Çağrı merkezi ses analizi, görüşme kayıtlarını otomatik olarak yazılı metne çevirip her çağrıyı sizin belirlediğiniz kalite, uyum ve müşteri memnuniyeti ölçütlerine göre puanlayan sistemdir. Kalite ekibi rastgele seçilmiş birkaç kaydı dinlemek yerine riskli diye işaretlenen görüşmelere odaklanır; yönetim ise müşterilerin neden aradığını tahmine değil, tüm çağrıların konu dağılımına dayanarak görür.
Kalite ekibi gerçekte neyi görebiliyor?
Tipik bir çağrı merkezinde kalite uzmanı, temsilci başına ayda birkaç görüşme dinler. Bir görüşmeyi dinlemek, notlandırmak ve geri bildirim yazmak görüşmenin kendisinden uzun sürer. Sonuç olarak günün kayıtlarının küçük bir örneği incelenir; geri kalanı kimse dinlemeden arşive gider.
Bu örneklem yöntemi üç soruna yol açar:
- Kaçan riskler. Eksik okunan bir yasal bilgilendirme metni, yanlış söylenen bir fiyat, müşteriye verilen ama sisteme girilmeyen bir söz — örneğe girmediyse ancak müşteri şikâyet ettiğinde fark edilir.
- Adaletsiz değerlendirme. Temsilci, kötü bir günündeki üç kayda göre puanlanır. Birkaç rastgele kayıtla yapılan koçluk ne temsilciyi ikna eder ne de gerçek eğilimi gösterir.
- Görünmeyen müşteri sesi. "Bu ay neden bu kadar çok arandık?" sorusunun cevabı çoğu zaman temsilcilerin izlenimine dayanır. Yeni bir kampanyanın yarattığı kafa karışıklığı ya da bir kargo firmasının gecikmesi, konu verisi olmadığı için geç anlaşılır.
Sorunu çözmemenin maliyeti
Çağrı merkezleri için Türkiye'ye özgü, kamuya açık bir ses analitiği istatistiği yok; ancak yapay zekanın hangi alanlarda kullanıldığı ve neden kullanılamadığı konusunda güvenilir veriler var.
TÜİK'e göre yapay zeka kullanan girişimlerin %46,5'i onu pazarlama veya satış, %41,1'i üretim ya da hizmet süreçleri için kullanıyor. (TÜİK Yapay Zeka İstatistikleri 2025)
Yani Türkiye'de yapay zekanın en yaygın kullanım amacı pazarlama ve satış, başka bir deyişle müşteriyle temas eden süreçler. Oysa müşteriyle en yoğun temasın yaşandığı çağrı merkezlerinde kalite denetimi çoğu zaman hâlâ elle seçilen küçük bir örneklemle yapılır.
Geride kalmanın nedeni çoğu zaman teknoloji değil, yapay zekaya nereden başlanacağına dair bilgi ve güven eksikliği. TÜİK'in aynı bülteninde, yapay zekayı kullanmayı düşünüp kullanmayan girişimlerin %74,2'si uzmanlık eksikliğini, %62,4'ü hukuki sonuçların belirsizliğini neden olarak gösteriyor. Avrupa'da tablo benzer: Eurostat verisine göre 2025'te yapay zekayı düşünüp kullanmayan AB işletmelerinin %70,89'u uzmanlık eksikliğini, %48,83'ü ise veri koruma ve gizlilik kaygısını gerekçe gösterdi. Ses kayıtları kişisel veri içerdiği için bu kaygı çağrı merkezlerinde daha da belirgindir; aşağıda bu boyutu ayrıca ele alıyoruz.
Kullananlar tarafında ise sonuç olumlu: OECD 2025 D4SME anketi ankete katılan ve üretken yapay zeka kullanan KOBİ'lerin %91'inin verimlilik artışı bildirdiğini gösteriyor (anket örneklemi temsilî değildir). Kendi projenizde bu artışı nasıl ölçeceğinizi yapay zeka projesinde ROI hesabı yazısında anlattık.
Çağrı merkezi ses analizi nasıl çalışır?
Bir çağrının kayıttan yönetim panosuna gidişi dört katmandan geçer:
- Konuşmayı metne çevirme. Kayıt, konuşmacılar ayrılarak (temsilci / müşteri) zaman damgalı metne dönüştürülür. Türkçe için sektör terimleri, ürün adları ve kısaltmalar ayrıca öğretilmezse doğruluk düşer; "ürün kodu" gibi kritik sözcüklerin yanlış yazılması sonraki tüm analizleri bozar. Konuşmayı yazıya çevirmenin çağrı merkezi dışındaki kullanımlarını Türkçe ses tanıma rehberimizde topladık; gürültülü depoda kısa komutları tanıyan uygulamayı ise sesli komutla depo toplama yazısında anlattık.
- Konu ve niyet sınıflandırma. Görüşme "fatura itirazı", "kargo gecikmesi", "iptal talebi" gibi sizin belirlediğiniz konulara ayrılır.
- Ölçüt bazlı puanlama. Her görüşme aynı kontrol listesine göre değerlendirilir: karşılama ve kimlik doğrulama yapıldı mı, zorunlu bilgilendirme okundu mu, yasaklı ifade kullanıldı mı, müşteri çözüm aldı mı, konuşma süresi ve sessizlik oranı nedir.
- İşaretleme ve raporlama. Eşiğin altında kalan ya da risk içeren çağrılar kalite ekibinin listesine düşer; konu dağılımı ve eğilimler yönetim panosuna aktarılır.
Ses analizinde hangi ölçütler izlenmeli?
| Ölçüt grubu | Örnek sorular | Kime yarar? |
|---|---|---|
| Uyum | Yasal bilgilendirme ve kayıt uyarısı okundu mu? Yasaklı söz verildi mi? | Hukuk, uyum, kalite |
| Süreç | Kimlik doğrulama yapıldı mı? Doğru kayıt açıldı mı? Görüşme doğru birime aktarıldı mı? | Operasyon |
| Müşteri deneyimi | Müşteri aynı sorunu tekrar mı anlatıyor? Şikâyet ya da iptal ifadesi var mı? | Müşteri deneyimi, satış |
| Temsilci performansı | Sessizlik ve bekletme oranı, söz kesme, çözüm önerisi | Takım lideri, eğitim |
| Konu eğilimi | Bu hafta en çok artan arama nedeni ne? | Ürün, pazarlama, yönetim |
Başlangıçta bu tablonun tamamını değil, iki üç kritik ölçütü seçmek daha doğrudur. Örneğin yalnızca "yasal bilgilendirme okundu mu?" ve "iptal niyeti var mı?" sorularıyla başlayan bir sistem, ilk haftadan somut bir iş listesi üretir.
Somut bir senaryo düşünün: bir sigorta acentesinin çağrı merkezinde her satış görüşmesinde ön bilgilendirme metninin okunması zorunlu. Ses analizi sistemi, metnin anahtar cümlelerinin görüşmede geçip geçmediğini her çağrıda kontrol eder ve eksik olanları gün sonunda takım liderinin listesine düşürür. Takım lideri o görüşmeleri dinler, temsilciyle aynı gün konuşur. Aylar sonra bir denetimde ya da şikâyette ortaya çıkacak bir sorun, birkaç saat içinde görünür hale gelir.
Kurulumda 6 adım
- Kayıt altyapısını inceleyin. Santral ve çağrı kayıt sisteminiz kayıtları hangi biçimde ve kalitede saklıyor, temsilci ve müşteri sesi ayrı kanallarda mı? Tek kanallı, sıkıştırılmış kayıtta metne çevirme doğruluğu düşer.
- Ölçütleri yazıya dökün. Kalite formunuzu, yasaklı ifade listenizi ve zorunlu bilgilendirme metinlerinizi netleştirin. Sistem sizin kurallarınızı uygular; kurallar yoksa önce onlar yazılır.
- Terim sözlüğü hazırlayın. Ürün adları, kampanya adları, şube ve bayi adları, teknik kısaltmalar. Bu adım Türkçe doğruluğunu belirgin biçimde etkiler; gerekirse model sizin kayıtlarınızla ince ayar yapılır. Metne dönüşen görüşmenin konuya ayrılması ise Türkçe doğal dil işleme katmanının işidir.
- Küçük bir örnekle kalibre edin. Kalite ekibinin elle puanladığı bir grup görüşmeyi sistemin puanıyla karşılaştırın. Farkların nedenini bulmadan tüm kayıtlara açmayın.
- İş akışına bağlayın. İşaretlenen çağrı, kalite ekibinin kuyruğuna; iptal niyeti taşıyan çağrı, müşteri elde tutma ekibine; görüşme özeti ise CRM'deki müşteri kartına düşmelidir.
- Temsilcilerle paylaşın. Sistem bir denetim aracı değil, koçluk aracı olarak tanıtıldığında kabul görür. Temsilcinin kendi puanlarını ve örnek kayıtları görebilmesi, itiraz edebilmesi önemlidir.
KVKK ve ses kayıtları
Çağrı kayıtları kişisel veridir; ad, telefon, adres ve bazen sağlık ya da finans bilgisi içerir. Türkiye'de 6698 sayılı Kişisel Verilerin Korunması Kanunu (KVKK) kapsamında müşterinin görüşmenin kaydedildiği ve hangi amaçla işleneceği konusunda aydınlatılması, kayıtların saklama süresinin belirlenmesi ve bu sürenin sonunda silinmesi ya da anonimleştirilmesi gerekir. Kayıtların analiz amacıyla yurt dışındaki bir bulut yapay zeka hizmetine gönderilmesi ayrıca değerlendirilmesi gereken bir konudur. Bu nedenle ses analizi projelerinde metne çevirme ve analiz katmanının kurum içindeki sunucularda çalışabilmesi çoğu zaman tercih sebebidir. Metin çıktısındaki kart numarası, T.C. kimlik numarası gibi alanların maskelenmesi de tasarımın parçası olmalıdır.
Digital Bridge'de bu işi nasıl yapıyoruz?
- Mevcut altyapıya bağlanıyoruz. Ses tanıma ve çağrı analizi sistemini mevcut santral ve çağrı kayıt altyapınıza bağlıyoruz; kayıt altyapısı yoksa onu da kuruyoruz. Sistem kayıtların tamamını işler ve her görüşmeyi aynı ölçütle puanlar.
- Türkçeyi ve sektörünüzü öğretiyoruz. Ürün adlarınız, kısaltmalarınız ve sık geçen terimleriniz için gerektiğinde firmaya özel yapay zeka modeli eğitimi yapıyoruz; doğruluğu sizin kayıtlarınızdan ayrılmış test verisiyle ölçüyoruz.
- Sonucu çalıştığınız ekrana taşıyoruz. Görüşme özeti ve konu etiketinin CRM'deki müşteri kartına işlenmesini sistem entegrasyonları kapsamında kuruyoruz; CRM'iniz yoksa CRM yazılımı tarafını da ele alabiliyoruz.
- Veriyi yönetim diline çeviriyoruz. Konu dağılımı, uyum oranları ve temsilci bazlı eğilimler BI ve dashboard panolarına aktarılır.
- KVKK boyutunu baştan planlıyoruz. Aydınlatma metni, saklama süreleri ve maskeleme kurallarını KVKK uyum danışmanlığı ile birlikte tasarlıyoruz. Yapay zeka projelerinde hukuki sebep ve yurt dışı aktarım için yapay zeka ve KVKK yazımıza bakabilirsiniz.
Metne dönüşen görüşmelerde sık sorulan sorular belirginleşir; bunlar bir sonraki adımda müşteri hizmetleri chatbotunun bilgi tabanına dönüşebilir. Bu bağlantıyı müşteri hizmetleri chatbotu rehberimizde anlattık. Web sitesi tarafında bu bilgi tabanını SmartOperator yapay zeka müşteri temsilcisi kullanabilir: ziyaretçinin sorusunu bilgi bankası ve katalogdan kaynaklı olarak cevaplar, emin olmadığında konuşmayı ekibe devreder; böylece santrale düşen tekrarlı sorular azalır. Müşteri iletişiminin yazılı tarafında da benzer bir düzen kurulabilir: Smart360 ailesindeki SmartMail, ortak posta kutularına gelen e-postaları otomatik olarak sınıflandırır (iletişim, fatura/ödeme, teklif/ihale, resmî yazışma gibi) ve her mesajın özetini çıkarır.
Sonraki adım
Başlamak için son bir aydan, anonimleştirilmiş birkaç yüz görüşme kaydı ve mevcut kalite formunuz yeterli. İletişim sayfamızdan bize ulaşın; kendi kayıtlarınızla bir demo hazırlayalım ve sistemin puanlarını kalite ekibinizin elle verdiği puanlarla yan yana gösterelim. Modeli kendi terimlerinizle eğitmenin ne zaman gerektiğini firmaya özel yapay zeka modeli rehberimizde, müşteri iletişimindeki diğer yapay zeka kullanımlarını ise Yapay Zeka rehberimizin tamamında bulabilirsiniz.