İçeriğe geç

Blog

Veri Analitiği

Yapay Zeka Eklemeden Önce CRM Verilerinizi Temizleyin: Tekilleştirme, Granülerlik ve Sahiplik

CRM'inizdeki bir yapay zeka aracı verinin söylediği her şeyi tekrar eder. Yapay zeka devreye girmeden önce mükerrerleri birleştirin, her kaydın neyi temsil ettiğini düzeltin ve her alana bir sahip verin.

6 dk. okuma
Taş bir harman yerinde, havaya bir avuç karakterden tane savuran mermer bir el; saman uçup gidiyor ve tek bir sarı tane geri düşüyor, noktalı (dithered) illüstrasyon.
Facebook logosu
X logosu
LinkedIn logosu
Reddit logosu
Telegram logosu

Yapay zeka eklemeden önce CRM veri kalitesi önemlidir; çünkü bir yapay zeka aracı her kaydı doğru kabul eder. Mükerrer kişiye e-posta atar, eskimiş fırsatı puanlar ve kimsenin güncellemediği alanlardan hesabı özetler. Bir yapay zeka aracı CRM'inizi okumadan ya da ona yazmadan önce mükerrerleri birleştirin, her kaydın neyi temsil ettiğine karar verin ve her önemli alana bir sahip atayın.

Altı yıldır büyüyen bir CRM'e sahip B2B hizmet firması düşünün. Satış, pazarlama ve iki eski ajans buna listeler aktarmış. Aynı alıcı e-posta adresi başına bir kez olmak üzere üç kez var. Bazı fırsatlar proje başına bir satır, bazıları fatura başına bir satır. Şirket, takip e-postalarının taslağını hazırlamak ve çeyreği öngörmek için bir yapay zeka asistanını açıyor. İlk haftasında bir müşteriye soğuk bir potansiyel müşteriymiş gibi yazıyor ve tek bir yenilemeyi üç yeni fırsat olarak sayıyor.

Yapay zeka eklemeden önce CRM veri kalitesi neden önemlidir?

CRM'deki yapay zeka araçları kendilerine verilen kayıtlar üzerinden çalışır; bu yüzden verinin hatalarını hızla ve kendinden emin bir dille tekrar ederler. Hesabı bilen bir insan bir kişinin şirketten ayrıldığını fark ederdi; bir yapay zeka asistanı, kayıt öyle demedikçe fark etmez.

Kötü veri eskiden size bir panoda yanlış bir rakama mal olurdu. Yapay zeka bunun üzerinde eyleme geçtiğinde, bir müşteriye yanlış bir e-postaya, yanlış temsilciye yönlendirilmiş bir potansiyel müşteriye ya da geçen yıl kapanmış fırsatlar üzerine kurulu bir öngörüye mal olur. Sorun, CRM Verileriniz Hatalıysa Analitiğiniz Sizi Yanıltır yazısında anlattığımızla aynı; yapay zeka onu yalnızca daha gürültülü hale getiriyor.

En yaygın CRM veri sorunları nelerdir?

CRM sorunlarının çoğu altı türe ayrılır: mükerrerler, eksik değerler, eskimiş değerler, tutarsız değerler, yanlış granülerlik ve sahipsizlik. Her biri bir yapay zeka aracını farklı biçimde yanıltır.

  • Mükerrerler. Aynı kişi ya da şirket birden fazla kez var. Etkinlik, e-postalar ve fırsatlar kopyalar arasında bölünür; hiçbir kopya hikayenin tamamını anlatmaz.

  • Eksik değerler. Zorunlu alanlar boştur; çoğu zaman formlarda ya da aktarımlarda hiç zorunlu olmadıkları için. Yapay zeka boşluğu bir tahminle doldurur ya da kaydı atlar.

  • Eskimiş değerler. Alan bir zamanlar doğruydu. Unvanlar, sahipler, yaşam döngüsü aşamaları ve fırsat kapanış tarihleri kimse güncellemediğinde kayar.

  • Tutarsız değerler. Aynı şey birkaç şekilde yazılır: tek bir ülke alanında "UK", "United Kingdom" ve "GB" ya da açılır liste olması gereken yerde serbest metin.

  • Yanlış granülerlik. Aynı türdeki kayıtlar aynı şeyi temsil etmez; örneğin bazen proje, bazen fatura olan fırsatlar gibi.

  • Sahipsizlik. Hiç kimse bir alandan sorumlu değildir; bu yüzden bozulduğunda kimse fark etmez.

Mükerrer CRM kayıtlarını nasıl bulur ve birleştirirsiniz?

CRM'inizin zaten kullandığı benzersiz anahtarlarla başlayın, onların arasından kayıp geçen kayıtları bulun ve her çifti bir insan inceleyerek gruplar halinde birleştirin. Eski mükerrerleri birleştirmeden önce yeni mükerrerlerin kaynağını düzeltin, yoksa geri gelirler.

Örneğin HubSpot'ta otomatik tekilleştirme, kişileri e-posta adresine, şirketleri alan adına göre eşleştirir. Bu, HubSpot'ın kendi dokümantasyonunun tarif ettiği bilinen boşluklar bırakır:

  • E-posta sütunu olmayan bir aktarım her satır için yeni bir kişi oluşturur.

  • Şirket alan adı olmayan bir aktarım her satır için yeni bir şirket oluşturur.

  • API ile oluşturulan, kurulu üçüncü taraf senkronizasyon uygulamaları dahil şirketler alan adına göre tekilleştirilmez.

Dolayısıyla iş ve kişisel e-postası olan aynı kişi ya da başka bir araçtan senkronize edilen bir şirket iki kez bulunabilir.

Neredeyse aynı iki üst üste binen madalyonu bire bastıran mermer bir baş parmak; baş parmağın altında tek bir sarı boncuk

Sağlam duran bir birleştirme rutini

  1. Kaynakları bulun. Mükerrerleri hangi formların, aktarımların ve entegrasyonların oluşturduğunu kontrol edin. Önce bu boşlukları kapatın.

  2. Bir eşleştirme kuralı seçin. Neyin aynı kayıt sayılacağına karar verin: e-posta, alan adı, telefon ya da ad artı şirket.

  3. Hayatta kalan kaydı seçin. İki kopya birbirini tutmadığında alan alan hangi kopyanın değerlerinin kazanacağına karar verin.

  4. Birleştirmeden önce inceleyin. HubSpot'ın Professional ve Enterprise aboneliklerinde bulunan mükerrer yönetimi aracı, inceleme için kişi ve şirket çiftleri önerir. Dokümantasyonu, birleştirilmiş kayıtların geri alınamayacağını belirtir; bu yüzden önce bir yedek dışa aktarın.

  5. Bir hafta sonra yeniden kontrol edin. Yeni mükerrerler görünüyorsa bir kaynak hâlâ açıktır.

Veri granülerliği nedir ve yapay zeka yanıtlarını neden bozar?

Granülerlik, bir kaydın neyi temsil ettiğidir: bir kişi, bir şirket, bir fırsat, bir fatura. Aynı türdeki kayıtların granülerliği farklı olduğunda her sayım, toplam ve karşılaştırma yanlış çıkar ve bir yapay zeka aracı bunu ayırt edemez.

Karışık granülerlik fırsatlarda yaygındır. Bir temsilci sözleşme başına bir fırsat kaydeder, bir diğeri fatura başına, üçüncüsü aynı sözleşmedeki ürün hattı başına. Bir yapay zeka asistanına geçen çeyrek kaç yeni müşteri kazandığınızı sorarsanız müşterileri değil satırları sayar.

Aynı kare karolardan oluşan, tek bir sarı karonun farklı boyutta kesildiği bir Roma mozaik zemini; kenarda yatan bir mermer yüz

Granülerlik nasıl düzeltilir

  • Nesne başına bir cümle yazın. Örneğin "fırsat, bir şirketle imzalanmış tek bir sözleşmedir". Bunu CRM'in alan açıklamalarına, insanların ve yapay zeka araçlarının okuyabileceği yere koyun.

  • Uymayanı ayırın. Faturaları kendi nesnesine ya da finans sisteminize, ürünleri kalem satırlarına taşıyın.

  • Metrikleri bir kez tanımlayın. "Yeni müşteri", "pipeline" ve "kazanma oranı"nın nasıl hesaplandığına karar verin ve bu tanımları tek bir yerde tutun. BI'ı bir semantik katmanla yapay zeka ajanlarına hazırlamak yazımız bunun nasıl yapılacağını ele alıyor.

CRM verisinin sahibi kim olmalı?

Her önemli alanın ve nesnenin, tanımına, izin verilen değerlerine ve kimin değiştirebileceğine karar veren, adı belli bir sahibi olması gerekir. Temiz bir CRM'i temiz tutan sahipliktir.

Alan sahibi, bir alanın doğru olmasından ve herkes tarafından aynı şekilde kullanılmasından sorumlu kişidir. Genellikle satış operasyonları fırsat aşamalarının ve sahiplerinin, pazarlama yaşam döngüsü aşaması ve kaynak alanlarının, müşteri başarısı ise yenileme ve sağlık alanlarının sahibidir. Bir kişi, çoğu zaman bir gelir operasyonları lideri, genel veri modelinin sahibidir.

Sahiplik pratikte nasıl görünür

  • Her anahtar alanı, tanımını, sahibini ve izin verilen değerlerini listeleyen kısa bir veri sözlüğü.

  • Değerlerin bilindiği her yerde serbest metin yerine açılır listeler.

  • Zorunlu alanlar, oluşturma sırasında hepsi birden değil, bilginin bilindiği aşamada.

  • CRM'in "Sektör", "Sektör (yeni)" ve "Alan" gibi neredeyse kopyalarla dolmaması için kimin alan ekleyebileceğine dair bir kural.

Yapay zeka bağlandıktan sonra bir CRM'i nasıl temiz tutarsınız?

Veri kalitesini bir proje değil bir rutin olarak ele alın: bir takvime göre kontrol edin, kötü veriyi girişte engelleyin ve yapay zeka aracının neye yazabileceğini sınırlayın. Kayıtları güncelleyebilen bir yapay zeka aracı bir sonraki karmaşayı da yaratabilir.

Süregelen kontrol listesi

  • Mükerrer kontrollerini her hafta çalıştırın ve yeni çiftleri inceleyin.

  • Her zorunlu alandaki boş değer oranını ekip bazında takip edin.

  • Aktarımları yüklenmeden önce eşleştirme kurallarına karşı doğrulayın.

  • O alanda onlara güvenene kadar yapay zeka araçlarının doğrudan yazmak yerine, bir insanın kabul etmesi için alan güncellemeleri önermesine izin verin.

  • Bir yapay zeka aracının yaptığı her değişikliği, verdiği gerekçeyle kaydedin.

  • Veri sözlüğünü her çeyrek alan sahipleriyle gözden geçirin.

Hâlâ bir CRM seçiyorsanız, yapay zeka ekleyen hizmet işletmeleri için HubSpot ve GoHighLevel karşılaştırmamız her birinin yapay zeka özelliklerini nasıl ele aldığını anlatıyor.

Vizio AI olarak nasıl yaklaşıyoruz

Yapay zekanın yanıtlaması ya da gerçekleştirmesi beklenen sorularla ve eylemlerle başlıyor, her birini bağlı olduğu nesnelere ve alanlara kadar izliyoruz. Önce yalnızca bu alanlar temizleniyor; CRM'in geri kalanı bekleyebilir.

Ardından veriyi altı sorun türü için profilliyor, eski hataları birleştirmeden önce yeni hataların kaynaklarını düzeltiyor, her nesnenin granülerliğini ve sahibini yazıya döküyor ve inceleme kurallarını CRM'i her gün kullanan insanlarla belirliyoruz. Yapay zeka aracı salt okunur olarak canlıya çıkıyor ve yazma erişimini alan alan alıyor.

Bu, Growth Studio'muzun CRM'i, pazarlamayı ve yapay zekayı tek bir sistemde birleştirirken yaptığı iştir.

Kaynaklar

SSS.

01

02

03

04

05

Daha fazlası.

Dithered illustration of two marble hands pulling a mason's line taut between stakes across bare ground at dawn, the first course of stones laid along it and a pink knot at the nearest stake.
Your First 30 Days With a Product Studio: What Happens Week by Week
7 dk.

The first 30 days with a product studio: week one sets access and goals, week two tests the riskiest assumption, weeks three and four ship a first slice.

Dithered illustration of a marble hand opening the case of a bracket clock to show a dense hidden mechanism, one small gear deep inside glowing red.
What Does an AI Agent Cost to Run? Tokens, Tools and the Hidden Line Items
6 dk.

An AI agent's running cost is model tokens across every step, plus retries, tool and search fees, hosting, monitoring and human review. Budget per task, not per token.

Dithered illustration of a fragmented marble face looking down at a jeweller's tray where gems are sorted by size, the largest stone glowing amber under a brass lamp.
AI Lead Scoring in Your CRM: Start With the Rules You Already Trust
7 dk.

Add AI lead scoring by writing down the rules sales already trusts, cleaning CRM data, then testing the AI score against those rules before reps use it.

Önce yapay zekâyı düşünün.
Geleceğin hızında ilerleyin.

Sıradakini birlikte inşa edelim! Ürün fikirlerinden akıllı iş akışlarına, veri odaklı sistemlerden ölçeklenebilir büyüme operasyonlarına kadar.

Strateji Görüşmesi Planlayın