İçeriğe geç
B2B Müşteri Kazanımı

Lead Nitelendirme Ajanı İçin Hangi Veriler Gerekir?

Yazar: Abdullah Oğuz7 dk okuma

Lead nitelendirme ajanı için model eğitmek gerekmez. Kurallar, giriş verisi, geçmiş satış sonuçları ve ekip geri bildirimiyle dört katmanlı veri hazırlığı.

İki kişi masada dizüstü bilgisayarlar, hesap makinesi ve tablolu belgeler üzerinde veri inceliyor

Bir lead nitelendirme ajanının iyi çalışması için çoğu zaman model eğitmek gerekmez; gereken şey dört katmanlı bir veri setidir. Bu katmanlar yazılı ideal müşteri profili ve karar kuralları, talebin kendisine ait giriş verisi, geçmiş fırsatların sonuç verisi ve satış ekibinin ajana verdiği geri bildirimdir. Geçmiş kazanılan ve kaybedilen fırsatlar modeli eğitmek için değil, ajanın kararlarını ölçmek için bir değerlendirme seti olarak kullanılır.

Bu yazıda bir B2B lead nitelendirme ajanını kurmadan önce hangi verileri toplamanız gerektiğini, bu verilerin nereden geldiğini ve verinin hazır olup olmadığını nasıl kontrol edeceğinizi anlatıyoruz. Ajanın genel iş akışını merak ediyorsanız önce B2B lead qualification için yapay zeka ajanı nasıl kurulur yazımıza bakabilirsiniz. Deneme sürümü kullanan yazılım şirketlerine özel kullanım verisi konusunu ise deneme sürümü lead nitelendirme yazısında ayrıca ele aldık.

Lead nitelendirme ajanını eğitmek için model eğitmek gerekir mi?

Çoğu B2B ekibi için gerekmez. Bugünkü büyük dil modelleri bir şirket sitesini okuyabilir, bir form cevabını yorumlayabilir ve verilen kurallara göre gerekçeli bir öneri yazabilir. Modelin bilmediği şey sizin işinizdir: kime satıyorsunuz, hangi talebi geri çeviriyorsunuz ve bir fırsatı neden kaybettiniz.

Bu bilgiyi modele aktarmanın en sağlam yolu kuralları ve örnekleri talimat olarak vermek, şirket verisine de araçlar üzerinden erişim tanımlamaktır. İnce ayar (fine-tuning) ancak binlerce tutarlı etiketli kayıt olduğunda ve kurallar artık yazıyla anlatılamayacak kadar karmaşıklaştığında anlamlı hale gelir. Google'ın makine öğrenmesi rehberi de ilk sürümün basit kurallarla başlamasını önerir; ayrıntılar için Rules of Machine Learning belgesine bakabilirsiniz.

Bu yüzden "ajanı hangi veriyle eğitelim?" sorusunu "ajan karar verirken hangi veriye bakacak ve kararını neyle ölçeceğiz?" diye değiştirmek daha doğru olur.

Ajanın karar vermesi için hangi veri katmanları gerekir?

Binode'da bir nitelendirme ajanı kurmadan önce veriyi dört katmanda topluyoruz. Her katmanın görevi farklıdır ve biri eksik olduğunda ajanın davranışı da farklı biçimde bozulur.

KatmanÖrnek veriNereden gelir?Eksik olursa ne olur?
KurallarICP tanımı, diskalifiye nedenleri, yönlendirme kurallarıSatış ve pazarlama yöneticileriAjan tutarsız ve kişiye göre değişen kararlar verir
Giriş verisiForm alanları, şirket alan adı, sektör, çalışan aralığı, rolForm aracı, CRM, herkese açık şirket bilgisiAjan tahmin yürütmek zorunda kalır
Sonuç verisiKazanılan, kaybedilen ve diskalifiye edilen fırsatlar ile nedenleriCRM geçmişiAjanın doğru karar verip vermediği ölçülemez
Geri bildirimTemsilcinin öneriyi kabul, düzeltme ve red kayıtlarıAjanın çıktısının işlendiği CRM alanlarıAjan zamanla iyileşmez

Tablodaki ilk satır çoğu zaman en zayıf halkadır. "Orta ölçekli üretim şirketleri" gibi bir ifade insan için anlamlıdır ama ajan için yeterli değildir. Hangi sektör kodları, hangi çalışan aralığı, hangi coğrafya ve hangi teknik ortam sayılır, bunların her birinin yazılı olması gerekir.

Giriş verisinde hangi alanlar gerçekten işe yarar?

Formda ne kadar çok alan olursa nitelendirme o kadar kolaylaşır diye düşünülür. Uygulamada uzun formlar doldurulma oranını düşürür ve ajan da çoğu alanı kullanmaz. İşe yarayan alanları üç grupta topluyoruz:

  • Kimlik ve eşleşme alanları: Kurumsal e-posta, şirket alan adı ve CRM'deki mevcut kayıtla eşleşme bilgisi. Ajan bu alanlarla talebin yeni bir hesap mı, mevcut bir müşteri mi yoksa açık bir fırsatın parçası mı olduğunu anlar.
  • Uygunluk alanları: Sektör, çalışan aralığı, ülke ve kişinin rolü. Bu alanların bir kısmı formdan, bir kısmı şirketin herkese açık sayfasından gelir.
  • Niyet alanları: Talebin açık metni, istenen görüşme türü ve varsa bütçe ya da zaman çizelgesi bilgisi. Serbest metin, ajanın en çok değer kattığı yerdir; bir insanın okuyup yorumlayacağı cümleyi model de okuyup özetleyebilir.

Dış kaynaktan gelen her bilgi için kaynağı ve tarihi kaydetmek gerekir. Ajan "sektör: lojistik" yazdığında bu bilginin şirket sitesinden mi, bir veri sağlayıcısından mı yoksa formdan mı geldiği görülebilmelidir. Kaynağı belli olmayan bilgi, temsilcinin ajana güvenini en hızlı bozan şeydir.

Geçmiş satış verisi ajan için neden bu kadar önemlidir?

Geçmiş fırsatlar ajanın ders kitabı değil, sınav kâğıdıdır. Son dönemde kapanan fırsatlardan bir değerlendirme seti hazırlarsınız. Ajanı bu kayıtlar üzerinde çalıştırır ve önerilerini gerçek sonuçla karşılaştırırsınız. Ajan kaybedilmiş bir fırsata yüksek öncelik veriyorsa kural ya da veri tarafında bir eksik vardır.

Bu karşılaştırmanın çalışması için sonuç verisinin üç özelliği taşıması gerekir:

  1. Hem kazanılan hem kaybedilen kayıtlar bulunmalıdır. Yalnızca kazanılan fırsatlarla kurulan bir set, ajana neyin iyi olduğunu gösterir ama neyin kötü olduğunu göstermez.
  2. Kayıp ve diskalifiye nedenleri doldurulmuş olmalıdır. "Diğer" ya da boş bırakılmış kayıp nedeni, değerlendirme setinde kullanılamaz.
  3. Aşama tanımları zaman içinde değişmemiş olmalıdır. Satış süreci yakın zamanda değiştiyse eski kayıtları yeni tanımlara göre etiketlemek ya da setten çıkarmak gerekir.

Geçmiş veriniz azsa ya da yoksa bu bir engel değildir. Bu durumda ajanı ilk haftalarda yalnızca öneri veren bir yardımcı olarak çalıştırır, temsilcinin her kararını kayda alırsınız. Birkaç hafta sonra elinizde ajanın kendi değerlendirme seti oluşur.

Veri hazır mı, nasıl kontrol edilir?

Bir ajan projesine başlamadan önce kısa bir veri kontrolü yapıyoruz. Bu kontrol, sorunun ajan kurulduktan sonra değil, kurulmadan önce görünmesini sağlar. Aşağıdaki soruların cevabı "hayır" ise önce veriyi düzeltmek daha hızlı sonuç verir:

  • CRM'de aynı şirkete ait yinelenen hesap kayıtları temizlendi mi?
  • Fırsat aşamalarının ne anlama geldiği yazılı mı ve ekip aynı tanımı mı kullanıyor?
  • Kayıp nedenleri zorunlu alan mı ve seçenekler gerçekten ayırt edici mi?
  • Formdan gelen kayıt ile CRM'deki hesap otomatik olarak eşleşiyor mu?
  • Ajanın okuyabileceği ve asla yazamayacağı alanlar listelendi mi?
  • Temsilcinin ajan önerisini kabul ettiği ya da değiştirdiği bir alan var mı?

Son madde çoğu zaman unutulur. Temsilcinin düzeltmesi kayda alınmazsa ajanın hatası da görünmez kalır. Ajanın çıktısını CRM'e bağlamanın teknik tarafını yapay zeka asistanı mevcut sistemlere nasıl bağlanır yazısında ayrıntılı ele aldık.

Kişisel veri ve KVKK açısından nelere dikkat etmek gerekir?

Lead verisi çoğu zaman bir kişinin adını, e-posta adresini ve rolünü içerir. Bu nedenle ajanın erişimi "her şeyi okusun" yaklaşımıyla değil, amaca yetecek kadar veriyle sınırlanmalıdır. Nitelendirme için kişinin özel hayatına ait bilgiye ihtiyaç yoktur; şirket ve rol bilgisi çoğu kararı vermeye yeter.

Uygulamada şu kuralları öneriyoruz:

  • Verinin kaynağını, işlenme amacını ve saklama süresini yazılı olarak tanımlayın.
  • Ajanın kullandığı model sağlayıcısına hangi alanların gittiğini listeleyin ve gereksiz alanları göndermeyin.
  • Ajanın müşteriye kendi başına mesaj göndermesine izin vermeyin; ilk temas insan onayından geçsin.
  • Ajanın her önerisini, dayandığı kaynakla birlikte kayda alın.

Türkiye'de kişisel verilerin işlenmesine dair güncel düzenlemeler ve rehberler için Kişisel Verileri Koruma Kurumu sayfasını takip etmenizi öneririz. Hukuki değerlendirme her şirketin kendi danışmanıyla yapılmalıdır.

Binode bu veri hazırlığını nasıl ele alıyor?

B2B müşteri kazanımı çalışmalarımızda süreç her zaman ideal müşteri profilinin yazıya dökülmesiyle başlar. Nitelendirme ajanı projelerinde de aynı sırayı izliyoruz. İlk görüşmede kime sattığınızı ve hangi talepleri geri çevirdiğinizi konuşuyoruz. Ardından CRM ve form verisinin kısa bir envanterini çıkarıyoruz. Bu envanter, dört katmandan hangisinin hazır, hangisinin eksik olduğunu gösterir.

Eksik katman çoğu zaman kurallar ya da sonuç verisi olur. Bu durumda ajanı kurmadan önce kuralları satış ekibiyle birlikte yazıyor ve kayıp nedeni alanını düzenliyoruz. Ajan devreye girdikten sonra da ilk dönemde yalnızca öneri verir; karar ve müşteriyle temas satış ekibinde kalır. Bu yaklaşım ajanı hızlı devreye almaktan daha yavaş görünebilir ama hatalı bir önceliklendirmenin satış ekibine maliyeti, birkaç haftalık hazırlıktan çok daha yüksektir.

Sık sorulan sorular

Lead nitelendirme ajanı için kaç geçmiş kayıt gerekir?

Sabit bir sayı yoktur. Önemli olan sayıdan çok çeşitliliktir: değerlendirme setinde kazanılan, kaybedilen ve diskalifiye edilen fırsatların hepsinden örnek bulunmalıdır. Geçmiş veri azsa ajan ilk haftalarda yalnızca öneri verir ve temsilci kararları yeni bir değerlendirme seti oluşturur.

Ajan dış veri sağlayıcılarından gelen şirket bilgisini kullanabilir mi?

Kullanabilir, ancak her bilginin kaynağı ve tarihi kayıtta görünmelidir. Dış kaynaktan gelen bilgi ile formdan gelen bilgi çeliştiğinde ajan bunu karar vermek yerine "çelişki var" olarak işaretlemelidir.

Lead scoring modeli olan bir şirketin ayrıca ajana ihtiyacı var mı?

Lead scoring çoğu zaman tek bir sayı üretir. Ajan ise bu sayının yanına gerekçe, eksik bilgi listesi ve önerilen sonraki adımı ekler. Mevcut skor ajanın giriş verilerinden biri olarak kullanılabilir; ikisi birbirinin yerine geçmez.

Veri hazırlığı ne kadar sürer?

CRM düzenli tutuluyorsa veri envanteri ve kuralların yazılması birkaç hafta içinde tamamlanabilir. Yinelenen kayıtlar, boş kayıp nedenleri ya da değişmiş aşama tanımları varsa önce bu temizlik yapılır ve süre buna göre uzar.


Abdullah Oğuz, Binode'da kurumsal yapay zeka danışmanlığı, ürün geliştirme ve B2B müşteri kazanım sistemleri üzerine çalışıyor. Şirketlerin yapay zekayı kullandıkları mevcut araçlara güvenli şekilde bağlamasına odaklanıyor.

Kapak: Artem Podrez / Pexels

Kurumunuz hangi seviyede, birlikte bulalım

30 dakikalık ücretsiz keşif görüşmesinde mevcut durumunuzu ve doğru ilk hamleyi konuşalım.

Görüşme Planla