Son iki yılda hemen her satış yazılımının tanıtımına "yapay zekâ destekli" ifadesi eklendi. Demolarda asistan bir sonraki çeyreğin satışını tahmin ediyor, hangi müşterinin kaybedileceğini söylüyor, temsilciye ne diyeceğini fısıldıyor. Gerçek bir dağıtım firmasında ise asistan çoğu zaman şu soruyla karşılaşıyor: "Bu müşterinin adı sistemde neden üç farklı şekilde yazılmış?"
BernSFA ve BernCRM'e yapay zekâ asistanı eklerken kendimize basit bir kural koyduk: asistan, bir insanın zaten yaptığı ama sıkıcı ya da zaman alıcı bulduğu bir işi kısaltmalı. Bu yazıda bu kuralın bizi nereye götürdüğünü ve nerede durmamız gerektiğini anlatıyoruz.
İşe yarayan 1: Ziyaret ve görüşme özetleri
Temsilcinin en sevmediği iş ziyaret notu yazmaktır. Müşteriden çıkar, bir sonraki adrese yetişmesi gerekir, not ya hiç yazılmaz ya da "görüşüldü" diye geçer. Üç ay sonra o müşteriye giden başka bir temsilci, önceki konuşmada ne söz verildiğini bilmez.
Yapay zekânın burada yaptığı iş mütevazı ama değerli: temsilcinin aceleyle, dağınık yazdığı birkaç cümleyi düzenli bir özete çevirmek. Ne konuşuldu, hangi ürün soruldu, ne sözü verildi, bir sonraki ziyarette neye bakılmalı. Ofisteki satışçı için de aynısı geçerlidir; toplantıdan sonra notlar müşteri kartına okunabilir bir özet olarak düşer.
Burada önemli bir ayrıntı var: özet, temsilcinin onayından geçmeden kayda girmemelidir. Yapay zekâ yanlış anlayabilir; son söz notu söyleyen insanda kalmalı.
İşe yarayan 2: Sıradaki adım ve sipariş önerileri
İyi bir temsilci müşterisini tanır: "Bu market her ay başında deterjan alır, bu ay almadı." Ama yüz müşterisi olan bir temsilci bunu her biri için aklında tutamaz.
Yapay zekâ bu noktada geçmiş sipariş ve ziyaret verisine bakarak öneri sunabilir:
- Bu müşteri normalde aldığı bir ürünü bu dönem almamış, sorulabilir.
- Teklif iki hafta önce gönderilmiş, henüz dönüş yok; takip zamanı gelmiş olabilir.
- Son siparişte istenip stokta olmayan ürün artık stokta.
Bunlar karar değil, hatırlatmadır. Temsilci öneriyi kabul eder, değiştirir ya da geçer. Asistanın görevi temsilcinin dikkatini doğru yere çekmektir, onun yerine satış yapmak değil.
İşe yarayan 3: Yöneticinin doğal dilde rapor sorması
Pek çok yönetici rapor ekranlarıyla değil, sorularla düşünür: "Geçen ayla karşılaştırınca Anadolu yakasında hangi temsilcinin ziyaret sayısı düştü?" ya da "Bu çeyrekte teklif verip sipariş alamadığımız müşteriler hangileri?"
Bu soruların cevabı genellikle sistemde zaten vardır ama birinin filtreleri ayarlaması, Excel'e aktarması, pivot tablo kurması gerekir. Doğal dilde soru sorabilmek bu adımları kısaltır. Asistan soruyu yorumlar, ilgili veriyi çeker ve cevabı tablo ya da kısa bir açıklama olarak verir.
Burada da bir kural şart: asistan cevabın hangi veriye dayandığını göstermeli. Yönetici "bu rakam nereden geldi?" diye sorabilmeli ve altındaki listeye inebilmelidir.
Abartılan taraf
Bazı vaatlere temkinli yaklaşmakta fayda var:
- "Satışlarınızı yapay zekâ tahmin eder." Tahmin modelleri geçmiş veriden öğrenir. Verisi birkaç aylık, eksik ya da düzensiz olan bir firmada çıkan tahmin, yöneticinin sezgisinden daha güvenilir olmayabilir.
- "Asistan temsilcinin yerine müşteriyle konuşur." B2B dağıtımda ilişki, temsilcinin kendisidir. Müşteriye otomatik mesajlar yağdırmak çoğu zaman ilişkiye zarar verir.
- "Kurulumu yapın, gerisini yapay zekâ halleder." Asistan ancak sistemde düzenli kayıt varsa işe yarar. Bu da bizi asıl konuya getiriyor.
Önce veri, sonra yapay zekâ
Yapay zekâ asistanı, üzerinde çalıştığı veriden daha akıllı olamaz. Aynı müşteri üç farklı isimle kayıtlıysa, ziyaretler girilmiyorsa, siparişler bir kısmı sistemden bir kısmı telefondan geliyorsa, asistanın vereceği her cevap yarım olur.
Bu yüzden sıralama önemlidir:
- Kayıt alışkanlığını oturtun. Ziyaretler, siparişler ve teklifler gerçekten sisteme giriliyor mu?
- Ana verinin tek bir sahibi olsun. Cari, ürün ve fiyat bilgisi ERP'den gelsin, satış tarafında elle çoğaltılmasın.
- Veriyi temizleyin. Mükerrer müşteriler birleştirilsin, eski kayıtlar ayıklansın.
- Sonra asistanı açın. Ve önce dar bir kapsamla, örneğin yalnızca ziyaret özetleriyle başlayın.
Saha tarafında kayıt alışkanlığının temeli, temsilcinin veriyi girmesini kolaylaştırmaktır. Ziyaret notu ve sipariş, ziyaretin sonunda değil ziyaret sırasında girildiğinde hem daha eksiksiz olur hem de doğru müşteriye, doğru tarihe bağlanır. Yapay zekânın üzerinde çalışacağı veri de böyle oluşur.
KVKK: hangi veri nereye gidiyor?
Ziyaret notları, görüşme özetleri ve müşteri kartları kişisel veri içerir: yetkili kişinin adı, telefonu, bazen kişisel bir notu. Bu veriyi bir yapay zekâ servisine göndermeden önce şu sorular cevaplanmalı:
- Veri nereye gidiyor? Model hangi altyapıda çalışıyor, veri yurt dışına çıkıyor mu?
- Veri model eğitiminde kullanılıyor mu? Sözleşmede bunun açıkça hariç tutulması gerekir.
- Asistan neyi görebiliyor? Bir temsilcinin asistanı yalnızca o temsilcinin yetkili olduğu müşterileri görmeli; rol ve yetki modeli asistana da uygulanmalı.
- Neyin gönderileceğine kim karar veriyor? Gereksiz kişisel alanların asistana hiç iletilmemesi en güvenli yoldur.
- Kayıt tutuluyor mu? Kim, hangi soruyu sordu ve hangi veriye erişildi, izlenebilmeli.
BernSFA ve BernCRM'de veriler müşterinin kendi sunucusunda ya da seçtiği bulutta tutuluyor; rol ve yetki modeli, işlem kayıtları ve şifreli iletişim baştan kurgulanıyor.
Kısaca
Satış yazılımında yapay zekâ en çok, insanların zaten yaptığı ama aksattığı işlerde fayda sağlar: notu özetlemek, unutulanı hatırlatmak, raporu soruya çevirmek. Tahmin ve otomasyon vaatleri ise ancak düzenli veriyle anlam kazanır. Önce kayıt alışkanlığı ve temiz veri, sonra yapay zekâ.
BernSFA ve BernCRM'deki yapay zekâ asistanı bu sınırlar içinde çalışıyor: ziyaret ve görüşme özetleri, sıradaki adım ve sipariş önerileri, yöneticiye doğal dilde rapor sorgulama.
Böyle bir proje mi planlıyorsun?
10 adımda planla