Kapıda Ödeme Risk Skoru Nedir ve Nasıl Kullanılır?

Risk Skoru Hangi Sinyallerden Oluşur?

Risk skoru, birden fazla veri sinyalinin ağırlıklı birleşimidir. En kritik sinyaller arasında müşterinin önceki ödeme geçmişi, siparişin teslimat adresinin risk haritasındaki konumu ve sipariş tutarının ortalama sepet değerine oranı bulunur. Bu üç temel gösterge, hem finansal hem de lojistik açıdan riskin temelini oluşturur.

Ek olarak, cihaz fingerprint'ı, IP adresi coğrafi tutarlılığı ve sipariş zamanındaki kampanya etkisi de skoru yükselten faktörlerdendir. Bu sinyaller, makine öğrenmesi modelleriyle birleştirilerek 0‑100 arasında bir risk puanı üretir ve her bir sinyalin etkisi model içinde dinamik olarak ayarlanır.

• Geçmiş ödeme gecikmeleri
• Yeni veya düşük güvenilirlikli e‑posta
• Yüksek tutarlı siparişlerde ani artış

Yüksek Risk Her Zaman İptal Anlamına Gelir Mi?

Yüksek bir risk skoru, otomatik iptal kararını zorunlu kılmaz. İşletmeler, risk seviyesine göre farklı müdahale yolları tanımlayabilir: manuel doğrulama, ek belge talebi ya da teslimat öncesi telefonla teyit gibi adımlar eklenebilir. Bu esneklik, yüksek riskli müşterileri tamamen kaybetmek yerine, kontrol mekanizmalarıyla kayıp oranını %10‑15 arasında azaltabilir.

Örneğin, bir e‑ticaret platformu risk seviyesi 80 üzeri siparişlerde sadece SMS onayı alırken, 90 üzeri siparişlerde ön ödeme talep edebilir. Bu yaklaşım, riskli siparişlerin %30‑40'ını güvenli bir şekilde tamamlamasını sağlar ve aynı zamanda müşteri deneyimini tamamen kesintiye uğratmaz.

• Risk seviyesi 70‑85: Ek belge isteği
• Risk seviyesi 86‑100: Sipariş iptali önerisi

Friction Risk Seviyesine Göre Nasıl Azaltılır?

Friction risk, müşterinin ödeme sürecinde yaşadığı zorlukların bir ölçüsüdür. Bu seviyeyi düşürmek için çok kanallı iletişim, anlık destek ve alternatif ödeme yöntemleri sunulmalıdır. Canlı chat, WhatsApp entegrasyonu ve 7/24 telefon hattı, müşterinin sorularına hızlı yanıt vererek süreci hızlandırır.

Örneğin, bir siparişin teslimat adresi yüksek riskli bir bölgeye düşerse, sistem otomatik olarak SMS ile önceden bilgilendirme gönderir ve müşteriye kapıda nakit yerine kartlı ödeme seçeneği sunar. Bu önceden uyarı, teslimat reddi oranını %5‑7 arasında azaltabilir.

• Canlı chat entegrasyonu
• Ödeme linki üzerinden tek tıkla ödeme
• Teslimat öncesi fotoğraf onayı

Risk Skoru ile KPI ve Maliyet Analizi

Risk skoru uygulaması, tahsilat başarısını doğrudan KPI'lara bağlar. Ortalama tahsilat oranı %92 iken, risk tabanlı filtreleme sonrası %96’ya çıkabilir. Bu artış, sadece gelirdeki artışı değil, aynı zamanda geri dönüşüm süresinin kısalmasını da beraberinde getirir.

Maliyet açısından, manuel inceleme başına ortalama 2 TL zaman harcaması, otomatik skor tabanlı yönlendirme ile %60 azalmaktadır. Bu da aylık 15 000 TL tasarruf anlamına gelebilir. Tasarruf, aynı zamanda insan hatasını da azaltarak veri kalitesini yükseltir.

• Tahsilat KPI: %96 (risk filtreli) vs %92 (filtre yok)
• İş gücü maliyeti: 2 TL → 0,8 TL per sipariş

Uygulama Adımları: Kontrol Listesi

Risk skorunu etkin bir şekilde hayata geçirmek için aşağıdaki kontrol listesini izleyin. Her adım, veri toplama, model eğitimi ve operasyonel entegrasyon aşamalarını kapsar ve ilerleme ölçümü için bir kontrol noktası sağlar.

• 1. Müşteri ve sipariş verilerini merkezi bir veri ambarına aktarın.
• 2. Geçmiş tahsilat performansını etiketleyerek model eğitim seti oluşturun.
• 3. Skor eşiklerini iş hedeflerine göre tanımlayın (ör. 70 = ek doğrulama).
• 4. API üzerinden skor sonuçlarını sipariş yönetim sistemine bağlayın.
• 5. İzleme dashboard’u ile günlük risk dağılımını raporlayın.

Sık Karşılaşılan Hatalar ve Çözüm Önerileri

Risk skoru uygularken en yaygın hata, veri kalitesinin yetersiz olmasıdır. Eksik adres bilgisi, hatalı telefon numarası ya da tutarsız e‑posta formatı, skorun güvenilirliğini düşürür ve yanlış risk tahminlerine yol açar.

Çözüm olarak, veri giriş formlarına zorunlu alanlar ekleyin ve gerçek zamanlı doğrulama servisleriyle entegrasyon sağlayın. Böylece skor doğruluğu %85‑90 seviyesine ulaşabilir ve yanlış pozitif oranı %5’in altına düşer.

• Veri tutarsızlığı → Önceden veri temizleme script’i çalıştır
• Model aşırı uyum → Cross‑validation ile genelleme kontrolü

Karar Desteği: Skor Tabanlı Segmentasyon Örneği

Bir B2B dağıtım şirketi, siparişleri üç risk segmentine ayırdı: Düşük (0‑40), Orta (41‑70) ve Yüksek (71‑100). Düşük segmentte otomatik kapıda ödeme onayı verilirken, Orta segmentte ek SMS doğrulama, Yüksek segmentte ise ön ödeme talep edildi. Bu segmentasyon, operasyonel maliyeti %12 azaltırken, iptal oranını %8’den %3’e düşürdü.

Segment bazlı yaklaşım, aynı zamanda pazarlama ekiplerine risk profiline göre kampanya tasarlama imkanı sunar; düşük riskli müşterilere hızlı teslimat, yüksek riskli müşterilere ise güvenli ödeme seçenekleri önerilir.

• Düşük risk: Anında kapıda ödeme
• Orta risk: SMS + fotoğraf onayı
• Yüksek risk: Ön ödeme veya banka havalesi

Somut Uygulama Adımı: API Entegrasyonu ve Test Süreci

Risk skorunu gerçek zamanlı olarak sipariş akışına entegre etmek için öncelikle bir RESTful API oluşturulur. API, sipariş verilerini (müşteri ID, tutar, adres, cihaz bilgileri) JSON formatında alır ve 0‑100 arasında bir skor döndürür. Entegrasyon sonrası, "sandbox" ortamında 1.000 gerçek sipariş üzerinden A/B testi yapılır; kontrol grubunda risk kullanılmazken, deney grubunda %70 eşik değeri uygulanır.

Test sonuçları, tahsilat başarısı, iptal oranı ve işlem süresi gibi KPI'lar üzerinden değerlendirilir. Başarılı bir test sonrası, API üretim ortamına taşınır ve günlük hata raporlarıyla izleme başlatılır.

• API endpoint: /risk-score
• İstek örneği: {"customerId":123,"orderAmount":150.00,"address":"İstanbul"}
• Yanıt örneği: {"score":78,"riskLevel":"Yüksek"}