2. CRM Veri Ekosisteminin Yapısı

CRM sistemleri genellikle aşağıdaki modüllerden veri üretir:

• Kontak Yönetimi (ad, e-posta, demografi, kampanya izinleri)

• Satış Boru Hattı (fırsat adı, aşama, tahmini gelir, kapanış tarihi)

• Destek Talepleri (ticket numarası, konu, çözüm süresi, memnuniyet skoru)

• Pazarlama Etkileşimleri (e-posta açılma/tıklanma, web formları, etkinlik katılımı)

• Ödeme ve Faturalama (sipariş no, fatura tutarı, ödeme yöntemi, vade)

Birden fazla SaaS aracını (HubSpot, Zoho, Freshdesk, Mailchimp) aynı ekosistemde kullanan KOBİ’lerde veriler dağınık kalır. Fusion Tables, “CSV/TSV aktar → ortak anahtarlarla birleştir → sorgula” yaklaşımıyla tek bir görsel pano oluşturmayı mümkün kılmıştır.

3. Kurulum: Veri Toplama ve Temizleme

Adım 1 – CSV Aktarımı

• Satış boru hattını deals.csv, destek taleplerini tickets.csv, pazarlama etkileşimlerini engagements.csv olarak dışa aktarın.

• Her dosyayı doğrudan Fusion Tables arayüzüne sürükleyin ve “Create” butonuna tıklayın.

Adım 2 – Alan Eşleştirme

• Ortak sütunları standartlaştırın: customer_id, created_date, status, value, csat_score vb.

• Tarih formatlarını YYYY-MM-DD standardına dönüştürün.

Adım 3 – Veri Temizliği

• Eksik customer_id satırlarını inceleyin ve “dummy-000” gibi bir değer atayın veya silin.

• Metin alanlarındaki fazlalık boşluk ve özel karakterleri kaldırın.

Adım 4 – Birleştirme (Merge)

• deals.csv ile tickets.csv dosyalarını customer_id üstünden “Merge” işlemi yapın.

• Ardından pazarlama etkileşim tablosunu da aynı birleşik yapıya ekleyin.
  Artık tek bir “master_crm_table” içinde satış, destek ve pazarlama verileriniz senkron durur.

4. Temel CRM KPI’ları ve FTQL Örnekleri

Not: Fusion Tables’ta % işlemleri doğrudan yoktur; oran sütununu oluşturup sonraki görselleştirmede yüzdelik biçimi seçebilirsiniz.

5. Segmentasyon Stratejileri

5.1 Demografik Segmentasyon

age_range, country, industry alanlarına göre GROUP BY sorguları çalıştırarak hangi segmentlerin en yüksek CLV’ye sahip olduğunu tespit edin.

5.2 Davranışsal Segmentasyon

• E-Posta Açma Sıklığı ≥ %50 ve Satın Alma ≥ 2 olan müşterileri “sadık kitle” olarak işaretleyin.

• FTQL ile şartlı sütun:

5.3 Destek Talebi Tabanlı Segmentasyon

csat_score<3 ve ticket_count>2 olan müşteri kümesini “risk altındaki müşteriler” olarak belirleyip öncelikli aksiyon listesi çıkarın.

6. Görselleştirme ve Pano Tasarımı

Fusion Tables, sürükle-bırak yöntemle aşağıdaki bileşenleri oluşturur:

• Çizgi Grafiği: Aylık MRR trendi

• Sütun Grafiği: Satış boru hattı aşamalarına göre fırsat sayısı

• Pasta Grafiği: Müşteri segmentlerine göre gelir dağılımı

• Isı Haritası: Bölgelere göre CSAT skoru yoğunluğu

Hazırladığınız her grafik, “File → Publish” seçeneğiyle <iframe> gömme kodu vererek intranet portalınızda veya SharePoint sayfanızda gerçek zamanlı görselleştirme sağlar.

7. Otomasyon: Google Apps Script Köprüsü

Fusion Tables kendisi gerçek zamanlı API tetikleyicisi barındırmasa da, Google Apps Script ile dakikalık veri güncellemesi kurulabilir:

1. API’den Çek → Sheets

   javascript

   KopyalaDüzenle

   function pullHubSpotDeals() {
var url = 'https://api.hubapi.com/deals/v1/deal/paged?...';
var response = UrlFetchApp.fetch(url).getContentText();
var json = JSON.parse(response).results;
var sheet = SpreadsheetApp.openById('SHEET_ID').getSheetByName('deals');
// satır ekleme...
}


2. Sheets → Fusion Tables Senkronizasyonu

   • onChange(e) tetikleyicisi ile her güncel satırı Fusion Tables API’ye POST edin.

3. Bildirim

   • İlk yanıt süresi 30 dk’yı aşan ticket algılanırsa Slack webhook’una uyarı gönderin.

8. Kapanış Sonrası Modern Mimariye Geçiş

8.1 Veri Ambarı

• BigQuery: PB ölçekli kolon-depolu veritabanı, SQL-atarik ML modelleri

8.2 Görselleştirme

• Looker Studio: Fusion Tables’taki kolaylık + gelişmiş filtreler

8.3 Otomasyon

• Cloud Functions + Pub/Sub: CRM webhook’larından veri akışı

8.4 Güvenlik

• IAM + VPC-SC: Hassas PII verisini sınırlandırın, bölgesel veri uyumluluğunu (KVKK, GDPR) yönetin.

9. Örnek Senaryo: Churn Risk Panosu

Hedef: Son 90 günde fatura ödemesi geciken, CSAT skoru düşük ve destek tiketleri artan müşterileri canlı listede görüntülemek.

Akış:

1. Veri Çekimi: Stripe’dan invoice_status, Freshdesk’ten open_tickets, Typeform’dan csat_score CSV alın.

2. Birleştirme: customer_id üstünden tek tabloya aktarın.

3. FTQL:

   sql

   KopyalaDüzenle

   SELECT customer_id, SUM(overdue_amount) AS debt,
AVG(csat_score) AS avg_csat,
COUNT(ticket_id) AS ticket_total
WHERE invoice_status='overdue'
GROUP BY customer_id
HAVING avg_csat<3 OR ticket_total>3


4. Görselleştirme:

   • Borç büyüklüğüne göre balon harita (coğrafi)

   • Ticket yoğunluğuna göre sıralı çubuk grafik

5. Paylaşım: Satış ekibine embed kodu + Google Chat bot mention ile anlık uyarı.

10. Yapay Zekâ ile CRM Analitiğinin Geleceği

• BigQuery ML: Churn tahmin modeli, olasılık skoru > 0.7 müşterilere “kurtarma kampanyası” tetiklemesi

• Vertex AI + Looker: Doğal dille “Bugün en yüksek riskli müşteriler kim?” diye sor, tablo-grafik olarak yanıt al

• Generative BI: E-posta taslaklarını otomatik oluşturup satış temsilcisine kişiselleştirilmiş içerik öner

• Realtime Stream Analytics: Event-driven mimariyle CSAT anket sonuçları saniyesinde panoya yansır

• Privacy-First Modelleme: Çapraz cihaz müşteri analitiğinde kimlik eşleştirme yerine federated learning

11. Sonuç

Google Fusion Tables, CRM verilerini bir araya getirip anlaşılır kılma konusundaki pratik yaklaşımıyla sayısız işletmenin müşteri odaklı karar alma kültürüne geçişini hızlandırdı. Hizmet kapanmış olsa da, “veriyi erişilebilir kıl, aksi takdirde değeri yoktur” felsefesi BigQuery-Looker-Apps Script ekosisteminde ölçeklenebilir ve güvenli biçimde sürdürülüyor. Satış hızlandırma, kusursuz destek deneyimi ve sadık müşteri tabanı kurmak isteyen organizasyonlar için; merkezi, gerçek zamanlı ve eyleme dönük CRM analitiği kritik avantaj yaratmaya devam edecektir.

Veri, modern dünyanın en değerli varlıklarından biri haline gelmiştir ve iş dünyasında, araştırmada ve karar verme süreçlerinde kritik bir rol oynamaktadır. Biz, veri analizi konusundaki tutkulu bir topluluk olarak, veri biliminin ve analizinin gücünü vurguluyoruz. Web sitemiz, işletmelerden akademisyenlere ve veri meraklılarına kadar herkesin veri analizi becerilerini geliştirmesine yardımcı olmayı amaçlayan bir kaynaktır. Misyonumuz, veri analizi sürecini anlaşılır ve erişilebilir hale getirmek, verilerin içinde gizlenen değeri açığa çıkarmak ve daha bilinçli kararlar almalarını desteklemektir.

Web sitemiz, geniş bir veri analizi yelpazesi sunmaktadır. Hangi sektörde olursanız olun veya hangi veri analizi aracını kullanıyorsanız kullanın, ihtiyaçlarınıza uygun hizmetler sunuyoruz. SPSS, R, Python, Excel veya diğer analiz araçlarını kullanarak veri madenciliği, hipotez testleri, regresyon analizi, zaman serisi tahmini, segmentasyon ve daha fazlasını içeren çeşitli analiz türlerini kapsarız. Ayrıca, öğrenmeyi kolaylaştırmak için zengin kaynaklar, öğreticiler ve interaktif araçlar sunuyoruz.

The post Google Fusion Tables ile CRM Veri Analizi ve Raporlama first appeared on Veri Analizi Yaptırma Merkezi & Danışmanlık.