AI ile Müşteri Hizmetleri: Chatbot Tasarımı ve Dağıtımı

Müşteri hizmeti AI 2026’da yeniden doğdu. Eski FAQ bot’ları sevimsiz, RAG + GPT-4o bot’ları gerçek insan kadar iyi. Doğru tasarım şart.

Chatbot Türleri

1. Scripted FAQ bot (eski)
   - "Sipariş durumum?" → "Sipariş no?"
   - Sınırlı, hata çok

2. Rule-based with fallback
   - Tanınan: yapısal akış
   - Tanınmaz: insan

3. AI-powered (LLM + RAG)
   - Doğal dil anlama
   - Bilgi tabanından cevap
   - Context aware
   - Escalation gerektiğinde insan

4. Agentic AI (2026)
   - Aksiyon alır (iade, refund, schedule)
   - Multi-step task
   - Tool use

Tasarım Süreci

1. Use Case Belirleme

Görev: Müşteri hizmeti chatbot scope:

Şirket: SaaS B2B
Mevcut: 100 ticket/gün
Hedef: %60 ticket bot çözer

Aday use case'ler:
1. Account / login (en çok)
2. Billing question
3. Feature how-to
4. Bug report (triaj)
5. Refund
6. Upgrade / downgrade
7. Cancel
8. General sales (route to AE)

Her birinin:
- Frequency
- Complexity
- Resolution time
- Bot uygun mu?
- Insan'a escalation kuralı

2. Konuşma Akışı

"Aşağıdaki use case için conversation flow:

Use case: Refund request

Akış:
1. Welcome message
2. "Hangi siparişi?" (varsa CRM context)
3. Sebep dropdown (5 seçenek)
4. Eğer "Defective product":
   - Foto upload
   - Auto-process if < $50
5. Eğer "Changed mind":
   - 30 gün policy check
   - Auto-refund if eligible
6. Eğer karmaşık:
   - Escalate human

Confirmation message
Survey CSAT"

3. RAG Bilgi Tabanı

Detay: Halüsinasyonu Önleme

"RAG setup:

Knowledge sources:
- Help center (Zendesk)
- Confluence (internal docs)
- Product changelog
- FAQ database
- Past resolved tickets

Embedding:
- Chunk: 500 token
- Overlap: 50 token
- Model: text-embedding-3-large

Retrieval:
- Top 5 chunks
- Re-rank with Cohere
- Inject in LLM prompt

System prompt:
'Sen [şirket] müşteri hizmeti uzmanısın.
Sadece verilen context'teki bilgi ile cevap ver.
Bilmiyorsan: 'Bu konuda emin değilim, insan temsilciye yönlendiriyorum' de.'"

4. Persona

"Chatbot persona:

İsim: [...]
Ton:
- Friendly (samimi sen)
- Professional
- Sade dil (jargonsuz)
- Empati
- Concise (3-4 cümle ortalama)

Sınırlar:
- Yasal tavsiye vermez
- Tıbbi tavsiye vermez
- Şirket dışı önerme
- Promo / upsell agresif değil

Emoji: 1 ortalama (over değil)

Hata özrü:
'Üzgünüm, anlamadım. Daha açık söyler misin?'
"

5. Eskalasyon

Insan'a geçiş kuralları:

Otomatik:
- 3 mesajda çözülmedi
- Müşteri "human", "agent", "operatör" dedi
- Negatif sentiment yüksek (Claude classify)
- "Cancel", "refund", "complaint" keyword
- VIP customer (CRM segment)
- Karmaşık account issue

Manuel button:
- "İnsana ulaş" her zaman görünür
- 1-tap çağrı / chat

Handoff:
- Konuşma transkript devret
- Customer context summary
- Beklenen issue
"

Tool Karşılaştırma

Tool	LLM	RAG	Best For
Intercom Fin	GPT-4o	✅	SaaS, established
Sierra	Custom	✅	Enterprise
Drift	GPT	✅	B2B sales-led
Zendesk AI	GPT-4	✅	Mevcut Zendesk
Forethought	Custom	✅	Enterprise support
Tidio Lyro	GPT	✅	E-ticaret KOBİ
Voiceflow	Bring your own	✅	DIY platform
Botpress	Open source	✅	Self-host

TR Özel

• TURKCELL’in BiP entegre AI: Türk şirket için ekosistem
• Trendyol Müşteri Hizmeti: kendi LLM
• Hepsiburada destek: hybrid AI + agent
• BotSpace: TR kuruluşu

Detay: KOBİ için AI Chatbot

Metrik

Bot performansı:

1. Containment rate: bot'ta çözülen %
2. Deflection rate: insan'a gitmeden çözülen
3. CSAT (after bot): kullanıcı puanı
4. First Contact Resolution
5. Avg conversation length
6. Escalation rate
7. False positive (yanlış cevap)
8. Coverage gap (cevaplanamayan konular)

Hedef:
- 30 day: 30% containment
- 90 day: 50%
- 6 ay: 65%+

A/B Testi

"Bot version A vs B:

Hipotez: B'nin daha kısa cevapları CSAT artırır.

A:
- 3-5 cümle cevap
- Detaylı açıklama

B:
- 1-2 cümle
- Direct answer

Sample: 500 conversation per arm
Metric: CSAT + resolution rate
Duration: 2 hafta
"

Multi-Modal

Foto + chat:

"Sipariş kutusu zarar gördü"
→ Müşteri foto upload
→ Bot analyz (Vision API)
→ Auto-refund onay
→ Yeni ürün sipariş
→ "X iş günü içinde teslim"

Detay: Multimodal Prompt

Sesli Bot (Voice)

Use case: Phone support replacement

Stack:
- Speech-to-text (Whisper)
- LLM (Claude/GPT)
- Text-to-speech (ElevenLabs)
- Vapi.ai veya Bland.ai full stack

Real-time conversation < 500ms latency.

Detay: ElevenLabs

Sürekli İyileştirme

Haftalık review:

1. Failed conversations top 20
2. Patterns (sık başarısızlık konusu)
3. Knowledge gap (cevap yok)
4. Bot misunderstanding (intent failure)
5. Negative CSAT root cause
6. Update:
   - Knowledge base content
   - System prompt
   - Conversation flow
   - Escalation rule
"

Etik

• Disclosure: “Ben bir AI’ım”
• Insan opsiyonu: her zaman ulaşılabilir
• Veri: nerede saklanır (TR / EU / US)
• KVKK / GDPR: data subject rights
• Bias: tüm müşteriye eşit davranış
• Hassas konu: tıbbi / hukuki = mutlaka insan

Detay: KVKK Uyumlu AI

ROI

Mevcut: 5 agent × $4K/ay = $20K
Volume: 5000 ticket/ay
Cost per ticket: $4

Bot deploy (60% containment):
- 3000 ticket bot
- 2000 ticket insan
- 2 agent + 1 senior (escalation): $13K
- Bot maliyet: $2K/ay
- Total: $15K

Tasarruf: $5K/ay = $60K/yıl
+ 24/7 coverage
+ Response time iyileşir
- Setup: 80K, ROI 16 ay

Yaygın Hatalar

1. AI’a komple güvenmek: human path her zaman
2. Stale knowledge: 6 ay eski = yanlış cevap
3. Over-promise: “Her şeyi çözebilirim” tehlikeli
4. Sentiment ignore: kızgın müşteriye bot
5. No analytics: nereden bilirsin iyi mi
6. Brand voice unutmak: corporate ton ≠ casual

Sonraki Adımlar

• KOBİ AI Chatbot
• İş Süreci Otomasyon
• Pazarlama Otomasyon
• Halüsinasyonu Önleme

Özet

Müşteri hizmeti AI = 2026’da gerçek leverage. RAG + LLM + iyi tasarım = müşteri fark etmiyor. Anahtar: containment + CSAT + insana path. %60 ticket bot, %40 insan ideal denge.