Problem → Çözüm
Problem
Herkese aynı %10 kuponu dağıtmak bütçeyi yakıyor: sadık kullanıcı zaten sipariş verecekti, kaybolmak üzere olan kullanıcıya ise %10 yetmiyor. Kampanya ekibi hangi ödülün kime gerçekten etki ettiğini ölçemiyor.
Çözüm
Günde bir kez çevrilen çarkın görünen dilimleri sabit, ama düşecek ödül kişiye göre seçiliyor. Churn riski ve ödül hassasiyetini tahmin eden model, günlük bütçe kısıtı altında retention etkisini maksimize eden ödülü atıyor.
Temel özellikler
Yapay zeka nerede devreye giriyor?
Uplift ve churn modelleri her kullanıcı için ödül başına artımsal etkiyi tahmin eder; bir optimizasyon katmanı bunu bütçe altında dağıtır.
- LightGBM churn modeli: son 30 gün sipariş aralığı, sepet trendi, uygulama açılışı → 14 günlük kayıp olasılığı
- T-learner uplift modeli ile her ödül tipi (ücretsiz teslimat, 50 TL, x2 puan) için artımsal sipariş tahmini
- Lagrange çarpanlı greedy atama: günlük bütçe kısıtında toplam uplift maksimizasyonu, Redis’te gerçek zamanlı bütçe sayacı
Nasıl çalışır?
Stack
Arayüz
Backend
AI / ML
Veri
Altyapı & DevOps
Pazarlama & lansman
Başarı metrikleri (hedef)
MVP yol haritası
Bir fikri production’a taşırken ilk sorum şu: ölçülebilir mi ve mevcut sistemi bozmadan nasıl açılır? Yaklaşık 4 yıl, ayda yüz milyonlarca CDN isteği alan bir embed script üzerinde çalıştım. Kademeli geçiş ve gerçek test kapsamı benim için vazgeçilmez. Remote çalışmaya hazırım.