Bir satış ekibinin elinde yüzlerce hatta binlerce müşteri olabilir. Ancak bu müşterilerin tamamı aynı değerde değildir. Daha önemlisi, aynı müşterinin satın alma ihtimali de zaman içinde değişebilir. Bir müşteri bugün satın almaya hiç hazır olmayabilir; altı ay sonra ise şirket için en önemli satış fırsatlarından biri haline gelebilir.
Giriş
Bu nedenle modern CRM sistemlerinde yalnızca "Bu müşteri iyi bir müşteri mi?" sorusunu sormak yeterli değildir. Daha önemli sorular vardır:
- Bu müşteri bizim için ne kadar değerli?
- Şu anda satın alma ihtimali ne kadar?
- Satın alma zamanı yaklaşıyor mu?
- Müşteriyle ilgili elimizde yeterince güncel bilgi var mı?
- Rakipler devrede mi?
- Müşterinin davranışında satın alma sinyali oluşuyor mu?
AI lead scoring yaklaşımı bu soruların birlikte değerlendirilmesine yardımcı olabilir. Ancak burada önemli bir ayrım yapmak gerekir: lead scoring yalnızca müşteriye bir puan vermek değildir. Asıl amaç, müşterinin ticari durumunu ve bu durumun zaman içinde nasıl değiştiğini anlamaktır.
Lead Scoring Nedir?
Lead scoring, potansiyel müşterilerin belirli kriterlere göre değerlendirilerek satış açısından önceliklendirilmesi yaklaşımıdır. Geleneksel sistemlerde bu değerlendirme çoğunlukla önceden belirlenmiş kurallarla yapılır; şirket büyüklüğü, sektör, web sitesi ziyareti, form doldurma, demo talebi veya e-posta etkileşimi gibi kriterlere puan verilebilir. Örneğin "demo talebi +20", "fiyat sayfasını ziyaret +10", "kurumsal şirket +15" gibi.
Ancak müşteri ilişkileri karmaşıklaştıkça yalnızca sabit kurallarla çalışan scoring modelleri yetersiz kalabilir. Çünkü müşteri davranışının anlamı her müşteri için aynı olmayabilir. Puanlamanın konuşma üzerinden nasıl kurulduğu konusunda AI ile Lead Qualification Nasıl Yapılır? yazımızı inceleyebilirsiniz.
Müşterinin Potansiyeli ile Satın Alma Eğilimi Aynı Şey Değildir
Bu ayrım AI destekli CRM açısından kritik öneme sahiptir. Bir müşterinin şirketiniz için çok değerli olması, bugün satın almaya hazır olduğu anlamına gelmez.
Örneğin müşteri büyük bir şirket olabilir, yüksek bütçeye sahip olabilir, ürününüzün çözebileceği bir problemi bulunabilir ve uzun vadede yüksek ticari değer taşıyabilir. Ancak yine de "Şu anda bu proje gündemimizde değil" diyebilir. Bu durumda müşteri potansiyeli yüksek, satın alma eğilimi ise düşüktür.
Dolayısıyla sistemin "potansiyeli yüksek, hemen ara" demesi doğru değildir. Daha doğru yaklaşım şudur: "Potansiyeli yüksek ancak mevcut satın alma eğilimi düşük. Yeni satın alma sinyallerini izleyin."
Customer Potential Neyi Gösterir?
Customer Potential, müşterinin şirket açısından uzun vadeli ticari değerini ifade edebilir. Bunu belirleyen unsurlar arasında;
- şirket büyüklüğü,
- ihtiyaçların kapsamı,
- ürünle uyum,
- potansiyel sözleşme değeri,
- gelecekteki ihtiyaçlar,
- çapraz satış fırsatları,
- müşteri yaşam boyu değeri
gibi faktörler bulunabilir. Dolayısıyla Customer Potential "Bu müşteri bugün satın alır mı?" sorusunun cevabı değildir; daha çok "Bu müşterinin şirketimiz açısından uzun vadeli değeri ne olabilir?" sorusuna cevap vermeye çalışır.
Purchase Intent Nedir?
Purchase Intent ise müşterinin mevcut satın alma eğilimini ifade eder. Örneğin Purchase Intent: 15 müşterinin şu anda satın alma açısından düşük sinyal verdiğini gösterebilirken, Purchase Intent: 87 müşterinin satın alma sürecine oldukça yaklaştığına işaret edebilir.
Bu skor zaman içinde değişmelidir; çünkü müşteri sabit değildir. Davranışları değişir, ihtiyaçları değişir, bütçesi değişir, rakiplerle görüşmeye başlayabilir, şirket içinde yeni bir karar verici sürece dahil olabilir. Dolayısıyla satın alma eğilimi de değişir.
AI Müşterinin Ne Zaman Satın Alacağını Nasıl Anlayabilir?
Yapay zekânın geleceği kesin olarak tahmin etmesi beklenmemelidir. Daha gerçekçi yaklaşım; geçmiş bilgileri, zamanlamayı ve yeni davranış sinyallerini birlikte değerlendirmektir.
Örneğin satış temsilcisi önceki görüşmede "Mevcut sistemimizin sözleşmesi Aralık ayında bitiyor" notunu girmiş olsun. Bu bilgi CRM'e kaydedilir ve aylar boyunca müşteri herhangi bir etkileşim göstermeyebilir. Ancak zaman içinde müşteri web sitesini tekrar ziyaret eder, ürün sayfasını inceler, fiyatlandırmayı görüntüler, vaka çalışmasını okur ve demo talep eder.
Bu davranışlar bir araya geldiğinde AI "Müşterinin satın alma değerlendirmesine yeniden başlamış olabileceğine dair güçlü sinyaller oluşuyor" şeklinde bir değerlendirme yapabilir. Burada AI geleceği görmüyor; müşterinin davranışındaki değişimi yorumluyor.
Tek Bir Skor Yerine Birden Fazla Boyut
AI destekli bir CRM'de müşteriyi tek bir puanla değerlendirmek yerine farklı boyutları ayrı ayrı izlemek daha anlamlı olabilir:
| Boyut | Değer | Anlamı |
|---|---|---|
| Customer Potential | 91/100 | Müşterinin uzun vadeli ticari değeri yüksek. |
| Purchase Intent | 68/100 ↑ | Mevcut satın alma eğilimi yükseliyor. |
| Engagement | 81/100 ↑ | Şirketle son dönemde ciddi etkileşim var. |
| Competitive Risk | 72/100 ↑ | Rakiplerle görüşme ihtimali veya rekabet baskısı yükseliyor. |
| Data Freshness | Düşük | Müşteri hakkındaki son doğrulanmış bilgiler eski. |
Bu bilgiler birlikte değerlendirildiğinde çok daha gerçekçi bir müşteri profili ortaya çıkar.
Skorun Kendisi Kadar Skorun Değişimi de Önemlidir
Örneğin "Purchase Intent: 82" tek başına anlamlı olabilir. Ama daha anlamlı olan 38 → 51 → 67 → 82 değişimidir; bu, müşterinin satın alma eğiliminin yükseldiğini gösterir. Tam tersine 88 → 74 → 52 → 31 müşterinin ilgisinin azalıyor olabileceğini gösterebilir.
Bu nedenle AI destekli scoring sistemlerinin yalnızca mevcut skoru değil, skor trendini de göstermesi değerli olabilir.
Peki Yeterli Veri Yoksa?
Bu da en kritik durumlardan biridir. Bir müşterinin potansiyeli 93 olabilir; ancak satın alma eğilimi belirsizdir. Çünkü müşteriyle son görüşme dokuz ay önce yapılmış olabilir, web davranışı bulunmayabilir, güncel bütçe bilinmeyebilir, rakip durumu bilinmeyebilir.
Bu durumda AI'ın "bekleyin" demesi riskli olabilir; çünkü sistem aslında müşterinin bugünkü durumunu bilmiyordur. Daha doğru bir yaklaşım şudur: "Müşteri yüksek potansiyele sahip ancak mevcut durumu değerlendirmek için yeterli ve güncel veri bulunmuyor" ve ardından "Müşteriyle yeniden değerlendirme görüşmesi yapılması öneriliyor." Bu, AI'ın yalnızca satış aksiyonu değil, bilgi toplama aksiyonu da önerebilmesi anlamına gelir.
Rekabet Riski Neden Scoring'in Bir Parçası Olmalı?
Satış süreçlerinde yalnızca müşterinin şirketinizle olan ilişkisini izlemek yeterli değildir; rakiplerin de aynı müşteriye ulaşması mümkündür. Örneğin Customer Potential 95, Purchase Intent 35 olan bir müşterinin iki rakiple görüştüğü bilgisi ortaya çıkarsa durum değişir ve AI rekabet riskini yüksek olarak değerlendirebilir.
Bu durumda "müşterinin satın alma eğilimi düşük, bekleyelim" demek yanlış olabilir. Çünkü müşteri henüz satın almaya karar vermemiş olsa bile rakipler süreci hızlandırabilir. Bu nedenle düşük satın alma eğilimi + yüksek müşteri potansiyeli + yüksek rekabet riski kombinasyonu özel bir durum oluşturur ve AI'ın önerisi "müşterinin yeniden değerlendirilmesi öneriliyor" olabilir.
Rakip Bilgisi de Zamanla Eskiyebilir
CRM'de yalnızca "Rakip: X" yazması tek başına yeterli değildir; şirketin bu bilgiyi ne zaman edindiğini de bilmek gerekir. "Rakip: X — son doğrulanma: 6 Ağustos 2026" ile "Rakip: X — son doğrulanma: 10 Ekim 2025" aynı anlamı taşımaz.
Bu nedenle AI'ın müşteri verisinin güncelliğini de değerlendirmesi önemlidir. Müşteri hakkındaki son bilgiler eskiyse sistem "mevcut rekabet durumu güncel değil" uyarısı verebilir ve buna bağlı olarak "müşteriyle yeniden değerlendirme görüşmesi öneriliyor" diyebilir.
Satış Temsilcisinin Görüşme Notları Bu Noktada Çok Değerli
Satış temsilcisinin doğal dilde yazdığı görüşme notları AI tarafından analiz edilerek scoring sisteminin girdilerine dönüştürülebilir. Örneğin şöyle bir not düşünelim:
"Müşteri ürünü beğeniyor. Rakip A ile de görüşmüşler. Rakibin fiyatı daha düşük ancak entegrasyon tarafında bizim çözümümüzü daha güçlü buluyorlar. Bütçe Ekim ayında netleşecek. Kararı şirket sahibi ve CFO verecek."
AI buradan şu yapılandırılmış verileri çıkarabilir:
| Alan | Çıkarılan değer |
|---|---|
| Ürün ilgisi | Yüksek |
| Rakip | Rakip A |
| Rekabet aşaması | Değerlendirme |
| Rakip avantajı | Fiyat |
| Bizim avantajımız | Entegrasyon |
| Bütçe zamanı | Ekim |
| Karar vericiler | Şirket sahibi + CFO |
| Competitive Risk | Yüksek |
| Purchase Intent | Orta/Yüksek |
Böylece görüşme notu yalnızca CRM'de saklanan bir metin olmaktan çıkar; AI scoring sisteminin veri kaynağına dönüşür.
Önemli Bir Ayrım: Skorlamak ve Karar Vermek Aynı Şey Değildir
AI'ın "Purchase Intent = 78" demesi bir analizdir. Ancak "Bu müşteriyi bugün satış temsilcisine yönlendir" demek bir karardır. İkinci aşamada rekabet riski, son temas tarihi, veri güncelliği, müşteri değeri, satış temsilcisinin mevcut iş yükü ve müşterinin iletişim geçmişi gibi başka değişkenler de devreye girer.
Bu nedenle scoring "müşteri ne durumda?" sorusuna, Next Best Action ise "şimdi ne yapmalıyız?" sorusuna cevap verir.
AI'ın "Eksik Bilgi" Tespit Edebilmesi
İyi bir AI CRM yalnızca mevcut veriyi analiz etmemeli; hangi bilginin eksik olduğunu da anlayabilmelidir. Örneğin Customer Potential 94 iken Purchase Intent belirsiz, Competitive Risk bilinmiyor ve bütçe zamanlaması bilinmiyorsa AI "Müşteri yüksek potansiyele sahip ancak satın alma kararını değerlendirmek için kritik üç bilgi güncel değil" diyebilir.
Ardından "Müşteriyle yeniden değerlendirme görüşmesi yapılması öneriliyor" şeklinde bir Next Best Action oluşturabilir. Bu yaklaşım CRM'i pasif bir kayıt sistemi olmaktan çıkarıp karar destek sistemine yaklaştırır.
Skorların Gerekçesi Açıklanmalı
AI'ın "Purchase Intent: 82" demesi tek başına yeterli değildir; satış temsilcisi "neden 82?" sorusunun cevabını bilmek isteyecektir. İyi bir sistem şöyle bir açıklama sunabilir:
"Skor son 30 gündeki iki ürün sayfası ziyareti, fiyatlandırma sayfası incelemesi ve demo talebi nedeniyle yükseldi. Ayrıca önceki görüşmede belirtilen satın alma zamanlamasına yaklaşıldı."
Bu, AI kararlarının daha anlaşılır ve denetlenebilir olmasına yardımcı olur.
AI Skorlama İnsan Kontrolünü Ortadan Kaldırmamalı
Satış temsilcisinin müşteriyle yaptığı görüşmeden elde ettiği bilgiler bazı durumlarda AI'ın davranışsal verilerinden daha anlamlı olabilir. Bu nedenle satış temsilcisi AI'ın değerlendirmesini değiştirebilmelidir.
Örneğin AI Purchase Intent'i 81 olarak hesaplamış olabilir. Ancak satış temsilcisi "Müşteri ürünü inceliyor ama şirket içinde proje iptal edildi" diyebilir; bu bilgi skorun düşmesine neden olmalıdır. Dolayısıyla ideal yapı şu şekilde düşünülebilir:
AI analiz eder → insan kontrol eder → sistem öğrenir → skor güncellenir
Lead Scoring'in Asıl Değeri: Satış Ekibinin Önceliklendirilmesi
Satış ekibinin yüzlerce müşteriyi aynı anda aynı yoğunlukta takip etmesi mümkün değildir. AI burada "Bugün özellikle bu müşterilere odaklanmanız öneriliyor" diyebilir. Ancak bunu yalnızca yüksek skora göre değil; müşteri potansiyeli, satın alma eğilimi, etkileşim, zamanlama, rekabet riski ve veri güncelliği gibi değişkenleri birlikte değerlendirerek yapması daha anlamlıdır.
Böylece satış ekibinin amacı daha fazla müşteriyi aramak değil, doğru müşterilere doğru zamanda odaklanmak haline gelir.
EntaLead'de AI Lead Scoring Nasıl Konumlanabilir?
EntaLead açısından bu yapıyı daha geniş bir AI CRM mimarisinin parçası olarak düşünmek mümkündür:
| Katman | Görevi |
|---|---|
| Entaveri | Müşterinin ilk temaslarından veri ve izin toplar. |
| EntaLead CRM | Müşterinin bütün temaslarını ve geçmişini birleştirir. |
| Kuruma özel AI | Görüşme notlarını ve müşteri etkileşimlerini anlamlandırır. |
| AI lead scoring | Müşterinin potansiyelini, satın alma eğilimini ve diğer ticari sinyallerini değerlendirir. |
| Customer 360° | Müşterinin bütünsel profilini oluşturur. |
| Competitive intelligence | Rakip durumu ve rekabet riskini değerlendirir. |
| Next Best Action | Tüm bu bilgiler ışığında bir sonraki en uygun aksiyonu önerir. |
Bu yapı sayesinde AI, CRM'in kenarında duran bir özellik olmaktan çıkar; CRM'in karar verme katmanlarından biri haline gelir. Profil katmanının ayrıntıları için Customer 360 Nasıl Kurulur? Şirketler Müşteri Verilerini Nasıl Birleştirmeli? yazımıza bakabilirsiniz.
Sonuç: Müşteriye Puan Vermek Değil, Müşterinin Durumunu Anlamak
AI lead scoring'in amacı müşterileri 100 üzerinden puanlayıp bir liste oluşturmak değildir. Asıl amaç; müşterinin şirket için değerini anlamak, satın alma eğilimini izlemek, davranış değişikliklerini fark etmek, satın alma zamanlamasını değerlendirmek, rakip riskini hesaba katmak, eksik ve eski bilgileri tespit etmek ve bütün bunları satış ekibinin kullanabileceği anlamlı aksiyonlara dönüştürmektir.
Bu nedenle geleceğin AI destekli CRM'inde "Bu müşterinin skoru kaç?" sorusundan daha önemli soru şudur: "Bu müşterinin durumu ne, bu durum son dönemde nasıl değişti ve şimdi ne yapmalıyız?" Gerçek değer de burada ortaya çıkar; çünkü iyi bir scoring sistemi yalnızca yüksek potansiyelli müşterileri bulmaz, doğru müşterinin doğru zamanda fark edilmesine yardımcı olur.
Müşteri portföyünüzü ticari potansiyel ve satın alma eğilimine göre değerlendirilebilir hale getirmek için bizimle iletişime geçebilirsiniz.
Bu içerik genel bilgilendirme amacıyla hazırlanmıştır. Yazıdaki örnek skorlar, tablolar ve senaryolar temsilîdir; puanlama modeli ve değerlendirme kriterleri şirketin sektörüne, satış modeline ve veri yapısına göre farklılık gösterir.
Uyum ve İzin Süreçlerinizi Tek Panelden Yönetin
Entaveri ile KVKK, ETK, İYS ve çerez yönetimi süreçlerinizi mevzuata uygun biçimde kurun.
Demo İçin İletişime Geç