CRM Veriniz Yapay Zekaya Hazır mı?

Hangi veriyi yapay zeka üretebilir, hangisini siz üretmelisiniz?

Bu ayrımı netleştirmek 30 günlük planın hangi adımına ne kadar emek vereceğinizi belirler. Yapay zeka türetebildiği veriyi sizden istemez: son temas tarihi, görüşme özeti, konuşulan itirazın kategorisi, fırsatın hareketsiz kalma süresi. Bunlar zaten var olan sinyallerden çıkar.

Sizden isteyeceği veri ise dışarıdan görünmeyen karardır: bütçenin gerçek üst sınırı, karar vericinin bu işi ne kadar önemsediği, rakibin fiyat verip vermediği. Bu bilgiler yalnızca konuşmada ortaya çıkar. Dolayısıyla veri hazırlığı projesinde emeği form alanlarına değil, konuşmanın kayda geçmesine harcamalısınız.

Hazırlık bittikten sonra ilk hangi soruyu sormalısınız?

Tahminle başlamayın; geçmişe dönük bir soruyla başlayın. Örnek: "son 12 ayda kaybettiğimiz fırsatlarda en sık geçen itiraz neydi ve bu itirazı ilk hangi aşamada duyduk?" Bu sorunun cevabı doğrulanabilir — kayıtlara bakıp kontrol edebilirsiniz. Doğru çıkıyorsa veriniz hazırdır ve tahmine geçebilirsiniz.

Geleceğe dönük soruyla başlayan firmalar cevabı doğrulayamaz, güven kuramaz ve genelde ikinci ayda projeyi bırakır. Sıralamayı tersine çevirmek, yapay zeka projesinin en düşük maliyetli başarı şartıdır.CRM veriniz yapay zekaya hazır demek dört şartın sağlanması demektir: doluluk (karar için gereken alanların boş olmaması), yapı (serbest metin değil seçim listesi), tazelik (son 90 günde güncellenmiş olması) ve gerekçe kaydı (sadece ne olduğu değil, neden olduğu). Bu dördü yoksa yapay zeka yanlış cevap vermez — hiç cevap vermez ya da elinizdeki eksik veriyi kendinden emin bir dille tekrar eder. Yapay zeka hiç yazılmamış olanı çıkaramaz.

Yapay zeka CRM verisinden ne bekler?

Üç şey: tutarlı yapı, zaman damgası ve nedensellik. Bir fırsatın kaybedildiğini bilmek işe yaramaz; neden kaybedildiğini bilmek işe yarar. 400 kayıtta kayıp sebebi alanı %70 boşsa, "neden kaybediyoruz" sorusunun cevabı istatistiksel olarak üretilemez.

Bu yüzden çoğu firmada yapay zeka projesi model seçiminde değil, veri envanterinde tıkanır. Sorun algoritma değil; kaliteli verinin hiç üretilmemiş olması.

Verinizin hazır olup olmadığını nasıl test edersiniz?

Altı soruyla, yarım günde:

Açık fırsatların yüzde kaçında bir sonraki adım ve tarihi yazılı?
Kapanan fırsatların yüzde kaçında kayıp/kazanç sebebi seçili?
Kaç fırsat 60 günden uzun süredir hiç güncellenmemiş?
Karar vericinin adı ve rolü kayıtlı mı, yoksa sadece bir e-posta adresi mi var?
Görüşme notları seçim listesi mi, yoksa "müşteri düşünecek" yazan serbest metin mi?
Aynı firma CRM'de kaç kez kayıtlı?

Eşik şu: ilk iki soruda %80'in altındaysanız yapay zeka tahmin üretemez, sadece özetler. Üçüncü soruda oran %20'yi geçiyorsa elinizde bir pipeline değil, bir arşiv var.

Hangi alanlar gerçekten kritik?

Bir sonraki adım + tarih: tahminin omurgası. Bu alan boşsa fırsatın canlı olup olmadığı bilinemez.
Kayıp/kazanç sebebi: seçim listesi olarak; 6-8 seçenek yeterli.
Karar verici ve rolü: kim onay veriyor, kim bütçeyi tutuyor.
İskonto ve gerekçesi: fiyat davranışını anlamanın tek yolu.
Son temas tarihi: otomatik dolmalı, elle değil.
Bütçe ve zamanlama: BANT'ın ölçülebilir iki bacağı.

Serbest metin neden problem?

Çünkü sayılamaz. 500 fırsat notunda "fiyat", "pahalı", "bütçe yok", "rakip daha ucuz" ifadeleri aynı gerçeği anlatır ama dört farklı şekilde yazılmıştır. Bir insan okur ve anlar; bir rapor bunu toplayamaz. Yapay zeka metni okuyup kategoriye çevirebilir — ancak bunun için notun yazılmış olması gerekir. Çoğu CRM'de asıl kayıp burada: not hiç yok, ya da "görüştük" yazıyor.

Eksik veri yapay zekayı nasıl yanıltır?

Somut bir örnek: 90 açık fırsatın 60'ında son güncelleme 45 günden eski. Yapay zeka bu havuzdan çeyrek tahmini üretirse, ölü fırsatları canlı kabul eder ve hedefin %130'unu gösterir. Ekip bu rakama güvenir, çeyrek %70 kapanır. Veri eksik olduğunda yapay zeka iyimserliği büyütür, çünkü boş alanı olumsuz değil nötr sayar.

30 günde nasıl hazır hale getirilir?

1. hafta: yukarıdaki altı soruyu ölçün ve sayıyı yazın. Ölçmeden başlamayın.
2. hafta: zorunlu alanları üçe indirin — bir sonraki adım, tarih, sebep. Daha fazlasını zorunlu yapmak doldurulmayı değil, uydurmayı artırır.
3. hafta: serbest metin alanlarını seçim listesine çevirin; mükerrer kayıtları birleştirin.
4. hafta: 60 günden eski fırsatları tek tek kapatın veya tarih verin. Pipeline'ı temizlemeden tahmin kurulmaz.

Hazırlığı nasıl ölçmeye devam etmelisiniz?

Tek bir sayı yeterli: karar için gerekli alanların doluluk oranı. Haftada bir bakın, %80'in altına inince müdahale edin. Yanına iki sayı ekleyin: 30 günden eski fırsat oranı ve sebep alanı dolu kapanış oranı.

En sık yapılan hatalar neler?

20 alanı zorunlu yapmak. Satışçı hepsini geçmek için rastgele doldurur; veri kirlenir, hazırlık geriler.
Geçmiş üç yılı temizlemeye çalışmak. Son 12 ay yeter; eski veri tahmin için zaten değersiz.
Veri girişini satışçının disiplin sorunu sanmak. Haftada 5 saat veri girişi isteyip satış beklemek yapısal bir çelişkidir.
Yapay zekayı temizlik bitmeden devreye almak, sonra "yanlış söylüyor" diye kapatmak.

Asıl mesele şu: veri girişini kolaylaştırmak yetmez, çünkü problem zorluk değil — kaliteli verinin hiç üretilmemesi. Closync bu yüzden forma odaklanmaz; konuşmalardan veriyi kendisi çıkarır, BANT temelinde ayrıştırır ve CRM'i doldurur. Satışçının CRM dili bilmesi gerekmez, veri de sonradan temizlenmesi gereken bir yük olmaktan çıkar.