15.01.2026
Pandas AI İle Eposta Yükünü Azalt
Bu prompt, Inbox Zero hedefinize ulaşmanız için e-posta yönetim stratejilerinizi optimize etmek üzere Pandas AI 'ın Veri Analizi gücünü kullanmanıza olanak tanır.
- Gelen kutunuzdaki veri yığınını anlamlı içgörülere dönüştürerek e-posta karmaşasını azaltmanızı sağlar.
- E-posta hacmi, gönderici dağılımı ve tipik yanıt süreleri gibi kritik metrikleri analiz ederek zamanınızı en çok neyin aldığını belirlemenize yardımcı olur.
- Pandas AI, e-posta verilerinizdeki gizli kalıpları ve anormallikleri otomatik olarak tespit ederek verimlilik artışı için fırsatlar sunar.
- Örneğin, belirli bir saatte veya günde gelen e-postaların yoğunluğunu görselleştirerek e-posta işleme zamanlamalarınızı optimize edebilirsiniz.
- Bu analizler sayesinde, e-posta akışınızı daha verimli hale getirecek otomatik filtreler ve kurallar geliştirme konusunda somut öneriler alırsınız.
- Gereksiz abonelikleri ve düşük öncelikli e-postaları belirleyerek gelen kutunuzu daha temiz ve yönetilebilir tutmanıza destek olur.
- Zamanınızı daha stratejik görevlere ayırmanızı sağlayacak pratik ve kişiselleştirilmiş eylem adımları sunar.
- Bu araç, e-posta yönetiminde bilimsel ve veri odaklı bir yaklaşım benimsemek isteyen herkes için idealdir.
- Gelen kutusu stresini azaltarak günlük üretkenliğinizi ve odaklanma yeteneğinizi artırmanıza yardımcı olur.
{ }Değişken Açıklamaları:
- [E_POSTA_VERI_DOSYASI_YOLU]: Analiz edilecek e-posta verilerini içeren CSV veya Excel dosyasının yolu. Örneğin; 'veriler/epostalarim.csv'
- [ZAMAN_DAMGASI_SUTUNU]: E-postaların gönderilme zamanını içeren sütunun adı. Örneğin; 'Gönderilme Zamanı'
- [GONDERICI_SUTUNU]: E-postayı gönderen kişinin veya adresin bilgilerini içeren sütunun adı. Örneğin; 'Gönderen'
- [KONU_SUTUNU]: E-postanın konu başlığını içeren sütunun adı. Örneğin; 'Konu'
- [ETIKET_SUTUNU]: E-postaların etiketlerini veya kategorilerini içeren sütunun adı (varsa). Örneğin; 'Etiketler'
- [SON_X_GUN]: Analizin yapılacağı son gün sayısı. Örneğin; 90 (Son 90 günün verilerini analiz et).
- [EN_COK_GONDERICI_SAYISI]: En çok e-posta gönderen kaç kişinin listeleneceği. Örneğin; 10.
Gemini
Değişkenleri Düzenle
Benim için e-posta verilerini analiz eden ve Inbox Zero stratejisine ulaşmama yardımcı olan bir Pandas AI uzmanısın. Sana `df` adında bir veri çerçevesi sağlayacağım. Bu veri çerçevesi, `[ZAMAN_DAMGASI_SUTUNU]`, `[GONDERICI_SUTUNU]` ve `[KONU_SUTUNU]` sütunlarını içerecektir. İsteğe bağlı olarak `[ETIKET_SUTUNU]` sütunu da bulunabilir.
Adım adım aşağıdaki analizleri yapmanı ve sonuçları bana sunmanı istiyorum:
1. **Veri Yükleme ve Ön İşleme:**
* `df` veri çerçevesini `[E_POSTA_VERI_DOSYASI_YOLU]` konumundan yükle. Eğer dosya CSV ise `pd.read_csv()`, Excel ise `pd.read_excel()` kullan.
* `[ZAMAN_DAMGASI_SUTUNU]` sütununu datetime formatına dönüştürerek Pandas'ın tarih-saat işlemlerini yapabilmesini sağla.
* Eğer varsa, `[ETIKET_SUTUNU]` sütunundaki değerleri temizle ve standartlaştır (örn. birden fazla etiketi ayır).
2. **E-posta Hacmi Analizi:**
* Son `[SON_X_GUN]` içindeki günlük, haftalık ve aylık e-posta hacmini hesapla ve bir çizgi grafiği ile görselleştir. Grafiğin başlığı "E-posta Hacmi Trendleri" olsun.
* Haftanın hangi günlerinde ve günün hangi saatlerinde en çok e-posta geldiğini analiz et. Bu bilgiyi ısı haritası (heatmap) ile görselleştir.
3. **Gönderici Analizi:**
* En çok e-posta gönderen `[EN_COK_GONDERICI_SAYISI]` kişiyi veya etki alanını (domain) belirle. Bu göndericilerin toplam e-posta hacmindeki yüzdesini hesapla ve bir çubuk grafiği ile görselleştir.
* Bu göndericilerden gelen e-postaların `[KONU_SUTUNU]` sütunundaki anahtar kelimeleri analiz ederek, her gönderici grubunun tipik e-posta konularını özetle.
4. **Konu Analizi ve Kategorizasyon:**
* `[KONU_SUTUNU]` sütununda en sık geçen anahtar kelimeleri (stop word'ler hariç) belirle. Bu kelimeleri kullanarak e-postaları potansiyel kategorilere ayırmaya çalış (örn. "toplantı", "rapor", "fatura", "pazarlama", "destek").
* Her kategoriye giren e-postaların hacmini bir pasta grafiği ile göster.
5. **Inbox Zero İçgörüleri ve Öneriler:**
* Elde ettiğin analizlere dayanarak, e-posta yönetimini optimize etmek için 3-5 adet somut öneri sun. Bu öneriler şunları içerebilir:
* Otomatik filtreleme veya kural oluşturma için hangi göndericilerin veya konu anahtar kelimelerinin hedeflenebileceği.
* Hangi saatlerde veya günlerde e-postaların toplu olarak işlenmesinin daha verimli olabileceği.
* Hangi göndericilere abonelikten çıkmanın veya bildirimleri kapatmanın faydalı olabileceği.
* Bu önerileri, Pandas AI'ın veri analizi yetenekleriyle desteklenen kod parçacıkları veya mantıksal çıkarımlar şeklinde sun.
Her adımın sonunda, analizi ve görselleştirmeyi açıklayan kısa bir özet sun. Görselleştirmeler için `matplotlib` veya `seaborn` kullanabilirsin.
Benim için e-posta verilerini analiz eden ve Inbox Zero stratejisine ulaşmama yardımcı olan bir Pandas AI uzmanısın. Sana `df` adında bir veri çerçevesi sağlayacağım. Bu veri çerçevesi, `[ZAMAN_DAMGASI_SUTUNU]`, `[GONDERICI_SUTUNU]` ve `[KONU_SUTUNU]` sütunlarını içerecektir. İsteğe bağlı olarak `[ETIKET_SUTUNU]` sütunu da bulunabilir.
Adım adım aşağıdaki analizleri yapmanı ve sonuçları bana sunmanı istiyorum:
1. **Veri Yükleme ve Ön İşleme:**
* `df` veri çerçevesini `[E_POSTA_VERI_DOSYASI_YOLU]` konumundan yükle. Eğer dosya CSV ise `pd.read_csv()`, Excel ise `pd.read_excel()` kullan.
* `[ZAMAN_DAMGASI_SUTUNU]` sütununu datetime formatına dönüştürerek Pandas'ın tarih-saat işlemlerini yapabilmesini sağla.
* Eğer varsa, `[ETIKET_SUTUNU]` sütunundaki değerleri temizle ve standartlaştır (örn. birden fazla etiketi ayır).
2. **E-posta Hacmi Analizi:**
* Son `[SON_X_GUN]` içindeki günlük, haftalık ve aylık e-posta hacmini hesapla ve bir çizgi grafiği ile görselleştir. Grafiğin başlığı "E-posta Hacmi Trendleri" olsun.
* Haftanın hangi günlerinde ve günün hangi saatlerinde en çok e-posta geldiğini analiz et. Bu bilgiyi ısı haritası (heatmap) ile görselleştir.
3. **Gönderici Analizi:**
* En çok e-posta gönderen `[EN_COK_GONDERICI_SAYISI]` kişiyi veya etki alanını (domain) belirle. Bu göndericilerin toplam e-posta hacmindeki yüzdesini hesapla ve bir çubuk grafiği ile görselleştir.
* Bu göndericilerden gelen e-postaların `[KONU_SUTUNU]` sütunundaki anahtar kelimeleri analiz ederek, her gönderici grubunun tipik e-posta konularını özetle.
4. **Konu Analizi ve Kategorizasyon:**
* `[KONU_SUTUNU]` sütununda en sık geçen anahtar kelimeleri (stop word'ler hariç) belirle. Bu kelimeleri kullanarak e-postaları potansiyel kategorilere ayırmaya çalış (örn. "toplantı", "rapor", "fatura", "pazarlama", "destek").
* Her kategoriye giren e-postaların hacmini bir pasta grafiği ile göster.
5. **Inbox Zero İçgörüleri ve Öneriler:**
* Elde ettiğin analizlere dayanarak, e-posta yönetimini optimize etmek için 3-5 adet somut öneri sun. Bu öneriler şunları içerebilir:
* Otomatik filtreleme veya kural oluşturma için hangi göndericilerin veya konu anahtar kelimelerinin hedeflenebileceği.
* Hangi saatlerde veya günlerde e-postaların toplu olarak işlenmesinin daha verimli olabileceği.
* Hangi göndericilere abonelikten çıkmanın veya bildirimleri kapatmanın faydalı olabileceği.
* Bu önerileri, Pandas AI'ın veri analizi yetenekleriyle desteklenen kod parçacıkları veya mantıksal çıkarımlar şeklinde sun.
Her adımın sonunda, analizi ve görselleştirmeyi açıklayan kısa bir özet sun. Görselleştirmeler için `matplotlib` veya `seaborn` kullanabilirsin.
Adım adım aşağıdaki analizleri yapmanı ve sonuçları bana sunmanı istiyorum:
1. **Veri Yükleme ve Ön İşleme:**
* `df` veri çerçevesini `[E_POSTA_VERI_DOSYASI_YOLU]` konumundan yükle. Eğer dosya CSV ise `pd.read_csv()`, Excel ise `pd.read_excel()` kullan.
* `[ZAMAN_DAMGASI_SUTUNU]` sütununu datetime formatına dönüştürerek Pandas'ın tarih-saat işlemlerini yapabilmesini sağla.
* Eğer varsa, `[ETIKET_SUTUNU]` sütunundaki değerleri temizle ve standartlaştır (örn. birden fazla etiketi ayır).
2. **E-posta Hacmi Analizi:**
* Son `[SON_X_GUN]` içindeki günlük, haftalık ve aylık e-posta hacmini hesapla ve bir çizgi grafiği ile görselleştir. Grafiğin başlığı "E-posta Hacmi Trendleri" olsun.
* Haftanın hangi günlerinde ve günün hangi saatlerinde en çok e-posta geldiğini analiz et. Bu bilgiyi ısı haritası (heatmap) ile görselleştir.
3. **Gönderici Analizi:**
* En çok e-posta gönderen `[EN_COK_GONDERICI_SAYISI]` kişiyi veya etki alanını (domain) belirle. Bu göndericilerin toplam e-posta hacmindeki yüzdesini hesapla ve bir çubuk grafiği ile görselleştir.
* Bu göndericilerden gelen e-postaların `[KONU_SUTUNU]` sütunundaki anahtar kelimeleri analiz ederek, her gönderici grubunun tipik e-posta konularını özetle.
4. **Konu Analizi ve Kategorizasyon:**
* `[KONU_SUTUNU]` sütununda en sık geçen anahtar kelimeleri (stop word'ler hariç) belirle. Bu kelimeleri kullanarak e-postaları potansiyel kategorilere ayırmaya çalış (örn. "toplantı", "rapor", "fatura", "pazarlama", "destek").
* Her kategoriye giren e-postaların hacmini bir pasta grafiği ile göster.
5. **Inbox Zero İçgörüleri ve Öneriler:**
* Elde ettiğin analizlere dayanarak, e-posta yönetimini optimize etmek için 3-5 adet somut öneri sun. Bu öneriler şunları içerebilir:
* Otomatik filtreleme veya kural oluşturma için hangi göndericilerin veya konu anahtar kelimelerinin hedeflenebileceği.
* Hangi saatlerde veya günlerde e-postaların toplu olarak işlenmesinin daha verimli olabileceği.
* Hangi göndericilere abonelikten çıkmanın veya bildirimleri kapatmanın faydalı olabileceği.
* Bu önerileri, Pandas AI'ın veri analizi yetenekleriyle desteklenen kod parçacıkları veya mantıksal çıkarımlar şeklinde sun.
Her adımın sonunda, analizi ve görselleştirmeyi açıklayan kısa bir özet sun. Görselleştirmeler için `matplotlib` veya `seaborn` kullanabilirsin.
Benim için e-posta verilerini analiz eden ve Inbox Zero stratejisine ulaşmama yardımcı olan bir Pandas AI uzmanısın. Sana `df` adında bir veri çerçevesi sağlayacağım. Bu veri çerçevesi, `[ZAMAN_DAMGASI_SUTUNU]`, `[GONDERICI_SUTUNU]` ve `[KONU_SUTUNU]` sütunlarını içerecektir. İsteğe bağlı olarak `[ETIKET_SUTUNU]` sütunu da bulunabilir.
Adım adım aşağıdaki analizleri yapmanı ve sonuçları bana sunmanı istiyorum:
1. **Veri Yükleme ve Ön İşleme:**
* `df` veri çerçevesini `[E_POSTA_VERI_DOSYASI_YOLU]` konumundan yükle. Eğer dosya CSV ise `pd.read_csv()`, Excel ise `pd.read_excel()` kullan.
* `[ZAMAN_DAMGASI_SUTUNU]` sütununu datetime formatına dönüştürerek Pandas'ın tarih-saat işlemlerini yapabilmesini sağla.
* Eğer varsa, `[ETIKET_SUTUNU]` sütunundaki değerleri temizle ve standartlaştır (örn. birden fazla etiketi ayır).
2. **E-posta Hacmi Analizi:**
* Son `[SON_X_GUN]` içindeki günlük, haftalık ve aylık e-posta hacmini hesapla ve bir çizgi grafiği ile görselleştir. Grafiğin başlığı "E-posta Hacmi Trendleri" olsun.
* Haftanın hangi günlerinde ve günün hangi saatlerinde en çok e-posta geldiğini analiz et. Bu bilgiyi ısı haritası (heatmap) ile görselleştir.
3. **Gönderici Analizi:**
* En çok e-posta gönderen `[EN_COK_GONDERICI_SAYISI]` kişiyi veya etki alanını (domain) belirle. Bu göndericilerin toplam e-posta hacmindeki yüzdesini hesapla ve bir çubuk grafiği ile görselleştir.
* Bu göndericilerden gelen e-postaların `[KONU_SUTUNU]` sütunundaki anahtar kelimeleri analiz ederek, her gönderici grubunun tipik e-posta konularını özetle.
4. **Konu Analizi ve Kategorizasyon:**
* `[KONU_SUTUNU]` sütununda en sık geçen anahtar kelimeleri (stop word'ler hariç) belirle. Bu kelimeleri kullanarak e-postaları potansiyel kategorilere ayırmaya çalış (örn. "toplantı", "rapor", "fatura", "pazarlama", "destek").
* Her kategoriye giren e-postaların hacmini bir pasta grafiği ile göster.
5. **Inbox Zero İçgörüleri ve Öneriler:**
* Elde ettiğin analizlere dayanarak, e-posta yönetimini optimize etmek için 3-5 adet somut öneri sun. Bu öneriler şunları içerebilir:
* Otomatik filtreleme veya kural oluşturma için hangi göndericilerin veya konu anahtar kelimelerinin hedeflenebileceği.
* Hangi saatlerde veya günlerde e-postaların toplu olarak işlenmesinin daha verimli olabileceği.
* Hangi göndericilere abonelikten çıkmanın veya bildirimleri kapatmanın faydalı olabileceği.
* Bu önerileri, Pandas AI'ın veri analizi yetenekleriyle desteklenen kod parçacıkları veya mantıksal çıkarımlar şeklinde sun.
Her adımın sonunda, analizi ve görselleştirmeyi açıklayan kısa bir özet sun. Görselleştirmeler için `matplotlib` veya `seaborn` kullanabilirsin.
Bu Prompt Seni Bekliyor
Pandas AI için hazırlanmış bu promptu anında kopyala, kullan.
Ücretsiz üye ol, binlerce prompta eriş.
5,989 üye
2,038 prompt
20,129 kopya
600,320 görüntülenme
10 saniyede üye ol, sınırsız prompt keşfet
Bu içerikte bir hata mı gördün?
Nile
"Sizin için dünyanın en güzel promptlarını üretiyorum."
Üyelik
21.12.2025
Son Görülme
03.11.2026
Kullanım Zorluğu
Orta Seviye
Bu prompt kullanmadan önce düzenlemeniz gereken 7 değişken içerir.
Keşfet
Alternatif Araçlar
Biliyor muydunuz?
Karşılaştırma için 'Avantaj ve dezavantajlarını tablo halinde ver' demek, düz metinden çok daha okunur sonuç verir.
En Popüler
İlgili Etiketler
AI Engine
Benzer promptlar
Puan ver