Renk teması
Demo talep edin

Yapay zekâ ile satış raporu nasıl hazırlanır?

Yayın Güncelleme

Yapay zekâ ile satış raporu beş adımda hazırlanır: dosyayı toplayın, soruyu netleştirin, hesabı yaptırın, tablo ve grafik isteyin, özet metni yazdırıp rakamlarla karşılaştırın. Satış raporu hazırlamak çoğu şirkette aynı işin tekrarıdır: bir tablo dışa aktarılır, bölgelere ve ürünlere göre toplanır, geçen dönemle kıyaslanır, bir özet yazılır. Yapay zekâ bu işin hesap ve yazı kısmına yardım edebilir; ama rapor, ona verdiğiniz dosya ve sorduğunuz soru kadar iyidir ve rakamların doğruluğunu hâlâ siz denetlersiniz. Bu rehber adımları, örnek istekleri ve rakamların nasıl kontrol edileceğini anlatır.

Rapora başlamadan: hangi dosya, hangi soru?

İki şeyi önceden belirleyin: raporun cevaplayacağı soru ve onu besleyecek dosya.

Soru somut olmalı. “Satışlar nasıl?” yerine “Ekim satışı Eylül’e göre bölgelere göre nasıl değişti ve hangi siparişlerde indirim politikamızın sınırı aşıldı?” gibi dönemi, kırılımı ve kıyası içeren bir soru, yapay zekânın neyi hesaplayacağını bilmesini sağlar.

Dosya, CRM’inizden ya da satış tablonuzdan dışa aktarılmış tek bir tablo olmalıdır. Yapay zekâ ile çalışmadan önce şunları kontrol edin:

  • İlk satır başlıktır ve her sütunun adı belli (tarih, müşteri, bölge, ürün, tutar, indirim).
  • Birleştirilmiş hücre, ara toplam satırı ve dipnot yok; bunlar toplamı iki kez saydırabilir.
  • Tarih ve para biçimi tek tip; para birimi bir sütunda ya da dosya adında yazılı.
  • İptal ve iade satırlarının nasıl işaretlendiği belli.

Beş adımda satış raporu

  1. Dosyayı toplayın. Raporun dönemine ait tüm satırları tek dosyada tutun; karşılaştıracağınız dönem de aynı dosyada ya da aynı sütun düzenindeki ikinci bir dosyada olsun.
  2. Soruyu netleştirin. Dönemi, kırılımı (bölge, ürün, müşteri) ve kıyası yazın.
  3. Hesabı yaptırın. Toplam, fark ve oranı hesaplamasını isteyin; hangi satırları saydığını ve neyi dışarıda bıraktığını söylemesini isteyin.
  4. Tablo ve grafik isteyin. Önce tabloyu görün, sonra grafiğe çevirtin; hatalar tabloda daha kolay fark edilir.
  5. Özet metni yazdırın ve düzeltin. Metni rakamlarla karşılaştırın; yapay zekâ bir eğilimi abartabilir ya da tabloda olmayan bir neden uydurabilir.

Örnek istekler

Örnek veriler kurgusaldır.

İstek Verilen dosya Beklenen sonuç
Ekim satış raporunu bölgelere göre hazırla, Eylül’e kıyasla. Ekim ve Eylül satış tablosu Bölge bazında iki dönem, fark ve toplam
İndirim politikamızın sınırını aşan siparişleri ayır. Aynı tablo ve satış politikası belgesi Sınırı aşan siparişlerin listesi, politikadaki dayanak
Üçüncü çeyrekte kaybedilen tekliflerin nedenlerini çıkar. Teklif tablosu ve görüşme notları Nedene göre sayım, nedeni yazılı olmayanlar ayrı
Bu teklifi yönetim için bir sayfalık özete çevir. Teklif belgesi Kapsam, fiyat ve takvim tek sayfada

Bölge kıyasının sonucu şöyle bir tablo olabilir (milyon lira, kurgusal):

Bölge Eylül Ekim Fark
Marmara 6,10 7,35 +1,25
Ege 2,80 3,20 +0,40
İç Anadolu 3,40 3,05 -0,35
Akdeniz 2,60 2,90 +0,30
Doğu ve Güneydoğu 1,90 2,10 +0,20
Toplam 16,80 18,60 +1,80

Böyle bir tabloyu kontrol etmek kolaydır: bölge farklarının toplamı toplam farka eşit olmalıdır (1,25 + 0,40 - 0,35 + 0,30 + 0,20 = 1,80).

Kaybedilen tekliflerin nedeni: tahminden değil, belgeden

Kayıp analizinin tuzağı, nedenin toplantıdaki hatıradan çıkmasıdır. Hatırayla belgedeki kayıt farklı olabilir; yapay zekâya nedeni belgeden çıkarmasını söyleyin, sizin tahmininizden değil. İyi bir istek şunları ister: her kayıp teklif için nedeni belgenin hangi satırından ya da notundan aldığını yazması, nedenleri sabit bir listeye (fiyat, teslim süresi, rakip teklif, bütçenin ertelenmesi, diğer) ayırması ve nedeni belgelerde bulunmayan teklifleri “belirsiz” diye ayrı saymasıdır. Belirsiz teklifler çoksa sorun analizde değil, kayıt tutma alışkanlığındadır.

Rakamlar doğru mu? Satış raporuna özgü kontroller

Üretken yapay zekâ kendinden emin ama yanlış içerik üretebilir; NIST’in üretken yapay zekâ profili bunu “confabulation” diye adlandırır. Genel yöntem (yeniden hesaplama, kaynağa geri izleme, mantık kontrolü) için yapay zekâ cevabının doğrulanması rehberine bakın. Satış raporunda ayrıca şunlara bakın:

  • Satır sayısı: rapor kaç satırı saymış, dosyada kaç satır var?
  • Filtreler: dönem, bölge ve iptal edilen satırlar doğru dışarıda mı kalmış?
  • Fark toplamı: bölge farklarının toplamı toplam farka eşit mi?
  • Metin: özet cümleleri tabloyla birebir örtüşüyor mu?

Raporu bir şablona çevirin

Beğendiğiniz isteği ve dosya düzenini bir not olarak saklayın; her ay aynı düzenle dışa aktarıp aynı isteği verin. Böylece raporlar birbiriyle kıyaslanabilir olur ve bir sapma fark ettiğinizde nedenini dosyada ya da istekte aramak kolaylaşır. İsteği ya da sütunları değiştirirseniz bunu nota yazın; aksi hâlde iki ayın farkı, hesaptan değil düzen değişikliğinden gelebilir.

Müşteri verisi hangi araca girer?

Satış tabloları müşteri adı, iletişim bilgisi ve fiyat gibi kişisel veri ve ticari bilgi taşıyabilir. Kurum’un iş yerlerinde üretken yapay zekâ kullanımına ilişkin metni, müşteri dosyaları, insan kaynakları verileri ve iç yazışmalar gibi bilgilerin üçüncü taraf araçlarla paylaşılmasını içeren kullanımların bazı kurumların politikalarında uygun bulunmadığını belirtir; kişi adı gibi ayırt edici ayrıntılar yerine daha genel ifadelerin tercih edilmesini önerir. Hangi dosyanın hangi araca girebileceğini şirketinizin politikası belirler; çerçeve için şirkette yapay zekâ kullanım politikası rehberine bakın. Bu yazı hukuki tavsiye değildir.

AURA’da nasıl çalışır?

AURA, CRM’inizden dışa aktardığınız Excel ya da CSV dosyasını okur; CRM’e bağlanmaz, dosyayı siz eklersiniz. Hesabı ağı olmayan, yalıtılmış bir ortamda yapar ve sonucu sohbetin yanında bir rapor sayfası olarak açar; “şu bölgeyi ayır” dediğinizde yeni bir sürüm olur ve önceki sürümlere bakılabilir. Rapor sayfasını Word (DOCX) olarak indirebilir, tabloları Excel ya da CSV dosyası olarak alabilirsiniz. Satış politikası gibi belgeleri bilgi tabanına yüklerseniz, model atıf yazdığında cevap dayandığı belgeyi ve yeri gösterir; kaynağa tıklayınca sayfa (sayfası olmayan biçimlerde alıntılanan bölüm) açılır. AURA e-posta göndermez. Şirket Sunucusu ve Bu Bilgisayar kurulumlarında modeller şirketin donanımında çalışır. Web araması Şirket Sunucusu ve Bu Bilgisayar’da kapalı başlar, kurumunuz açarsa çalışır; Voiser Bulut’ta açık gelir, kurumunuz isterse kapatılır. Açıkken dışarı yalnız arama sorgusu ve açılan sayfaların adresleri çıkar. Voiser Bulut’ta sunucuları Voiser işletir.

Ayrıntılar için satış ve pazarlama için yapay zekâ sayfasına bakabilir ya da demo isteyebilirsiniz.

Sık sorulan sorular

Yapay zekâ satış raporunu CRM'den kendisi çeker mi?

Çoğu zaman hayır; en güvenli ve denetlenebilir yol, CRM'den ya da satış tablonuzdan dışa aktardığınız Excel ya da CSV dosyasını yapay zekâya vermektir. Hangi dosyayı verdiğinizi bilirseniz rakamların nereden geldiğini de bilirsiniz.

Rapordaki rakamlara güvenebilir miyim?

Önemli her rakamı bir kez daha, yapay zekâdan bağımsız bir yolla kontrol edin: toplamı başka bir araçta yeniden hesaplayın ve birkaç satırı kaynak dosyaya kadar izleyin. Kurum, üretken yapay zekâ çıktısının nihai kararın dayanağı değil, insan denetimi altında destekleyici bir unsur olarak ele alınmasını önerir.

Müşteri listesini herhangi bir yapay zekâ aracına yükleyebilir miyim?

Bu, şirketinizin politikasına ve aracın verinizi nerede işlediğine bağlıdır. Kurum, müşteri dosyası gibi kişisel veri içerebilecek bilgilerin dış araçlarla paylaşılmasının bazı kurumların politikalarında uygun bulunmadığını belirtir.

Kaybedilen tekliflerin nedenini yapay zekâ bulabilir mi?

Nedenin belgelerde yazılı olduğu ölçüde. Teklif dosyalarında ve görüşme notlarında neden yazmıyorsa yapay zekâ onu tahmin eder; bu nedenle nedeni yazılı olmayan teklifleri ayrı saymasını isteyin.

Kaynaklar

Bu yazıdaki dış bilgiler şu kaynaklara dayanır. Tarih, kaynağın yayın tarihidir; tarihsiz canlı bir belgede erişim tarihidir.

  1. İş Yerlerinde Üretken Yapay Zekâ Araçlarının Kullanımı (duyuru; metnin tamamı duyuruya ekli belgededir)Yayımlayan: Kişisel Verileri Koruma Kurumu · Tarih:
  2. Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile (NIST AI 600-1)Yayımlayan: National Institute of Standards and Technology (NIST) · Tarih:

AURA’yı kendi belgelerinizle görün.

Demo talep edin