğunu düşünüyorum. Biraz da öğrenci geliyor.

Kanyon AVM’de gıda katındaki mağaza da 10.00’da açılıyor. Öğle saatlerinde gittiğimde, aşağıdaki mağazanın kalabalığına girmek istemeyen, nispeten orta-üst kademelerde olduklarını düşündüğüm müşteriler görüyorum. Saat 13.30 olduğunda, işe dönmek için mesai saati sınırlamasına takılmayan yöneticilerin keyifle Türk kahvesi içtiğini gözlüyorum.

Cevahir AVM’de gıda katındaki mağaza saat 10.00’da açılıyor. Öğle saatlerinde gittiğimde, Ortadoğu ülkelerinin dillerini (Arapça, Farsça, İbranice) duyuyorum. (Yukarıdaki resim, bu mağazaya aittir.)

Cevahir AVM önündeki mağaza da saat 10.00’da açılıyor. Gördüğüm kadarıyla saat 16.00’ya kadar, Cevahir AVM’de alışveriş yapan kadınların dinlenme durağı gibi hizmet veriyor. Sonra öğrenci baskını oluyor. Bej pantolon veya etek, lacivert ceketli gençler ortalığı sarıyor. Hava kararmasına yakın saatlerde öğrenciler gidiyor ve yerini beyaz yakalı erkeklere bırakıyorlar.

Önemli not: Yukarıdakiler kişisel gözlemlerim ve (belki de) önyargılarım. Veriye dayalı olmadığı için yanılma ihtimalim yüksek. Yine de anlatmak istediğim kavramları değiştirmiyor.

Segmentasyon Soruları

• Bu mağazaları AVM mağazası / cadde mağazası diye sınıflamak yerine, ağırlıklı müşteriye göre sınıflamak gerekmez mi?
• Hatta, müşterilerin saat bazında değişen özelliklerine (öğrenci, beyaz yakalı, alışverişçi, vb.) göre değişen sınıflama daha doğru olmaz mı?
• Müşterilere katma değerli hizmetler sunacaksak, AVM / cadde ayrımına mı bakacağız, müşterilerin özelliklerine mi?
• Bugünün teknolojisiyle, müşteri için deneyimlerini kişiselleştirme (hatta hiper kişiselleştirme) ile tasarımı yaparken, mağazalarımız için de değişen zamanlara göre segmentasyon yapmamız gerekmez mi?

Sizce ne zaman başlarız?

(Başka sektörlerden örneklerle devamı var. Bizden ayrılmayınız)

Eş zamanlı Linkedin’de yayımlandı.