Özet:
Yapay zeka ile potansiyel müşteri kalifikasyonu; her yeni adayı saniyeler içinde zenginleştirir, sorgular, puanlar ve yönlendirir. Böylece temsilcileriniz sadece zaman ayırmaya değer adaylarla görüşür. Yapay zeka ile otomatik kalifikasyonu beş adımda kurabilirsiniz:
- 01İdeal müşteri profilinizi ve kurallarınızı belirleyin:Kimlerin uygun olduğunu, nelerin sorulacağını ve puanlamanın nasıl yapılacağını yazılı hale getirin.
- 02Her adayı yakalayın ve zenginleştirin:Tüm kaynakları tek bir akışta toplayın ve eksik verileri tamamlayın.
- 03Bir yapay zeka temsilcisi konuşlandırın:Eleme sorularını sohbet, kısa mesaj veya telefon aracılığıyla sormasını sağlayın.
- 04Puanlayın, yönlendirin ve randevu oluşturun:Yanıtları bir kategoriye, sorumlu temsilciye ve toplantı randevusuna dönüştürün.
- 05İnceleyin ve optimize edin:Görüşme kayıtlarını ve sonuçları her hafta kontrol edip kuralları güncelleyin.
Yapay zeka ile potansiyel müşteri kalifikasyonu, çoğu satış ekibinin yaşadığı matematiksel bir sorunu çözer: Yeni adaylar, temsilcilerin inceleyebileceğinden daha hızlı gelir. En sıcak adaylar sırada bekler, diğerlerine hiç sıra gelmez ve telefon açılana kadar aday soğur ya da başka bir yerden satın alma yapar.
Otomatik potansiyel müşteri kalifikasyonu, ek personel alımına gerek kalmadan bu açığı kapatır. Bunu kendi üzerimizde test ettik:
„Yapay zeka temsilcisinin satış yapmasına ihtiyacımız yoktu. Sadece doğru soruları sorması yeterliydi; yani bir BDR’ın keşif görüşmesinde soracağı soruları sorup takip etmeye değer adayları öne çıkarmasını istedik.“
Pazarlama Direktörü (CMO), CloudTalk
Bu rehber, aynı akışı adım adım nasıl kuracağınızı gösteriyor.
Yapay zeka ile potansiyel müşteri kalifikasyonu nedir ve aday puanlamadan farkı nedir?
Yapay zeka ile potansiyel müşteri kalifikasyonu; yeni adayları otomatik olarak zenginleştirmek, sorgulamak, puanlamak ve yönlendirmek için yapay zekayı kullanır. Böylece ekibiniz yalnızca ideal müşteri profilinize uyan ve satın almaya hazır adaylarla ilgilenir.
Yapay zeka destekli potansiyel müşteri kalifikasyonu sıklıkla aday puanlama ile karıştırılır; ancak bir araç seçerken bu aradaki fark büyük önem taşır.
| Terim | Tanım |
|---|---|
| Yapay zeka ile aday puanlama | Mevcut bir listeyi sıralar: Elinizdeki verilere bakarak her adaya bir puan verir. |
| Yapay zeka ile aday kalifikasyonu | Daha ileri giderek adayla doğrudan iletişim kurar, verilerinizin yanıtlayamadığı soruları sorar ve ilginin gerçek olup olmadığını doğrular. |
Peki yapay zeka aday kalifikasyonuna nasıl yardımcı olur? Bir temsilcinin manuel olarak yapacağı şu dört görevi üstlenir:
- Zenginleştirme:Her yeni adaya sektör, şirket büyüklüğü ve unvan gibi şirket ve iletişim verilerini ekler.
- Etkileşim:Sohbet, mesaj, e-posta veya telefon üzerinden iletişime geçerek eleme sorularınızı sorar.
- Puanlama:Elde edilen verileri ve yanıtları ideal müşteri profilinizle karşılaştırır.
- Yönlendirme:Adayı doğru temsilciye aktarır, toplantı planlar veya besleme sürecine dahil eder.
Aşağıdaki beş adım, bu dört görevi ve doğruluklarını koruyan inceleme sürecini sırasıyla nasıl kuracağınızı açıklar.
MQL, SQL ve PQL: Yapay zekanın adayları taşıdığı aşamalar
Çoğu ekip adayları aşamalara ayırır; yapay zeka kalifikasyonu da bu adayları bir aşamadan diğerine daha hızlı taşımak için vardır. HubSpot bu aşamaları şöyle tanımlar:
| Aşama | Anlamı | Yapay zekanın bu aşamadaki rolü |
|---|---|---|
| MQL (Pazarlama onaylı aday) | Pazarlama içeriklerinizle etkileşime girmiştir ve ilgi gösteriyordur, ancak henüz satış görüşmesine hazır değildir | Satışa hazır olup olmadığını doğrulayan veya eleyen sorular sorar |
| SQL (Satış onaylı aday) | İncelenmiş ve satış ekibiyle doğrudan görüşmeye hazır duruma gelmiştir | Toplantıyı planlar ve yanıtları temsilciye iletir |
| PQL (Ürün onaylı aday) | Ürününüzü kullanmış ve müşteri olma ihtimalinin yüksek olduğunu gösteren eylemlerde bulunmuştur | Deneme süreci devam ederken adayla iletişime geçer |
Satış ekipleri aday kalifikasyonunu neden otomatikleştiriyor?
- Hız:İlk temas saatler değil, saniyeler veya dakikalar içinde gerçekleşir.
- Tutarlılık:Vardiyada kim olursa olsun her adaya aynı sorular ve kurallar uygulanır.
- Kapasite:Mesai saatleri dışında gelenler de dahil olmak üzere tüm adaylar değerlendirilir.
- Temsilci odağı:Temsilciler temel veri toplamakla vakit kaybetmeyip hazır adaylara odaklanır.
Yapay zeka ile aday kalifikasyonu nasıl otomatikleştirilir: 5 adımlı süreç
Yapay zeka ile otomatik aday kalifikasyonu entegre bir akış olarak çalışır:
- 01Aday sisteme ulaşır
- 02Verileri zenginleştirilir
- 03Birkaç soruyu yanıtlar
- 04Bir puan alır
- 05Doğru temsilciye yönlendirilir
Ardından sonuçları inceleyip kuralları optimize edersiniz.
Aşağıdaki yapay zeka aday kalifikasyonu adımlarının her biri; adımın amacını, yapılması gerekenleri, hazırlanacakları, bir örneği ve ekiplerin en çok yaptığı hatayı kapsar.
Büyük projelerle uğraşmadan yapay zeka ile adayları nasıl niteleyeceğinizi merak ediyorsanız, küçük adımlarla başlayın:
- Tek bir aday kaynağı, tek bir temsilci ve tek bir KPI seçin. İlk akış başarıyla çalıştıktan sonra yapıyı genişletin.
1. Adım: İdeal müşteri profilinizi, çerçevenizi ve puanlama kurallarınızı belirleyin
Bu adım ilk sırada yer alır çünkü yapay zeka yalnızca önceden yazılmış kurallara göre eleme yapabilir. Net olmayan kriterler belirsiz adaylar üretir ve bunu sonradan hiçbir model düzeltemez.
İdeal müşteri profilinizi yazılı hale getirin
İdeal müşteri profiliniz (ICP), ürününüzü satın alma ve kullanmaya devam etme olasılığı en yüksek şirket ve kişileri tanımlar. Ekibinizin zaten takip ettiği alanları kullanın:
- Firma bilgileri:Sektör, şirket büyüklüğü, ciro ve bölge.
- Kişi bilgileri:Unvan, kıdem ve departman.
- Teknoloji altyapısı:Adayın kullandığı mevcut CRM ve araçlar.
- Ürün ve niyet sinyalleri (B2B SaaS):Deneme sürümü etkinliği, kullanılan özellikler ve ilgilendiği konular.
- Davranış:Fiyatlandırma ve demo sayfaları ziyaretleri, e-posta etkileşimleri, içerik indirmeleri ve kayıtlar.
Bir kalifikasyon çerçevesi seçin
Seçeceğiniz çerçeve, yapay zeka temsilcinizin hangi soruları soracağını belirler. Şu üç çerçeve çoğu satış sürecini kapsar:
| Çerçeve | Neyi kontrol eder | En uygun olduğu durumlar |
|---|---|---|
| BANT | Bütçe, Yetki, İhtiyaç, Zamanlama (Budget, Authority, Need, Timeline). IBM'de geliştirilmiştir. | Çoğu anlaşmanın bütçe ve zamanlamaya göre belirlendiği kısa, işlem odaklı satışlar |
| CHAMP | Zorluklar, Yetki, Para, Önceliklendirme (Challenges, Authority, Money, Prioritization) | Bütçeden ziyade potansiyel müşterinin sorunundan yola çıkan satışlar |
| MEDDIC | Metrikler, Ekonomik alıcı, Karar kriterleri, Karar süreci, Sorunu belirleme, Şampiyon. 1990'larda PTC'de geliştirilmiştir. | Birden fazla paydaşı olan ve uzun süreçler gerektiren karmaşık B2B anlaşmaları |
Uygunluk ve niyet puanlarını belirleyin
1. Uygunluk puanı potansiyel müşterinin kim olduğunu ölçer (şirket büyüklüğü, unvan, bölge).
2. Niyet puanı potansiyel müşterinin ne yaptığını ölçer (fiyatlandırma sayfası ziyaretleri, demo talepleri, e-posta tıklamaları).
Uygun olan ancak hiçbir niyet göstermeyen bir potansiyel müşterinin beslenmesi gerekir; niyeti olan ancak uygunluğu düşük bir müşteri ise temsilcinin zamanına değmeyebilir. HubSpot'ın potansiyel müşteri puanlama aracı da ayrı uygunluk, etkileşim ve birleşik puanlarla aynı şekilde çalışır.
- Ağırlıklar ve eşikler:Her kritere puan verin ve bir potansiyel müşteriyi satışa hazır hale getiren toplam puanı belirleyin.
- Olumsuz sinyaller:Ücretsiz bir e-posta alanı adı, hizmet vermediğiniz bir ülke veya bir rakibin alanı adı için puan düşürün.
- Puan zamana bağlı azalması:Sinyaller eskidikçe puanları düşürün, böylece altı ay önceki bir fiyatlandırma sayfası ziyareti dünkü ziyaretle aynı sayılmaz.
Bu tek sayfalık ön değerlendirme kural kitabını kopyalayın
Her kriteri yapay zeka temsilcisinin sorduğu bir soruya, kazandığı puana ve nitelikli sayılan cevaba eşleyin. İşte BANT kullanan bir B2B yazılım ekibi için bir örnek:
| Kriter | Sorulacak soru | Puan | Şu durumda nitelikli |
|---|---|---|---|
| İhtiyaç | “Bugün bize ulaşmanıza ne sebep oldu?” | 30 | Ürününüzün çözdüğü bir sorunu belirtiyorsa |
| Zamanlama | “Ne zamana kadar bir çözümün devreye girmesini istersiniz?” | 25 | Önümüzdeki 3 ay içinde |
| Yetki | “Böyle bir araç seçiminde başka kimler yer alıyor?” | 20 | Karar vericiyse veya bir sonraki aramaya birini getirebiliyorsa |
| Bütçe | “Bunun için bütçe ayırdınız mı, yoksa süreç henüz netleşmedi mi?” | 15 | Bütçe mevcut veya planlanıyorsa |
| Uygunluk | “Ekibinizden kaç kişi bunu kullanacak?” | 10 | Minimum anlaşma büyüklüğünüzdeyse veya üzerindeyse |
| Olumsuz sinyal | Yok, verilerden kontrol edilir | −20 | Ücretsiz e-posta alanı adı, desteklenmeyen ülke veya rakip |
Sık yapılan hata:
- Satış ekibinin onaylamadığı kriterler.
Kolay çözüm:
- Herhangi bir otomasyon canlıya geçmeden önce satış yöneticisinin kural kitabını onaylamasını sağlayın.
Adım 2: Gelen her potansiyel müşteriyi gerçek zamanlı olarak yakalayın ve zenginleştirin
Buradaki amaç basittir: Her kaynak gelen her potansiyel müşteri otomatik olarak aynı akışa girer ve yapay zekanın ön değerlendirme yapması için gereken verilerle ulaşır.
Her potansiyel müşteri kaynağını bağlayın
Potansiyel müşterilerinizin nereden geldiğini listeleyin, ardından her kaynağın CRM sisteminizde bir kayıt oluşturmasını sağlayın:
- Web sitesi formları ve demo talepleri
- Web sitesi sohbeti
- Facebook Lead Ads gibi reklam formu kayıtları
- Gelen aramalar
- Etkinlik ve web semineri listeleri
- Deneme sürümü kayıtları
Kimse iletişime geçmeden önce potansiyel müşteriyi zenginleştirin
Formlar nadiren her şeyi yakalar. Potansiyel müşteri zenginleştirme, CRM'inizi firma bilgilerini, teknoloji kullanımlarını ve doğrulanmış iletişim bilgilerini ekleyen veri sağlayıcılarına bağlar.
Birçok ekip şelale zenginleştirme (waterfall enrichment) kullanır: Clay'in rehberinde açıklandığı gibi araç, birden fazla veri sağlayıcısına belirli bir sırayla sorgu gönderir ve her alan için ilk güvenilir sonucu tutar.
Zenginleştirme araçları aşağıdaki araçlar bölümünde ele alınmıştır.
Kötü verileri filtreleyin
İyi bir potansiyel müşteri ön değerlendirme otomasyonu, neyi atlayacağını da bilir. Bir potansiyel müşteri için arama veya mesaj harcamadan önce şunları filtreleyin:
- Yalnızca şirketlere satış yapıyorsanız, ücretsiz veya geçici e-posta alanı adları
- Botlar ve spam gönderileri
- CRM'de zaten bulunan potansiyel müşterilerin kopyaları
- Öğrenciler, rakipler veya hizmet vermediğiniz ülkeler gibi satın alamayacak durumdaki şirketler
Ardından, faal bir web sitesi ve eşleşen bir alanı adı ile şirketin gerçek olduğunu kontrol edin.
Kontrol listesi: CRM verilerinizi haritalandırın
Yapay zeka akışınız, bir olay gerçekleştiği anda bir sistemin diğerine veri göndermesini sağlayan API ve webhook'lar aracılığıyla CRM ile iletişim kurar. Herhangi bir bağlantı yapmadan önce bu hususlarda anlaşın:
- Alanlar:Akışın hangi alanları okuduğu ve hangilerini geri yazdığı.
- Mükerrer kayıtlar:Kayıtların nasıl eşleştirildiği ve birleştirildiği.
- Sorumlu:Potansiyel müşteri sorumlusunun nasıl atandığı.
- İlişkilendirme:Potansiyel müşteri kaynağının ve kampanyanın nerede tutulduğu.
- Rıza:Potansiyel müşterinin aramaları ve mesajları kabul edip etmediğini hangi alanın sakladığı.
- Tetikleyici:"Potansiyel müşteri oluşturuldu" veya "form gönderildi" gibi bir sonraki adımı hangi olayın başlattığı.
Arama verilerinin ve kişilerin CloudTalk ile HubSpot arasında senkronizasyonu bu şekildedir:
Sık yapılan hata:
- Yapay zekayı kirli veya eksik form verileriyle çalıştırmak.
Kolay çözüm:
- Temel alanları zorunlu kılın, formdaki e-postaları ve telefon numaralarını doğrulayın ve temsilci iletişime geçmeden önce her potansiyel müşteriyi zenginleştirin.
Adım 3: Eleme sorularını sormak için bir yapay zeka temsilcisi konuşlandırın
Statik bir formun konuşmaya dönüştüğü yer burasıdır. Potansiyel müşteri eleme yapay zeka temsilcisi, potansiyel müşteri ulaştıktan kısa bir süre sonra onunla iletişime geçer, kural kitabınızdaki keşif sorularını sorar ve yanıtları CRM'inize kaydeder.
Kanalı seçin
Kanalı, potansiyel müşterilerinizin nereden ulaştığına ve onlara ne kadar hızlı ulaşmanız gerektiğine göre seçin:
| Kanal | Hangi durumlarda uygundur | Hız | Neye dikkat edilmeli |
|---|---|---|---|
| Web sohbeti | Fiyatlandırma sayfasını ziyaret edenler gibi zaten web sitenizde olan potansiyel müşteriler | Anında, onlar sayfadayken | Sekmeyi kapattıkları an kaybolurlar |
| SMS | Mobil odaklı kitleler ve kısa sorular | Dakikalar içinde | Mesajlar için rıza kuralları; bir veya iki soruyla sınırlı tutun |
| WhatsApp'ın varsayılan kanal olduğu pazarlar | Dakikalar içinde | Şablon onayı ve katılım (opt-in) kuralları | |
| E-posta | Aciliyeti düşük potansiyel müşteriler ve uzun B2B döngüleri | Saatler içinde | Düşük yanıt oranları ve göz ardı edilme kolaylığı |
| Sesli arama | Yüksek niyetli potansiyel müşteriler, demo talepleri ve telefon numarası olanlar | Saniyeler ila dakikalar içinde | Aramalar için rıza ve yapay zeka bildirimi; potansiyel müşteri telefonu açmayabilir |
Yapay zeka temsilcisinin konuşmada yaptıkları
İyi yapay zeka potansiyel müşteri eleme temsilcileri, hangi kanal olursa olsun aynı modeli izler. Şunları yaparlar:
- 01Konuşmayı açar ve bir yapay zeka asistanı olduğunu belirtirler
- 02Kural kitabınızdaki eleme sorularını doğal bir sırayla sorarlar
- 03Verdiğiniz bilgi tabanından sıkça sorulan soruları yanıtlarlar
- 04„Sadece araştırıyorum“ gibi basit itirazları ele alırlar
- 05Toplantı planlar veya potansiyel müşteriyi bir temsilciye aktarırlar
- 06Yanıtları ve özeti CRM'inize kaydederler
Sınırları belirleyin
Yapay zeka ile potansiyel müşteri eleme otomasyonu, ilk garip aramadan sonra değil, lansmandan önce yazacağınız sınırlara ihtiyaç duyar:
- Asla söylenmeyecekler:Fiyat vaatleri, indirimler, hukuki iddialar veya sözleşmelerle ilgili herhangi bir şey.
- Aktarılacaklar:Şikayetler, mevcut müşteriler ve senaryo dışındaki tüm sorular.
- Açıklanacaklar:İlk cümlede, potansiyel müşterinin bir yapay zeka ile konuştuğu.
- Depolanacak veriler:Yalnızca kural kitabının ihtiyaç duyduğu veriler, rıza kaydedilerek CRM'de saklanır.
Yapay zeka bildirimini de içeren karşılamayı yazar ve temsilci kurulumunda dillerini seçersiniz.
Potansiyel müşteriye hızla ulaşın ve yanıt alamama ihtimalini planlayın
Hız, diğer tüm ayarlardan daha önemlidir.
Yapay zekanın, kayıt oluşturulur oluşturulmaz potansiyel müşteriyle iletişime geçmesi işte bu yüzden şarttır.
Birçok potansiyel müşteri ilk aramaya cevap vermez. Kaç deneme yapılacağını, ne kadar aralıklarla ve hangi saatlerde aranacağını önceden belirleyin; ardından SMS gibi başka bir kanala yönelin.
Önerilen makaleler
- Yapay zeka ile potansiyel müşteri takibinin CRM'inizle nasıl çalıştığını görün.
CloudTalk sesli asistanı, bir SMS Gönder senaryo eylemi aracılığıyla potansiyel müşteriye örneğin bir randevu bağlantısı içeren bir mesaj da atabilir.
Yanıt alınamayan durumlar için basit bir plan şöyle görünebilir:
Yapay zeka sesli asistanı ile telefon üzerinden potansiyel müşteriler nasıl nitelikli hale getirilir: CloudTalk örneği
Satış ekibimiz ayda BDR'lerin arayabileceğinden çok daha fazla, binlerce potansiyel müşteri talebi alıyordu. Bu yüzden temsilciler yalnızca üst gruptaki net nitelikli kişilere odaklanabiliyordu. Önemli verileri eksik olan veya düşük ilgi gösteren diğer kitleye ise ulaşılamıyordu.
CloudTalk'un yapay zeka sesli asistanları HubSpot'a bağlandığı için kurulum oldukça kolaydı: Temel bir mantık, kısa bir senaryo ve CRM'den çekilen bir kişi listesi. İlk asistan birkaç gün içinde yayındaydı. Görevi sadece ön görüşme yapmaktı ve üç temel soru soruyordu:
- 01CloudTalk'u tercih etme sebebiniz nedir?
- 02Nereden arama yapmanız gerekiyor?
- 03Kaç kullanıcı olacak?
Potansiyel müşteri ilgiliyse, asistan onları temsilciye bağlıyor veya bir takip görüşmesi planlıyordu. İlgilenmiyorsa müşteri adayı durumunu işaretleyip diğerine geçiyordu. Sonuçlar, satış ekibine hiçbir ekstra yük getirmeden doğrudan HubSpot'a aktarılıyordu.
Formda "1–2 kullanıcı" seçtiği için bir kenara itilen müşteri adaylarının, telefonda aslında çok daha yüksek potansiyele sahip olduğu ortaya çıktı. Form verileri potansiyellerini eksik yansıtıyordu ve üç dakikalık bir görüşme bu durumu çözdü.
Potansiyel müşteriler bir telefon numarası bıraktığında, gerçek bir görüşmeye değecek nitelikte olduklarında ve hızı yüksek olanın kazandığı durumlarda ses en doğru kanaldır.
Sonuçları da içeren tüm kurulum sürecini potansiyel müşteri nitelendirme rehberi oturumumuzda izleyin:
Sık yapılan hata:
- Asistanın satış yapmasına izin vermek.
Kolay çözüm:
- Asistanın görevini yalnızca bilgi toplama ve aktarma ile sınırlı tutun; fiyatlandırma ve pazarlık kısmını temsilcilerinize bırakın.
Adım 4: Müşteri adayını puanlayın, yönlendirin ve toplantıyı ayarlayın
Artık alınan yanıtlar bir karara dönüşüyor: Bu müşteri adayı kime aktarılacak ve bundan sonra ne olacak?
Nasıl puanlayacağınızı seçin
| Puanlama yöntemi | Nasıl çalışır | Neye ihtiyaç duyar |
|---|---|---|
| Kural tabanlı | Kurallarınız doğrultusunda belirlenen puanlar ve eşikler | Sadece üzerinde anlaşılmış kurallar; açıklaması kolaydır |
| Tahmine dayalı (Prediktif) | Geçmiş kazanılan ve kaybedilen fırsatlarınızla eğitilmiş bir model | CRM'de yeterli geçmiş veri ve temiz sonuç verileri |
| Görüşme tabanlı | Yapay zeka, müşterinin aramada veya sohbet içinde söylediklerini puanlar | Her yanıtı bir alana ayrıştıran bir asistan |
- 01Kurallar ile başlayın ve yeterli geçmiş veriye ulaştığınızda tahmin modellerini ekleyin.
- 02Hangi yöntemi kullanırsanız kullanın, bir temsilcinin müşteri adayının bu puanı neden aldığını görebilmesini sağlayın.
Puanları segmentlere ve yönlendirme kurallarına dönüştürün
Uygunluk, niyet ve görüşme yanıtlarını net eşiklerle üç katmana ayırın, ardından her katmana bir eylem ve bir sorumlu atayın:
| Katman | Kural | Eylem | Sorumlu |
|---|---|---|---|
| Sıcak (Hot) | SQL eşiğini karşılıyor ve görüşmek istiyor | Toplantı planlayın veya canlı aktarın; temsilciye bildirim gönderin | Bölgeye göre satış temsilcisi veya sırayla (round-robin) |
| Ilık (Warm) | Uygun ancak zamanlama veya ihtiyaç kesinleşmemiş | Takip serisi ve tekrar arama | SDR ekibi |
| Soğuk (Cold) | Düşük uygunluk veya mevcut ihtiyaç yok | Besleme (nurture) sürecine aktarın | Pazarlama |
| Diskalifiye | Satın alamıyor veya iletişime geçilmemesini istedi | Gerekçeyle işaretleyin ve iletişimi durdurun | Kimse; yalnızca kayıt |
Sıcak potansiyel müşterileri bölgeye, ürüne ve temsilci kapasitesine göre yönlendirin ve bir yanıt süresi kuralı ekleyin. CloudTalk'un web seminerinde açıklanan kendi iş akışında, üç veya daha fazla kullanıcı lisansına ihtiyaç duyan potansiyel müşteriler, 30 dakika içinde takip yapılmak üzere bir SDR uyarısını tetiklerken, daha küçük ölçekli potansiyel müşteriler ücretsiz deneme başlatmaya davet edilir.
CloudTalk'ta çağrı yönlendirmenin nasıl çalıştığını bu kısa etkileşimli demoda görün:
Sonraki eylemleri otomatikleştirin
- Atayın:
- Uyarın:Temsilciye Slack, Teams veya e-posta üzerinden özetle birlikte bildirim gönderin.
- Randevu oluşturun:Yapay zeka randevu alma özelliğiyle toplantıyı doğrudan temsilcinin takvimine ekleyin.
- Takip edin:Ilık potansiyel müşterileri bir takip serisine ekleyin.
- Besleyin:Soğuk potansiyel müşterileri pazarlama kampanyalarına aktarın.
- Sonlandırın:Diskalifiye edilen potansiyel müşterileri bir gerekçe belirterek işaretleyin, böylece raporlayabilirsiniz.
1. Sesli asistanın randevu alma becerisi, arama sırasında Google Calendar, Microsoft Outlook, Calendly veya Cal.com üzerinde randevu oluşturur.
2. Topladığı yanıtlar, arama kaydının bir parçası olarak HubSpot, Salesforce, Pipedrive ve Zoho gibi CRM entegrasyonlarınıza aktarılır veya webhook ile gönderilir.
Yapay zeka tabanlı bir randevu asistanı, SDR'lerinizin toplantı planlama görevini devralabilir mi? Yaklaşımımızı izleyin:
Tam bağlam sunarak devredin
Temsilci asla aynı soruları ikinci kez sormamalıdır. Her devir işlemi şunları içermelidir:
- Görüşmenin kısa bir özeti
- Her bir nitelik belirleme sorusunun yanıtı
- Skor ve potansiyel müşterinin bu skoru alma nedeni
- Kayıt veya deşifreye yönlendiren bir bağlantı
- Önerilen sonraki adım
Bir CloudTalk sesli asistanı bir aramayı bir temsilciye veya gruba aktardığında, temsilci arayanın adını, yapay zeka tarafından oluşturulmuş bir özeti ve seçtiğiniz alanları içeren bir bağlam kartı görür.
Sık yapılan hata:
- Sıcak bir potansiyel müşteriyi sıraya bırakmak.
Kolay çözüm:
- Uyarı içeren bir yanıt süresi kuralı belirleyin ve temsilcilerin buna ne sıklıkla uyduğunu takip edin.
5. Adım: Görüşmeleri inceleyin ve puanlamanızı kalibre edin
Pazarınız, ürününüz veya teklifiniz değiştiği anda bir yapay zeka asistanı ekseninden kayar; bu nedenle nitelik belirleme hiçbir zaman "bir kez kurulup bırakılacak" bir süreç değildir. Haftalık bir rutin oluşturun:
- Örnek bir deşifre kümesini okuyun:Haftada 10 ila 20 deşifre, garip yanıtları ve kafası karışık adayları tespit etmek için yeterlidir.
- Yanlış pozitifleri kontrol edin:Yapay zekanın uygun bulduğu ancak satış ekibinin reddettiği adaylar.
- Yanlış negatifleri kontrol edin:Yapay zekanın reddettiği ancak sonradan satın alan veya geri dönen adaylar.
- Katmanları karşılaştırın:Her bir katman ve her bir yanıt süresi için potansiyel müşteriden fırsata dönüşüm oranına bakın.
Ardından kalibre edin. Müşterilerin yanlış anladığı soruları yeniden ifade edin, ağırlıkları ve eşik çubuklarını ayarlayın, bir şey öngörmeyen kriterleri kaldırın ve skor zamana bağlı düşüşünün (score decay) satış döngünüzle hala uyuşup uyuşmadığını kontrol edin.
Temsilcilerden bir adayı neden reddettiklerini kaydetmelerini isteyin ve kazanılan/kaybedilen fırsat sonuçlarını kurallara geri besleyin.
Yapay zeka destekli çağrı puanlama burada yardımcı olur: Her aramayı bir puan kartına göre değerlendirir, böylece hangi görüşmelerin gerçek fırsatlara dönüştüğünü görebilirsiniz.
Conversation Intelligence'ın her aramaya ne kattığını görün:
Sık yapılan hata:
- Kurup unutmak.
Kolay çözüm:
- Haftalık incelemeyi birinin takvimine ekleyin ve tüm kural değişikliklerini kaydetin.
Yapay zeka ile manuel potansiyel müşteri nitelendirme karşılaştırması: Gerçekte ne değişiyor ve insanlar nerede hala lider?
Yapay zeka destekli potansiyel müşteri nitelendirme ekibinizin yerini almaz. Sürecin hangi kısmını kimin yapacağını değiştirir. İşte üç yaklaşımın karşılaştırması:
| Manuel | Kural tabanlı otomasyon | Yapay zeka destekli | |
|---|---|---|---|
| Hız | Saatler veya günler sürer | Yönlendirme anında gerçekleşir, ancak görüşme yapılmaz | Görüşme dahil saniyeler veya dakikalar içinde |
| Tutarlılık | Temsilciye ve güne göre değişir | Her seferinde aynı kurallar | Her seferinde aynı sorular ve kurallar |
| Potansiyel müşteri başına maliyet | En yüksek; temsilci her aday için zaman harcar | Düşük | Düşük, dakika veya görüşme başına fiyatlandırılır |
| Detay ve incelikleri yönetme | En iyisi | Yok; yalnızca sabit kurallar | Net yanıtlar için başarılı; belirsiz olanları aktarır |
| Kurulum çabası | Eğitim ve senaryolar | CRM içinde iş akışı oluşturma | Kurallar, yönlendirmeler, entegrasyon ve test |
Yapay zekanın daha iyi yaptığı şeyler ve insanların hala daha iyi yaptığı alanlar
| Yapay zekanın üstün olduğu alanlar | İnsanların üstün olduğu alanlar |
|---|---|
| Anında yanıt | Karmaşık veya stratejik hesaplar |
| Her potansiyel müşteri için aynı kurallar | Müzakereler |
| Günün her saatinde kesintisiz hizmet | Olağan dışı durumlarda muhakeme yeteneği |
| Kimsenin sevmediği veri girişleri | Satışı kapatan ilişkileri kurmak |
Yapay zeka sesli temsilcilerinin henüz yapamadığı şeyler ve otomasyondan önce bunlara neden dikkat etmeniz gerektiği:
1. Yapai zeka ilk teması ve nitelendirmeyi üstlenir.
2. İnsanlar sıcak potansiyel müşterileri ve özel durumları ele alır; satış bildirimleri de yapay zekayı her hafta geliştirir.
Yapay zeka potansiyel müşteri nitelendirme yazılımı nasıl seçilir: Araç türleri ve seçim kriterleri
Yapay zeka potansiyel müşteri nitelendirme araçları dört tipe ayrılır ve çoğu ekip iki veya üçünü bir arada kullanır. Tamamlanması gereken işten başlayın, ardından uygun türü seçin:
| Tür | Ne yapar | Örnekler | Şu durumda tercih edin |
|---|---|---|---|
| Veri ve zenginleştirme | Genellikle kademeli zenginleştirme (waterfall enrichment) yoluyla şirket ve iletişim verilerini ekler | Clay, ZoomInfo, Apollo.io | Potansiyel müşterileriniz eksik alanlarla ulaştığında |
| CRM tabanlı puanlama ve temsilciler | CRM'iniz içinde potansiyel müşterileri puanlar ve yapay zeka temsilcilerini çalıştırır | HubSpot (potansiyel müşteri puanlama, Breeze temsilcileri), Salesforce (Einstein Lead Scoring, Agentforce) | Puanlamanın temsilcilerinizin halihazırda çalıştığı yerde yapılmasını istediğinizde |
| Diyalog dayalı temsilciler | Potansiyel müşteriyle telefon veya sohbet üzerinden konuşur ve yanıtları toplar | Ses: CloudTalk, Bland AI, Retell AI, ElevenLabs. Sohbet: Qualified (Piper) | Yalnızca puana değil, doğrudan görüşmeye de ihtiyacınız olduğunda |
| Otomasyon ve LLM oluşturucuları | Kendi temsilcinizi ve iş akışınızı oluşturmanıza olanak tanır | Make (AI Agents), n8n (AI Agent node) | Teknik ekibiniz olduğunda ve tam kontrol istediğinizde |
CRM tabanlı yapay zeka ve diyalog dayalı platformlar farklı sorunları çözer:
- CRM araçları elinizdeki verileri puanlar ve yönlendirir.
- Diyalog dayalı temsilciler ise soru sorarak elinizde olmayan verileri toplar.
Potansiyel müşterilerinizin çoğu eksik bilgilerle ulaşıyorsa, muhtemelen her ikisine de ihtiyacınız olacaktır.
Hazır temsilci mi yoksa kendi sisteminiz mi?
Hazır bir temsilciyi kullanıma sunabilir veya bir dil modeli ve Make ya da n8n gibi bir otomasyon aracıyla kendi akışınızı oluşturabilirsiniz. Aralarındaki farklar şunlardır:
| Hazır temsilci | Kendi sisteminiz | |
|---|---|---|
| Yayına alma süresi | Birkaç gün ile iki hafta arası | Ekibinize bağlı olarak birkaç hafta |
| Kontrol | Platform içinde yapılandırılabilir | Mantık ve komutlar (prompt) üzerinde tam kontrol |
| Bakım | Ses, telefon altyapısı ve entegrasyonları sağlayıcı yönetir | Komutlar, testler, izleme ve düzeltmeler sizin sorumluluğunuzdadır |
| Gereksinimler | Kural setiniz ve bir CRM bağlantısı | Bir yazılımcı veya otomasyon uzmanı, bir LLM hesabı ve telefon/sohbet altyapısı |
Bir araç seçmeden önce kontrol etmeniz gerekenler
- Kanal kapsamı:Potansiyel müşterilere ulaştıkları kanallarda (sohbet, SMS veya telefon) erişebiliyor mu?
- CRM senkronizasyonu:CRM'inize doğrudan bağlanıyor mu ve hangi veriler nereye aktarılıyor?
- Kontrol:Soruları, mantığı ve sınırları kendiniz düzenleyebiliyor musunuz?
- Veri:Veri zenginleştirme dahil mi, yoksa ayrı bir araca mı ihtiyacınız var?
- Devir süreci:Canlı bir konuşmayıaktarabiliyor veya tüm bağlamla birlikte bir toplantı planlayabiliyor mu?
- Uumluluk:Yapay zeka açıklaması, rıza kayıtları ve çağrı kaydı bildirimlerini destekliyor mu?
- Analizler:Konuşma dökümleri, özetler ve sonuç raporları alabiliyor musunuz?
- Kurulum süresi:İlk temsilci ne kadar sürede canlıya geçiyor ve bunu kim kuruyor?
- Toplam maliyet:Platform ücreti, dakika veya kullanıcı sayısı, ek özellikler ve kurulum.
Yapay zeka potansiyel müşteri nitelendirme yazılımı telefon aramaları üzerinden çalışır: Yapai zeka sesli temsilcileri yeni potansiyel müşterileri arar, sorularınızı 70+ dilde sorar, toplantı ayarlar ve sıcak müşterileri bir temsilciye aktarır. Zenginleştirme ve öngörücü puanlama CloudTalk'tan değil, CRM'inizden veya bir veri aracından gelir.
Flexible Pricing Plans to Scale with You
Compare our plans
Farklı sağlayıcılarda yapay zeka sesli temsilci fiyatlandırmasının nasıl çalıştığına dair daha geniş bir bakış için bu incelemeyi izleyin:
Yapay zeka potansiyel müşteri nitelendirme otomasyonunun zorlukları ve bunlardan kaçınma yolları
Yukarıdaki her adım en yaygın hatasıyla sona ermektedir. Aşağıdaki zorluklar ise tüm süreci kapsar: yasalar, verileriniz ve sistemin yönetimi.
Rıza, çağrı kaydı ve yapay zeka bilgilendirmesi
Yapay zeka aramaları ve mesajları için geçerli kurallar e-postalara göre daha katıdır ve ülkeden ülkeye değişiklik gösterir.
- Amerika Birleşik Devletleri:FCC, Şubat 2024'te yapay zeka tarafından oluşturulan seslerin TCPA kapsamında "yapay" ses olarak değerlendirildiğine karar verdi. Bu sesleri kullanan aramalar için aranan tarafın önceden açık rızası, tele-pazarlama için ise önceden açık yazılı rızası gerekir. Eyalet kuralları ekstra yükümlülükler getirebilir.
- Avrupa Birliği:GDPR uyarınca potansiyel müşteri verilerini işlemek için yasal bir dayanağa ihtiyacınız vardır ve kişiler istedikleri zaman doğrudan pazarlamaya itiraz edebilir. 2 Ağustos 2026'dan itibaren AB Yapay Zeka Yasası Madde 50 gereğince, kişilerin bir yapay zeka sistemiyle etkileşime girdiklerinde bilgilendirilmeleri zorunludur.
- Kayıt bildirimleri:Yasaların gerektirdiği durumlarda potansiyel müşteriye aramanın kaydedildiğini bildirin. Arama kaydı yasaları hakkındaki rehberimiz bölgelere göre kuralları kapsamaktadır.
- Rıza kayıtları:Rızayı, kaynağını ve tarihini CRM'de saklayın ve her arama veya mesajdan önce kontrol edin.
Yapay zeka bildirimini, şirket adını, kayıt uyarısını ve ayrılma seçeneğini temsilcinin karşılama metnine yazarsınız.
Aday puanlamada veri gizliliği ve taraflılık
- Veri minimizasyonu:Yalnızca kural kitabınızın kullandığı verileri toplayın.
- Veri saklama:Kayıtları ve deşifreleri ne kadar süre saklayacağınıza karar verin, ardından planlanan zamanda silin.
- Erişim yetkisi:Özellikle adaylar kişisel detaylar paylaşıyorsa, deşifreleri kimlerin görebileceğini sınırlandırın.
- Vekil değişken kullanmama:İsim, posta kodu veya şive gibi korunan niteliklerin yerini tutan sinyallere göre puanlama yapmayın.
- Segment incelemeleri:Adil olmayan kalıpları tespit etmek için bölgeler ve segmentler arasındaki nitelik kazanma oranlarını karşılaştırın.
- Açıklanabilir mantık:Puanlama kurallarını anlaşılır ve denetlenebilir tutun, böylece bir adayın neden reddedildiğini gösterebilirsiniz.
Kilit hesapları aşırı otomatikleştirmeyin
Bir insan yerine botla karşılaşan hedef bir hesap ilgisini hızla kaybedebilir. Belirlenmiş hesaplarınızı, kurumsal adaylarınızı ve yönlendirmelerinizi CRM’de işaretleyin ve doğrudan bir temsilciye aktarın.
Büyük ekipler için yönetim ve sorumluluk
Sistemi kullanan ekip sayısı arttıkça, birinin bu sistemin sorumluluğunu üstlenmesi gerekir.
Yapay zeka ile aday nitelendirmede izlenecek temel metrikler
Yapay zeka ile otomatik aday nitelendirmenin çalışıp çalışmadığını ve aksayan yönlerini görmek için bu KPI’ları takip edin:
| KPI | Formül | Ne anlatır? |
|---|---|---|
| İlk temas hızı | İlk temas deneme zamanı − adayın oluşturulma zamanı | Akışınızın adaylara henüz ilgileri devam ederken ulaşıp ulaşmadığı |
| Ulaşma oranı | Ulaşılan aday sayısı ÷ denenen aday sayısı | Kanalınızın ve zamanlamanızın işe yarayıp yaramadığı |
| Nitelendirme oranı | Nitelendirilen aday sayısı ÷ ulaşılan aday sayısı | Kurallarınızın çok katı mı yoksa çok esnek mi olduğu |
| Satış kabul oranı | Satış ekibinin kabul ettiği yapay zeka nitelikli adaylar ÷ yapay zeka nitelikli adaylar | Satış ekibinin yapay zekanın kararlarına güvenip güvenmediği |
| Adaydan fırsata dönüşüm oranı | Fırsatlar ÷ nitelikli adaylar | Nitelikli adayların gerçek satış fırsatlarına dönüşüp dönüşmediği |
| 100 aday başına planlanan toplantı | Planlanan toplantılar ÷ adaylar × 100 | Temsilcilerin günlük olarak hissettiği verimlilik |
| Nitelikli aday başına maliyet | Akışın toplam maliyeti ÷ nitelikli adaylar | Kurulumun kendi masrafını karşılayıp karşılamadığı |
| Tasarruf edilen temsilci süresi | Yapay zeka tarafından yönetilen görüşmeler × ortalama manuel nitelendirme süresi | Ne kadar ek kapasite yarattığınız |
Yapay zekanın çalıştığı nasıl kanıtlanır?
Doğrudan kontrol paneline güvenmek yerine bir etki testi (lift test) uygulayın:
- 01Temel bir seviye belirleyin:Lansmandan birkaç hafta önce mevcut verilerinizi kaydedin.
- 02Adayları bölün:Yeni adayların bir kısmını yapay zeka akışına yönlendirin, geri kalanını ise karşılaştırma grubu olarak insan ekibinize bırakın.
- 03Her defasında tek bir şeyi değiştirin:Yeni bir soru, sıralama, kanal veya ilk mesaj test ettiğinizde, adayların bir kısmını her bir versiyona gönderin.
- 04Karşılaştırın:Her iki grup için de dönüşüm, hız, maliyet ve temsilci geri bildirimlerine bakın.
- 05Yeterince uzun süre çalıştırın:Her teste en az tam bir satış döngüsü kadar süre tanıyın ve her iki grubu aynı anda çalıştırın, böylece mevsimsel dalgalanmalar yapay zekaya mal edilmemiş olur.
Ne raporlanmalı ve ne sıklıkla?
İlk temas hızı, ulaşma oranı ve satış kabul oranını her hafta gözden geçirin, çünkü bunlar sorunları erken gösterir. Adaydan fırsata dönüşüm oranı ve nitelikli aday başına maliyeti ise netleşmesi zaman aldığından satış ve pazarlama liderleriyle aylık olarak değerlendirin.
CloudTalk Analizler özelliğini bu kısa demoda inceleyin:
CloudTalk Analizler şunları gösterir:
- Aramalarınızın ve temsilcilerinizin nasıl performans gösterdiği
- Arama hacimlerini ve konuşma sürelerini takip eden temsilci ve grup raporları
- Her aramanın ayrıntılarını tutan arama kaydı
- Raporları "İlgileniyor" gibi arama etiketlerine göre filtreleyebilir veya cevapsız aramaları raporlayabilirsiniz.
- Sesli yapay zeka temsilcisi aramaları, Analizler bölümünde ekibinizin aramalarının yanında temsilcinin adı altında görünür.
Yatırım getirisi (ROI) nasıl ifade edilir?
Yapay zekanın oluşturduğu satış fırsatı hattının (pipeline) değerini, sistemi çalıştırma maliyetine bölün. CloudTalk'ın kendi deneyinde bu durum, tahmini €750 kampanya maliyetine karşılık €12.8K değerinde SQL (Satış Nitelikli Aday) elde edilmesini sağladı; yani yatırımın yaklaşık 17 katı.
Önerilen Yazılar
Tek bir aday kaynağı ve tek bir temsilci ile başlayın
- Yapay zeka ile aday nitelendirme, kuralları insanlar koyduğunda ve tekrarlayan işleri yapay zeka yaptığında başarılı olur.
- ICP’nizi, çerçevenizi ve puanlama kurallarınızı belirleyin ve satış ekibinin onayını alın.
- Her adayı tek bir akışa yönlendirin ve verilerini zenginleştirin.
- Bırakın soruları yapay zeka temsilcisi sorsun, ardından puanlasın, yönlendirsin, toplantıyı otomatik planlasın ve sonuçları her hafta gözden geçirin.
Araçlarınızı adaylarınızın kullandığı kanala ve temsilcilerinizin çalıştığı CRM’e göre seçin; ilk aramadan önce rıza ve yapay zeka bilgilendirmesini ayarlayın.
Sıkça Sorulan Sorular
Çerçevenizdeki her kriter için kısa bir soru sorun: İletişime geçmelerine ne sebep oldu (ihtiyaç), ne zaman bir çözüm istiyorlar (zaman çizelgesi), başka kim karar veriyor (yetki) ve bütçe var mı. Ekip büyüklüğü gibi uygunluk belirleyen bir soru ekleyin. Üç ila beş soru yeterlidir; CloudTalk'ın kendi nitelendirme temsilcisi üç soru sordu.
Hayır, ama rolü değiştirir. Yapay zeka ilk teması, veri toplamayı ve SDR'lerin asla ulaşamadığı geniş kitleyi üstlenir. SDR'ler ise zamanlarını sıcak adaylara, takip aramalarına ve insan değerlendirmesi gerektiren hesaplara ayırır. Çoğu ekip açılan zamanı ekibi küçültmek için değil, daha fazla adayla çalışmak için kullanır. Giden sesli yapay zeka temsilcilerinin sürece nasıl dahil olduğunu inceleyin.
Kurallarınız ve verileriniz kadar doğrudur. Bunu, satış ekibinin kabul ettiği yapay zeka nitelikli adayların oranıyla ve reddedilen kaç adayın daha sonra satın alma yaptığıyla ölçün. Kabul oranı düşerse, eşik değerlerini değiştirmeden önce deşifreleri tekrar okuyun. Arama puanlama bu incelemeyi hızlandırır.
Karar sizin. CRM iş akışınızda arama deneme sayısını, denemeler arasındaki süreyi ve arama saatlerini ayarlayın; ardından gerekirse SMS veya e-postaya geçin. Aday müşteriyi bunaltmamak için birkaç denemeden sonra durun. Yapay zeka ile aday müşteri takibinin bunu nasıl yönettiğini inceleyin.
Evet. Gelen aramalarda yapay zeka temsilcisi aramaları veya sohbetleri yanıtlayarak kişileri henüz hattayken niteliklendirir. Giden aramalarda ise yeni form dolduran adayları, deneme sürümüne kaydolanları veya eski listeleri arar. Gelen aramalar bir yapay zeka resepsiyonisti, giden adaylar ise yapay zeka ses temsilcisi tarafından niteliklendirilebilir.
Tek bir aday kaynağı ve CRM’inizin yerleşik puanlama sistemiyle başlayın, ardından adayların en çok beklediği noktaya diyalog bazlı bir temsilci ekleyin. Adaylarınız sizi arıyorsa, CloudTalk’un Yapay Zeka Resepsiyonisti 200 dakika için aylık $99’dan başlayan fiyatlarla sunulur ve test etmeniz için 50 ücretsiz dakika içerir. Daha fazlasını eklemeden önce tek bir KPI ölçün.
CRM’inizdeki kural tabanlı basit bir akış bir gün içinde çalışır hale gelebilir. Diyalog bazlı bir temsilci kurmak ise kuralları yazdığınız, CRM’i bağladığınız ve aramaları test ettiğiniz için daha uzun sürer. CloudTalk’un kendi ilk temsilcisi birkaç gün içinde canlıya geçti ve ekiplerin çoğu CloudTalk yapay zeka aday müşteri niteliklendirmesi ile bir ila iki hafta içinde canlıya geçmektedir.
Akışın toplam maliyetini (platform, dakikalar, veri zenginleştirme ve kurulum) niteliklendirilen aday sayısına bölün. CloudTalk’un deneyinde, yaklaşık €750 tutarındaki harcama 997 görüşmeyi kapsadı; yani görüşme başına yaklaşık €0.75. Bunu, nitelikli aday başına bir temsilcinin zaman maliyetiyle karşılaştırın. Güncel eklenti fiyatları için yapay zeka ses temsilcisi fiyatlandırması sayfasına göz atın.
