Machine Learning Nedir ve Nasıl Kullanılır?
Machine learning nedir?
Machine learning (ML) bilgisayarların veriden öğrenmesidir. Klasik programlamadan farkı:
- Klasik program: Kurallar tek tek yazılır (“eğer e-posta ‘kazandınız’ içeriyorsa spam’e at”)
- Machine learning: Bilgisayar binlerce e-postayı görüp kendi kuralını çıkarır
Bu, insan beyninin nasıl öğrendiğine benzer. Çocuğa “kedi” derken kuralları anlatmazsınız — birkaç kediyi gösterirsiniz, sonra kendisi tanır.
Machine learning türleri
1. Denetimli öğrenme (Supervised)
Etiketli verilerle eğitim. Örnek: “Bu e-posta spam, bu değil” diye binlerce örnek verir, sonra yenilerini sınıflandırır.
2. Denetimsiz öğrenme (Unsupervised)
Etiketsiz veriyle desen bulma. Örnek: müşteri segmentasyonu — kimseyi etiketlemeden müşterileri benzer gruplara ayırır.
3. Pekiştirmeli öğrenme (Reinforcement)
Deneme-yanılma ile öğrenme. Örnek: bir oyunda kazanan hareketler ödüllendirilir, kaybedilen cezalandırılır. AI iyi hamleleri öğrenir.
KOBİ için 7 pratik ML uygulaması
1. Lead skorlama
ML, hangi lead’in satın alma olasılığının yüksek olduğunu geçmiş veriden öğrenir. Manuel skor verme yerine otomatik tahmin.
2. Müşteri kaybı tahmini (Churn prediction)
ML, kaybetme riski yüksek müşterileri uyarır. Hangi davranışlar (giriş yapmama, destek talebi azalması) ayrılık sinyali — ML bilir.
3. Tahminsel satış (Forecasting)
Geçmiş veriye bakıp gelecek 3 ay satış tahmini. Sezonluk eğilimleri, trendi otomatik yakalar.
4. Kişiselleştirilmiş öneriler
“Bunu alanlar şunu da aldı” mantığı. ML, müşteri profiline göre ürün/hizmet önerir.
5. Sohbet botları
Chat boruna yönlendirilen müşteri talepleri. ML doğal dili anlar, sık sorulan sorulara otomatik yanıt verir.
6. Spam ve dolandırıcılık tespiti
Anormal davranış kalıplarını tanır. Sahte fatura, şüpheli ödeme, spam form girişleri otomatik filtrelenir.
7. Görsel ve ses tanıma
Belge tarama (OCR), ses-yazı çevirme, görüntü içeriği etiketleme. Manuel dökümantasyon yükünü azaltır.
KOBİ için ML kullanım yolu
Doğrudan ML modeli geliştirmeyin — uzmanlık ve maliyet gerektirir. Yerine:
- Hazır yazılım kullanın: CRM (FlowQi), pazarlama (Mailchimp, Klaviyo), muhasebe (Paraşüt) — hepsinde ML var
- API’leri kullanın: OpenAI, Google AI gibi servisler hazır ML sunar
- No-code platformlar: Make, Zapier ile ML adımları otomasyona ekleyin
Maliyet düşük, fayda yüksek.
ML kullanımının pratik örneği
Senaryo: 50 müşterisi olan bir muhasebe firması
Sorun: Hangi müşteri kaybetme riskinde?
ML çözümü:
- CRM verisi: son 12 ay etkileşim
- Etkileşim azalması = risk artışı
- Otomatik uyarı: “Müşteri X 60 gündür dosya yüklemedi, son ödeme geç oldu, e-postaları açmıyor”
Sonuç: Riskli müşteri proaktif aranır, çoğu kaçışı önlenir.
KVKK ve ML
Türkiye’de ML kullanırken dikkat edilmesi gerekenler:
| Konu | Detay |
|---|---|
| Açık rıza | Müşteri verisiyle eğitim için |
| Şeffaflık | Otomatik karar verildiğinde bildirim |
| İtiraz hakkı | Kullanıcı otomatik karara itiraz edebilir |
| Veri minimizasyonu | Gereksiz veri toplamayın |
| Veri saklama | Belirli süre sonra silme |
| Profilleme bildirimi | Otomatik profilleme kullanıcıya açıklanmalı |
FlowQi gibi KVKK uyumlu yazılımlar bu kontrolleri yerleşik destekler.
ML başlamak için pratik adımlar
Hafta 1: Hangi süreçlerinizde tahmin/tanıma/sınıflandırma var? Hafta 2: Bu süreçler için hangi yazılımların ML özellikleri var? Hafta 3: 1-2 yazılımın ML özelliklerini deneyin Hafta 4: Sonuçları ölçün, devam edip etmeyeceğinize karar verin
Machine learning ≠ sihir
ML çok güçlü ama sihir değil. Veri kalitesi düşükse sonuç da düşük olur. “Garbage in, garbage out” — eski yazılım kuralı ML için de geçerli.
KOBİ olarak başarı formülü:
- Temiz, güncel veri
- Hazır ML araçları
- Sürekli öğrenme ve iyileştirme
FlowQi’nin ML özellikleri
FlowQi CRM yerleşik ML özelliklerine sahip:
- Lead skorlama
- Müşteri kaybı uyarısı
- Tahminsel satış raporu
- Otomatik kategorilendirme
FlowQi’yi ücretsiz deneyin — ML’in KOBİ için pratik faydasını yaşayın.
