AI və rəqəmsal marketinq lüğəti (100+ termin) — /lugat/ səhifəsi

Terminlər çoxalanda anlayış həmişə artmır. Bəzən komanda eyni sözü üç fərqli mənada işlədir və bunu yalnız qərar səhv gedəndə görür. Bu lüğət süni intellekt, avtomatlaşdırma, SEO, GEO, analitika və marketinqdə tez-tez qarşılaşdığınız anlayışları sadə Azərbaycan dilində eyni yerə toplayır.

Təriflər qısa saxlanılıb. Məqsəd sözü əzbərlətmək deyil; sənəddə, görüşdə və alət seçərkən nə barədə danışdığınızı dəqiqləşdirməkdir. Termin platformaya görə başqa çalar qazana bilər. Ona görə dəyişən funksiya və qaydanı son qərardan əvvəl ilkin mənbədən yoxlamaq yenə sizin işinizdir.

Lüğətlə necə işləməli?

Axtardığınız sözü brauzerin səhifədə axtar funksiyası ilə tapın.
Tərifdəki anlayışı öz real ssenarinizlə müqayisə edin.
Dəyişən platforma qaydasını ilkin mənbədən yenidən yoxlayın.
Layihə sənədində termini bir dəfə tərif edib sonra eyni mənada istifadə edin.

AI və rəqəmsal terminlər

Süni intellekt: Kompüter sisteminin adətən insan düşüncəsi tələb edən tanıma, proqnoz, mətn yaratma və qərara dəstək tapşırıqlarını yerinə yetirməsidir.
Maşın öyrənməsi: Proqramın hər qaydası ayrıca yazılmadan, nümunə məlumatlardan əlaqə öyrənib yeni giriş üçün nəticə verməsi üsuludur.
Dərin öyrənmə: Çoxqatlı neyron şəbəkələr vasitəsilə şəkil, səs və mətn kimi mürəkkəb məlumatlardan xüsusiyyət öyrənən maşın öyrənməsi sahəsidir.
Neyron şəbəkə: Girişləri çəkilər vasitəsilə emal edən və təlim zamanı həmin çəkiləri düzəldərək nümunələri tanıyan hesablama modelidir.
Generativ AI: Öyrəndiyi nümunələrə əsasən yeni mətn, şəkil, səs, video və ya kod yarada bilən süni intellekt sistemidir.
LLM: Böyük həcmdə mətn üzərində öyrədilmiş, dil ardıcıllığını modelləşdirərək mətn anlayan və yaradan böyük dil modelidir.
Token: AI modelinin mətni emal edərkən istifadə etdiyi söz, söz hissəsi, durğu işarəsi və ya simvol vahididir.
Prompt: Generativ AI sisteminə tapşırığı, konteksti, sərhədi və gözlənilən nəticə formatını bildirən giriş təlimatıdır.
Kontekst pəncərəsi: Modelin bir cavab yaradarkən eyni anda nəzərə ala bildiyi ümumi token həcminin sərhədidir.
Embedding: Mətn, şəkil və ya başqa obyektin mənaca oxşarlığı hesablamaq üçün rəqəmlər vektoruna çevrilmiş təqdimatıdır.
Vektor: Obyektin seçilmiş xüsusiyyətlərini rəqəmlər ardıcıllığı ilə ifadə edən və müqayisə aparmağa imkan verən riyazi təqdimatdır.
Vektor bazası: Embedding-ləri saxlayan və sorğuya mənaca yaxın obyektləri sürətlə tapmaq üçün optimallaşdırılmış məlumat bazasıdır.
RAG: Model cavab verməzdən əvvəl xarici mənbədən uyğun məlumatı tapıb prompta əlavə edən axtarışla zənginləşdirilmiş generasiya yanaşmasıdır.
Fine-tuning: Əvvəlcədən öyrədilmiş modelin davranışını xüsusi tapşırıq və ya üsluba uyğunlaşdırmaq üçün əlavə nümunələrlə yenidən təlim prosesidir.
Foundation model: Geniş məlumat üzərində öyrədilib sonradan çox fərqli tapşırıqlara uyğunlaşdırıla bilən böyük baza modelidir.
Transformer: Mətn ardıcıllığındakı əlaqələri attention mexanizmi ilə işləyən və müasir böyük dil modellərinin əsasını təşkil edən arxitekturadır.
Attention: Modelin nəticə yaradarkən girişdəki hansı hissələrin bir-biri ilə daha çox əlaqəli olduğunu hesablayan mexanizmdir.
Inference: Təlimi tamamlanmış modelin yeni giriş qəbul edib proqnoz, təsnifat və ya generativ cavab yaratması mərhələsidir.
Training: Model parametrlərinin nümunə məlumatlar üzərində səhvi azaltmaq üçün hesablanıb yeniləndiyi öyrənmə prosesidir.
Dataset: Təlim, yoxlama, test və ya analiz üçün qaydalı şəkildə toplanmış mətn, şəkil, rəqəm və digər nümunələr toplusudur.
Model: Giriş məlumatından nəticə almaq üçün öyrənilmiş əlaqələri və hesablamaları saxlayan riyazi sistemdir.
Parametr: Modelin təlim zamanı öyrəndiyi və girişə necə reaksiya verəcəyini müəyyən edən daxili rəqəmsal dəyərdir.
Temperature: Generativ modelin ehtimallar arasından seçimində müxtəlifliyi idarə edən parametrdir; yüksək dəyər adətən daha dəyişkən cavab yaradır.
Top-p: Modelin növbəti tokeni yalnız cəmi ehtimalı verilmiş həddə çatan ən mümkün seçimlər arasından götürməsini tənzimləyir.
Hallüsinasiya: AI modelinin inandırıcı səslənsə də mənbədə olmayan, səhv və ya uydurma məlumat yaratması halıdır.
Guardrail: AI sisteminin riskli giriş və çıxışlarını məhdudlaşdırmaq üçün tətbiq edilən texniki qayda, filtr və nəzarət qatıdır.
Alignment: AI sisteminin davranışını insan məqsədləri, təhlükəsizlik tələbləri və qəbul edilən dəyərlərlə uyğunlaşdırmaq istiqamətidir.
Bias: Məlumat, seçim və ya model quruluşundan yaranaraq bəzi qruplar və nəticələr üçün sistemli qərəz yaradan meyldir.
Explainability: Modelin nəticəyə hansı əsaslarla gəldiyini insanın başa düşə və qiymətləndirə bilməsi dərəcəsidir.
Multimodal AI: Mətn, şəkil, səs və video kimi birdən çox məlumat növünü eyni sistemdə qəbul və emal edən AI yanaşmasıdır.
Computer vision: Kompüterlərin şəkil və videodakı obyekt, mətn, hərəkət və vizual əlaqələri tanımasını öyrənən sahədir.
NLP: Kompüterlərin insan dilini emal, analiz və generasiya etməsi ilə məşğul olan təbii dil emalı sahəsidir.
Speech-to-text: Danışıq səsini avtomatik olaraq yazılı mətnə çevirən nitq tanıma texnologiyasıdır.
Text-to-speech: Yazılı mətni sintetik insan nitqinə çevirən və səsli interfeyslərdə istifadə olunan texnologiyadır.
OCR: Şəkil və skan sənədlərindəki çap və ya əl yazısını maşın tərəfindən işlənə bilən mətnə çevirən texnologiyadır.
API: İki proqramın əvvəlcədən müəyyən olunmuş sorğu və cavab qaydaları ilə məlumat və funksiya mübadiləsi etməsinə imkan verən interfeysdir.
Webhook: Müəyyən hadisə baş verəndə bir sistemin digərinə avtomatik HTTP bildirişi göndərməsi üsuludur.
SDK: Müəyyən platforma üçün tətbiq qurmağı asanlaşdıran kod kitabxanası, alət, nümunə və sənədlər toplusudur.
Agent: Mühiti müşahidə edib məqsədə çatmaq üçün növbəti addımı seçən və müəyyən hərəkətləri icra edə bilən sistemdir.
AI agent: Dil modeli və alətlərdən istifadə edərək plan quran, məlumat toplayan və icazə verilmiş əməliyyatları mərhələlərlə yerinə yetirən AI sistemidir.
Workflow: Bir nəticə yaratmaq üçün tapşırıqların, qərar nöqtələrinin, məsul şəxslərin və məlumat axınının müəyyən ardıcıllığıdır.
Automation: Aydın qaydası olan təkrarlanan işi proqram və inteqrasiyalar vasitəsilə minimum əl müdaxiləsi ilə icra etməkdir.
Trigger: Avtomatlaşdırılmış axını başladan vaxt, forma göndərişi, status dəyişikliyi və ya başqa hadisə şərtidir.
Action: Trigger baş verdikdən sonra sistemin yerinə yetirdiyi mesaj göndərmək, qeyd yaratmaq və ya məlumat yeniləmək kimi addımdır.
Integration: Ayrı proqramların məlumat və əməliyyat mübadiləsi edərək vahid prosesin hissəsi kimi işləməsinin qurulmasıdır.
CRM: Müştəri və potensial alıcı məlumatlarını, ünsiyyəti, satış mərhələlərini və növbəti addımları idarə edən sistemdir.
ERP: Maliyyə, satınalma, stok, istehsal və insan resursları kimi əsas əməliyyatları vahid məlumat sistemi altında birləşdirən platformadır.
CDP: Müxtəlif kanallardan gələn birinci tərəf müştəri məlumatını vahid profilə birləşdirib aktivləşdirməyə hazırlayan platformadır.
Chatbot: Mətn və ya səs vasitəsilə istifadəçi suallarını qəbul edib qayda, məlumat bazası və ya AI əsasında cavab verən proqramdır.
Copilot: İnsanın işini tam əvəz etmədən, istifadə etdiyi proqram daxilində təklif, mətn və əməliyyat dəstəyi verən AI köməkçisidir.
Custom GPT: Xüsusi təlimat, fayl və alətlərlə müəyyən istifadə ssenarisinə uyğunlaşdırılmış ChatGPT əsaslı köməkçidir.
Open-source model: Çəkiləri və ya mənbə kodu istifadə, yoxlama və uyğunlaşdırma üçün açıq lisenziya ilə təqdim olunan modeldir.
Proprietary model: Çəkiləri və daxili quruluşu sahibi tərəfindən qapalı saxlanılan, adətən xidmət və ya lisenziya ilə istifadə edilən modeldir.
Cloud AI: Hesablama və model xidmətlərinin uzaq bulud infrastrukturunda işlədiyi, şəbəkə üzərindən istifadə olunan AI həllidir.
Edge AI: AI hesablamasının məlumat mənbəyinə yaxın telefonda, kamerada və ya yerli cihazda icra olunması yanaşmasıdır.
AGI: İnsan kimi çox fərqli intellektual tapşırıqları ümumi şəkildə öyrənib yerinə yetirə biləcəyi fərz edilən, hələ də mübahisəli AI anlayışıdır.
AEO: Məzmunu axtarış və cavab sistemlərinin istifadəçi sualına birbaşa, dəqiq cavab kimi seçə bilməsi üçün optimallaşdırma yanaşmasıdır.
GEO: Brend və məzmunun generativ AI cavablarında düzgün başa düşülməsi, istifadə və istinad edilməsi üçün aparılan optimallaşdırmadır.
SEO: Saytın axtarış sistemlərində uyğun sorğular üzrə tapılması üçün texniki, məzmun və etibar siqnallarının yaxşılaşdırılmasıdır.
SERP: Axtarış sistemi sorğuya cavab olaraq orqanik nəticə, reklam, xəritə və digər blokları göstərdiyi nəticə səhifəsidir.
AI Overview: Google-un bəzi sorğular üçün axtarış nəticələrinin üstündə mənbələrə söykənən generativ xülasə göstərən funksiyasıdır.
Structured data: Səhifədəki obyekt və əlaqələri axtarış sisteminə standart, maşın tərəfindən oxunan formatda bildirən işarələmədir.
Schema markup: Schema.org lüğətindən istifadə edərək məqalə, məhsul, şəxs və digər obyektləri təsvir edən strukturlaşdırılmış məlumat kodudur.
Entity: Axtarış və bilik sisteminin ayrıca tanıya bildiyi şəxs, təşkilat, yer, məhsul və ya anlayış obyektidir.
Knowledge graph: Obyektləri və onların arasındakı əlaqələri qraf şəklində saxlayan, faktları kontekstdə birləşdirən məlumat modelidir.
Citation: İddianın və ya cavabın hansı mənbəyə söykəndiyini göstərən istinad məlumatıdır.
Source attribution: Məlumatın müəllifini, nəşrini və ilkin mənbəsini aydın şəkildə tanıdıb nəticəni həmin mənbəyə bağlamaqdır.
Zero-click search: İstifadəçinin cavabı nəticə səhifəsində alıb heç bir vebsayta keçmədən axtarışı tamamlaması halıdır.
Search intent: İstifadəçinin sorğunu yazmaqla əldə etmək istədiyi məlumat, müqayisə, sayt keçidi və ya alış məqsədidir.
Keyword: İnsanların axtarışda istifadə etdiyi və məzmun mövzusunu sorğu tələbi ilə əlaqələndirən söz və ya ifadədir.
Topic cluster: Bir əsas mövzunu pillar səhifə və ona daxili linklərlə bağlı daha dar məqalələr vasitəsilə əhatə edən məzmun quruluşudur.
Pillar page: Geniş mövzunu sistemli şəkildə izah edib alt mövzulara keçid verən əsas və əhatəli səhifədir.
Internal link: Eyni domen daxilində bir səhifədən digərinə verilən və istifadəçi ilə axtarış sisteminə əlaqəni göstərən keçiddir.
Backlink: Başqa domenin sizin saytınızdakı səhifəyə verdiyi və kəşf, etibar və trafik siqnalı yarada bilən keçiddir.
Canonical URL: Eyni və ya çox oxşar məzmunun indekslənməsi üçün axtarış sisteminə üstün tutulan əsas URL-i bildirən işarədir.
Indexing: Axtarış sisteminin kəşf etdiyi səhifəni emal edib öz axtarış indeksinə daxil etməsi prosesidir.
Crawling: Axtarış botunun linklər və sitemap vasitəsilə səhifələri tapıb məzmun və resurslarını oxuması prosesidir.
Sitemap: Saytdakı vacib URL-ləri və bəzən yenilənmə məlumatını axtarış sistemlərinə təqdim edən XML faylıdır.
Robots.txt: Axtarış botlarına saytın hansı yollarını crawl etməməli olduqlarını bildirən kök səviyyəli qayda faylıdır.
Core Web Vitals: Google-un səhifənin yüklənmə, vizual sabitlik və qarşılıqlı əlaqəyə cavab keyfiyyətini ölçən istifadəçi təcrübəsi göstəriciləridir.
Conversion: İstifadəçinin müraciət, alış, qeydiyyat və ya yükləmə kimi əvvəlcədən müəyyən edilmiş dəyərli hərəkəti tamamlamasıdır.
Lead: Məhsul və ya xidmətə maraq göstərib əlaqə və ya davranış siqnalı ilə gələcək satış imkanı yaradan potensial müştəridir.
Funnel: İnsanın ilkin tanışlıqdan qiymətləndirmə və qərara qədər keçdiyi mərhələləri göstərən marketinq və satış modelidir.
Landing page: Bir kampaniya, auditoriya və məqsəd üçün hazırlanmış, istifadəçini konkret növbəti hərəkətə yönəldən açılış səhifəsidir.
CTA: İstifadəçiyə indi hansı addımı atmalı olduğunu bildirən düymə, keçid və ya qısa hərəkət çağırışıdır.
CRO: Sayt trafikini artırmadan daha çox istifadəçinin məqsədli hərəkəti tamamlaması üçün təcrübə və səhifəni optimallaşdırmaqdır.
A/B test: İki variantın auditoriya arasında nəzarətli bölünərək eyni əsas göstəriciyə təsirinin müqayisə edilməsi üsuludur.
Retargeting: Sayt və ya kontentlə əvvəl qarşılıqlı əlaqə qurmuş insanlara yenidən uyğun reklam göstərilməsi yanaşmasıdır.
Attribution: Konversiya və gəlirin istifadəçinin toxunduğu kanal və kampaniyalar arasında hansı qayda ilə bölüşdürüldüyünü göstərən modeldir.
KPI: Məqsədə doğru irəliləyişi ölçən, qərara təsir edən və əvvəlcədən tərifi razılaşdırılmış əsas performans göstəricisidir.
ROI: Əldə olunan xalis faydanın qoyulan sərmayəyə nisbətini göstərən gəlirlilik ölçüsüdür.
CAC: Müəyyən dövrdə satış və marketinq xərclərinin qazanılmış yeni müştəri sayına bölünməsi ilə hesablanan müştəri əldəetmə xərcidir.
LTV: Müştərinin bizneslə münasibəti boyunca yaradacağı gözlənilən ümumi dəyər və ya töhfə marjasıdır.
Churn: Müəyyən dövrdə xidmətdən ayrılan müştəri, istifadəçi və ya gəlir payını göstərən itki göstəricisidir.
Retention: Müştəri və istifadəçilərin müəyyən müddətdən sonra məhsuldan istifadəni və ya alış münasibətini davam etdirməsi göstəricisidir.
Personalization: Mesaj, təklif və təcrübənin insan haqqında mövcud məlumat və davranış siqnalına uyğunlaşdırılmasıdır.
Segmentation: Auditoriyanın ehtiyac, davranış, dəyər və digər mənalı meyarlara görə ayrı qruplara bölünməsidir.
First-party data: Biznesin öz saytı, tətbiqi, satışı və müştəri münasibəti vasitəsilə birbaşa və razılıq çərçivəsində topladığı məlumatdır.
Cookie: Brauzerdə saxlanaraq sessiya, seçim, ölçmə və reklam kimi məqsədlər üçün istifadə olunan kiçik məlumat parçasıdır.
Consent: İnsanın məlumatının hansı məqsədlə toplanıb istifadə olunacağını anlayaraq verdiyi sərbəst və geri götürülə bilən razılıqdır.
Data privacy: Şəxsi məlumatın qanuni, şəffaf, məqsədə uyğun və minimum həcmdə toplanıb qorunması prinsipləri və praktikasıdır.
2FA: Paroldan əlavə telefon, tətbiq və ya fiziki açar kimi ikinci sübut tələb edən hesab təhlükəsizliyi üsuludur.
Phishing: Etibarlı qurum və ya insan kimi görünərək istifadəçidən parol, ödəniş və digər həssas məlumatı almağa çalışan saxtakarlıqdır.
Encryption: Məlumatın yalnız uyğun açarı olan tərəfin oxuya biləcəyi formaya riyazi üsulla çevrilməsidir.
Backup: Məlumat itkisi və nasazlıq zamanı bərpa üçün əsas sistemdən ayrı saxlanılan yoxlanmış ehtiyat nüsxədir.
Prompt injection: İstifadəçi və ya xarici məzmunun AI sisteminə əvvəlki təlimatları pozdurmağa və icazəsiz davranış etdirməyə çalışdığı hücum növüdür.
Human-in-the-loop: AI prosesində insanın nəticəni yoxladığı, istisnanı idarə etdiyi və kritik qərara son təsdiq verdiyi nəzarət modelidir.

Tərif nə vaxt faydaya çevrilir?

Termini bilmək qərarı avtomatik yaxşılaşdırmır. “RAG qururuq” demək asandır. Hansı mənbənin axtarılacağını, nəticənin kimə lazım olduğunu və səhv cavabın harada dayanacağını demək daha çətindir. Fayda həmin çətin suallara verilən cavabda yaranır.

Yeni anlayışla qarşılaşanda onu dörd yerə bölün: giriş məlumatı, görülən iş, çıxış və məsul insan. Sonra bir real nümunə seçin. Söz həmin nümunəni daha aydın izah edirsə, işə yarayır. Sadəcə təqdimatı daha texniki göstərirsə, hələ heç nə həll etməyib.

Mənbəni harada yoxlamaq lazımdır?

Mövzunun davamı

Yaxşı lüğət söhbəti uzatmır.

Eyni sözü eyni mənada işlətməyə kömək edir.