KOBİ’lerde teklif hazırlama, çoğu zaman satışın görünmeyen darboğazlarından biridir. Müşteri bilgisi bir yerde durur, eski teklif dosyaları başka bir yerdedir, fiyat listeleri ise çoğu zaman Excel içinde yaşar. Satış temsilcisi yeni bir teklif açtığında sadece metin yazmaz; ürün seçer, indirimi kontrol eder, ödeme vadesini değerlendirir, onay alır, bazen de hukuki notları günceller. Tek bir teklif için 20 ila 45 dakika harcanması şaşırtıcı değildir. İş hacmi büyüdükçe bu süre, yanıt hızını doğrudan etkiler.
Yapay zeka teklif hazırlama yaklaşımı tam da burada fark yaratır. Ancak mesele yalnızca metin üreten bir araç kullanmak değildir. Asıl verim; CRM kayıtları, fiyatlandırma kuralları, stok ya da hizmet kataloğu ve şirket içi onay akışının tek bir senaryoda buluşmasıyla ortaya çıkar. İyi kurgulanmış bir sistem, teklif taslağını otomatik oluşturur; müşteri segmentine göre uygun dili seçer; yetki sınırına göre onay sürecini tetikler; satış ekibine de son kontrol için temiz bir çıktı sunar.
Bu yazıda, KOBİ ölçeğinde uygulanabilecek akıllı teklif senaryolarını ele alacağız. Odağımız teknoloji değil, iş akışının nasıl sadeleştiği olacak. Otomasyon nerede kurulmalı, hangi veri alanları kritik, hangi hatalar sık görülüyor; hepsini somut örneklerle inceleyelim.
Teklif hazırlamada zaman kaybı tam olarak nerede oluşur?
Birçok şirkette teklif süreci 4 temel adıma ayrılır: müşteri bilgisini toplama, kalemleri ve fiyatı belirleme, belgeyi kurumsal şablona dökme, iç onay alma. Asıl sorun ise şu: Bu adımlar tek bir ekranda akmaz. Satış temsilcisi CRM’den müşteri unvanını alır, ürün listesini ayrı bir dosyada bulur, son indirim oranını ekip liderine sorar, ardından Word ya da PDF şablonuna kopyalar. Küçük gecikmeler zamanla birikir.
Örneğin 12 kalemli bir B2B hizmet teklifinde, her kalemin açıklamasını elle düzenlemek 8-10 dakika sürebilir. Kur farkı kontrolü, KDV notu, teslim süresi ve bakım kapsamı da eklendiğinde süreç daha da uzar. Üstelik her manuel müdahale hata riskini artırır. Eski fiyatın kalması, yanlış kişi adına hitap edilmesi, vade bilgisinin unutulması gibi hatalar yalnızca zaman kaybı yaratmaz; aynı zamanda güven kaybına da neden olur.
Buradaki verimsizlik çoğu zaman çalışan performansından değil, sistem mimarisinden doğar. Satış ekibinin daha hızlı olması için tek tek daha fazla çaba göstermesi gerekmez. Asıl ihtiyaç, akışın veriyle beslenmesidir.
Yapay zeka teklif hazırlama nasıl çalışır?
Pratikte bu yapı 3 katmandan oluşur: veri kaynağı, karar mantığı, belge üretimi. Veri kaynağı tarafında CRM, ürün kataloğu, fiyat listesi, geçmiş teklifler ve gerekiyorsa ERP kayıtları bulunur. Karar mantığında iş kuralları yer alır: “%15 üstü indirimde satış müdürü onayı gerekir” gibi. Son katmanda ise yapay zeka destekli metin üretimi ve belge şablonlama vardır.
Burada yapay zekanın görevi her şeyi tek başına yapmak değildir. Örnek bir akış şöyle ilerler:
- CRM’de fırsat kaydı “teklif aşamasına” geldiğinde sistem tetiklenir.
- Müşterinin sektörü, şirket büyüklüğü, geçmiş satın alma kalemleri çekilir.
- İlgili ürün veya hizmet paketleri önerilir.
- Fiyat motoru liste fiyatı, iskonto kuralı, para birimi ve vergi mantığını uygular.
- Yapay zeka, seçilen şablona uygun teklif metnini hazırlar.
- İndirim oranı eşik değeri aşıyorsa onay akışı devreye girer.
- Onay sonrası PDF ve e-posta taslağı otomatik oluşur.
Bu senaryoda satış temsilcisi, sıfırdan belge yazmak yerine oluşturulan taslağı kontrol eder. 30 dakikalık bir işin 5-10 dakikaya düşmesi, birçok KOBİ için gerçekçi bir hedeftir. Kesin süre ise ürün karmaşıklığına ve veri kalitesine bağlıdır.
Basit bir kural örneği
Aşağıdaki yalın mantık, teklif akışının nasıl kurgulanabileceğini gösterir:
if discount_rate > 15:
approval_role = "Sales Manager"
elif total_amount > 250000:
approval_role = "Finance"
else:
approval_role = "Auto Approved"Gerçek sistemlerde bu kurallar; rol, bölge, para birimi, brüt marj ve müşteri segmenti gibi ek alanlarla genişletilir.
CRM bağlantısı olmadan akıllı teklif neden eksik kalır?
CRM entegrasyonu, teklif otomasyonunun omurgasıdır. Çünkü teklif yalnızca bir fiyat dökümü değildir; müşteri bağlamının satış diline aktarılmasıdır. Güçlü bir CRM bağlantısıyla sistem şu alanları otomatik okuyabilir: şirket adı, yetkili kişi, sektör, potansiyel ciro, önceki sipariş tarihi, açık fırsat tutarı, sözleşme tipi. Yalnızca 6-8 alan bile teklif metninin isabetini ciddi biçimde artırabilir.
Somut bir senaryo düşünelim. Bir yazılım şirketi, lojistik sektöründeki bir müşteriye depo yönetimi modülü teklif edecek. CRM kaydında müşterinin 3 şehirde operasyon yürüttüğü, daha önce mobil el terminali entegrasyonu sorduğu ve teklifin 14 gün içinde sonuçlanması gerektiği bilgisi var. Sistem bu bağlamı kullanarak genel bir “ürün tanıtımı” yerine, çok lokasyonlu yapı ve entegrasyon ihtiyacına odaklanan bir teklif taslağı oluşturabilir.
Bu yaklaşım yalnızca hız kazandırmaz, teklifin alaka düzeyini de yükseltir. Satış ekipleri sıkça şu sorunla karşılaşır: Belge teknik olarak doğru olur ama müşterinin durumuna tam oturmaz. CRM verisi tam bu noktada metnin omurgasını oluşturur.
Fiyatlandırma motoru işin kalbidir: Excel’den kurala geçiş
Teklif sürecindeki en hassas alan fiyatlandırmadır. Pek çok KOBİ’de fiyat mantığı hâlâ dağınık dosyalar, kişisel notlar ya da sözlü bilgiyle yönetilir. Yapay zeka burada tek başına çözüm değildir; önce fiyat kurallarının netleşmesi gerekir. Liste fiyatı, müşteri bazlı indirim, kampanya tarihi, para birimi, vergi, kur sabitleme süresi gibi alanlar sistemde tanımlanmalıdır.
Örneğin aylık abonelik sunan bir SaaS firmasında şu kurallar olabilir: 1-10 kullanıcı arası standart paket, 11-50 kullanıcı arası kademeli indirim, yıllık peşin ödemede ek %8 avantaj, kurumsal destek paketinde sabit kur yerine teklif günü TCMB satış kuru referansı. Bu tür kurallar kodla ya da düşük kodlu iş akışı araçlarıyla tanımlanır. Yapay zeka ise hesaplanan bu çıktıyı müşteri dostu bir dille açıklar.
Buradaki kritik nokta, açıklanabilirliktir. Satış temsilcisi “bu fiyat neden böyle çıktı?” sorusuna yanıt verebilmelidir. Kapalı kutu gibi çalışan ama mantığı görünmeyen sistemler sahada direnç yaratır. Bu yüzden fiyat motorunda kural izi tutulması önemlidir: hangi indirim ne zaman uygulandı, hangi kullanıcı onay verdi, hangi kur baz alındı.
Onay akışını hızlandıran akıllı senaryolar
Teklif hazırlamak kadar, teklifin içeride onaylanması da zaman alır. Özellikle indirim, özel vade ya da kapsam dışı taahhüt içeren tekliflerde e-posta trafiği uzar. Akıllı onay akışı bu bölümü sadeleştirir. Buradaki amaç, herkesin her teklifi görmesi değil; yalnızca gerekli eşiklerde devreye girilmesidir.
Örnek bir akışta 100.000 TL altı ve %10’dan düşük indirimli teklifler otomatik onaylanabilir. %10-%20 bandı satış müdürüne gider. Brüt marj belirli seviyenin altına düşüyorsa finans onayı eklenir. Standart sözleşme şablonu dışında bir madde varsa hukuk incelemesi tetiklenir. Böyle bir yapı, gereksiz beklemeyi azaltır.
Mobil onay da oldukça etkilidir. Yöneticinin masa başına dönmesini beklemek yerine, 2 dokunuşla teklif özeti görüntülenip onay verilebilir. Bu özette en az şu 5 bilgi yer almalıdır: toplam tutar, indirim oranı, marj etkisi, teslim süresi, istisna notu. Ekran sade kaldığında onay süreleri hissedilir biçimde kısalır.
Hangi tekliflerde insan kontrolü şart?
Her şeyi otomatikleştirmek doğru yaklaşım değildir. Şu durumlarda insan kontrolü korunmalıdır:
- İlk kez teklif verilen büyük ölçekli müşteri hesapları
- Standart katalog dışında özel geliştirme içeren projeler
- Birden fazla para birimi ve uzun vadeli fiyat garantisi olan anlaşmalar
- Hukuki veya operasyonel taahhüt riski taşıyan maddeler
İdeal model; rutin teklifleri otomatikleştiren, istisnaları ise görünür ve kontrollü biçimde yöneten modeldir.
KOBİ’ler için uygulanabilir mimari: 6-8 haftada ilk sürüm mümkün mü?
Eğer CRM altyapısı ve temel ürün kataloğu hazırsa, sınırlı kapsamlı bir ilk sürüm çoğu projede 6-8 haftada devreye alınabilir. İlk sürümün amacı tüm teklif türlerini kapsamak değil, en sık kullanılan 1 veya 2 senaryoyu otomatikleştirmektir. Örneğin “standart hizmet paketi + bakım + yıllık ödeme” akışıyla başlanabilir.
Pratik bir MVP kapsamı şu bileşenlerden oluşur:
- CRM’den fırsat ve müşteri verisi çekme
- Ürün/hizmet kalemleri için merkezi katalog
- Temel fiyat kuralları ve indirim eşikleri
- Teklif PDF şablonu
- Rol bazlı onay akışı
- Teklif geçmişi ve versiyon takibi
İkinci fazda e-imza, ERP siparişe dönüşüm, e-posta personalizasyonu, çoklu dil desteği eklenebilir. Küçük başlamak daha akıllıcadır. Çünkü teklif otomasyonunda asıl başarı, yazılımı canlıya almak değil; satış ekibinin sistemi gerçekten kullanmasıdır.
Veri kalitesi düşükse ne olur?
Kötü veri, hızlı ama sorunlu teklifler üretir. Örneğin CRM’de müşteri segmenti boşsa sistem yanlış şablonu seçebilir. Ürün kataloğunda eski açıklama varsa yapay zeka bunu daha iyi yazabilir ama yine de yanlış bilgiyi yayar. Bu nedenle proje başlamadan önce en az 30-50 son teklif incelenmeli; tekrar eden alanlar, eksik bilgiler ve istisnalar belirlenmelidir.
İyi bir hazırlık çalışmasında şu sorular sorulur: En çok kullanılan 20 teklif kalemi hangileri? Son 3 ayda kaç teklif manuel revize edildi? Hangi onaylar e-posta üzerinden ilerliyor? Hangi alanlar satış temsilcileri tarafından farklı biçimde dolduruluyor? Bu analiz, otomasyonun sınırlarını netleştirir.
Ayrıca loglama kritik önemdedir. Hangi teklif taslağı hangi veriyle üretildi, kim düzenledi, hangi kural devreye girdi; sistemin bunları kaydetmesi gerekir. İzlenebilirlik hem operasyon yönetimi hem de denetim açısından değerlidir.
Başarı nasıl ölçülür?
“Daha hızlı olduk” ifadesi tek başına yeterli değildir. Ölçülebilir 4 gösterge seçmek daha sağlıklıdır. Birincisi teklif hazırlama süresidir: örneğin ortalama 32 dakikadan 9 dakikaya indi mi? İkincisi onay süresidir: aynı gün içinde sonuçlanan teklif oranı arttı mı? Üçüncüsü revizyon oranıdır: fiyat ya da kapsam hatası nedeniyle geri dönen teklif sayısı düştü mü? Dördüncüsü ise tekliften siparişe dönüş süresidir: ilk yanıt hızının ticari sonuca etkisi görüldü mü?
Bu metrikler ilk 60 gün boyunca haftalık izlenirse sistemin gerçek katkısı net biçimde ortaya çıkar. Bazen en büyük kazanım doğrudan hız değil, standartlaşmadır. Aynı şirkette farklı satış temsilcilerinin birbirinden çok farklı teklifler hazırlaması marka güvenini zedeler. Akıllı teklif sistemi bu dağınıklığı azaltır.
Kısacası yapay zeka teklif hazırlama, tek başına bir metin üretim aracı olarak görülmemelidir. Asıl değer; CRM, fiyatlandırma ve onay akışının aynı omurgada birleşmesiyle ortaya çıkar. KOBİ’ler için doğru yaklaşım, önce en sık tekrar eden teklif tiplerini seçmek, kuralları görünür hale getirmek ve satış ekibinin kontrolünü koruyan bir tasarım kurmaktır. Hız burada sonuçtur. Temel fayda ise daha tutarlı, izlenebilir ve ölçeklenebilir bir teklif sürecidir.
