AI Lead Skorlama ve Önceliklendirme
Web davranışı, CRM aktivitesi, e-posta etkileşimi, firma demografisi (firmographic), satın alma niyeti sinyalleri (intent signals — Bombora, 6sense) ve LinkedIn aktivitesi gibi onlarca….
Challenge
Satış ekibinin %50-60'ı düşük niyetli lead'lerle uğraşır; gerçek alıcılar gözden kaçar. Geleneksel kural tabanlı skorlama (BANT) modası geçmiş, statik ve davranışsal sinyalleri yakalayamaz. Bu da satış konversiyonunu doğrudan düşürür.
Solution
Web davranışı, CRM aktivitesi, e-posta etkileşimi, firma demografisi (firmographic), satın alma niyeti sinyalleri (intent signals — Bombora, 6sense) ve LinkedIn aktivitesi gibi onlarca sinyali birleştirerek her lead için "satış olasılığı" skoru üreten model.
- AI Lead Skorlama ve Önceliklendirme
- AI Lead Skorlama ve Önceliklendirme, web davranışı, CRM aktivitesi, e-posta etkileşimi, firma demografisi (firmographic), satın alma niyeti sinyalleri (intent signals — Bombora, 6sense) ve LinkedIn aktivitesi gibi onlarca sinyali birleştirerek her lead için "satış olasılığı" skoru üreten model. Kurumsal bağlamda pilot fazından üretime taşınan, KVKK ve AB AI Act 2026 uyumlu, ölçümlenebilir iş etkisi sağlayan bir AI dönüşüm modülü olarak tanımlanır.
Highlights
Satış ekibinin %50-60'ı düşük niyetli lead'lerle uğraşır; gerçek alıcılar gözden kaçar.
Beklenen iş etkisi: %15–25 — 6–12 ay geri ödeme süresi.
Pilot 10–14 hafta içinde canlı; kanıtlanan değere göre tam ölçek planı onaylanır.
Hızlı kazanım versiyonu: 5 değişkenli (firma büyüklüğü, sektör, web ziyareti, e-posta açma, kıdem) basit skorlama; CRM'e haftalık yüklenen Excel; 3 haftada hazır.
Yönettiğim ana risk: Veri kalitesi → "garbage in, garbage out".
Dünyadan referans: Salesforce kendi Einstein lead scoring uygulamasını referans gösterir; çoklu müşteri vakasında %30+ konversiyon artışı raporlandı.
Modül SAT-01 — AI Lead Skorlama ve Önceliklendirme
Bu sayfa, kurumunuzda hayata geçirebileceğim somut bir AI dönüşüm modülünün uçtan uca özetidir: problem ifadesinden ROI modeline, ön koşullardan risk yönetimine ve ilk 2 haftalık hızlı kazanım versiyonuna kadar her şey burada.
1. Problem Tanımı
Satış ekibinin %50-60'ı düşük niyetli lead'lerle uğraşır; gerçek alıcılar gözden kaçar. Geleneksel kural tabanlı skorlama (BANT) modası geçmiş, statik ve davranışsal sinyalleri yakalayamaz. Bu da satış konversiyonunu doğrudan düşürür.
2. Önerdiğim Çözüm
Web davranışı, CRM aktivitesi, e-posta etkileşimi, firma demografisi (firmographic), satın alma niyeti sinyalleri (intent signals — Bombora, 6sense) ve LinkedIn aktivitesi gibi onlarca sinyali birleştirerek her lead için "satış olasılığı" skoru üreten model.
3. Mimari ve Yaklaşım
Gradient boosting (XGBoost, LightGBM), Salesforce/HubSpot Einstein, Clearbit/Apollo/ZoomInfo veri zenginleştirme, isteğe bağlı 6sense/Bombora intent verisi, SHAP açıklanabilirlik.
Seçilen bileşenler kurumunuzun mevcut altyapısına, veri olgunluğuna ve regülasyon profiline göre kalibre edilir. Açık kaynak yığınlar ile kurumsal SaaS platformları arasındaki tercih genellikle veri ikametgâhı, kontrol seviyesi ve toplam operasyon yüküne göre netleşir.
4. Süre ve Faz Yapısı
Süre aralığı geniş tutulmuştur çünkü mevcut bulut altyapı olgunluğu, iç ekip katılım yoğunluğu ve seçilecek entegrasyon hedefi (kaç sistem) toplam süreyi önemli ölçüde etkiler. Pilot fazında daraltılmış kapsamla başlar; kanıtlanan değere göre tam ölçek planı onaylanır.
**Tipik faz akışı:**
5. ROI ve KPI Beklentileri
Satış konversiyon oranı %15-25 artar; satışçı başına düşen kapanan fırsat sayısı %20-30 artar; çağrı/randevu kalitesi yükselir; satış döngüsü %10-15 kısalır.
Aralıkların alt bandı disiplinsiz uygulamayı, üst bandı ise süreç yeniden tasarımıyla birlikte yürütülmüş AI projelerini temsil eder. Yalnız teknoloji kurmak yetmez; mevcut iş akışlarının AI-öncesi mantığa göre yeniden tasarlanması en yüksek değer kaynağıdır.
6. Dünyadan Referans Vaka
Salesforce kendi Einstein lead scoring uygulamasını referans gösterir; çoklu müşteri vakasında %30+ konversiyon artışı raporlandı. HubSpot benzer rakamları yayınladı.
7. Ön Koşullar
Temiz CRM verisi (en kritik), kapanan/kaybedilen geçmiş fırsat etiketlemesi, web tracking entegrasyonu, en az 12 aylık kapanış verisi.
Ön koşullar tamamlanmadan ilerlemek, pilotun başarısız olma olasılığını dramatik biçimde artırır. Bunlar tamamlanmamışsa ilk fazı 2–3 haftalık bir hazırlık atölyesiyle başlatıyorum.
8. Risk ve Azaltma Planı
Veri kalitesi → "garbage in, garbage out". Satışçının skoru gözardı etmesi → komisyon planına bağlama. Bias → büyük müşteriye doğal eğilim, küçük müşteri pazarlarının kaybı.
KVKK ve AB AI Act 2026 uyumu doğrudan tasarım fazına gömülür; ISO/IEC 42001 (AI Yönetim Sistemi) çerçevesiyle uyumlu model dokümantasyonu (model cards), açıklanabilirlik (XAI) ve bias auditi süreçleri her teslimatın parçasıdır.
9. 2 Haftalık Hızlı Kazanım (Quick Win)
5 değişkenli (firma büyüklüğü, sektör, web ziyareti, e-posta açma, kıdem) basit skorlama; CRM'e haftalık yüklenen Excel; 3 haftada hazır.
Quick Win versiyonu küçümsenmemelidir: 2–4 haftalık prototipler hem yönetim kurulu için kanıt üretir hem de tam ölçek proje öncesi kritik öğrenme sağlar.
10. Çalışma Modelim ve Teslimatlar
Modülü uçtan uca hayata geçiriyorum: keşif atölyesi → mimari tasarım → veri ve entegrasyon hazırlığı → pilot inşa ve canlıya alım → ROI takibi ve ölçekleme. Her fazda KVKK uyum kontrolü, model gözlemlenebilirliği (LLMOps) ve değişim yönetimi planı dahildir.
**Tipik teslimatlar:**
References
Let's tailor this module to your company.
With operational discipline from 50+ AI transformation projects, I will adapt this module to your sector and existing infrastructure. Let's start with a free 30-minute discovery call.
Free Discovery Call
30 minutes · Online · No commitment
Detailed Inquiry
Share company size, goals and current stack.
Other AI Modules
65 modules across 10 departments in the catalog.
Related Projects
AI Satış Koçu ve Eğitim Asistanı | Satış AI Modülü SAT-08
Her satışçı için kişiselleştirilmiş; konuşma analizinden gelen güçlü/zayıf yönlere göre haftalık koçluk planı, role-play senaryoları, itiraz yönetimi mikro-eğitimleri sunan; yöneticisine 1'e….
Teklif (Proposal) ve Sözleşme Otomasyonu | Satış AI Modülü SAT-07
CRM'deki müşteri verisi + satıcının "şirket profili" + onaylı şablon kütüphanesi + güncel fiyat listesinden 5-10 dakikada tam teklif oluşturan; e-imza akışına yönlendiren; ve red/kabul….
AI Müşteri Segmentasyonu ve Hedef Hesap Belirleme | Satış AI Modülü SAT-06
Kazanılan müşteri portföyünü clustering algoritmalarıyla analiz ederek gerçek ICP'leri (sıklıkla 3-5 küme) çıkaran; piyasadaki firmaları bu küme benzerliğine göre puanlayan; pazarlama ve….
Production rollout considerations for this module
Production rollout of these modules depends less on LLM choice or prompt quality than on getting data preparation, evaluation harness, governance, and cost control right.
Week one locks in data preparation: which source document set, which PII redaction policy, which versioning model, which refresh cadence (weekly batch + on-demand). In RAG modules, 70% of retrieval quality is decided here — downstream LLM tuning is marginal by comparison.
Evaluation harness design is critical for production discipline: a golden set (50–200 examples) per use case, reference answers, scoring criteria (factuality, completeness, format, latency, cost). The harness runs in CI/CD on every prompt/model change, preventing regression.
Governance and observability: prompt injection defense (input filter + system prompt isolation), output guardrails (PII/PHI leak control), hallucination detection (source verification + low-confidence reject), full prompt+response logging (audit trail), usage quotas and cost alarms — these are day-one infrastructure, not 'we'll add later.'
- Data prep + evaluation harness determine 70% of module success.
- Governance is day-one infrastructure; bolting it on later costs 5x more.
- Real cost and latency targets are fixed upfront — no synthetic dollar math.
- Knowledge transfer goal: after pilot, your team can ship the next module solo.