Kazanimlar:
- Uzun ve dağınık müşteri taleplerini yapılandırılmış, eyleme geçirilebilir özetlere dönüştürebilme
- Talepleri kategori, aciliyet ve müşteri duygusuna göre sabit bir şemayla sınıflandırabilme
- Toplu ticket işleme için otomasyona uygun, tutarlı bir çıktı formatı (JSON/tablo) tanımlayabilme
Bir destek ekibinin sabahını hayal edin: gece boyunca 220 yeni talep (ticket, yani müşterinin açtığı destek kaydı) birikmiş. Kimisi tek satırlık "şifremi unuttum", kimisi öfkeli üç paragraflık bir şikayet, kimisi de aslında satış fırsatı. Bu yığını okuyup her birini doğru kategoriye atmak, aciliyetini belirlemek ve doğru kişiye yönlendirmek (buna triyaj denir; acil serviste hastaları önceliğe göre ayırma mantığının aynısı) günün ilk iki saatini yiyip bitirir.
Yapay zeka (AI) bu işi saniyeler içinde ve tutarlı biçimde yapabilir. Ancak sihir, "şu talebi özetle" demekte değil; modele sabit bir kategori listesi, net aciliyet seviyeleri ve değişmez bir çıktı formatı dayatmaktadır. Bu ünitede, tek bir talebi işlemekten yüzlerce talebi otomasyona hazır biçimde etiketlemeye kadar giden bir triyaj sistemi kuracağız.
Not: AI'nın ürettiği kategori ve aciliyet etiketleri bir ön eleme aracıdır. Özellikle "acil" ve "şikayet" etiketli talepler, işleme alınmadan önce bir insan tarafından teyit edilmelidir.
Neden Yapılandırılmış Özet?
Serbest bir özet ("müşteri kargosuyla ilgili sorun yaşıyor") ne aranabilir, ne sıralanabilir, ne de otomasyona bağlanabilir. Oysa destek yöneticisinin ihtiyacı şu sorulara nettir:
- Bu talep hangi kategoriye girer? (Kargo, İade, Ödeme, Teknik, Ürün Bilgisi, Şikayet, Satış Fırsatı)
- Ne kadar acil? (Kritik / Yüksek / Orta / Düşük)
- Müşterinin duygu durumu ne? (Öfkeli / Hayal kırıklığı / Nötr / Memnun)
- Tek cümlelik özü nedir?
- Sonraki adım ne olmalı?
Bu soruları önceden tanımlayıp modele bir şema (sabit alanlar ve olası değerler) olarak verdiğinizde, 220 talebin hepsi aynı biçimde, karşılaştırılabilir ve filtrelenebilir hale gelir.
Adım Adım: Bir Triyaj Şeması Kurmak
- Kategori listesini sabitleyin. Modelin uydurmasına izin vermeyin; kapalı bir liste verin.
- Aciliyet ölçütünü tanımlayın. "Kritik" ne demek somutlaştırın: hizmet tamamen durmuş, ödeme kaybı, güvenlik riski.
- Duygu etiketlerini belirleyin. Sınırlı ve net bir küme kullanın.
- Çıktı formatını dayatın. Toplu işlem için JSON (makinelerin okuduğu, alan-değer çiftlerinden oluşan veri biçimi), tek talep için tablo uygundur.
- "Emin değilsen işaretle" kuralı koyun. Model kategoriden emin değilse belirsiz desin ve insan baksın.
- Doğrulayın. İlk partide etiketlerin doğruluğunu elle kontrol edip promptu ayarlayın.
Kopyalanabilir Promptlar
Tek bir talebi yapılandırılmış özete çeviren temel prompt:
Rol: Deneyimli bir destek triyaj uzmanısın. Aşağıdaki müşteri talebini analiz et.Yorum ekleme; yalnızca metinde olana dayan.Şu alanları doldur:- ozet: (en fazla 1 cümle)- kategori: [Kargo | İade | Ödeme | Teknik | Ürün Bilgisi | Şikayet | Satış Fırsatı]- aciliyet: [Kritik | Yüksek | Orta | Düşük]- duygu: [Öfkeli | Hayal kırıklığı | Nötr | Memnun]- sonraki_adim: (tek cümle, somut eylem)- emin_degilim: (kategori/aciliyet belirsizse "evet", değilse "hayır")Talep:"""{{ talep_metni }}"""
Toplu işlem için, birden çok talebi tek seferde JSON dizisine çeviren prompt:
Aşağıdaki numaralı talepleri işle. Her biri için şu şemada bir JSON nesnesi üretve hepsini bir JSON dizisi olarak döndür. Şemanın dışına çıkma:{ "id": "", "ozet": "", "kategori": "", "aciliyet": "", "duygu": "", "sonraki_adim": "", "emin_degilim": "" }Kategoriler yalnızca: Kargo, İade, Ödeme, Teknik, Ürün Bilgisi, Şikayet, Satış Fırsatı.Talepler:{{ numarali_talep_listesi }}
Aciliyet kriterini netleştiren, modele "Kritik" tanımını öğreten prompt:
Aciliyeti şu kurala göre belirle:- Kritik: hizmet tamamen kullanılamıyor, ödeme kaybı, güvenlik/veri riski, yasal tehdit.- Yüksek: önemli işlev bozuk ama geçici çözüm var; öfkeli müşteri.- Orta: tekil sorun, iş akışını durdurmuyor.- Düşük: bilgi talebi, öneri, genel soru.Kararının gerekçesini "aciliyet_neden" alanında tek cümleyle yaz.
Satış fırsatını yakalayan, destek/satış köprüsü kuran prompt:
Talebi işlerken, müşteri yeni bir ürün/paket/ek satın almaya ilgi gösteriyorsa(ör. "daha büyük paketiniz var mı", "kaç kullanıcıya kadar çıkar") kategoriyi"Satış Fırsatı" yap ve "satis_notu" alanına satış ekibi için tek cümlelik ipucu ekle.
Zayıf Prompt / Güçlü Prompt
Zayıf prompt
Güçlü prompt
"Bu talebi özetle ve sınıflandır"
Kapalı kategori listesi + aciliyet tanımı + sabit JSON şeması
Her seferinde farklı etiketler üretir
Aynı talebe hep aynı etiketi verir
"Acil" kelimesini kendi kafasına göre kullanır
"Kritik" için somut ölçüt uygular
Belirsizde uydurur
emin_degilim: evet deyip insana bırakır
Tutarlılık burada altın kuraldır: aynı şikayet iki farklı gün geldiğinde aynı kategoriye düşmezse, hiçbir rapor ve otomasyon güvenilir olmaz.
Üç Mini Vaka
Vaka 1 — Gizli kritik. Bir SaaS (internetten kiralanan yazılım) firmasında "Giriş yapamıyorum, tüm ekip 40 kişi bekliyor" mesajı, uzunluğu kısa olduğu için sıradan görünüyordu. Triyaj promptu aciliyet kuralı sayesinde bunu "Kritik" işaretledi ("hizmet tamamen kullanılamıyor" ölçütü). Talep, kuyrukta 2 saat beklemek yerine 6 dakikada ele alındı; bir SLA (hizmet seviyesi anlaşması, yani söz verilen yanıt süresi) ihlali önlendi.
Vaka 2 — Öfke önceliklendirmesi. Bir gün 180 talebin AI etiketleri incelendiğinde "Öfkeli" duygusu taşıyan 14 talebin ayrı bir kuyruğa alındığı görüldü. Bu talepler deneyimli temsilcilere yönlendirildi ve o hafta olumsuz anket puanı (CSAT, yani müşteri memnuniyet skoru) önceki haftaya göre belirgin biçimde iyileşti.
Vaka 3 — Destekten satışa köprü. "Mevcut paketim 5 kullanıcı, 20 kişiye çıkmam gerekiyor, mümkün mü?" mesajını AI "Satış Fırsatı" olarak etiketleyip satış notu ekledi. Talep otomatik olarak satış ekibine düştü; standart destek kuyruğunda kaybolsaydı fark edilmeyecek bir yükseltme (upsell) fırsatı kazanç haline geldi.
İpucu: Kategori listenizi mümkün olduğunca kısa ve ayrık tutun. 20 kategori, modelin (ve ekibinizin) kafasını karıştırır; 6-8 net kategori hem daha tutarlı etiketlenir hem de raporlarda anlamlıdır. Sık karışan iki kategoriyi birleştirin.
Otomasyona Bağlamak
Yapılandırılmış JSON çıktısının asıl gücü, bir sonraki adıma otomatik akmasıdır: "Kritik" etiketli talep anında yöneticiye bildirim gönderir, "Satış Fırsatı" CRM'e (müşteri ilişkileri yönetimi yazılımı) düşer, "İade" self-servis (müşterinin kendi kendine hallettiği) akışına yönlenir. Ancak otomasyonun ilk kuralı: yüksek etkili aksiyonlar (para iadesi, hesap kapatma) asla tek başına AI etiketine göre tetiklenmez; arada insan onayı olur.
Dikkat: Duygu analizi bir tahmindir, kesin bir ölçüm değil. Modelin "Nötr" dediği bir müşteri aslında sessizce çok kızgın olabilir. Duygu etiketini önceliklendirmede kullanın; ama "bu müşteri zaten memnun" gibi kesin sonuçlar çıkarmak için tek başına güvenmeyin.
Sık yapılan hatalar
- Kategori listesini modele bırakmak; her seferinde farklı, uyumsuz etiketler almak.
- "Acil" gibi göreli bir kelimeyi tanımsız bırakmak; herkesin talebi acil olur.
- Çıktı formatını sabitlememek; JSON yerine bazen paragraf, bazen liste gelmesi.
- Belirsizlik için bir çıkış kapısı (emin_degilim) koymamak.
- Yüksek etkili işlemleri (iade, hesap kapatma) insan onayı olmadan AI etiketine bağlamak.
- İlk partiyi elle doğrulamadan tüm akışı otomatiğe almak.
Özetle
- Triyaj, gelen talep yığınını kategori, aciliyet ve duyguya göre hızlıca ayırmaktır.
- Tutarlılığın anahtarı: kapalı kategori listesi, somut aciliyet tanımı ve sabit çıktı formatı (JSON).
- Aciliyet ve duygu etiketleri önceliklendirmeyi hızlandırır; kritik ve öfkeli talepleri öne çeker.
- Yapılandırılmış çıktı, otomasyona (bildirim, yönlendirme, CRM) doğrudan bağlanabilir.
- Yüksek etkili aksiyonlar ve belirsiz etiketler her zaman insan teyidinden geçmelidir.
Uygulama görevi
Elinizdeki (veya örnek) 5 farklı müşteri talebini yukarıdaki JSON dizisi promptuyla toplu olarak işleyin. Ardından çıktıyı elle denetleyin: (1) Her kategori doğru mu? (2) "Kritik" işaretlenenler gerçekten hizmeti durduruyor mu? (3) emin_degilim doğru yerlerde mi "evet" demiş? Uymayan her etiketi düzeltip promptu (özellikle kategori tanımlarını ve aciliyet kuralını) buna göre güncelleyin. Bu alıştırma, şemayı kendi gerçeğinize kalibre etme alışkanlığı kazandırır.
Kontrol listesi
- [ ] Kapalı ve ayrık bir kategori listesi tanımladım.
- [ ] Aciliyet seviyelerini somut ölçütlerle tarif ettim.
- [ ] Çıktı formatını (JSON/tablo) sabitledim.
- [ ] Belirsizlik için bir çıkış kapısı (emin_degilim) ekledim.
- [ ] İlk partiyi elle doğrulayıp promptu kalibre ettim.
- [ ] Yüksek etkili aksiyonlara insan onayı katmanı koydum.