Müşteri segmentasyonu ve RFM analizi: yapay zeka ile 6 segment

Müşteri segmentasyonu, müşteri tabanınızı davranışına göre anlamlı gruplara ayırıp her gruba ayrı bir reklam kararı uygulamaktır. Reklamda işe yaramasının nedeni basit: aynı bütçe doğru kişiye gittiğinde CPA düşer, çünkü zaten satın alacak kişiye ikinci kez para ödemeyi bırakırsınız. En yaygın ve en hızlı kurulan yöntem RFM analizidir; yapay zeka ise bunun üzerine müşteri kaybı olasılığı ve tahmini LTV gibi ileriye dönük katmanlar ekler.

Müşteri segmentasyonu ve RFM analizi nedir?

RFM analizi, her müşteriyi üç sayıyla özetleyen bir puanlama yöntemidir: Recency (son alışverişin üzerinden geçen süre), Frequency (belirli bir dönemdeki alışveriş sayısı) ve Monetary (toplam harcama tutarı). Üç ölçütün her birinde müşteri tabanı beş eşit dilime bölünür ve herkes 1 ile 5 arasında puan alır. 555 puanlı müşteri en yakın zamanda, en sık ve en çok harcayan kişidir; 111 puanlı müşteri ise pratikte kaybedilmiş sayılır.

• Recency (yenilik): son alışverişin üzerinden kaç gün geçti? Reklamdaki en güçlü tek sinyaldir; 30 gün önce alan biriyle 400 gün önce alan biri aynı kişi değildir.
• Frequency (sıklık): müşteri seçtiğiniz dönemde kaç kez satın aldı? Tek seferlik alıcı ile üçüncü siparişini veren müşteri aynı mesajı hak etmez.
• Monetary (parasal değer): müşteri toplamda ne kadar harcadı? Mümkünse ciro yerine kar marjını kullanın; ciroda değerli görünen müşteri, iade oranı yüzünden zarar yazıyor olabilir.
• Puanlama: her ölçütte müşterileri beş eşit dilime ayırıp 1-5 puan verin. Sonuç üç haneli bir koddur (örneğin 545) ve segmentler bu kodun okunmasıyla oluşur.

Yapay zeka klasik RFM analizine ne katar?

Klasik RFM'in tek zayıf noktası şudur: yalnızca geçmişe bakar. Bir müşterinin dün ne yaptığını anlatır, yarın ne yapacağını söylemez. Yapay zeka modelleri aynı RFM puanlarını girdi olarak alır ve üzerine davranışsal, tahmine dayalı bir katman kurar: müşteri kaybı olasılığı, bir sonraki satın alma olasılığı ve tahmini LTV. Böylece segment bir fotoğraf olmaktan çıkar, bir tahmine dönüşür.

• Müşteri kaybı olasılığı: kişinin önümüzdeki dönemde alışverişi bırakma ihtimali. Geri kazanım bütçesini kime harcayacağınızı bu belirler.
• Bir sonraki satın alma olasılığı: kişinin yakın vadede tekrar sipariş verme ihtimali. Yüksekse zaten dönecektir; ona indirim kuponu göstermek kar marjını boşuna yakar.
• Tahmini LTV: müşterinin gelecekte bırakacağı öngörülen değer. Benzer kitle tohumunu bugünkü harcamaya göre değil bu tahmine göre seçmek çok daha iyi çalışır.
• Davranışsal sinyaller: gezinme, kategori ilgisi, iade oranı, indirim bağımlılığı. RFM'in üç sayısına eklenen bu alanlar segmentleri belirgin biçimde keskinleştirir.

Burada dürüst olmak gerekir: tahmin katmanı sihir değildir. Model kalitesi veri kalitesine ve sektöre göre ciddi biçimde değişir; sipariş geçmişi zayıf bir markada çıktı bir tahminden fazlası olmaz. Yüksek 'doğruluk' oranlarına da temkinli yaklaşın: müşteri kaybı seyrek bir olaydır, bu yüzden 'kimse ayrılmayacak' diyen bir model bile kağıt üzerinde yüksek doğruluk gösterebilir. Doğru yaklaşım, çıktıyı kesin gerçek gibi değil, bütçeyi önceliklendiren bir sıralama olarak kullanmaktır. Yapay zeka ile reklam yönetiminin gerçekten değer ürettiği yer de burasıdır: kararı vermek değil, kararı sıraya koymak.

Hangi 6 müşteri segmenti ve her biri için hangi reklam aksiyonu?

Onlarca segment üretmek mümkündür ama bir reklam hesabında gerçekten yönetilebilen sayı altıdır. Aşağıdaki altı segment, RFM puanı ve tahmin katmanı birlikte okunarak kurulur ve her birinin karşısında tek, net bir reklam aksiyonu vardır. Kural şudur: bir segmentin karşısına yazacak aksiyonunuz yoksa o segment gereksizdir.

• Şampiyonlar (R5 F5 M5): son dönemde, sık ve çok harcayan çekirdek grup. Aksiyon: satın alma reklamlarından dışlayın (zaten geliyorlar), bütçeyi sadakat, yeni ürün lansmanı ve üst segment ürün mesajına ayırın.
• Sadıklar (yüksek F, orta M): düzenli alan ama sepeti küçük müşteriler. Aksiyon: çapraz satış ve tamamlayıcı ürün. Sepet ortalamasını büyütmek, yeni müşteri bulmaktan çok daha ucuzdur.
• Riskli (yüksek F ve M, düşük R): değerliydi, uzaklaşıyor. Aksiyon: geri kazanım. Bütçenin en yüksek getirili kalemi genelde budur; kişiyi zaten tanıyorsunuz, ikna maliyeti düşüktür.
• Kayıp (düşük R, düşük F): uzun süredir yok ve geri dönüş olasılığı zayıf. Aksiyon: düşük bütçeli tek bir deneme, sonuç alınamazsa listeden dışlayın. Bu gruba ısrar etmek CPA'yı sessizce şişirir.
• Yeni müşteriler (yüksek R, F=1): ilk siparişini yeni vermiş kişiler. Aksiyon: ikinci satın almayı tetikleyin. İkinci sipariş, bir alıcının kalıcı müşteriye dönüştüğü eşiktir.
• Yüksek potansiyel (orta RFM, yüksek tahmini LTV): bugün ortalama görünen ama modelin değerli bulduğu grup. Aksiyon: benzer kitle tohumu olarak kullanın ve yeni müşteri kampanyalarını bu profile göre kurun.

Segmentleri reklam platformlarına nasıl aktarırsınız?

Segment, reklam hesabına girmediği sürece yalnızca bir tablodur. Aktarım üç yoldan yapılır: listeyi müşteri listesi olarak yüklemek (Google Ads tarafında Müşteri Eşleştirme, Meta tarafında özel hedef kitle), değerli segmenti benzer kitle tohumu olarak kullanmak ve en önemlisi, ilgili segmentleri kampanyalardan dışlamak. Dışlama en hızlı sonuç veren adımdır ve genelde en son akla gelenidir.

1. Listeyi hazırlayın: e-posta ve telefonu birlikte gönderin. Google dokümantasyonuna göre tek tanımlayıcı yerine iki tanımlayıcı kullanmak eşleşme oranını belirgin biçimde yükseltir.
2. Yükleyin ve eşleşmeyi ölçün: reklamverenlerin çoğu %29-62 bandında eşleşir. Çok altındaysanız sorun kitlenizde değil veri biçiminizdedir: kırpılmamış boşluklar, büyük-küçük harf karışıklığı ve eskimiş e-postalar.
3. Benzer kitleyi kurun: tohum olarak şampiyonları değil, yüksek tahmini LTV'li grubu verin. Şampiyonlar zaten küçük ve doygun bir kümedir; model onları kopyalarken en pahalı kişileri hedefler.
4. Dışlamayı kurun: son 30-90 gün içinde satın alanları yeni müşteri kampanyalarından çıkarın. Bu tek ayar, boşa giden edinme bütçesini tipik olarak %15-25 azaltır ve yeniden pazarlama stratejinizin mesajını da temizler.

Rıza ve veri hijyeni: neye dikkat etmeli?

Müşteri listesi yüklemek, elinizdeki her e-postayı platforma göndermek demek değildir. Yalnızca pazarlama izni verilmiş kayıtları kullanabilirsiniz; bu, KVKK ve GDPR açısından tartışmaya açık bir konu değildir. Liste hijyeni ayrıca bir performans meselesidir: eski ve izinsiz kayıtlarla dolu bir liste hem eşleşme oranını düşürür hem de yanlış kişiye reklam gösterir.

• Yalnızca rıza verilmiş veri: pazarlama izni olmayan kaydı listeye koymayın. Platformların şartları da bunu gerektirir; ihlali hesabın askıya alınmasına kadar gidebilir.
• Listeyi taze tutun: Google tarafında bir listenin uygun kalması için son 540 gün içinde güncellenmiş olması gerekir. Aylık yenileme iyi bir alışkanlıktır.
• Alt sınırı bilin: Google Ads müşteri listesi alt sınırı 1.000 kişiden 100 kişiye indirildi; Meta tarafında da özel hedef kitleler için benzer bir alt sınır bulunur. Küçük ama değerli segmentler artık kullanılabilir.
• Silme taleplerini işleyin: müşteri kaydını sildirdiğinde onu yüklenmiş listelerden de çıkarın. Tek seferlik yükleme değil, düzenli bir eşitleme kurun.

Segment bazlı CPA ve ROAS nasıl karşılaştırılır?

Segmentasyonun işe yarayıp yaramadığını hesabın toplam ROAS değerine bakarak anlayamazsınız; ortalama, iyi segmentle kötü segmenti birbirine karıştırır. Doğru ölçüm, her segmentin kendi CPA ve ROAS değerini ayrı raporlamaktır. Beklenen tablo şudur: geri kazanım segmentinin CPA değeri yeni müşteri kampanyalarının belirgin biçimde altında kalır, kayıp segmentin CPA değeri ise ortalamanın üstüne çıkar. Bu iki sayı birbirine yaklaşıyorsa segmentleriniz gerçek değil, yalnızca isimden ibarettir.

Özetle: segmentasyon yeni bütçe istemez, var olan bütçeyi doğru kişiye yönlendirir. RFM ile başlayın, tahmin katmanını üzerine ekleyin, altı segmentin her birine tek bir reklam aksiyonu yazın ve dışlamayı ilk gün kurun. Ads Sensor; Meta, Google, TikTok, Criteo ve GA4 verinizi tek panelde birleştirir, hangi kitlenin bütçeyi boşa harcadığını yapay zeka ile gerekçeli olarak gösterir ve onayladığınız önerileri platform üzerinde uygular. Ön-betaya kaydolun ve hangi kitlelerin bütçenizi boşa harcadığını kendi verinizle görün.