AI Üye Kaybı (Churn) Tahmini & Erken Uyarı

Bu sistem, üye tabanını korumayı ve büyütmeyi stratejik öncelik olarak gören spor tesisleri için tasarlanmıştır. Aşağıdaki profillerden birine giriyorsanız erken uyarı sistemi size doğrudan değer üretir:

• Orta ve büyük ölçekli spor salonları: Aylık 150 ila 2.000+ aktif üyeye sahip, yönetim ekibinin her üyeyi bireysel takip etmesinin artık mümkün olmadığı tesisler. Üye sayısı arttıkça bireysel takip kapasitesi düşer; AI bu boşluğu kapatır.
• Zincir ve çoklu şube işletmeleri: Farklı lokasyonlardaki üye kayıp dinamiklerini merkezi bir ekrandan izlemek isteyen gruplar. Hangi şube daha fazla üye kaybediyor, hangi şubede belirli bir dönemde risk yoğunlaşıyor — bunları şube müdürüne sormak yerine panelde görürsünüz.
• Pilates, yoga ve özel stüdyolar: Seans bazlı çalıştığı için üye katılım düzeninin bozulmasını erken fark etmesi kritik olan işletmeler. Tek bir seans kaçırmanın önemli olmadığını düşünebilirsiniz; ancak üst üste gelen iptal ve devamsızlık örüntüsü güçlü bir ayrılma sinyalidir.
• Online ve hibrit fitness platformları: Dijital platform üzerinden üye aktivitesini izleyip churn sinyallerini otomatik yakalamak isteyen yapılar. Platform login sıklığı, video izleme süresi ve içerik etkileşimi modele beslenebilir.
• Pazarlama ekibi olan tesisler: Sistematik yeniden kazanma kampanyaları yürütmek, doğru kişiye doğru mesajı doğru zamanda iletmek isteyen işletmeler. Kampanya bütçesini aktif üyeye değil, ayrılma riskindeki üyeye harcamak dönüşüm oranını katlayarak artırır.

Sistemi kullanmak için ileri düzey teknik bilgi gerekmez. Ekibiniz açık, sezgisel bir yönetim panosu üzerinden risk listelerini görür, filtreler ve CSV olarak dışa aktarabilir. Üyelere otomatik WhatsApp, SMS veya e-posta tetiklemesi de entegre edilebilir. Başlangıç için en az 6 aylık giriş ve ödeme kaydı şarttır. Veri kalitesi ne kadar yüksekse modelin tahmin gücü de o kadar artar.

Spor salonlarında üye kaybı genellikle sessizce gerçekleşir. Üye önce seyrek gelmeye başlar, sonra hiç gelmez, en sonunda üyeliği biter ve yenilenmez. Bu süreç işletmecinin gözünden kaçtığında telafi etmek çok daha maliyetli hale gelir.

Sahada tekrar eden gerçek sorunlar şunlardır:

• Geç fark etme: Üye ayrılma sinyalini aylar önce vermiştir; katılım sıklığı düşmüş, ders rezervasyonları azalmış, portalı açmayı bırakmıştır. Fatura kesilip yenilenmeyince fark edilir. Ama artık çok geçtir; o üye duygusal olarak çoktan ayrılmıştır.
• İnsan kapasitesinin yetersizliği: 300 üyeli bir salonda her üyenin giriş sıklığını manuel takip etmek pratik olarak imkânsızdır. Yönetici dikkatini en çok ses çıkaran üyelere verir; sessiz ayrılanları kaçırır. Bu yapısal bir sorun olup insan hatasıyla açıklanamaz.
• Yeniden kazanma maliyeti: Araştırmalar kaybedilen bir üyeyi geri kazanmanın yeni üye edinmekten ortalama üç ila beş kat daha pahalı olduğunu göstermektedir. Her sessiz ayrılış ciddi bir gelir kaybıdır ve bu rakam üye sayısıyla doğru orantılı büyür.
• Kampanya hedefinin boşa gitmesi: Toplu SMS veya e-posta kampanyaları zaten memnun aktif üyelere gider, ayrılma riski yüksek olanlara değil. Bütçe ve mesaj boşa harcanır. Doğru hedefleme yapılmadığında kampanya ROI ölçülmez hale gelir.
• Sezonsal karışıklık: Yaz ya da bayram dönemlerinde tüm bazda düşüş görülür; hangi üyenin geçici olarak azaldığını, hangisinin gerçekten ayrılma sürecinde olduğunu ayırt etmek zordur. AI bu ayrımı tarihsel sezonsal örüntülerle yapar.

AI Churn Tahmini sistemi bu boşluğu kapatır: her üyeyi sürekli puanlar, risk eşiğini aşanları anında tabloda öne çıkarır ve ekibinizin doğru kişiye zamanında ulaşmasını sağlar. Karar hâlâ sizindir; sistem size doğru soruyu sormayı kolaylaştırır ve müdahale penceresini açık tutar.

Proje dört aşamada ilerler:

1. Veri entegrasyonu ve temizliği (1-3. hafta): Mevcut yönetim sisteminizden (üyelik yazılımı, giriş-çıkış kayıtları, ödeme sistemi, ders rezervasyonları) veriler API veya güvenli dosya transferiyle alınır. KVKK kapsamında kişisel veriler anonimleştirilir; model eğitiminde isim ya da TC gibi doğrudan tanımlayıcılar kullanılmaz. Ham veriler temizlenir, eksik değerler doldurulur, tutarsızlıklar giderilir. Bu aşamada veri kalitesi raporu hazırlanır ve salonunuzdaki kayıt altyapısının güçlü ve zayıf yönleri belgelenir.
2. Model geliştirme ve eğitim (3-7. hafta): Salonunuzun tarihsel verisiyle özelleştirilmiş bir makine öğrenmesi modeli eğitilir. Modelin girdi özellikleri şunları içerir: son 30-90 günlük giriş sıklığı, ders iptal oranı, ödeme gecikmesi sayısı, üyelik süresi, portal login sıklığı, ilk 60 günde gösterilen aktivite yoğunluğu. Model, geçmişteki gerçek churn vakalarıyla doğrulanır ve doğruluk metrikleri raporlanır. Önemli bir not: tahmin bir olasılıktır, kesin değildir. Sistem yüzde 73 risk diyorsa bu, o profildeki üyelerin geçmiş veride yüzde 73 oranında ayrıldığı anlamına gelir; bireysel üye hakkında deterministik bir karar değildir.
3. Uyarı panosu ve aksiyon tetikleyicileri (7-10. hafta): Yönetim panosu kurulur. Filtre seçenekleri: risk seviyesi (düşük, orta, yüksek), üyelik tipi, şube, kayıt tarihi, üyelik süresi. Her yüksek riskli üye için önerilen aksiyon görüntülenir: telefon görüşmesi, kişisel mesaj, özel indirim kuponu gibi seçenekler. İsteğe bağlı entegrasyonlar arasında WhatsApp Business API, e-posta pazarlama aracı ve SMS platformu yer alır. Tüm aksiyon notları ve sonuçları sistem içinde loglanabilir.
4. Pilot ve ince ayar (10-12. hafta): Gerçek verilerle 30 günlük pilot yürütülür. Sistem çıktıları işletme ekibiyle birlikte gözden geçirilir. Risk eşikleri ve aksiyon kuralları geri bildirime göre güncellenir. Ekip paneli kullanmayı ve listeleri yorumlamayı öğrenir. Pilot sonunda modelin katkı analizi içeren bir rapor teslim edilir.

Teslimden sonra aylık model yenileme ve destek paketi isteğe bağlı olarak sunulur. Salonunuzun üye profili zaman içinde değişir; model düzenli aralıklarla yeniden eğitildiğinde tahmin kalitesi korunur ve iyileşir.

Üye verisi spor salonunun en hassas varlığıdır. Bu sistem KVKK yükümlülüklerinizi artırmaz; aksine uyum altyapısını güçlendirecek şekilde tasarlanmıştır.

• Anonimleştirme: Model eğitimi ve skorlama sürecinde isim, TC kimlik numarası, e-posta gibi doğrudan tanımlayıcılar kullanılmaz. Veriler dahili anahtar (user_id) üzerinden işlenir; kişiyle eşleşme yalnızca salonun kendi sisteminde gerçekleşir.
• Yerel veri tutma: Üye veritabanı sunucunuzda kalır. Yazilim.pro modeli kendi ortamında eğitir; ham kişisel veri üçüncü taraf bulut hizmetlerine aktarılmaz, aksi açıkça talep edilmedikçe bu politika değişmez.
• Rol tabanlı erişim: Panele erişim yetkisi yalnızca tanımlanmış yöneticilere verilir. Her erişim ve indirme işlemi tarih-saat damgasıyla loglanır; denetim izi her zaman mevcuttur.
• Veri işleme sözleşmesi: KVKK madde 12 kapsamında imzalanacak veri işleme sözleşmesi proje başlamadan önce teslim edilir. Sözleşme veri saklama süresi, güvenlik önlemleri ve imha prosedürünü kapsar.
• Şifreli iletişim: Tüm veri aktarımı TLS 1.3 üzerinden gerçekleşir. Üyelerinize otomatik mesaj gönderilmesi planlanıyorsa İYS kaydı ve açık rıza yönetimi ayrıca yapılandırılır.

Sistem güvenlik altyapısı düzenli güvenlik denetimiyle desteklenir; sızma testi raporu isteğe bağlı olarak sunulabilir.