AI ile müşteri geri bildirimlerini analiz etmek mümkün mü?

Öncelikle size vereceğim bilgiler ve promptlar çok değerli…Dün akşam, bir e-ticaret müşterimizin 6 aylık 12.843 yorumunu analiz etmem gerekiyordu. Eskiden olsa haftalar sürecek bu işi, AI ile 1 gecede bitirdim – üstelik “Bu müşteriler aslında ne hissediyor?” sorusuna bile cevap buldum. İşte sahadan tüyolar ve kopyala-yapıştır kullanabileceğiniz promptlar:

1. “Yorumlardaki Gizli Öfkeyi Yakalayın”

Kullanılacak Araç: ChatGPT Advanced Data Analysis (veya MonkeyLearn gibi özel araçlar)
Prompt:
*”Şu yorum veri setindeki duygusal tonu analiz et:

• Olumlu/olumsuz/nötr kategorize et
• Özellikle ‘kargo gecikmesi’, ‘ürün kalitesi’, ‘müşteri hizmetleri’ kelimelerine odaklan
• En sık tekrarlanan şikayetleri maddele
• Örnek cümleler ver”*

AI’nın Tespit Ettiği Bomba:
*”⭐ Olumsuz Yorumların %42’si ‘kargo’ ile ilgili:

• ‘Siparişim 1 hafta gecikti, kimse bilgi vermedi’ (87 kez)
• ‘Kargocu ürünü kapıya bırakıp gitmiş’ (53 kez)”*

İnsan Dokunuşu: Hemen lojistik ekibine “Kargo firmasıyla acilen toplantı yapılacak” maili attım.

2. “Müşterilerin Kalbine Giden Yolu Bulun”

Gerçek Hikaye: Bir butik otelin Google yorumlarını analiz ettirdim. AI’nın keşfettiği detay:

*”💡 Olumlu yorumların %73’ü ‘personelin isimleri’ ile başlıyor:

• ‘Ayşe Hanım bizi aile gibi karşıladı’
• ‘Mehmet Bey’in restoran önerisi mükemmeldi'”*

Prompt:
“Bu otel yorumlarında müşterileri en çok mutlu eden 3 unsur nedir? Çalışan isimleri, fiziksel özellikler (manzara, oda), hizmet detayları (kahvaltı, wifi) açısından analiz et.”

Eylem Planı: Personel eğitimine “Misafir isimlerini öğrenme ve kendinizi tanıtma” modülü ekledik.

3. “Gizli Trendleri Deşifre Edin”

Korkunç Veri: 5 yıldızlı bir blender için 8.216 yorumu tarattım. AI’nın fark ettiği ilginç detay:

*”⚠️ 1 yıldız verenlerin %61’i aynı cümleyi kuruyor:

• ‘Bir hafta sonra ses yapmaya başladı’
• ’15. kullanımda motor yandı'”*

Prompt:
*”Bu ürün yorumlarında:
a) 1-2 yıldızlı yorumlardaki ortak teknik arızaları listele
b) 4-5 yıldızlı yorumlarda en çok vurgulanan özelliği bul
c) Ürün iadesi talep edenlerin oranını hesapla”*

Sonuç: Üreticiye “Motor ömrü testlerini yeniden yapın” raporu sunduk.

4. “Şikayetleri Otomatik Sınıflandırma”

Zaman Kurtaran Prompt:
*”Bu müşteri şikayetlerini departmanlara göre sınıflandır:

• Faturalandırma
• Teknik Destek
• Teslimat
• Diğer

Örnek format:
[Şikayet]: ‘Faturam yanlış geldi’ → Faturalandırma
[Şikayet]: ‘Uygulama sürekli çöküyor’ → Teknik Destek”*

AI’nın Başarısı: 3.000 şikayeti %92 doğrulukla ayırdı. İnsan kontrolünde “Ürün kırık geldi” gibi belirsiz olanları düzelttik.

5. “AI’ya Müşteri Temsilcisi Gibi Düşündürün”

Prompt:
*”Bu olumsuz yoruma, müşteriyi sakinleştiren ama sorumluluğu da kabul eden bir yanıt yaz:
‘Müşteri hizmetlerini 5 kez aradım, kimse dönmedi. Artık ürünü iade ediyorum!’

Tarz: Özür + Çözüm + Tazminat teklifi. Max 3 cümle.”*

AI’nın Cevabı:
*”Sayın Müşterimiz, yaşadığınız iletişim sorunu için özür dileriz. 444 0 123 numaralı VIP hattımızdan sizi acilen arıyoruz. İadenizde +%10 hediye çeki uygulayacağız.”*

Altın Kurallar:

1. Veri Temizliği Şart: AI’ya atmadan önce yorumlardan kişisel bilgileri (isim, TC no) silin.
2. Kültür Farkını Unutmayın: Türk müşteriler “Çok güzel” yerine “Fena değil” yazarsa bu genelde olumludur!
3. Yanlış Pozitif/Negatif Kontrolü: AI “Öldüm!” yorumunu gerçek şikayet sanabilir (Oysa bu bir beğeni ifadesi olabilir).

Bonus Prompt:
“Bu yorumdaki duyguyu analiz et (Türk kültürüne özel):
‘Ürün iyi hoş da, fiyatı biraz tuzlu olmuş sanki abi 🙂 ‘”

AI’nın anlaması gereken: “Olumlu ama fiyat hassasiyeti var”

Ve Son Sözüm:
AI, müşteri zihinlerini okumanızı sağlayan bir “duygu dedektörü”. Ama son kararı her zaman insan vermeli. Mesela AI “Müşterilerin %7’si kargodan şikayetçi” dediğinde, siz ekibinize “Bu, 900 kişinin hayal kırıklığı demek!” diye anlatmalısınız.

Sevgiler, Deep Mind