Yapay Zeka Ajanı Deneme Sürümü Lead'ini Nitelendirebilir mi?

Evet, bir yapay zeka ajanı B2B yazılım deneme sürümüne kaydolan bir kullanıcıyı nitelendirebilir; ancak bunu form bilgisinden çok ürün içindeki davranıştan yapar. Ajan, kaydın kimden geldiğini, deneme süresinde hangi değerli adımların atıldığını ve hesabın hedef müşteri profiline ne kadar uyduğunu birlikte okur. Satışa devir kararını ise yazılı kurallara göre önerir ve son söz satış temsilcisinde kalır.

Bu yazı, ürününü deneme sürümüyle satan B2B yazılım ekipleri için hazırlandı. Genel lead qualification sürecini B2B lead qualification için yapay zeka ajanı yazısında anlattık. Burada odak daha dar: deneme kullanıcısı ne zaman satışa hazırdır, ajan bunu hangi veriyle anlar ve hangi noktada durmalıdır? Yazıdaki tablo ve kurallar örnek amaçlıdır; bir müşteri vakası değildir.

Deneme sürümü lead'i neden form lead'inden farklıdır?

Klasik bir demo talebinde kişi niyetini kendi cümlesiyle yazar. Deneme sürümünde ise çoğu kullanıcı hiçbir şey yazmaz. Kaydolur, birkaç ekran gezer ve ya değeri bulur ya da sessizce ayrılır. Bu yüzden deneme lead'inin niteliği formda değil, kullanımda saklıdır.

İki fark özellikle önemlidir:

• Niyet sinyali davranıştır. Bir kullanıcının ekip arkadaşını davet etmesi, kendi verisini içeri aktarması ya da bir entegrasyonu bağlaması, form alanlarından daha güçlü bir sinyaldir.
• Zamanlama kısadır. Deneme süresi genelde sınırlıdır. Doğru hesaba geç dönüldüğünde süre dolmuş ve karar başka bir araç lehine verilmiş olabilir.

Ajanın değeri tam burada ortaya çıkar. Satış ekibi her deneme hesabını tek tek inceleyemez. Ajan ise her hesabın kullanım özetini çıkarabilir ve yalnızca dikkat gerektirenleri öne alabilir.

Yapay zeka ajanı deneme kullanıcısını nitelendirmek için hangi veriye ihtiyaç duyar?

Ajanın iyi karar önermesi için üç veri grubuna erişmesi gerekir. Bu grupları baştan tanımlamak, "ajanı hangi veriyle eğitmeliyiz?" sorusuna da cevap verir. Çoğu durumda model eğitmek gerekmez; gereken şey temiz, erişilebilir ve anlamı yazılmış veridir.

1. Kayıt ve firma verisi

• Kayıt e-postasının alan adı (kurumsal mı, kişisel mi)
• Şirket adı, sektör ve yaklaşık çalışan aralığı
• Kaydolan kişinin rolü (kullanıcı beyan ettiyse)

2. Ürün içi kullanım verisi

• Kurulum adımlarından hangilerinin tamamlandığı
• "Değer anı" olarak tanımladığınız olayın gerçekleşip gerçekleşmediği
• Davet edilen ekip üyesi sayısı
• Bağlanan entegrasyonlar ve içeri aktarılan veri
• Fiyatlandırma, faturalama veya güvenlik sayfalarına yapılan ziyaretler

3. Satış geçmişi

• Hesabın CRM'de daha önce kaydı olup olmadığı
• Aynı şirketten başka deneme kayıtları
• Önceki görüşme notları ve kayıp nedenleri

Burada en çok atlanan adım, olayların anlamını yazmaktır. "project_created" adlı bir olay, ajan için tek başına bir şey ifade etmez. Bu olayın sizin ürününüzde neden önemli olduğunu bir cümleyle yazarsanız ajan gerekçesini de bu cümleye dayandırır. Veri ürününüzün içindeyse ajanın ona nasıl bağlanacağı konusunu yapay zeka asistanı mevcut sistemlere nasıl bağlanır yazısında ayrıntılı ele aldık.

Hangi sinyaller deneme kullanıcısını satışa hazır yapar?

Aşağıdaki tablo, ekip yönetimi sunan hayali bir B2B yazılım için örnek bir sinyal seti gösterir. Ağırlıklar sizin ürününüze göre değişir. Tablonun amacı puanı ezberletmek değil, hangi sinyalin neden önemli olduğunu yazılı hale getirmektir.

Sinyal	Örnek ağırlık	Neden önemli?
Kurumsal alan adıyla kayıt	Orta	Kişisel denemeden çok şirket ihtiyacına işaret eder
Hedef sektör ve ekip büyüklüğüne uyum	Yüksek	Satılabilir hesap olup olmadığını belirler
Değer anı ilk 3 günde gerçekleşti	Yüksek	Ürünün işe yaradığını kullanıcı kendisi görmüştür
En az 2 ekip üyesi davet edildi	Yüksek	Karar tek kişide kalmıyor, ekip benimsiyor
Entegrasyon bağlandı veya veri aktarıldı	Orta	Geçiş maliyeti oluşmaya başlamıştır
Fiyat veya güvenlik sayfası ziyareti	Orta	Satın alma sorusu gündemdedir
5 gündür giriş yok	Negatif	İlgi düşüyor; satış yerine hatırlatma gerekir

Ajanın önerisi tek bir puandan ibaret olmamalıdır. Satış temsilcisi bir hesabı açtığında üç şey görmelidir: önerilen sonraki adım, bu öneriyi doğuran sinyaller ve eksik kalan bilgi. Puanlama yaklaşımının genel mantığı için lead scoring kavramına bakabilirsiniz; deneme sürümünde bu mantık kullanım olaylarıyla beslenir.

Ajan hangi kararları kendi verir, hangilerini satışa bırakır?

Sınırı baştan çizmek, ajanın hem güvenilir hem de kullanılabilir kalmasını sağlar. Pratikte iş üç katmana ayrılır.

Ajanın kendi yapabileceği işler

• Her deneme hesabı için kısa bir kullanım özeti yazmak
• Hesabı yazılı kurallara göre "satışa hazır", "izle" veya "otomatik destek" grubuna önermek
• CRM'de hesap kaydını bulup eksik alanları işaretlemek

İnsan onayıyla yapılacak işler

• Satış temsilcisine hesap atamak
• Kullanıcıya kişisel bir e-posta taslağı hazırlamak
• Deneme süresini uzatma önerisi sunmak

Ajanın hiç yapmaması gereken işler

• Fiyat veya indirim teklifi vermek
• Kullanıcıya satın alma baskısı kuran otomatik mesaj göndermek
• Kişisel veriyi izin verilmeyen bir kaynakla zenginleştirmek

Bu ayrım, satış ekibinin ajanın önerilerine güvenmesini kolaylaştırır. Temsilci her öneride gerekçeyi görür ve kabul ya da ret kararını kaydeder. Bu kayıtlar, kuralları zamanla düzeltmenin en güvenilir kaynağıdır.

Deneme kullanıcısı verisinde KVKK ve gizlilik nasıl korunur?

Ürün içi kullanım verisi çoğu zaman kişisel veriyle iç içedir. Kim, hangi gün, hangi ekranda ne yaptı bilgisi bir kişiye bağlanabilir. Bu nedenle ajan tasarımında üç kural işe yarar:

• Ajana yalnızca nitelendirme için gereken alanları verin; ham olay günlüğünün tamamını vermeyin.
• Kullanıcının içeri aktardığı müşteri verisini, yani kullanıcının kendi verisini, nitelendirme sürecine hiç sokmayın.
• Aydınlatma metninizde kullanım verisinin satış ve destek amacıyla işlendiğini açıkça yazın.

Türkiye'de faaliyet gösteren şirketler için temel çerçeve Kişisel Verileri Koruma Kurumu yayınlarında yer alır. Kurum içi verinin yapay zeka projelerinde nasıl korunacağını ise yapay zeka projesinde kurum içi veri nasıl korunur yazısında anlattık. Hukuki değerlendirme için kendi hukuk danışmanınızla çalışmanız gerekir; bu yazı hukuki görüş değildir.

Deneme sürümü için nitelendirme ajanı nasıl kurulur?

Büyük bir sistemle başlamak gerekmez. Aşağıdaki sıra, küçük bir satış ekibinin birkaç hafta içinde deneyebileceği bir başlangıç sunar.

1. Değer anını tanımlayın. Kullanıcının "bu ürün işe yarıyor" dediği tek bir olayı seçin ve yazın.
2. Hedef profili yazılı hale getirin. Sektör, ekip büyüklüğü ve hariç tutulan durumları bir sayfada toplayın.
3. Beş ile yedi arası sinyal seçin. Yukarıdaki tabloya benzer bir liste yeterlidir. Her sinyalin anlamını bir cümleyle açıklayın.
4. Ajanı önce gölge modda çalıştırın. İlk iki hafta ajan öneri üretir ama kimseye bir şey göndermez. Temsilciler önerileri kendi kararlarıyla karşılaştırır.
5. Uyuşmazlıkları inceleyin. Ajanın "satışa hazır" dediği ama temsilcinin reddettiği hesaplar, kural setinin en zayıf yerini gösterir.
6. Sonra yalnızca atama adımını açın. Ajan hesabı temsilciye önerir, temsilci onaylar. E-posta ve teklif adımları insan kontrolünde kalır.

Bu yaklaşım, daha geniş bir B2B müşteri kazanım sistemi içinde deneme sürümü kanalını ayrı ve ölçülebilir bir parça olarak ele almanızı sağlar.

Sık sorulan sorular

Deneme kullanıcısını nitelendirmek için ayrı bir model eğitmek gerekir mi?

Çoğu durumda gerekmez. Hazır bir dil modeli, iyi tanımlanmış sinyaller ve yazılı kurallarla çalışabilir. Asıl iş, kullanım olaylarını temiz tutmak ve her olayın anlamını açıklamaktır.

Ajan hangi hesapları satış yerine otomatik desteğe yönlendirmelidir?

Hedef profile uymayan ama ürünü aktif kullanan hesaplar genelde otomatik destekle daha iyi ilerler. Bu hesaplara satış görüşmesi yerine kurulum rehberi veya yardım içeriği önermek daha uygundur.

Deneme süresi bitmeden ne zaman satışa devredilmelidir?

Değer anı gerçekleşmiş, ekip üyesi davet edilmiş ve hesap hedef profile uyuyorsa devir için süre sonunu beklemek gerekmez. Kesin gün sayısı ürüne göre değişir; gölge mod verisi bu eşiği belirlemenize yardım eder.

Ajanın önerilerinin doğru olup olmadığı nasıl ölçülür?

Temsilcinin her öneriyi kabul ya da ret olarak işaretlemesi en basit ölçüdür. Zamanla kabul edilen önerilerin hangi oranda görüşmeye ve satışa dönüştüğünü de CRM'den takip edebilirsiniz.

---

Abdullah Oğuz, Binode'da yapay zeka danışmanlığı, ürün geliştirme ve B2B müşteri bulma sistemleri üzerine çalışır. Şirketlerin yapay zekayı mevcut satış ve operasyon araçlarına güvenli biçimde bağlamasına odaklanır.