Kazanimlar:
- Pipeline verisini AI ile analiz edip tahmin (forecast) yorumları çıkarabilme
- One-pager, sunum ve vaka çalışması gibi satış içeriklerini hızlı üretebilme
- AI çıktısını sayısal doğrulama ve marka tonuyla son haline getirebilme
Çeyrek sonu yaklaşırken satış liderinin sorduğu soru hep aynıdır: "Bu çeyreği kapatabilecek miyiz?" Bu sorunun cevabı bir his değil, pipeline'ınızda saklıdır. Ama ham pipeline verisi, satırlarca deal, aşama, tutar ve tarihten oluşan dağınık bir tablodur; içindeki hikayeyi görmek zaman ister. Yapay zeka bu tabloyu okuyup aşama dağılımını, tıkanmaları, win rate eğilimini ve forecast yorumunu dakikalar içinde çıkarabilir. Aynı yapay zeka, kazanılan işi anlatan bir one-pager, bir sunum taslağı ya da bir vaka çalışmasını da hızla üretir. Ancak bu ünitenin ana mesajı şudur: yapay zekanın ürettiği hiçbir sayıyı ve hiçbir cümleyi körü körüne kabul etmeyin. Model analiz eder, siz doğrularsınız.
Pipeline analizi: veriden içgörüye
Pipeline analizi, "ne kadar iş var" sorusundan çok "bu iş ne kadar sağlıklı" sorusuna cevap arar. Bakılacak temel metrikler:
Metrik
Ne söyler
Uyarı işareti
Aşama dağılımı
Deal'ler hangi aşamada yığılmış
Çoğu erken aşamada = zayıf forecast
Tıkanma (stuck deals)
Uzun süredir ilerlemeyen fırsatlar
60+ gün aynı aşamada
Win rate
Kazanılan / toplam kapanan
Düşüş eğilimi = süreç sorunu
Kapanma olasılığı
Aşamaya göre ağırlıklı tahmin
Aşırı iyimser ağırlıklar
Ortalama deal boyutu
Fırsat büyüklüğü trendi
Küçülme = yanlış segment
Kopyalanabilir prompt: pipeline analizi
Sen bir satış operasyonu analistisin. Aşağıdaki pipeline verisini analizet. Veri: her satır bir fırsat; sütunlar: deal adı, aşama, tutar,aşamaya giriş tarihi, kapanış tahmini.Çıktı:1. Aşama dağılımı (her aşamadaki fırsat sayısı ve toplam tutar)2. Tıkanan fırsatlar (aynı aşamada {{gun}} günden uzun kalanlar)3. Win rate hesabı (kapanan fırsatlar üzerinden)4. Risk özeti: forecast'i tehdit eden 3 fırsat ve nedeniKural: Yalnızca verideki sayıları kullan. Hesap yaptığın her metriğinformülünü göster ki doğrulayabileyim. Veride olmayan bir değeri tahminetme; eksikse "veri eksik" yaz.Veri:{{pipeline_verisi}}
Forecast yorumu ve sayısal doğrulama
Yapay zeka size "bu çeyrek 2,4 milyon TL kapanır" diyebilir. Bu cümle kulağa kesin gelir, ama altında varsayımlar vardır: hangi kapanma olasılıkları kullanıldı? Hangi deal'ler dahil edildi? Model bir toplama hatası yaptı mı? Sayısal çıktıyı doğrulamanın yolu, modelden varsayımlarını ve formülünü açıkça istemektir. Ardından en az bir metriği elle kontrol edin: örneğin üç deal'in ağırlıklı tutarını kendiniz toplayın, modelin sonucuyla karşılaştırın. Modeller aritmetikte, özellikle çok satırlı tablolarda hata yapabilir.
Yukarıdaki forecast'i şu formatta gerekçelendir:- Kullandığın kapanma olasılığı varsayımları (aşama bazında)- Dahil ettiğin ve hariç tuttuğun fırsatlar + neden- Ağırlıklı toplam hesabının açık dökümü (deal deal)Sonuç rakamını değil, ona nasıl ulaştığını doğrulayabilmem lazım.
Dikkat: Yapay zekanın ürettiği forecast rakamı bir gerçek değil, bir hesaplamadır ve girdiye ve varsayımlara tümüyle bağlıdır. Model yanlış olasılık ağırlığı kullanabilir, satırları yanlış toplayabilir ya da bir deal'i iki kez sayabilir. Rakamı yönetime sunmadan önce en az bir metriği elle doğrulayın ve varsayımları görünür kılın. Doğrulanmamış forecast, yanlış kaynak planlamasına yol açar.
Satış içeriği üretimi: iyi girdi seti
Yapay zekanın one-pager, deck ya da case study kalitesi, tamamen verdiğiniz girdiye bağlıdır. İyi bir içerik brief'i şu beş bileşeni içerir: persona (kime), problem (hangi acıyı çözüyoruz), değer önerisi (neden biz), farklılaştırıcılar (rakipten farkımız) ve marka tonu (nasıl konuşuruz). Bu beşi eksikse model boşlukları genel geçer pazarlama klişeleriyle doldurur ve çıktı herkesinkine benzer.
Adım adım one-pager üretimi
- Girdi setini toplayın. Persona, problem, değer önerisi, farklılaştırıcılar, marka tonu.
- Amacı belirtin. One-pager mı, deck taslağı mı, case study mi? Format farklıdır.
- Modele üretimi yaptırın. Yapılandırılmış brief'i verin.
- Sayıları doğrulayın. İçerikte geçen her metriği (ROI, süre, müşteri sayısı) gerçek veriyle teyit edin.
- Marka tonuna oturtun. Modelin dilini kurumsal ses rehberinize çekin.
- İnsan onayı. Yayına almadan önce bir insan gözden geçirir.
Kopyalanabilir prompt: one-pager
Bir one-pager taslağı üret. Girdiler:- Persona: {{hedef_persona}}- Çözdüğümüz problem: {{problem}}- Değer önerisi: {{deger_onerisi}}- Farklılaştırıcılar: {{farklilastiricilar}}- Marka tonu: {{marka_tonu}}Yapı: (1) çarpıcı başlık, (2) problem cümlesi, (3) çözümümüz,(4) 3 fayda maddesi, (5) sosyal kanıt yeri, (6) tek net CTA.Kural: Somut rakam veya müşteri iddiası uydurma. Rakam gereken yere"[doğrulanacak metrik]" placeholder koy. Marka tonuna sadık kal.
Kopyalanabilir prompt: case study iskeleti
Aşağıdaki müşteri bilgisinden bir vaka çalışması iskeleti üret:- Müşteri profili: {{musteri}}- Başlangıçtaki problem: {{problem}}- Uygulanan çözüm: {{cozum}}- Sonuçlar: {{sonuclar}}Yapı: Zorluk -> Çözüm -> Sonuç. Sonuç bölümündeki her sayıyı"[kaynak/teyit gerekli]" etiketiyle işaretle. Müşterinin onaylamadığıhiçbir iddiayı kesin gibi yazma.
Zayıf brief / Güçlü brief
ZAYIF:"Ürünümüz için bir one-pager yaz."Sonuç: Genel geçer, klişe dolu, kime hitap ettiği belirsiz, uydurmarakamlar içerebilen, herkesinkine benzeyen bir metin.
GÜÇLÜ:"Persona: 500 kişilik üretim firmasının operasyon müdürü. Problem: manuelvardiya planlaması haftada 6 saat kaybettiriyor. Değer önerisi: planlamayıotomatikleştirip hata oranını düşürüyoruz. Farklılaştırıcı: yerel mevzuatauyumlu, 2 haftada devreye alma. Ton: sade, güven veren, abartısız. Rakamgereken yere placeholder koy, uydurma."Sonuç: Hedefe oturan, doğrulanabilir, markaya uygun taslak.
Mini vaka: iyimser forecast'in düzeltilmesi
Bir yazılım ekibinde satış müdürü, pipeline'ı yapay zekaya analiz ettirir. Model çeyrek için parlak bir forecast üretir. Müdür, ünitedeki kurala uyarak modelden ağırlıklı toplamın deal-deal dökümünü ister. Dökümü incelerken iki şey fark eder: model, altmış gündür "sözleşme" aşamasında tıkanmış büyük bir deal'i yüzde 90 olasılıkla saymıştır, oysa bu deal aslında riskdedir; ayrıca aynı müşterinin iki kaydı yanlışlıkla iki kez toplanmıştır. Düzeltilmiş forecast, ilk rakamın belirgin şekilde altındadır. Müdür bu gerçekçi rakamla üst yönetime gider ve gereksiz bir işe alım kararını erteler. Model kötü değildi; sadece doğrulanması gerekiyordu.
İpucu: İçerik üretiminde modelden rakamları asla "yaratmasını" değil, placeholder bırakmasını isteyin. "[doğrulanacak metrik]" etiketleri, sonradan gerçek veriyle doldurulmayı bekleyen güvenli boşluklardır ve uydurma istatistiklerin müşteriye ulaşmasını engeller.
Yaygın hatalar
- Forecast rakamını sorgusuz kabul etmek. Varsayımları ve formülü görmeden hiçbir tahmini sunmayın.
- Modelin aritmetiğine güvenmek. Çok satırlı tablolarda toplama hataları olur; en az bir metriği elle kontrol edin.
- Zayıf brief'le içerik istemek. Persona ve farklılaştırıcı yoksa çıktı klişe olur.
- Uydurma istatistik yayımlamak. Modelin ürettiği ROI ve müşteri rakamlarını doğrulamadan one-pager'a koymak marka güvenini zedeler.
- İnsan onayını atlamak. Hiçbir satış içeriği, bir insan gözden geçirmeden yayına çıkmamalı.
Özetle
- Pipeline analizi "ne kadar iş var"dan çok "bu iş ne kadar sağlıklı"yı sorar; aşama dağılımı, tıkanma ve win rate kritik.
- Forecast bir gerçek değil bir hesaptır; modelden varsayımlarını ve formülünü isteyip elle doğrulayın.
- İyi içerik brief'i beş bileşen içerir: persona, problem, değer önerisi, farklılaştırıcılar, marka tonu.
- One-pager, deck ve case study'de rakamları uydurtmayın; placeholder bırakıp gerçek veriyle doldurun.
- Marka tonuna oturtun ve yayına almadan önce mutlaka insan onayı alın.
Uygulama görevi
Kendi pipeline verinizden (anonimleştirilmiş) 10-15 satırlık bir örnek alın ve "pipeline analizi" promptunu çalıştırın. Modelin verdiği win rate ve ağırlıklı forecast'i, formül dökümünü isteyerek elle doğrulayın; en az bir hata veya tartışmalı varsayım bulmaya çalışın. Ardından gerçek bir müşteri başarısı için "one-pager" promptunu, güçlü bir girdi setiyle çalıştırın. Çıktıdaki her placeholder'ı gerçek, doğrulanmış veriyle doldurun ve metni kendi marka tonunuza göre düzenleyin. Son hali, bir meslektaşınıza gösterildiğinde "bu bizim sesimiz" diyebileceği kalitede olmalı.
Modul Sinavi
1. Satışta AI'ı kullanırken aşağıdaki kararlardan hangisinin nihai sorumluluğu her zaman insan satış temsilcisinde kalmalıdır?
- A) Müşteriye iletilen bağlayıcı fiyat ve taahhütlerin doğruluğu ✔
- B) Bir e-posta taslağının ilk versiyonunu oluşturmak
- C) Toplantı notlarını maddelere ayırmak
- D) Konu satırı için üç alternatif önermek
Aciklama: AI taslak, araştırma ve özet üretebilir; ancak fiyat taahhüdü, sözleşme koşulu ve müşteriye verilen resmi vaat gibi bağlayıcı kararların doğruluğundan ve etiğinden insan sorumludur. Bu kararlar doğrulanmadan gönderilmemelidir.
2. Bir lead'i nitelendirirken kullanılan BANT çerçevesindeki 'A' harfi neyi ifade eder?
- A) Analytics (analitik)
- B) Authority (satın alma yetkisi) ✔
- C) Account (hesap büyüklüğü)
- D) Adoption (benimseme)
Aciklama: BANT; Budget (bütçe), Authority (yetki), Need (ihtiyaç) ve Timeline (zaman çizelgesi) kelimelerinden oluşur. 'A', satın alma kararında yetki sahibi kişiyi (Authority) ifade eder.
3. AI'ın ürettiği bir soğuk e-posta neden yüksek ihtimalle spam klasörüne düşer ve dönüşüm getirmez?
- A) Çok kısa olduğu için
- B) İçinde soru işareti bulunduğu için
- C) Kişiselleştirmesiz, jenerik ve alıcıyla ilgisiz olduğu için ✔
- D) Alıcının adıyla başladığı için
Aciklama: Kişiselleştirmesiz, jenerik ve alıcıyla ilgisiz toplu e-postalar hem spam filtrelerini tetikler hem de alıcıda değer algısı yaratmaz. Etkili soğuk e-posta, alıcıya özel bir tetikleyici olay ve net bir değer önerisi içerir.
4. Bir müşteriye teklif hazırlarken AI'dan gelen 'sektörde %300 verimlilik artışı garanti' ifadesini gördünüz. En doğru davranış hangisidir?
- A) Etkileyici olduğu için olduğu gibi bırakmak
- B) Rakamı daha da artırıp %500 yazmak
- C) Teklifin en üstüne büyük puntoyla taşımak
- D) İddiayı doğrulanabilir, gerçekçi ve kaynaklı bir ifadeyle değiştirmek ✔
Aciklama: Doğrulanamayan, abartılı ve garanti içeren iddialar hem etik dışıdır hem de yasal risk yaratır. İfade ya kaldırılmalı ya da somut, kaynağı belli ve gerçekçi bir aralıkla değiştirilmelidir.
5. Kişiselleştirilmiş bir takip (follow-up) dizisi tasarlarken aşağıdakilerden hangisi en iyi uygulamadır?
- A) Her takipte yeni bir değer, içgörü veya kaynak sunmak ✔
- B) Her mesajda aynı 'sadece kontrol ediyorum' cümlesini tekrarlamak
- C) Aynı e-postayı günde iki kez göndermek
- D) İlk yanıt gelmezse tüm diziyi iptal etmek
Aciklama: İyi bir takip dizisi her mesajda yeni bir değer (içerik, örnek, içgörü) sunar ve yalnızca 'sadece kontrol ediyorum' demez. Her temas noktası alıcıya bir sebep vermelidir.
6. Bir müşteri 'Fiyatınız çok yüksek' itirazını dile getirdi. AI destekli en etkili yaklaşım hangisidir?
- A) Hemen indirim teklif etmek
- B) İtirazın kökenini anlayıp değer ve ROI üzerinden yeniden çerçevelemek ✔
- C) Müşteriyle tartışıp haksız olduğunu söylemek
- D) Konuyu kapatıp başka ürüne geçmek
Aciklama: Etkili itiraz karşılama, itirazı önce anlamayı (fiyat mı yoksa değer algısı mı) ve ardından ROI/değer üzerinden çerçevelemeyi gerektirir. Hemen indirim teklif etmek değeri düşürür.
7. Bir satış görüşmesinin dökümünü AI'a verip CRM notu çıkarttınız. Nottaki en kritik alan hangisidir?
- A) Görüşmenin kaç dakika sürdüğü
- B) Katılımcıların hangi şehirden bağlandığı
- C) Sahibi ve tarihi belli olan net sonraki adım (next step) ✔
- D) Görüşmede kaç kez gülündüğü
Aciklama: CRM notunun operasyonel değeri, net sahibi ve tarihi olan 'sonraki adım' (next step) alanındadır. Sonraki adım belirsizse fırsat pipeline'da durgunlaşır ve kaybedilir.
8. AI ile rakip battlecard'ı hazırlarken en önemli doğrulama disiplini hangisidir?
- A) AI en güncel modeli kullandığı için doğrudan güvenmek
- B) Rakip bilgilerini abartarak kendi ürününü öne çıkarmak
- C) Yalnızca rakibin logosunu tabloya eklemek
- D) Rakip iddialarını güncel ve güvenilir kaynaklarla teyit etmek ✔
Aciklama: AI, rakipler hakkında güncel olmayan veya tamamen uydurma (hallucination) fiyat, özellik ve müşteri bilgisi üretebilir. Battlecard'daki her rakip iddiası satışa girmeden önce güncel ve güvenilir kaynakla teyit edilmelidir.
9. Pipeline verisini AI'a analiz ettirdiniz ve 'bu çeyrek hedefin %120'sine ulaşılacak' dedi. Bu tahmini nasıl ele almalısınız?
- A) Doğrudan yönetime raporlamak
- B) Rakamı yuvarlayıp %150'ye çıkarmak
- C) Varsayımları, kapanma olasılıklarını ve hesabı gerçek veriyle doğrulamak ✔
- D) Tahmini tamamen görmezden gelmek
Aciklama: AI'ın sayısal tahminleri girdi verisinin kalitesine ve varsayımlara bağlıdır; körü körüne kabul edilmemelidir. Hesaplama mantığı, kapanma olasılıkları ve varsayımlar kontrol edilip gerçek verilerle çapraz doğrulanmalıdır.
10. Bir one-pager (tek sayfalık satış özeti) üretirken AI'a verilecek en iyi girdi seti hangisidir?
- A) Hedef persona, somut problem, değer önerisi, farklılaştırıcılar ve marka tonu ✔
- B) Sadece 'ürünümüz için bir one-pager yaz' demek
- C) Yalnızca şirketin kuruluş yılı
- D) Rakiplerin fiyat listesi
Aciklama: AI'ın kaliteli çıktı üretmesi için hedef persona, çözülen somut problem, değer önerisi, farklılaştırıcılar ve marka tonu gibi bağlam verilmelidir. 'Bize bir one-pager yaz' gibi bağlamsız istek jenerik çıktı üretir.