“Yapay zeka gelince …” diye başlayan soruları sıkça duyuyorum. Bir ara çok sayıda “YZ geldi, CRM öldü” diyenler vardı. Kısa yanıtını [1] – [2] kere verdim.

Bunları niye tekrar yazdım. Son zamanlarda okuduğum çeşitli makalelerde ve Linkedin paylaşımlarında YZ’nın ürettiği raporların doğruyu göstermediği, arka arkaya alınan raporlarda bile farklılık olduğu, vb. üzerinde duruluyor. Bu durumun çözüm yolları öneriliyor.

10-15 sene önceye gidersek… Danışmanlık vesilesiyle tanıdığım birkaç şirkette, farklı iş birimlerinin her birinde sadece raporlamayla uğraşan 4 – 5 kişilik gruplar vardı.  Bir bankada bu konu abartılmıştı. Bireysel Bankacılık, KOBİ bankacılığı, Ticari bankacılık, Kurumsal bankacılık, Özel bankacılık, Alternatif dağıtım kanalları, vb… her birinin ayrı raporlama birimleri vardı.

Yani 35 – 40 kişi, tüm mesailerini farklı kaynaklardan, faklı sistemlerden rakamlar bulup yönetim kademelerine rapor yazmaya ayırıyorlardı. Her bir departman farklı kaynakları ve farklı tanımları kullandığı için, aynı konudaki raporlar bile farklı rakamlar gösteriyorlardı. Aslında, yönetimin elinde sağlam ve tutarlı raporlar da olamıyordu.

Yapay Zeka Gelince

Yapay zeka ile yapılabilecekler konusunda senaryolar üretmek ve hayaller kurmak çok güzel. Bu senaryo ve hayalleri mercek altına alıp, olası sorunları aklımıza getirdiğimizde ise, bambaşka noktaları dikkate almamız gerektiğini görüyoruz.

• Serkan KAV‘ın “Bir Yapay Zeka Kararının Delili Nedir?” yazısı, bir yapay zeka kararının katmanlarına ışık tutuyor.
• İsmail Yaman‘ın  “Bazı Anlar Hâlâ Bir İnsana İhtiyaç Duyar” yazısı, havaalanlarında yapay zeka uygulamalarının senaryolarından yola çıkıp, olası sapmaların sonuçlarını incelemiş.
• Sibel Akoğlu‘nun mesajları ama özellikle “YZ destekli dinamik pazarlama kurguları” konulu yazısı.
• Bir de McKinsey makalesi ekleyeyim. AI data readiness: The key to scaling impact.

Bu dört yazıyı da, geçmişte benden eğitim almış (ve gelecekte alacak) arkadaşlara öneriyorum.

Ercüment Büyükşener‘in Linkedin’de paylaştığı yazıları ve sohbetleri de izlenmeli.

Bir de Alper Bayraklı‘nın Linkedin paylaşımları var. Yurt dışına da hizmet veren bir ajansın AI ile yolculuğunun güncesi gibi… Çoğunluğu “mutlaka okunmalı” dediğim yazılar. Bazı yazılarından seçtiğim cümleler şöyle:

• “Bunu Ahmet yaptı, ben bilmiyorum” cümlesi teknik borcun dokümante edilmemiş halidir.
• “Hafta sonu bir bakarız” cümlesi benim için sessiz bir krizdir.
• AI çağı, her şeyi yeniden yıkıp yeniden yaptığımız ilk çağ değildi. Waterfall’dan Agile’a, Monolith’ten Microservices’e geçişleri (ve zaman zaman geri dönüşleri) düşündüğümde, AI’ın bizi zorladığı yerin aynı olduğunu görüyorum: zihniyet değişikliği.

Doğru Raporlamak İçin

Mevcut durumda yaptığınız işleri (ve raporları) aynen dijitalleştirirseniz… hızını artırırsınız ve sabitlersiniz. Zaten yaptığınız yanlışı daha hızlı ve geri alınmaz büyük bir yanlış hâline getirirsiniz.

Bu kadar uzun giriş paragrafları ve referanslar yazmamın nedeni, bu cümledir.

Şimdi çözümü konuşalım.

İlk yapmanız gereken çalışma, mevcut raporları gözden geçirmektir.

Tıpkı “Veriden Önce Yanıtlanması Gereken Soru” yazısında vurguladığım gibi “Ne yapacaksın bununla?” sorusuyla başlanmalıdır.

• Bu raporu kim üretiyor?
• Neden bu rapor üretiliyor? Hangi belirsizliği azaltıyor?
• Kim kullanıyor?
• Nerede kullanıyor?
• Hesaplama yöntemi nedir?
• Bu yöntem gerçekten amaca hizmet ediyor mu?
• Başka bilgilerle desteklenirse, daha doğru karar verilebilir mi? (Hangi başka bilgiler?)
• Bu rapora dayalı kararlarda nasıl sonuçlar elde edildi? (Gerçekten işe yarıyor mı?)
• Bu rapor hâlâ geçerli mi? (Hangi durumlarda bu raporu dikkate almamamız lazım?)

Bu soruların bir kısmının yanıtını yapay zekadan alabilirsiniz. Hiç sakıncası yok, hatta yararı var. Yeter ki ilk soruları kendiniz yanıtlamaya çalışın.

Bu soruları yanıtlamaya kalkıştığınızda kendinizi “Veriden Önce Yanıtlanması Gereken Soru” yazısında anlattığım veri sözlüğünün karşısında bulacaksınız. Bu noktada “yapay zeka varken buna gerek yok” demeyin.

• Ömer KORKMAZ, Linkedin’deki yazısında şu noktalara değinmiş. “Verisini yönetemeyen bir otel, yapay zekâyı nasıl yönetecek?“, “Yoksa mevcut dijital karmaşanın üzerine eklediğimiz daha pahalı bir katman mı?“, “Daha kaliteli veri. Ve mümkünse tek bir doğruluk kaynağı.” (Aradan işime gelen cümleleri çekip aldığımı düşünürseniz, tamamını okuyuverin.)
• Sibel Akoğlu‘nun yukarıda referans verdiğim yazısı, müşteri odaklı veri ambarının önemine değiniyor.
• McKinsey’in AI data readiness: The key to scaling impact makalesinde, tekrar kullanılabilecek verilerin önemine değiniliyor.
• Elinizde veri olabilir ama bağlam ve müşteri deneyimi konusunda yeterli tecrübeniz yoksa, felaket yanlışlar yapabilirsiniz. O dönemlerde bunun sorumluluğunu insanlar üstleniyordu. Artık “Ben yapmadım, yapay zeka yaptı” mı diyeceksiniz.

Envanter yönetiminde FIFO (First in first out) ilk giren ilk çıkar – LIFO (Last in first out) son giren ilk çıkar gibi yöntemler vardır. Veri yönetiminde GIGO (garbage in garbage out) çöp koyarsan çöp alırsın değişmez bir gerçektir.

Yapay zeka bunu azaltmaz ama hızlandırır.

Özetle

“Yapay zekayı raporlama için kullanıyorum. “Şu müşterideki son durumu bana şu şekilde özetle” diyorum. Şipşak görüntü alıyorum” diyorsanız… kişisel kullanım için ehh… idare eder. Ama kurumsal boyutta böyle düşünüyorsanız.

Birkaç sene sonra anılarınızı ve hüznünüzü paylaşacağınızı şimdiden söyleyebilirim.

Eş zamanlı olarak Linkedin’de yayınlandı.

.

İstanbul Bilgi Üniversitesi MBA programında verdiğim CRM dersinin final sınavını 9 Haziran 2024 tarihinde yaptık. Eş zamanlı olarak soruları Linkedin’de yayınladım. Devamında, 11 Haziran’da ikinci sorunun yanıtını paylaştım.

Sevgili Kerem Toprak Linkedinde “4. soru cevaplaması en zevkli soru” yazdı. Yanıtım şöyleydi “Katılıyorum. O sorunun yanıtını bloglarımda defalarca verdim. Bu sefer, hepsini tekrarlamak yerine linklerini belirteceğim“.

Kerem, yanıtımı yanıtladı “Elinize sağlık hocam. Bloglarınızdaki eğlenceli bir o kadar da öğretici yazılarınızdan referans alarak bende 4. yü seçmiştim zaten. CRM e biraz aşina olanlar bu sorunun yanıtını gayet tabii ki verebilir. Fakat konuya vakıf olmayan birine sorunun cevabı adeta 2 kavram arasındaki ince bir nüans gibi. Hakeza bunu teoride bilen fakat pratiğe yansıtamayan CRM uzmanları için de aynı durum geçerli 🙂 ”

Bugün dördüncü soruyu yanıtlayacağım.

Dördüncü Soru

Kerem’e söylediğim gibi, bu konuda çok sayıda yazı yayınladım.

2001’den beri söylüyorum, 2005’den beri derslerimde anlatıyorum. Müşteri odaklı veri ambarı (MOVA) olmadan ne kişiselleştirilmiş teklif gönderebilirsiniz, ne sosyal CRM yapabilirsiniz, ne de dijital dönüşümü gerçekleştirebilirsiniz. Müşteri Odaklı Veri Ambarı MOVA konusunda daha fazla bilgi edinmek isterseniz

[1] – İşlevsel veri ambarları ile MOVA farkı
[2] – MOVA oluşturmaya nasıl başlanıldığı
[3] – MOVA’nın neden önemli olduğu

yazılarına da göz atabilirsiniz. (Madde rakamına tıklarsanız, yazıya ulaşırsınız.)

Eğer daha önce yayınladığım yazıları takip etmişseniz

• 2013’de MOVA olmadan Sosyal CRM olmayacağına dair bir yazıdan alıntıyı
• 2016’da MOVA olmadan Dijital Dönüşüm olmayacağına dair başka yazıdan alıntıyı
• “CRM öldü, yaşasın CDP” (customer data platform) diyenlerin cehaleti konusunda alıntıyı

okumuşsunuzdur.

Kerem Haklı

Bu sorunun yanıtı CRM eğitiminin bel kemiği olduğundan ötürü, hemen her sınavda birebir aynısı değilse de bir şekilde istenir.

Bir CRM çalışmasına kalkışıldığında, MOVA’nın en önemli altyapı bileşeni olduğu anlaşılır. Kerem’in dediği gibi, “bunu yeterince anlamayan CRM uzmanları” da var ama konumuz onlar değil.

Bilmemiz gereken şudur: MOVA olmadan ne CRM olur, ne kişiselleştirilmiş teklifler ne de dijital dönüşüm.

😉

Bu yazı, Sıfırıncı Elden Veri yazısının devamıdır.

Önceki yazıda,  “The Importance of Zero-party Data” (Sıfırıncı Elden Veri’nin Önemi) isimli bir Bloomreach makalesi üzerine görüşlerimi anlatmıştım. “Makalede birçok önemli noktaya değinilmiş. Ben sadece bir bölümünü ele aldım. Siz makalenin tamamını okuyun. Makaledeki bazı noktaları, başka bir blog yazısında irdeleyeceğim” demiştim.

Makalenin Sıfırıncı Elden Veri Stratejisinin Faydaları paragrafında şöyle diyor:

Sıfırıncı Elden Verilerin toplama kolaylığı ve diğer veri türlerinin potansiyel dezavantajları, sıfırıncı elden verilerin neden e-ticaret işletmeleri için ana odak noktası olması gerektiğini anlamayı kolaylaştırır. İşletmelerin müşterilerle daha iyi bir ilişki kurmasına temel olarak yardımcı olan bilgidir ve böylelikle hem işletmenizin kârlılığı hem de müşterinizin markanızla olan deneyimi için büyük avantajlar sağlar.

…

Konseptin özü şudur: Müşteriler, kendi istek ve ihtiyaçlarına göre özelleştirilmiş bir deneyim karşılığında markalarla veri paylaşmaya isteklidir. Müşteriler kişiselleştirilmiş içerik ister, ancak bir kurumla bu kişiselleştirilmiş deneyimi elde etmek için hangi verilerin paylaşılacağını kontrol etmek isterler.

🙂

Öncelikle makalede vurgulanan “Müşterilerin hem kişiselleştirilmiş içerik istediği, hem de kurumla bu kişiselleştirilmiş deneyimi elde etmek için hangi verilerin paylaşılacağını kontrol etmek istedikleri” konusuna kesinlikle katılıyorum. Daha önce de Veri / Deneyim Dengesi yazımda bahsetmiştim. Deneyimle uyuşmayan ölçüde veri talep ettiğinizde hem veri alamıyorsunuz, hem de güven kaybediyorsunuz.

Burada önemli olan, sıfırıncı elden veriyi nasıl elde ettiğimizdir.

Bazı sektörlerde kendiniz veya aileniz hakkında ayrıntılı bilgi vermeniz, (makalede söylendiği gibi) deneyiminizi iyileştirir ve hayatınızı kolaylaştırır. Örneğin konaklama sektöründe rezervasyon yaparken

• çocukların yaşları,
• sizin ve onların (varsa) fiziksel zorlukları,
• alerjileriniz olup olmadığı,
• sert veya yumuşak yastık tercihiniz,
• vb… (elbette bunlarla sınırlı değil, bunlar sadece örnek)

konularında ne kadar çok bilgi verirseniz, o kadar rahat edersiniz. Hatta size bu konular sorulduğunda “ne yapacaksınız bu bilgiyi” demezsiniz, aksine “ne güzel, bunu da dikkate almışlar” diye düşünürsünüz (ve hizmet kalitesi beklentiniz de artar).

E-ticaret tarafına geldiğimizde, teklif (elde ettiğiniz veriler sayesinde) kişiselleşebilir ama ürün çoğunlukla kişiselleştirilemiyorsa ve müşteriyi diğerlerinden ayıran (çok uzun veya kısa olmak, çok kilolu veya zayıf olmak, vb.) özellikleri yoksa, fazladan kişisel bilgi vermeye müşteriyi ikna etmeniz zorlaşır. Bu durumda, müşterinin ayak izlerini takip etmek (ama harici verileri de dikkate alarak) anlamlandırmak en doğrusudur. (Önceki yazıya yorum yapan Sn. Yasemin Koç da bu konuyu vurgulamıştı.)

Bu noktada, kişiselleştirilmiş teklif yapan yazılımı iyi seçmek gerekiyor. Şurada, yüksek konçlu basketbol ayakkabısı ve ilginç resimli kravat bakınca beni zerre kadar tanımayan bir öneri sistemini okuyabilirsiniz.

Ayrıntıları yazdığım için makalenin temel söyleminden sizi uzaklaştırmayayım. “Müşterinizi, daha iyi bir deneyim yaşaması için verilerini gönüllü paylaşmaya ikna etmenin yollarını düşünmelisiniz“. Tekrarlıyorum, bu kavrama katılıyorum.

Hangi farklı kaynaktan gelirse gelsin, verilerin nihai ulaşım noktası müşteri odaklı veri ambarıdır. [Bu konudaki son yazıyı referans veriyorum. Orada önceki yazıların linkleri de var.]

Yeter ki siz verileri [1] + [2] ve istisnaları anlamlandırmayı bilin.