Veriler Müşterinin Sesidir

GSM operatörleri, bankalar, süpermarket zincirleri gibi çok sayıda verisi olan kurumlar big data toplantılarında sürekli konuşuyorlar [1] , [2] . Ancak Türkiye’deki büyük kurumların verileri doğru kullanamadığını [3] kesinlikle biliyoruz. Bize gelen yanlış veya anlamsız teklifleri [4] , [5] düşünürsek, veriyi anlayıp anlamadıklarını buluruz.

Geçen hafta SEO ustası sevgili Serbay Arda Ayzıt’ın [6] önerisiyle, veri konusunda muhteşem bir blog yazısı [7] okudum. Airbnb’nin ilk zamanlarında işe başlayan veri bilimcisi Riley Newman [8] yazmış.

3 konuyu özetlemiş:
•    Veri biliminin şirkete katkıları,
•    Verileri yorumlama yöntemi,
•    Veri ekibinin şirketteki yeri

Uzun yazının birkaç satırını tercüme edip yayınlamaya karar verdim. Şöyle:

Geçmişte veriler çoğunlukla soğuk ve nümerik değerlerle anılırlardı. Sadece ölçüm aracı olarak kabul edildikleri için, veri bilimcilerin Mr. Spock gibi istatistikleri ezberden bilen ve sorulduğunda söyleyen karakterlere benzetilmesini sağlardı.  Bu yüzden bizimle etkileşim bir gerçeğin talep edilmesi şeklinde olurdu: Paris’teki listemizde kaç yer var? İtalya’da en tercih edilen yöreler nereleridir?

Her ne kadar soruları yanıtlamak ve olguları ölçmek işimizin bir kısmıysa da, Airbnb’de veri insani ışıktır diye niteliyoruz: Veri müşterilerimizin sesidir. Bir veri, bir hareketin veya etkinliğin kaydıdır; çoğunlukla bir kişi tarafından verilen bir kararın yansımasıdır. Eğer bu karara yönlendiren etkinliklerin sırasını oluşturursan, bundan ders alabilirsin; bu müşterilerin neleri sevip nelerden hoşlanmadıklarını söylemlerinin dolaylı yoludur – Bu özelliği diğerinden daha çekicidir…

Benim de raporlama konusunda benzer [9] anılarım var. Verinin bir içgörü olduğunu, ürün odaklı klasik yöneticilere anlatmak zaman alıyor [10] .

Veri bilimi bir yorumlama işidir – müşterinin sesini karar vermeye daha uygun bir duruma tercüme ederiz.

Biliyorsunuz, bu konunun [11] , [12] , [13] üzerinde çok duruyorum.

İstatistikleri bireysel deneyimleri anlamak için kullanıyoruz ve toplumsal eğilimlerini saptamak için bu deneyimleri birleştiriyoruz. Bu eğilimler, işi ne yöne götüreceğimize ilişkin kararları şekillendiriyor.

Yıllardan beri söylediklerimin, Dünya’nın sayılı şirketlerinden birinin veri bilimcisi tarafından da tekrarlandığını duymak sevindirdi.

Yazının bazı kısımlarını tercüme edip yayınlayacağım. Ama ingilizce biliyorsanız, yazının aslını [7] okuyun.

Migros’un CRM ve Pazarlama İletişimi Direktörü Sayın Kına Demirel de “Veriye ruh kazandırmak” deyimini kullanır. Ben eğitimlerimde “ete, kemiğe büründürmek” derim. Neredeyse, aynı bakış açısı.

Son sözüm biraz sert olacak: Hasbelkader elde edilen müşteri bilgilerini başkalarına satarak [14] değil, veriden anlayarak ve müşteri içgörülerini değerlendirerek bilgi çağı şirketi olunur.

31 Temmuz 2015

Kapak resmi şuradan

Öneri Sistemleri

Yaklaşık 7 – 8 sene kadar önceydi. Amazon’un “şunu okuyan bunu beğendi” önerileri çok beğenilmeye başlanmıştı. İstanbul’da da birkaç genç girişimci öneri yazılımları (recommendation engine) için çalışıyorlardı.

Bu girişimcilerden biri, çok beğendiği bir sitenin linkini incelemem için gönderdi.

Uğur abi, Ne kadar isabetli önerilerde bulunduğunu görünce şaşıracaksın” dedi. Hevesle siteye baktım.

Önce yüksek konçlu bir basketbol ayakkabısı seçtim.

40 küsür sene boyunca basketbol oynadım. Ayak bileklerimde deformasyon olduğu için, artık basket oynamasam da hemen her sporu yüksek bileklikli ayakkabılarla yapmak zorundayım.

Sonra kendime üzerinde ilginç bir resim olan kravat seçtim.

İş hayatında gömlek, ceket ve pantolon kuralları çok sıkıdır. Bir erkeğin kendince fark yaratabileceği alanlar kol düğmeleri ve kravatla sınırlıdır.

Yıllardan beri resim veya çizim olan kravatları [1] tercih ederim.

Öneri sistemi şaşırdı.  sokak-giysisi

ABD’de soğuk şehirlerde yaşayan, üst üste birkaç kat ceket giyen, parlak renkli anorak, bol pantolon ve bağlanmamış basketbol ayakkabısıyla gezen biri zannetti beni.

Daha ikinci seçimimden sonra önerilerinden hiçbiri beni ilgilendirmemeye başladı.

Sitenin önerilerini bırakıp kendim birkaç ürün seçtim. Amacım öneri yazılımının doğru tanımaya ne zaman başlayacağını öğrenmekti.

Yazılım galiba ilk yaptığı – yanlış – tanımlamadan vazgeçemedi. Çerçevesi uçuk ve fiyakalı gözlükler, insanı sosis gibi gösteren anoraklar, bol pantolonlar… önerip durdu.

.

Genç girişimci arkadaşa olan biteni bildirdim. “Öneri sistemi oluştururken nelere dikkat etmeli” gibilerden ukalalık da ettim.

Konuyu farklı açıdan incelersek, iki önemli noktayı iyi bilmemiz gerekir:

1 – Hiçbir öneri yazılımı, müşteri tercihini yüzde yüz doğru tahmin edemez. Sadece 2 – 3 satın almadan sonra doğru tahmin etmesi için, çok basmakalıp [2] ve genelin aynısı olmanız gerekir. Çok değişkenlik gösterenleri sınıflamak kolay değildir.

2 – İlk tanımlamayı doğru yapmışsanız, her istisna müşteriyi daha iyi tanımanızı sağlar [3] . İlk tanımlamada yanılmışsanız, istisnalarda ilk modelinizi sorgulamanız gerekir. Bu nedenle, müşteriyi profillerken yeterli sayıda kanaat oluşmasına dikkat etmek gerekir.

Aslında, bahsedilen öneri sisteminin fazla yanlışı yok. Farklı olan benim.

Kapak resmi şuradan, ortadaki resim buradan

29 Temmuz 2015

İstisnayı Anlamlandırma

Veri anlamlandırmayı doğru yapmak için, öncesinde segmentasyonu doğru yapmış olmak gerekir. Eğer ana modeli doğru oluşturup segmentasyon yapmışsanız, tüketim davranışlarındaki istisnalar size müşteri hakkında derin bilgi verir.

Diyelim ki birinin plaza kadını [1] olduğunu verilerle doğruladınız.

Sonra bu kadın “arap sabunu” aldı. Aslında plaza kadınının evinde bulaşık ve çamaşır makineleri otomatik olmalı. Bu durumda arap sabunu ne anlama gelir?

Öğrencilerime sorduğum zaman erkekler “plaza kadınının işten kovulduğunu” söyler, kadınlar ise “eve temizlikçi geldiğini” belirtir. Kadınların önermesi doğrudur. Ayrıca, plaza kadını işten kovulsa bile, arap sabunuyla temizlik yapmaya girişmez. En azından epey zaman beklemek gerekir.

Plaza kadını temizlenmiş ve hazır ıspanak değil de demet ıspanak almışsa, ne anlarız.

Plaza kadınının çamurlu ıspanağı 6 – 7 kere yıkamasını beklemek doğru değil. Bu soruyu sorduğumda erkek öğrenciler “Sevgilisine yemek yapacak” diye varsaydılar. Romantizm güzel bir şey. Lakin bu örnekte sevgiliye yemek yapmanın doğru olma ihtimali gerçekten çok düşük.

Kadınlar ise “Evde yemek yapan biri var. Muhtemelen annesi geliyor” dediler.

Aynı satınalma davranışlarını “bekar erkek” için sorduğumda, herkes doğru bildi.

Satın alma davranışlarındaki farklılıklar sayesinde bu plaza kadınını, diğerlerinden daha fazla tanımaya başlarız. Bu nedenle istisnaların saptanması ve yeniden anlamlandırılması önemlidir.

.

Bu örnekten alınacak çok sayıda ders var.

1 – Eğer ana modeli doğru oluşturduysanız, müşterinin her istisna davranışı sizin daha fazla bilgi edinmenizi sağlar.

2 – Bir ürün veya davranış, tek bir biçimde anlamlandırılmaz. Aynı ürün farklı segmentler için farklı anlamlandırılır.

3 – İlk aklımıza gelen anlam doğru olmayabilir. Müşteri deneyimine göre anlamlandırma yapabiliriz.

4 – Bu nedenle, anlamlandırma usta (müşteriyi dinleyen, gözleyen, anlayan) pazarlamacının işidir.

26 Temmuz 2015

Big Data Röportajı 3 – Turk-Internet.com

turk-internet.com’da yayınlanan big data konulu röportajın ilk bölümünü [1] tüm röportaj ve yazılarımın bu sitede olmasını sağlamak için yayınlamıştım [2]. Sonra 29 Ağustos 2014 tarihinde turk-internet.com’da yayınlanan [3] ikinci bölümü burada tekrar yayınladım [4] . Aşağıda 1 Eylül 2014 tarihinde yayınlanan [5] üçüncü bölümü bulacaksınız..

Yazan: Füsun S. Nebil [6]

.

turk-internet.com: Sizin yazılarınızda var, bize “big data” içinden bu tür veriler nasıl elde ediliyor anlatır mısınız? Demin hamile kadının bebeğinin cinsiyeti ya da adamın boşanma olasılığını söylediniz ama biraz daha açarsak, müşteri verilerinden neler görülebiliyor?

Uğur Özmen: Mesela o mâlum GSM operatörleriyle biraz da dalga geçerek bir şey söyleyeceğim. Bu GSM operatörleri her 2 -3 yılda bir, ‘tuttuğunuz takımı bize söyleyin, size karşılığında şu kadar dakika verelim ya da bu kadar SMS verelim’ diyorlar. Ben hep sondan başlıyorum. Sondan başlayan şey de şu: Bu soruyu niye soruyorsun? Bu soruyu bir GSM operatörünün sormasının kendisine bir faydası olması lâzım. Siz eğer bana 60 dakika ya da 200 SMS vermek istiyorsanız, hemen verin çünkü benim hangi takımı tuttuğumun zerre kadar önemi yok! Futbola ilgim sıfır. Mesela Dünya Kupası vardı biliyorsunuz, 1 dakika seyretmedim.

Şimdi öbür tarafına geleceğim. Bir GSM operatörü şunları bilir: Hafta içinde başka bir yerde ama hafta sonunda statta iseniz, 7 hafta sonu boyunca izlerim.

  • Deplasmanlar dahil maçların hepsine gidiyorsanız, size 7 üzerinden 7 “aşırı fanatik” diyebiliriz.
  • Sadece kendi bölgenizde olanlara gidiyorsanız, 7 üzerinden 3 – 4 veririm.
  • Sadece derbiye gidiyorsanız, onu da bilirim.

Benim gibi hiçbir takım ile ilgilenmiyorsanız yine bir soru işareti var. Orada da yine hafta sonu arkadaşlar ile toplanıyor, toplanmıyor şeklinde farklı modeller geliştirerek, benim aslında hem tuttuğum takımı, hem de o takıma ne kadar fanatik olduğumu bulabilirsiniz.

turkinternet-com-3a

Veriler ile neler yapılır”dan benim en basit örneklerimden bir tanesi, sınıftaki öğrencilerim ile 10 – 15 dakikalık workshop yapıyoruz. Bunu daha ileri götürdüğümüzde kredi kartı alışverişlerine bakarak boşanma ihtimalini tahmin ediyoruz.

Bir de öğrencilerimiz ile yaptığımız güzel bir çalışmayı söyleyeyim: süpermarket alışverişlerine baktığımız zaman, barbunya konservesi de, konserve, bezelyesi de konserve, türlü de konserve, salça da konserve, ton balığı da konserve. Bunları konserve diye tutabilirsiniz ya da barbunya, yaprak sarma ya da ton balığı hazır yemek anlamına geliyor. Bezelye ve salça evde yemek yapılıyor anlamına geliyor dersiniz ve böylelikle siz bir kişiyi tanımaya başlarsınız [7].

Biz birlikte çalıştığımız şirketler ile böyle anlamlandırma üzerine çalışıyoruz. Anlamlandırma dediğimiz tam bu işte. Yani, veri ile neler yapılır diye başlıyorsanız. Böyle bugünden yarına bir yolculuk değil. Ama bakın bu verdiğim örneğe dikkat edin. Bu verdiğim örnek bir pazarlamacı örneği yani bunu pazarlamacılar çalışır, sisteme aktarılır, test edilir, daha önceki varsayımlarımız tutuyor mu? Tutuyor ise, devam ederiz.

Yani böyle “pazarlama analitiği” diye bir yapının kurulması lâzım.

Veri ile neler yapılır? Tabii bu gözle baktığınız zaman, inanılmaz şeyler yapılır ve dikkat edin, tüm bu söylediklerimde hiç sosyal mecra verisi de yok. Yani, bunun için sosyal medya’ya ihtiyacınız yok.

Turk-internet.com: “Big data”, sosyal medyanın ortaya çıkmasıyla, daha da isimlendirirsek, Google ile Facebook’un reklam yöntemleriyle birlikte konuşulmaya başlandı. Peki big data için sosyal medya şart mı? Bunu da bir sonraki söyleşimizde konuşalım.

CRM Dersi – Erken Uyarı

İstanbul Bilgi Üniversitesi’nde verdiğim CRM dersinin içeriği ve not verme yöntemini daha önce yayınlamıştım. Zamanla her şeyin değiştiği gibi, dersin içeriği ve yöntemi de değişti. Bu nedenle güncel bir yaklaşım, içerik ve beklentiler derlemesi hazırladım.

Değerli Arkadaşlar,

CRM (Müşteri İlişkileri Yönetimi) dersine gösterdiğiniz ilgi için teşekkür ederim. Bildiğiniz gibi, artan rekabet koşulları nedeniyle müşteri ilişkisinin sürdürülebilir kârlılıkta yönetilmesi giderek zorlaştı. Hemen her şirket CRM diye bizzat söylemese de bu konuda projeler yapıyor. Bu nedenle CRM dersini, projelerde rol alan kişilerin gerekli bilgiyle donatılmasına yarayacak biçimde işliyoruz.

Dersi almak isteyen arkadaşların aşağıda verilen bağlantılardaki yazıları okumalarını rica ediyorum:

Derste sürekli etkileşim olduğu ve herkes diğerlerinden de öğrendiği için katılım istiyoruz. Her grup başka bir sektörü anlattığından, uzaktan eğitim de olsa DERSE DEVAM ZORUNLU. Grubun ödev notu, kişinin katılım oranıyla çarpılıyor.

Deste katılım da 2 şekilde değerlendiriliyor.

  • Ders konusundaki tartışmalara katkı ve yoklama
  • Sorulara yanıtlar

Ödevleri zamanında yapmayacaksanız, dersi almanızı önermiyorum.

Dersi almaya karar vermeden önce, yukarıda bağlantıları verilen yazıları mutlaka okumuş olmalısınız.

😉

Derse katılanların (MBA öğrencilerinin) çalışmaları birçok profesyonel projeden daha iyi olabiliyor. Onların izniyle blog’umda yayınlıyorum.

Derse almaya karar verdiniz, kişisel ve grup ödevlerini güzel yaptınız ve dönemi başarıyla bitirdiniz. Final sınavında neler soruluyor diye merak ediyorsanız… aşağıdaki bağlantılara göz atın. Mümkün olduğunda şeffaf olmaya çalışıyorum…

Geçmiş yılların final sorularını ve (çoğunlukla) yanıtlarını blog’umda yayınlıyorum. Final sorularını yayınlamak, beni de yeni sorular aramaya ve daha yaratıcı olmaya itiyor. Her sene yeni sorular üzerine çalışmamı gerektiriyor.

Bazı seneler “defter, kitap, PC serbest” sınavlar yapıyordum. O yıllardan bir yazı https://www.uzaktancrmegitimi.com/7380/final-5  Maalesef kötüye kullanıldığı için final sınavı geleneksel yöntemle yapılacak.

Dönem boyunca ödevlere katılmamış arkadaşlarımız çoğunlukla başarılı notlar alamıyorlar.

Neden her sorunun altına “Lütfen sadece soruyu yanıtlayın. En çok 20 satır / 200 kelime içinde yanıtlayabilirsiniz” yazdığımı  https://ugurozmen.com/crm/final-2   yazıda anlattım.

Geçmiş yıllara ait bazı final sınavı soruları burada:

Derse katılanların, yukarıda yazdıklarımı okuduğunu, anladığını ve onayladığını varsayıyorum. Nihai kararı sizlere bırakıyorum.

Eğer dersi alırsanız, zor ama keyifli bir ders olacağını ve ileride çok yarar göreceğinizi söyleyebilirim.

Sevgilerimle,

Uğur Özmen

Güncelleme: 7 Temmuz 2023

IoT’yi Ne Yapacaksın?

Kadir Has Üniversitesi – Nesnelerin Interneti (Internet of Things – IoT) Akademisinde [1] görev aldım.

Kendi eğitimlerimde Albert Einstein’ın şu cümlesini rehber edinmişimdir.

Egitim-Einstein

Şöyle bir giriş yaptım:

Nesnelerin Interneti denildiğinde aklınıza peynir ısmarlayan buzdolabı veya şoförsüz arabadan başkası gelmiyorsa [2], henüz sıfır noktasında bile değilsiniz.

Makinelerin iletişiminin yakında sosyal medya verisinden daha fazla veri üreteceğini düşünün. Şu anda bile makineler, her saniye binlerce veri gönderiyor [3]. Bir uçak motoru saatte 1 Terabyte veri aktarıyor. Endüstriyel büyük veri diger bütün büyük veri türlerinin toplamının 2 katı kadar hızla büyüyor. is-makinesi

Bir iş makinesi hangi tip toprakta, hangi işi, ne kadar saat boyunca, hangi sıcaklıkta, hangi eğimde, hangi yakıt ile yaptığını raporluyor.

Öyle çok ve gelişmiş sensor’lar var ki, öyle çok veri toplanıyor ki ve öyle ayrıntılı veri analizi yapılıyor ki beklenmedik duraklamalar iyice azalıyor.

“Sıfır Beklenmedik Duraklama” gibi aslında oksimoron [4] olan bir cümle gerçekleşiyor.

Bu girişten sonra şu konuya odaklanmalarını önerdim.

Tüm eğitim boyunca “Ne yapacağım bununla?” diye düşünün. Burada olma amacınız “Vay be!.. Abi neler icat edilmiş” diye hayranlık duymanız değil. İşinizi geliştirmek için Nesnelerin Internetini nasıl daha iyi kullanırım diye öğrenmek için buradasınız.

3 saat boyunca çeşitli IoT uygulamalarından ne gibi yararlar sağlanacağını tartışmaya çalıştık.

Ben her farklı sektördeki katılımcıları “Ne yapacaksınız bununla?” diye zorladım. (Şu eski reklamdaki [5] gibi.) Bazı örnekleri verdim, bazılarını hep birlikte bulduk.

Örneğin bir sigorta şirketi hangi nesnelerin interneti ile, neden ilgilenmeli?

  • Kendini ölçme (Quantified self [6]): Kişinin sağlık verileri, spor alışkanlıkları, günlük yaşam alışkanlıkları, vb… bilgileri çeşitli risklerin önceden bilinmesini sağlar. Ayrıca anında yapılabilecek müdahaleleri kolaylaştırır. (Özet bilgi için şu [7] TED TALKS videosu yardımcı olabilir.)
  • Akıllı arabalar: Müşterilerin araba kullanma alışkanlıkları (frene ve gaza ne kadar sık bastığı, ne kadar hızlı kullandığı, virajları dönerken nasıl davrandığı, günde / haftada ne kadar ve nerelerde araba kullandığı, vb… bilgileri) olası kaza ihtimalini hesaplamaya yardımcı olur. Firmanın risk analizinde kullanılabilir.

Elbette sigortanın kullanabilecekleri, yukarıdaki 2 olguyla sınırlı değil. Örnek olması için sadece bu iki olgunun üzerinde durdum.

Önemli olan nesnelerin internetini öğrenirken hangi verilerin, nerede ve ne amaçla kullanılabileceğini düşünmektir. Bilişim döneminde her konuya farklı bir açıyla bakabilmelisiniz. Aksi koşulda, trene bakar gibi…

19 Temmuz 2015

EKLEME (20 Temmuz 2015):

Gelecekhane’nin Temmuz 2015 Bülteni’nin [8] bazı satırlarını buraya ekliyorum:

Gelecek Habercisi’nin ilk sayısında [9] IBM Watson’ın doktorlara teşhis ve tedaviler için önerilerde bulunduğu bilgisini paylaşmıştık. Merkezi olarak bu şekilde bir sağlık bilgisi ile donatılmış yapay zeka uygulaması bulunması halinde, evlere kadar girecek bir sanal doktor uygulamasına geçilmesinin de çok uzak bir hayal olmadığını söyleyebiliriz. Evinizde bulunan, tansiyonunuzu ölçebilen, şeker ve diğer kan tahlillerinizi yapabilen bir ev robotunun, sağlık alanında uzmanlaşmış merkezi yapay zekaya bağlı olarak hizmet vermesinin oldukça mümkün bir senaryo olduğunu söyleyebiliriz.

… Telemedicine Australia [10] adlı bir şirketin, Home Doctor adlı cihazı. Evlere ve okullara kurulumu yapılan cihaza, kablosuz bağlantı ile, USB ile ya da Bluetooth ile kan şekeri ölçümü cihazları (glucometer), kulak muayenesi cihazları (otoscope) ve cilt muayenesi cihazları (dermatoscope) bağlanabiliyor. Cihazın kendi üzerinde tansiyon ölçüm özelliği de bulunuyor. Şirket, istek anında 7/24 görüntülü görüşme ile özel doktora danışma hizmeti de sunuyor.

Bu teknolojik ilerlemeleri dikkate aldığımızda, haberimizde yer alan sanal doktor uygulamasının da yakın gelecekte mümkün olabileceğini söyleyebiliriz. Bilişim sektöründeki ve sağlık sektöründeki dostlarımızın ilgisini çekeceğine inandığımız bu haberimiz aynı zamanda sigorta sektöründeki dostlarımızın da ilgisini çekecektir diye düşünüyoruz.

 

Her Temas Bir İstihbarat

Veri anlamlandırma konulu çalışmalarda, müşterinin aldığı ürünler üzerinde durulur. Benim de verdiğim ilk örnek [1] , ürünlerden yola çıkarak müşterinin tanınması üzerineydi.

Anlamlandırma kesinlikle sadece ürünler ile sınırlı kalmamalıdır. Müşterinin şirketimize (fiziksel veya sanal ortamlarda) dokunduğu her seferi anlamlandıracak bir beceriye sahip olmalıyız.

Örneğin:

İşlem yerleri:

  • Kredi kartını nerelerde kullanıyor? Sadece yurt içi mi? Kart yurtdışında kullanılıyor mu? Hangi ülke ve şehirlerde kullanılıyor?
  • Kart sanal alışveriş için kullanılıyor mu?
  • Hafta içi işyeri yakınından, hafta sonunda evinin yakınından mı alışveriş yapıyor?
  • Büyük alışverişlerini toptancı mağazadan, küçük alışverişlerini evin yakınından mı yapıyor?
  • Cuma günleri, caminin yakınındaki marketi mi kullanıyor?
  • Değişen günlerde, semt pazarlarının olduğu yerlerde mi kullanılıyor? Birden fazla semt pazarı mı, yoksa sadece evinin veya işyerinin yakınındaki mi?
  • Yazın tatil yörelerine gidiyor mu?
  • Hep aynı yöreye, yılın aynı günlerinde mi gidiyor → Devremülk veya yazlık.
  • Arada Göçek marina’dan ve Bodrum marina’dan alışveriş yapmış, kasaba içindeki dükkanlardan alışveriş yapmamış → Tekneyle tatil yapıyor.

İşlem saati:

  • Gün içinde mesai saatlerinde sıkça kullanılıyor → Emekli veya çalışmayan veya vardiyalı çalışan kişi. (Müşterinin yaş ve cinsiyet bilgileriyle birlikte anlamlandırıldığında, daha kesin sonuçlara ulaşılabilir.)
  • Bazı dükkanlardan (kahve dükkânları, lokantalar) sadece sabahları ve öğle araları alışveriş → İşyeri o civarda
  • İşyeri yakınındaki dükkanlardan geç saatlerde alışverişler → Mesaiye kalıyor.
  • Sabah 08.30 – 09.15 arasında fırsat sitelerini geziyor → işyerine geldi ve masa bilgisayarını açtı. Muhtemelen plaza kadını [2]

İşlem süresi:

  • Markette kısa aralıklı 2 alışveriş → Liste yapmadan çıkıyor, alacağı ürünü unutuyor. Kasada veya eve gidince aklına geliyor.
  • E-mağazada işlemini hızlı yaparsa → Önceden seçimini yapmış
  • Sitede uzun süre gezip karşılaştırmalar yapan → Önceden karar vermemiş.
  • Karşılaştırma işlevini kullanıyor. Sonra en ucuzu seçmiyor → Kendince bir fiyat / kalite kriteri var.
  • Değerlendirme kısmında uzun kalıyor ve çoğunlukla başkalarının ortalamada en yüksek yıldız verdiği ürünleri seçiyor → Marka saplantısı yok, kullanıcı deneyimlerine önem veriyor

E-ticaret’te anlamlandırma [3] daha ayrıntılı okunabilir

Yukarıdakiler, hemen herkesin anlamlandırabileceği kısa örnekler. İşinizde ustalaştıkça, çok daha iyilerini yapabilirsiniz. Anlamlandırma ürünlerle ve işlemlerle de sınırlı değildir. Farklı zamanlarda farklı cihazlarla sitenize giriş yapılıyorsa, daha fazla ipucu elde edersiniz. Her değişikliği anlamlandırabilirsiniz.

Kullandığı cihaza ve saate göre (Örneğin “saat 19.30’dan sonra tablet kullanıyorsa, büyük ihtimalle bir yandan TV seyrederken sizin sitenize de göz atıyor”) anlamlandırma yaparak [4] , nokta atış ihtimalini arttırabilirsiniz.

IBM-perakende-5

İşlemlerin her aşamasını daha iyi izleyebildiğimizden, sanal ortamlardaki temaslarını “müşteriyi daha iyi tanımak” için kullanmalıyız.

İşlem yeri veya süresini bir de satın alınan ürünlerle birlikte değerlendirirseniz, müşteriyi kendisinden bile [5] daha iyi tanırsınız. Bire bir pazarlamaya veya gerçekten kişiselleştirilmiş tekliflere ancak böyle ulaşabilirsiniz.

3 Temmuz 2015

Sherlock Holmes resmi şuradan