Proje İçeriği

Toyota, Türkiye’deki mevcut müşterilerinin bir sonraki araç tercihlerinde Toyota’yı yeniden seçip seçmeyeceklerini öngörebilmek ve bu tercihlerin ardındaki motivasyonları daha iyi anlayabilmek amacıyla "Toyota Araç Satın Alma Tahmin Modeli" projesini hayata geçirdi. 

Toyota, geleneksel süreçlerde kampanya planlamalarını kural bazlı sistemlerle yürütmeye çalışsa da müşteri davranışlarını tam anlamıyla öngöremediği için hedef kitlesini doğru bir şekilde belirlemekte zorluk yaşıyor ve bu durum, pazarlama kampanyalarının etkinliğini sınırlıyordu. Çağrı merkezi ve satış ekipleri, hangi müşterinin araç satın alma potansiyeline sahip olduğunu doğru bir şekilde belirleyemediğinden, kampanyalardaki dönüşüm oranları düşük kalıyor, pazarlama maliyetleri artıyor ve müşteri memnuniyeti olumsuz etkileniyordu. Ayrıca Toyota, müşteri tutundurmasına neden olan faktörleri analiz edemediği için sadakat programlarında da verimlilik sağlayamıyordu. 

Geliştirilen ileri tahmin modeliyle Toyota'nın yaşadığı zorlukların aşılması ve daha isabetli kampanya stratejilerinin oluşturulması hedeflendi. GTech’in ileri analitik ve makine öğrenimi algoritmalarıyla geliştirilen bu model, müşteri davranışlarının ardındaki kritik faktörleri belirleyerek farklı kanallardan gelen verileri işledi ve her müşteriye özel, veri odaklı bir pazarlama iletişimi yapılmasına olanak sağladı. Toyota içerisindeki ilk analitik proje olma özelliği taşıyan bu çalışma, Toyota'nın müşteri odaklı stratejilerini ileriye taşırken veri temelli karar alma kültürünü de güçlendirdi. 

Bu proje sayesinde kampanya dönüş oranları %71 oranında yükselirken, pazarlama faaliyetlerinden elde edilen geri dönüşler büyük ölçüde iyileşti. Kampanyaların hedef kitleye göre filtrelenmesi, pazarlama faaliyetlerinin etkinliğini artırırken, doğru kitleye ulaşan kampanyalar sayesinde satın alma oranı 7 katına çıktı. Bununla birlikte, pazarlama ve iş gücü maliyetleri azaltılarak operasyonel verimlilik önemli ölçüde artırıldı. 

Proje kapsamında: 

Makine öğrenimi algoritmaları kullanarak müşterilerin araç satın alma olasılıklarını tahmin eden bir model oluşturduk. 

Toyota’dan tekrar araç almada nelerin etkili olduğu analiz edilerek, Toyota iş birimlerine süreçleri hakkında bilgilendirdik.  

Tüm kanallardan gelen müşteri verilerini analiz ederek hangi müşterilerin bir sonraki ay araç satın alma ihtimali olduğunu belirledik. 

CRISP-DM metodolojisini kullanarak, verileri anlama, hazırlama, modelleme ve değerlendirme adımlarını izledik. 

Geliştirilen model ile pazarlama kampanyalarının daha hedefe yönelik ve etkili hale gelmesini sağladık. Daha küçük bir müşteri kitlesi ile daha yüksek kampanya dönüş oranları elde edilmiş ve kaynaklar verimli kullanılmış oldu. 
 

Projenin sonunda elde edilen çıktılar şunlardır: 

Kampanya dönüşüm oranları %71 oranında artış gösterdi. 

Hedeflenen müşteri segmentlerine yönelik kişiselleştirilmiş kampanyalar sayesinde pazarlama etkinliği arttı. 

Doğru müşterilere doğru zamanda ulaşılması, satış oranlarında artış sağladı. 

Pazarlama ve iş gücü maliyetleri azaldı, operasyonel hata riskleri minimize edildi. 

Satış ekiplerinin iş yükü azaldı ve müşteri etkileşimleri daha verimli hale geldi. 
 

Proje çıktıları, Toyota'nın hem pazarlama hem de satış stratejilerinde önemli bir değişim yaratmış ve veri odaklı karar alma kültürünü güçlendirmiştir. 
 

Projenin Amacı

Bu proje, Toyota'nın mevcut müşteri ilişkileri yönetimi ve satış tahmin süreçlerini iyileştirmek amacıyla gerçekleştirilmiştir. Geleneksel yöntemlerle manuel olarak yapılan analizler, proje kapsamında geliştirilen makine öğrenimi tabanlı modellerle otomatikleştirilmiş ve daha doğru tahminler elde edilmiştir. Bu proje, aynı zamanda Toyota'nın müşteri bağlılığını artıracak yenilikçi stratejiler geliştirmesine de olanak tanımıştır. 
Proje ile çağrı merkezi ve satış ekiplerinin verimliliğini artırıldı, müşteri segmentasyonuna dayalı kampanya hedeflemesi yapılarak satış süreci daha etkili bir hale getirildi.

Proje içindeki en büyük inovasyon nedir? (yeni bir teknoloji veya var olan teknolojinin farklı kullanımı gibi. IOT, M2M, AI vb.)

Projenin en büyük inovasyonu, Toyota'nın müşteri tercihlerini öngörmek için geliştirilen makine öğrenimi tabanlı araç satın alma tahmin modelleridir. Bu modeller, müşteri verilerini analiz ederek hangi müşterinin hangi model araçları tercih edeceğini ve bu tercihlerin ardındaki nedenleri belirleyebilmektedir. 
 

Ayrıca, geliştirilen modeller sayesinde Toyota, kampanyalarını doğru hedef kitleye ulaştırma konusunda büyük bir başarı elde etmiştir. Bu inovasyonlar, pazarlama etkinliğini artırırken müşteri memnuniyetini ve bağlılığını da yüksek seviyelere taşımıştır. 

Bu projede kullanılan CRISP-DM metodolojisi ile iş hedefleri belirlenmiş ve veriye dayalı süreçler otomatize edilmiştir. Model geliştirme sürecinde kullanılan makine öğrenimi algoritmaları, müşteri davranışlarını analiz ederek kampanya hedeflemelerini daha etkili hale getirmiştir. 
 

Proje kurum içindeki hangi bölüme fayda sağlamıştır?(satış, pazarlama, finans, İK, IT, Üretim, Planlama, Satın alma, Lojistik Müşteri İlişkileri gibi)

Bu proje, Toyota'nın başta Pazarlama, Satış ve Müşteri Hizmetleri departmanları olmak üzere birçok bölümüne fayda sağlamıştır. Veri Analitiği Ekibi: Projenin başarı şirket içerisinde bir veri analitiği ekibinin kurulmasını sağlamıştır. Pazarlama Departmanı: Doğru hedef kitleye ulaşan kampanyaların başarısı artmış, pazarlama faaliyetlerinden elde edilen geri dönüş oranları önemli ölçüde yükselmiştir. Satış Departmanı: Satış tahmin modelleri sayesinde satış stratejileri daha doğru şekillendirilmiş ve satış oranlarında artış gözlemlenmiştir. Müşteri Hizmetleri Departmanı: Müşteri memnuniyetini artıracak stratejiler geliştirilerek, uzun vadeli müşteri bağlılığı sağlanmıştır.

Projenin hayata geçirilmesi konusunda üst yönetimin desteğini tam olarak alabildiniz mi?

Evet, projenin başından itibaren Toyota’nın üst yönetimi, özellikle de CIO ve ilgili departmanların direktörleri projeye tam destek verdi. GTech Proje Ekibi, sürecin her aşamasında Toyota ile yakın bir iş birliği içinde çalıştı ve bu sayede projenin etkin, verimli ve hedef odaklı ilerlemesi sağlandı. Bu güçlü destek, proje kapsamının genişlemesine ve ihtiyaç duyulan çözümlerin hızlı bir şekilde devreye alınmasına büyük katkı sağladı.

Proje sonunda ortaya çıkan sonuçları analiz edebildiniz mi? Rakamsal verilerle ifade eder misiniz?(ROI, maliyetlerde yüzdesel azalma, üretim süresinde azalma, hata payının düşmesi vs.)

Evet, proje sonunda elde edilen sonuçlar detaylı bir şekilde analiz edilmiştir. 

Kampanya dönüş oranları %71 oranında artmış ve pazarlama faaliyetlerinden elde edilen geri dönüşler büyük ölçüde iyileştirilmiştir. 

Proje kapsamında yapılan çalışmalarda, kampanyaların hedef kitleye göre filtrelenmesi sonucu müşteri dönüş oranlarında önemli farklar elde edilmiş, filtrelenmiş kampanyalarda satın alma oranı 7 kat artmıştır. 

Doğru hedef kitleye ulaşılan kampanyalar sayesinde satış oranlarında önemli artışlar gözlemlenmiştir. 

Pazarlama ve iş gücü maliyetleri azaltılmış ve operasyonel verimlilik artırılmıştır. 

Projenizde şirket içinden kaç kişi aktif olarak görev almıştır? Ekip birimleri hakkında kısaca bilgi verir misiniz?

Proje, GTech ve Toyota ekiplerinden gelen farklı uzmanlık alanlarındaki katılımcıların iş birliğiyle hayata geçirilmiştir. GTech ekibinden 3 Data Scientist ve 1 yönetici projede aktif rol almış, veri analizi ve model geliştirme süreçlerini yürütmüştür. Toyota tarafında ise projeyi ilgilendiren iş birimlerinden 3 kişi, gereksinimlerin doğru tanımlanması, süreçlerin desteklenmesi ve uygulama aşamalarında aktif katkı sağlamıştır. Bu disiplinler arası iş birliği, projenin kapsamını genişleterek hem teknik hem de operasyonel gereksinimlere yanıt verecek uçtan uca bir çözüm sunulmasını mümkün kılmıştır.

Projenizde (varsa)işbirliği kurduğunuz veya destek aldığınız bilişim şirketlerini belirtiniz.

Yok

Proje sırasında kullandığınız ve spesifik önemi olan markaları (varsa) belirtiniz. (Yazılım veya donanım markaları)

Yok