Push Zamanlayıcı AI — Getir Fikir #048

Fikir

Problem → Çözüm

Problem

Kampanya push’ları toplu saatlerde gönderiliyor; kullanıcılar günde 4-5 bildirimden bıkıp bildirimleri kapatıyor. Her kapatılan bildirim izni kalıcı bir kanal kaybı demek.

Çözüm

Push Zamanlayıcı her kullanıcı için açma olasılığının en yüksek olduğu saati tahmin eder, metin varyantları arasından kişiye en uygun olanı seçer ve günlük bildirim yorgunluğu bütçesini yönetir. Panel, gönderim, açılma ve bildirim kapatma oranlarını canlı gösterir.

Ürün

Temel özellikler

1Kişisel gönderim saati15 dakikalık slotlarda kişi başına açılma olasılığı tahmini.

2Metin varyant seçimiLLM ile üretilmiş 5 varyanttan kişiye en uygununu bandit seçer.

3Yorgunluk bütçesiKullanıcı başı haftalık bildirim sınırı; düşük değerli push’lar elenir.

4Opt-out kalkanıBildirim kapatma riski yüksek kullanıcılara push yerine in-app mesaj.

AI katmanı

Yapay zeka nerede devreye giriyor?

Zaman-olay modeli gönderim saatini, contextual bandit metni ve risk modeli opt-out ihtimalini belirler; LLM varyant üretir.

Survival / zaman-olay modeli (LightGBM + saat embedding) ile 96 slotta açılma olasılığı
LinUCB contextual bandit: kullanıcı bağlamı × metin varyantı; LLM ile marka tonunda 5 varyant üretimi
Opt-out risk modeli; değer < risk olan push’lar otomatik in-app kanala yönlendirilir

Mimari

Nasıl çalışır?

Kampanya GirişiBraze / iç CRM

Zamanlama ModeliLightGBM • 96 slot

Metin BanditLinUCB + LLM varyant

Gönderim KuyruğuSQS + Redis zset

Push PaneliNext.js • canlı metrik

Teknoloji

Stack

Arayüz

Next.jsTailwindRecharts

Backend

Python 3.12FastAPICelery Beat

AI / ML

LightGBMVowpal WabbitClaude HaikuLangfuse

Veri

RedisAWS SQSClickHouse

Altyapı & DevOps

AWSKubernetes (EKS)Terraform

Go-to-market

Pazarlama & lansman

CRM ekibine “Daha az, daha iyi” manifestosuHaftalık push sayısı %30 azaltılırken sipariş artışı hedefi; başarı all-hands’te paylaşılır.

Kullanıcıya bildirim tercih merkezi“Bana sadece fırsatları ve sevdiğim ürünleri bildir” kontrolü; güven artışı.

Kampanya şablon kütüphanesiEn iyi performanslı LLM varyantları şablon olarak saklanır, tekrar kullanılır.

Ölçüm

Başarı metrikleri (hedef)

+%34push açılma oranı

-%45bildirim izni kapatma

-%28kullanıcı başı haftalık push sayısı

Teslimat

MVP yol haritası

Hafta 1-2Zamanlama modeli6 aylık açılma loglarıyla eğitim, %10 trafikte kişisel saat.

Hafta 3-4LLM varyant + banditMarka tonu guardrail’li varyant üretimi ve LinUCB seçimi.

Hafta 5-8Yorgunluk bütçesi + panelOpt-out risk modeli, in-app yönlendirme ve canlı dashboard.

Fİ

Fatih İnci — Full Stack Software Engineer

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.