Title: Customer Segmentation, Latent Feature Extraction ve Kategori Teorisi Author: Kriko Published: 11 Aralık 2021 Last modified: 10 Ağustos 2026 --- 1. [Anasayfa](https://kriko.io/tr/) / 2. [Blog](https://kriko.io/tr/blog) / 3. [CRM](https://kriko.io/tr/blog/veri-analizi-olcumleme/crm) # Customer Segmentation, Latent Feature Extraction ve Kategori Teorisi Hemen her e-ticaret firmasında "son X gün ziyareti olmayanlar", "son Y gün alışveriş yapmayanlar" gibi temel analizlerinin yapıldığını biliyoruz. Bunun gibi çalışmalar en az ar-ge masrafıyla en hızlı çözümü sağlaması açısından oldukça kıymetli. Lakin şu var ki bu tarz uygulamalarda başarı elde edebilmek için parametreleri doğru belirlemek çok kritik. [ ⌊Cüneyt Aksakallı⌉ Cüneyt Aksakallı ](https://kriko.io/tr/blog/yazar/cuneyt-aksakalli) 11 Aralık 2021 6 dakika okuma ![Customer Segmentation, Latent Feature Extraction ve Kategori Teorisi](https:// kriko.io/wp-content/uploads/2026/07/kategori-teorisi.jpg) Segmentasyon en kaba ifadeyle benzer olanları bir araya getirilerek yapılan bir işlem. Supervised bir machine learning modeli olan classification yerine hatta profiling yerine bile sektörde çoğu zaman “segmentasyon” kelimesi kullanıldığına defalarca şahit olmuşuzdur. Kavramlar bu kadar iç içe girmişken o halde en temele inmek ve benzerliği tanımlayarak başlamakta fayda var. Tabii ki benzerliğin ne olduğunu tanımlamak, hele de bunu metrik bir şekilde ifade etmek oldukça zor. İki şeyin bir birine benzer olup olmadığını nasıl tarif edebilirsiniz ki? **{Elma, Armut , Kalem}** nesnelerinden oluşan kümeyi ele alalım. Her bir nesne için yazdığım kelimelerin aklımıza getirdiği özellik setleri var. Buna göre eminim ki ilk akla gelen Elma ve Armut’u bir kümeye, Kalem’i bir başka kümeye koymak olmuştur ki gayet mantıklı. Peki ya ilk akla gelenin dışında bir kümelemeye ihtiyaç duyuyorsanız? Hatta bu farklı kümelemenin nasıl olması gerektiği ile ilgili fikriniz dahi yoksa? ## Tecrübe ve Adaptasyon Hemen her e-ticaret firmasında “son X gün ziyareti olmayanlar”, “son Y gün alışveriş yapmayanlar” gibi temel analizlerinin yapıldığını biliyoruz. Bunun gibi çalışmalar en az ar-ge masrafıyla en hızlı çözümü sağlaması açısından oldukça kıymetli. Lakin şu var ki bu tarz uygulamalarda başarı elde edebilmek için parametreleri doğru belirlemek çok kritik. Eminim sizler de iftiharla sunulan yüzlerce segmente bölünmüş müşteri analizleri görmüşsünüzdür, tabii overlapping %80+ 🙂 Kısaca domain bilgisi ve tecrübe bu metodoloji özelinde çok büyük önem taşıyor. Ne var ki bugünlerde yaratıcı pazarlama ekiplerinden neşet eden ezber bozan kampanyalar müşteri davranışı noktasındaki bilgi birikimini silip süpürebiliyor. Her firmanın kendi etki alanındaki pazar dinamiklerini kurcalayıp durduğunu düşündüğümüzde verinin bir çok boyuttaki patternlerini yakalamakla kalmayıp hızlı değişimine de ayak uydurabilen algoritmalara ihtiyaç duyulduğu aşikar. Zira kuralları biz belirlediğimizde cerrah hassasiyetiyle tek tek milyonlarca müşteriye ait verileri inceleyip ayrı ayrı mikro segmentlere yerleştirmemiz gerekir ki buna ne zaman ne insan kaynağı yeter. Biz yapana kadar o segment belki tamamen yok olur. Saklı öznitelik çıkarımı tam da bunun için var. ### Nedir Bu Saklı Öznitelikler? Aslında burada belirli bir tanım yok. Zaten hangi segmenti nasıl tanımlayacağımızı bilmediğimizden dolayı bu yolu seçtik. İşin tanım tarafı biraz “**Explainable AI**” kavramı içine giriyor. Bu işlemin amacından bahsetmek daha doğru sanırım. Amacımız her bir temsil eden özet sayısal bir ifade elde etmek ki diğer müşteri verileriyle benzerlik hesapları yapıp gruplayabileyim. İlk olarak müşterimizin çeşitli ortamlarda bıraktığı izleri sayısallaştırarak çok boyutlu bir matris üretmek var. Bu izler ziyaret günü, süresi, sepete eklediği ürünlere ait bilgiler vs gibi uzayıp gidebilir. İzlerin sayısallaştırılmasının, mesela “sepete eklediği ürünlere ait bilgiler” dediğimiz verinin matematiksel modeller içerisinde nasıl elde edildiğinin detayına girmeyeceğim, her boyuttaki verinin doğru yöntemlerle vektörize edilebildiği ön kabulüyle devam ediyorum. Bu izleri değerlendirmedeki zorluk, ortaya çıkan veri yapılarının hem çok boyutlu hem de oldukça seyrek/sparse olmaları. Bundan dolayı anlamlı bağlantılar ortaya çıkarmak cidden zor. Şuna benzetebiliriz; koca bir futbol sahasına rastgele dağılmış sadece 20 tane kırmızı 16 tane yeşil bilye olsun. İstenen ise kırmızı ve yeşil bilyelerin konum bilgilerine göre bir şablon ortaya çıkarmak ve yeşil kırmızıya X kadar mesafede ölçümünü yapabilmek. Dolayısıyla buradaki ilk amaç bu seyrek/sparse datayı içerdiği anlamlı veriyi kaybetmeden dense hale getirmek. İşte elde edeceğimiz bu dense vektör saklı öznitelikleri temsil ediyor. Burada çeşitli yöntemler uygulanabilir. Mesela direkt belli bir thresholdun altındaki verileri silebilirsiniz, muhtemelen çalışmaz ama pratik olur 🙂 Zaten sayfanızı ziyaret eden müşterilerin %98’i alış veriş yapmadan çıkıyordur. Her geleni alış veriş yapmayacaklar diye “tahmin” edince accuracy %98. Daha ne olsun. Burada Birol Kuyumcu ve Nasrettin Hoca’ya bir selam vererek devam edelim. [http://derindelimavi.blogspot.com/2005/06/zeka-hakknda-kssal-yazlar-3.html](http://derindelimavi.blogspot.com/2005/06/zeka-hakknda-kssal-yazlar-3.html) Biz LSTM ve CNN türlerinde yapay sinir ağı mimarileri üzerine bina edilmiş yöntemler denedik. Bilimsel standartlar içerisinde gerekli karşılaştırma ve çalışmaları tamamlayınca detaylarını yayın olarak çıkaracağız. Elde edilen öz nitelikleri temsil eden dense vektör, müşterilerin bir birine benzetilerek mikro gruplara bölünmesine imkan sağlayacak çözünürlükte. Her bir mikro grubun tanımlanması ise dediğim gibi “**explainable ai**” kapsamında. Ya da pazarlama bölümlerindeki uzmanların detay incelemeleri ile ortaya çıkarılabilir. Şimdilik oldukça cesaret verici ön test sonuçlarından bahsedersem; Takip eden 1 ay içerisinde alış veriş yapma ihtimali en yüksek 30K kişilik gruptan **%66**, ihtimali bir seviye daha düşük 330K kişilik gruptan ise **%17** müşteri gerçekten tahmin edildiği gibi alış veriş yaptı. Bundan sonrası tabii ki pazarlama ekiplerine kalıyor. Bu **%66** ‘ya ne yapılacak güzel bir soru. ## Kategori Teorisi Şimdilik saklı öznitelikleri kullanarak basit çok boyutlu mesafe ölçümleriyle denemeler yaptık. Kategori Teorisi ise bu alanda çok daha başarılı çalışmalar yapmaya imkan sağlayabilecek kapılar açıyor. Bu konuda Bartosz Milewski’yi takip etmenizi mutlaka tavsiye ederim. [https://bartoszmilewski.com/](https://bartoszmilewski.com/) ![Kategori Teorisi](https://kriko.io/wp-content/uploads/2026/07/kategori-teorisi. png) Yukarıdaki havalı duran diyagramdan anlaşılamayacağı gibi 🙂 kategori teorisi basitçe; Birbiriyle ilişkili matematiksel nesne sınıflarıyla ilgilenir. Yani uzayı kategorilere bölerek ele alır ve kabaca nesnelerin birbirleriyle farklı biçimlerdeki morfizimleri üzerine kuruludur. Hem her bir ayrı kategorideki nesneleri birbirleriyle hem de ayrı kategorilerdeki morfizimleri birbirleriyle ilişkilendiren genel fonksiyonlar tanımlar. Tek kelimeyle kategori teorisi tekil nesneleri analiz etmekle uğraşmaz tamamen ilişkilerle ilgilenir. > Mathematical objects are determined by–and understood by–the network of relationships > they enjoy with all the other objects of their species. > – Barry Mazur Tekrar müşteri analitiğine bağlarsak, saklı öznitelikler çıkararak müşterilerimizi matematiksel nesnelere dönüştürdük. Bunlar arasında mikro gruplar içerisinde ilişkiler ve kalıtımlar söz konusu. Dolayısıyla tüm müşteri uzayını anlamak ve üzerinde nesne özelinde sorgular yapabilmek için kategori teorisine ihtiyacımız var. Müşterileri ilişkiler ağıyla tanımlayabilirsek daha sonra yapılması gereken eventlerin ortaya çıkmasını beklemek. Mesela alış veriş! Bir müşteri alış veriş yaptığında hemen onunla ilişkili müşterileri bulabiliriz ve bunların alış verişe en yakın müşteriler olduğunu söyleyebiliriz. --- Etiketler: [ Yapay Zeka ](https://kriko.io/tr/etiket/yapay-zeka) --- Paylaş: --- ## 0 Yorum [ Henüz yorum yok. Bu yazı hakkındaki düşüncelerinizi ilk siz paylaşın! ](https://kriko.io/tr/blog/crm/customer-segmentation-latent-feature-extraction-ve-kategori-teorisi?output_format=md#respond) --- ## Yorum yaz Bu kutucuğu işaretleyerek [**kullanım koşulları**](https://kriko.io/tr/gizlilik-politikasi) metnini okuduğunuzu ve kabul ettiğinizi onaylamış olursunuz. ## Diğer Yazılar [ ⌊Dijital Pazarlamada Yeni Dönem: 1 Ağustos 2026 Mevzuat Uyum Rehberi⌉ ](https://kriko.io/tr/blog/bilisim-hukuku/dijital-pazarlamada-yeni-donem-1-agustos-2026-mevzuat-uyum-rehberi) * [ Bilişim Hukuku ](https://kriko.io/tr/blog/kesfet/bilisim-hukuku) ### 󠀁[ Dijital Pazarlamada Yeni Dönem: 1 Ağustos 2026 Mevzuat Uyum Rehberi ](https://kriko.io/tr/blog/bilisim-hukuku/dijital-pazarlamada-yeni-donem-1-agustos-2026-mevzuat-uyum-rehberi)󠁿 Türkiye’de dijital pazarlama, e-ticaret ve sosyal medya reklamcılığı için yepyeni bir milat başladı. Ticaret Bakanlığı tarafından 1 Temmuz 2026 tarihli Resmî Gazete’de yayımlanan ve… [ ⌊Yapay Zeka Çöplüğüne (AI Slop) Karşı Yeni Bir Savunma Hattı: LoRA Destekli Çok Modlu Savunma Sistemi⌉ ](https://kriko.io/tr/blog/kesfet/yapay-zeka-coplugune-ai-slop-karsi-yeni-bir-savunma-hatti-lora-destekli-cok-modlu-savunma-sistemi) * [ Growth Hacking ](https://kriko.io/tr/blog/growth-hacking) ### 󠀁[ Yapay Zeka Çöplüğüne (AI Slop) Karşı Yeni Bir Savunma Hattı: LoRA Destekli Çok Modlu Savunma Sistemi ](https://kriko.io/tr/blog/kesfet/yapay-zeka-coplugune-ai-slop-karsi-yeni-bir-savunma-hatti-lora-destekli-cok-modlu-savunma-sistemi)󠁿 İnternet ekosistemi ve özellikle çevrimiçi video platformları (OVP), son yıllarda benzeri görülmemiş ve katlanarak artan bir tehdit ile karşı karşıya. Kötü niyetli aktörlerin organize bir şekilde hareket ederek Üretken Yapay Zeka (Generative AI) araçlarını kötüye kullanması, platformların "Yapay Zeka Çöplüğü" veya "AI Slop" olarak adlandırılan kalitesiz, manipülatif ve spam içeriklerle dolup taşmasına neden oluyor. [ ⌊Microsoft Advertising UTM Auto-Tagging Güncellemesi⌉ ](https://kriko.io/tr/blog/ppc/microsoft-advertising-utm-auto-tagging-guncellemesi) * [ PPC ](https://kriko.io/tr/blog/ppc) ### 󠀁[ Microsoft Advertising UTM Auto-Tagging Güncellemesi ](https://kriko.io/tr/blog/ppc/microsoft-advertising-utm-auto-tagging-guncellemesi)󠁿 Microsoft Advertising, 2 Eylül 2026 itibarıyla UTM auto-tagging sisteminde önemli bir güncellemeye gidiyor. Bu değişiklik, Microsoft Advertising trafiğinin Google Analytics 4 ve benzeri üçüncü taraf analiz platformlarında daha doğru sınıflandırılmasını hedefliyor. [ ⌊2025 Türkiye E-ticaret Raporu: İçgörü, Beklenti Ve Stratejik Büyüme Noktaları⌉ ](https://kriko.io/tr/blog/kesfet/2025-turkiye-e-ticaret-raporu-icgoru-beklenti-ve-stratejik-buyume-noktalari) * [ Keşfet ](https://kriko.io/tr/blog/kesfet) ### 󠀁[ 2025 Türkiye E-ticaret Raporu: İçgörü, Beklenti Ve Stratejik Büyüme Noktaları ](https://kriko.io/tr/blog/kesfet/2025-turkiye-e-ticaret-raporu-icgoru-beklenti-ve-stratejik-buyume-noktalari)󠁿 Ticaret Bakanlığı tarafından yayımlanan “Türkiye’de E-Ticaretin Görünümü Raporu 2025”, ülkemizdeki dijital ticaretin sadece bir alternatif satış kanalı olmaktan çıkıp, ekonominin ana omurgalarından biri haline… [ ⌊Pagination (Sayfalandırma) mı, Infinite Scroll (Sonsuz Kaydırma) mı?⌉ ](https://kriko.io/tr/blog/teknik-seo/pagination-sayfalandirma-mi-infinite-scroll-sonsuz-kaydirma-mi) * [ Teknik SEO ](https://kriko.io/tr/blog/seo/teknik-seo) ### 󠀁[ Pagination (Sayfalandırma) mı, Infinite Scroll (Sonsuz Kaydırma) mı? ](https://kriko.io/tr/blog/teknik-seo/pagination-sayfalandirma-mi-infinite-scroll-sonsuz-kaydirma-mi)󠁿 Pagination ve Infinite Scroll arasındaki tercih, kullanıcı deneyimi ile SEO performansını doğrudan etkiler. Pagination, sayfa yapısını düzenli tutarak arama motorlarının içeriği daha iyi taramasını sağlar. Infinite Scroll ise özellikle mobilde akıcı bir gezinme sunar ancak ölçümleme ve indeksleme açısından dikkatli kurgulanmalıdır. Markaların karar verirken içerik yoğunluğu, kullanıcı davranışları ve teknik altyapıyı birlikte değerlendirmesi gerekir. Bu yazıda iki yaklaşımın avantajlarını ve hangi senaryoda daha doğru seçim olacağını bulabilirsiniz. [ ⌊Google Benim İşletmem ile Markanızı Daha Fazla Görünür Kılın ve Yönetin⌉ ](https://kriko.io/tr/blog/yerel-seo/google-benim-isletmem-ile-markanizi-daha-fazla-gorunur-kilin-ve-yonetin) * [ Yerel SEO ](https://kriko.io/tr/blog/seo/yerel-seo) ### 󠀁[ Google Benim İşletmem ile Markanızı Daha Fazla Görünür Kılın ve Yönetin ](https://kriko.io/tr/blog/yerel-seo/google-benim-isletmem-ile-markanizi-daha-fazla-gorunur-kilin-ve-yonetin)󠁿 Günümüzde fiziksel bir mağazası olan ya da belirli bir bölgede hizmet veren işletmeler için dijitalde görünür olmak artık bir lüks değil, zorunluluk haline geldi. Kullanıcılar yakınlarındaki işletmeleri keşfetmek için pusula yerine Google Arama ve Google Haritalar’ı kullanıyor. “Kadıköy kahve”, “Çekmeköy kahvaltı”, “Eskişehir çiçekçi” gibi sorguların büyük bölümü yerel sonuçlar üzerinden müşteriye dönüşüyor. Bu nedenle, işletme profilinizi doğru yapılandırdığınızda potansiyel müşterilerin sizi tercih etme ihtimali ciddi oranda artar. [ ⌊A4 Ebatında Etiketlerle İade Problemi Önleniyor: Çin’in Moda E-Ticaretinde Yeni Strateji⌉ ](https://kriko.io/tr/blog/kesfet/a4-ebatinda-etiketlerle-iade-problemi-onleniyor-cinin-moda-e-ticaretinde-yeni-strateji) * [ Keşfet ](https://kriko.io/tr/blog/kesfet) ### 󠀁[ A4 Ebatında Etiketlerle İade Problemi Önleniyor: Çin’in Moda E-Ticaretinde Yeni Strateji ](https://kriko.io/tr/blog/kesfet/a4-ebatinda-etiketlerle-iade-problemi-onleniyor-cinin-moda-e-ticaretinde-yeni-strateji)󠁿 Çin'de online moda alışverişinde iade oranları çok yükseldiği için markalar kötü niyetli kullan-iade davranışını engellemek adına A4 boyutunda büyük ve gizlenmesi zor etiketler kullanmaya başladı. Bu yöntem hem maliyetleri düşürmek hem de ürünleri giyip fotoğraf çektikten sonra iade eden kullanıcıların önünü kesmek için hızla yayılıyor. Tartışmalar sürse de sektör bu uygulamanın iade kültürünü kökten değiştirecek yeni bir dönemin başlangıcı olabileceğini düşünüyor. [ ⌊Yeni Sağlık Tanıtım Yönetmeliği Neler Getiriyor?⌉ ](https://kriko.io/tr/blog/bilisim-hukuku/yeni-saglik-tanitim-yonetmeligi-neler-getiriyor) * [ Bilişim Hukuku ](https://kriko.io/tr/blog/kesfet/bilisim-hukuku) ### 󠀁[ Yeni Sağlık Tanıtım Yönetmeliği Neler Getiriyor? ](https://kriko.io/tr/blog/bilisim-hukuku/yeni-saglik-tanitim-yonetmeligi-neler-getiriyor)󠁿 Sağlık alanında hizmet veren her kurum için tanıtım artık yalnızca pazarlama konusu değil. Aynı zamanda çok net çizilmiş hukuki sınırları olan bir alan. "Sağlık Hizmetlerinde Tanıtım ve Bilgilendirme Faaliyetleri Hakkında Yönetmelik" ile birlikte hekimlerin, özel sağlık tesislerinin ve uluslararası sağlık turizmi aracı kuruluşlarının dijitalde ve geleneksel mecralarda nasıl görünür olabileceği detaylı şekilde yeniden düzenlendi. [ ⌊eBay Inc. 2025 3. Çeyrek Sonuçlarını Açıkladı⌉ ](https://kriko.io/tr/blog/kesfet/ebay-inc-2025-3-ceyrek-sonuclarini-acikladi) * [ Keşfet ](https://kriko.io/tr/blog/kesfet) ### 󠀁[ eBay Inc. 2025 3. Çeyrek Sonuçlarını Açıkladı ](https://kriko.io/tr/blog/kesfet/ebay-inc-2025-3-ceyrek-sonuclarini-acikladi)󠁿 eBay Inc., 2025 yılının 3. çeyreğinde güçlü bir performans sergileyerek gelirini% 9 artırarak 2,8 milyar USD'ye yükseltti ve Brüt Mal Hacmi (GMV) ise %10 artarak 20,1 milyar USD'ye ulaştı. Hisse başına kazanç, GAAP'a göre 1,28 USD, non-GAAP'a göre ise 1,36 USD olarak gerçekleşti. [ ⌊Kötü Bot Raporu 2025: Yapay Zeka Çağında Dijital İşletmeler İçin Görünmez Risk⌉ ](https://kriko.io/tr/blog/kesfet/kotu-bot-raporu-2025-yapay-zeka-caginda-dijital-isletmeler-icin-gorunmez-risk) * [ Keşfet ](https://kriko.io/tr/blog/kesfet) ### 󠀁[ Kötü Bot Raporu 2025: Yapay Zeka Çağında Dijital İşletmeler İçin Görünmez Risk ](https://kriko.io/tr/blog/kesfet/kotu-bot-raporu-2025-yapay-zeka-caginda-dijital-isletmeler-icin-gorunmez-risk)󠁿 Dijital ekosistemde kötü amaçlı otomasyon hızla artarak, siber güvenlik tehditlerinin doğasını temelden değiştirmiştir. Imperva tarafından hazırlanan bu rapor, internet trafiğinde dönüm noktası olan bir gelişmeyi ve yapay zeka (AI) tarafından körüklenen kötü bot saldırılarının karmaşıklığını ve yaygınlığını gözler önüne sermektedir. [ ⌊Avrupa ve Türkiye’de Pazaryerlerinin Yükselişi: 247,5 Milyar Avroluk Bir Dönüşüm⌉ ](https://kriko.io/tr/blog/kesfet/avrupa-ve-turkiyede-pazaryerlerinin-yukselisi-2475-milyar-avroluk-bir-donusum) * [ Keşfet ](https://kriko.io/tr/blog/kesfet) ### 󠀁[ Avrupa ve Türkiye’de Pazaryerlerinin Yükselişi: 247,5 Milyar Avroluk Bir Dönüşüm ](https://kriko.io/tr/blog/kesfet/avrupa-ve-turkiyede-pazaryerlerinin-yukselisi-2475-milyar-avroluk-bir-donusum)󠁿 E-ticaret dünyası, son yıllarda benzeri görülmemiş bir dönüşüm geçiriyor. Bu dönüşümün merkezinde ise artık sadece markalar değil, pazaryerleri (marketplaces) yer alıyor. Avrupa’daki en güncel verilere göre sınır-ötesi e-ticaretin (cross-border) toplam hacmi 358,7 milyar avroya ulaşırken, bunun 247,5 milyar avroluk kısmı — yani yaklaşık yüzde 70’i — pazaryerleri üzerinden gerçekleşiyor. [ ⌊İlaç ve Tıbbi Cihaz Satışındaki e-fatura Düzenleme Zorunluluğu⌉ ](https://kriko.io/tr/blog/bilisim-hukuku/ilac-ve-tibbi-cihaz-satisindaki-e-fatura-duzenleme-zorunlulugu) * [ Bilişim Hukuku ](https://kriko.io/tr/blog/kesfet/bilisim-hukuku) ### 󠀁[ İlaç ve Tıbbi Cihaz Satışındaki e-fatura Düzenleme Zorunluluğu ](https://kriko.io/tr/blog/bilisim-hukuku/ilac-ve-tibbi-cihaz-satisindaki-e-fatura-duzenleme-zorunlulugu)󠁿 Türkiye'de sağlık ürünleri ticaretinde dijitalleşme süreci, 1 Ekim 2025 tarihi itibarıyla önemli bir aşamaya geldi. Bu tarihten itibaren, Türkiye İlaç ve Tıbbi Cihaz Kurumu'na( TİTCK) İlaç Takip Sistemi (İTS) ve Ürün Takip Sistemi (ÜTS) üzerinden bildirimi yapılan ilaç ve tıbbi cihazlar için e-fatura düzenleme zorunluluğu getirildi. ## Dijitalin nabzını bizimle takip et Dijital dünyayı şekillendiren seçilmiş içgörüler, haberler ve fikirlerden haberdar olmak için abone olun. Bu kutucuğu işaretleyerek [gizlilik ve aydınlatma](https://kriko.io/tr/gizlilik-politikasi) metnimizi kabul ettiğinizi onaylamış olursunuz.