Müşteri hizmetleri chatbot'u, web sitenizde, mobil uygulamanızda veya WhatsApp'ta sipariş durumu, iade adımları ve ürün bilgisi gibi tekrarlayan soruları kendi verilerinizle yanıtlayan sanal asistandır. İyi bir bot, bilmediği konuda tahmin yürütmez; çözemediği konuşmayı geçmişiyle birlikte canlı temsilciye aktarır. Başarısı kapsamın ve devir kurallarının doğru çizilmesine bağlıdır.
Kısaca
- Müşteri hizmetleri chatbot'u sipariş durumu, iade ve ürün bilgisi gibi tekrarlayan soruları kendi verilerinizle günün her saatinde yanıtlar.
- Yanıtı bir belgede ya da sistemde yazılı olan sorular bota; şikâyet, ödeme ve kişisel veri içeren konuşmalar temsilciye bırakılır.
- Bot yalnızca sizin bilgi kaynağınıza dayanmalıdır; Stanford AI Index 2026'ya göre en iyi modeller bile özetlere %1,8–5,4 oranında kaynakta olmayan bilgi ekledi.
- Temsilciye devirde konuşma geçmişi eksiksiz aktarılmalı; müşteri bir yapay zeka ile konuştuğunu baştan bilmelidir.
- Chatbot başarısı konuşma sayısıyla değil, temsilcisiz çözüm oranı, devir oranı ve yanıtlanamayan soru sayısıyla haftalık ölçülür.
Müşteri hizmetlerinde asıl yük nerede?
Müşteri hizmetlerine gelen mesajların önemli bir kısmı aynı birkaç sorudur: "Siparişim nerede?", "İade nasıl yapılır?", "Bu ürün benim cihazıma uyar mı?", "Faturamı nereden alırım?". Temsilciler günün büyük bölümünü aynı yanıtı yeniden yazarak geçirir. Mesai dışında gelen sorular sabaha kalır; kampanya dönemlerinde müşteri sırada bekler.
Aynı tekrarlayan soru yükü otellerde misafir mesajlarında ve belediyelerde vatandaş sorularında da görülür; örneklerini otelcilikte yapay zeka ve belediyelerde yapay zeka yazılarımızda ele aldık.
Müşteri hizmetleri chatbot'u nasıl çalışır?
Klasik "karar ağacı" botları müşteriyi menülerde dolaştırır ve beklenmedik bir soru geldiğinde "Anlayamadım, lütfen tekrar deneyin" der. Genel bir büyük dil modelini (LLM) doğrudan sitenize koymak ise ters yönde bir risk yaratır: bot çok akıcı konuşur ama sizin iade koşullarınızı bilmez, bilmediğini de söylemez. İki yaklaşımı chatbot ile yapay zeka temsilcisi farkı yazısında karşılaştırdık.
Doğru kurgulanmış müşteri hizmetleri chatbot'u bu iki uç arasındadır: dil modelinin anlama ve yazma yeteneğini kullanır, bilgiyi ise yalnızca sizin kataloğunuz, SSS belgeleriniz ve sipariş sisteminizden alır. Müşteri "kargom gelmedi, üç gündür bekliyorum" diye yazdığında böyle bir bot sipariş numarasını ister, kargo durumunu sistemden okur, gecikmeyi açıkça söyler ve müşteri memnun kalmazsa konuşmayı temsilciye devreder. Müşteri menüde kaybolmaz, temsilci de aynı bilgiyi yeniden sormak zorunda kalmaz.
Chatbot'un kısaltmalı ve yazım hatalı Türkçe mesajları nasıl anladığını Türkçe doğal dil işleme yazısında anlattık.
Chatbot neden gerekli, yanlış kurulursa ne olur?
Müşterinin beklentisi dijital kanaldan hızlı yanıt almak. TÜİK Hanehalkı Bilişim Teknolojileri Kullanım Araştırması, 2026 verisine göre 16–74 yaş bireylerde internet kullanımı %92,3'e, internetten mal veya hizmet satın alma oranı %60,0'a ulaştı. Siparişini internetten veren müşteri, sorusunun da aynı kanalda ve beklemeden yanıtlanmasını bekliyor.
Şirketler de yapay zekayı ilk olarak satış cephesinde kullanıyor. TÜİK Yapay Zeka İstatistikleri, 2025 bültenine göre yapay zeka kullanan girişimlerin %46,5'i onu pazarlama veya satış amacıyla kullandı; bu, bültendeki en yaygın kullanım amacı. Müşteri desteğinde ise yapay zeka henüz yaygın değil: T.C. Ticaret Bakanlığı Türkiye'de E-Ticaretin Görünümü Raporu 2025 anketinde yapay zeka kullanan e-ticaret işletmelerinin %83,4'ü onu ürün metni ve görsel üretmek için kullanırken yapay zeka destekli chatbot ile müşteri desteği yalnızca %24'te kaldı.
Ancak kaynağa bağlanmamış bir chatbot, müşterinize yanlış bilgi verebilir. Stanford HAI AI Index Report 2026'un aktardığı Vectara belge özetleme testinde, değerlendirilen en iyi 15 model bile özetlere %1,8 ile %5,4 arasında oranla kaynakta olmayan bilgi ekledi; aynı rapora göre AI Incident Database'e kaydedilen yapay zeka kaynaklı olay sayısı 2024'teki 233'ten 2025'te 362'ye çıktı. Müşteriye dönük bir botta tek bir yanlış iade koşulu ya da uydurulmuş kampanya, temsilcinin saatlerce düzeltmesi gereken bir şikâyete dönüşür. Yanlış cevabın nasıl ölçülüp azaltılacağını yapay zeka cevap doğruluğu rehberinde anlattık.
Chatbot'a hangi sorular bırakılmalı, hangileri temsilciye?
Her müşteri konuşması bota uygun değildir. Aşağıdaki tablo, chatbot kapsamını çizerken kullandığımız basit ayrımı gösteriyor:
| Konuşma türü | Örnek | Bot mu, temsilci mi? | Neden |
|---|---|---|---|
| Bilgi sorusu | "Kargo kaç günde gelir?" | Bot | Yanıt belgede var, tekrar oranı yüksek |
| Durum sorgulama | "Siparişim nerede?" | Bot (sistem bağlantısıyla) | Sipariş sisteminden anlık okunur |
| Ürün seçimi | "Hangi model bana uygun?" | Bot, kararsızsa satışa | Katalogdan karşılaştırma yapılabilir |
| Sorun giderme | "Cihaz açılmıyor" | Bot adım adım, çözülmezse kayıt | Kılavuz akışı izlenir |
| Şikâyet, iade uyuşmazlığı | "Ürün hasarlı geldi" | Temsilci | Takdir ve empati gerekir |
| Kişisel veri, ödeme değişikliği | "Kart bilgimi güncelleyin" | Temsilci / güvenli form | Kimlik doğrulama ve güvenlik |
Kapsam kuralı basittir: yanıtı bir belgede ya da sistemde yazılı olan sorular bota, takdir, esneklik ya da kimlik doğrulama gerektiren konuşmalar temsilciye. Sesli kanalda benzer bir ayrımı çağrı merkezi ses analitiği yazımızda ele aldık.
Müşteri hizmetleri chatbot'u nasıl kurulur? 7 adım
- Son üç ayın konuşmalarını sınıflandırın. E-posta, WhatsApp ve telefon kayıtlarından en sık gelen 20 soru türünü çıkarın. Bot bu listeyle başlar, her şeyle değil.
- Bilgi kaynağını hazırlayın. SSS, iade ve kargo koşulları, ürün kataloğu, kullanım kılavuzları. Çelişen ya da eski belgeler bot yanıtlarını doğrudan bozar; tek ve güncel bir kaynak belirleyin.
- Sistemlere bağlayın. Sipariş durumu, fatura ve servis kaydı gibi bilgiler için botun kurumsal kaynak planlama (ERP), e-ticaret ve destek sistemlerinizle konuşması gerekir. Bunun nasıl yapıldığını API entegrasyonu nedir yazımızda anlattık.
- Yanıtları kaynağa bağlayın. Bot yalnızca bilgi kaynağındaki metinlere dayanarak yanıt yazmalı; yanıt yoksa tahmin yürütmemeli. Bu yaklaşımın teknik adı RAG (getirme destekli üretim) yöntemidir; mimarisini RAG nedir yazımızda anlattık. Uydurmayı azaltan diğer yöntemler için yapay zeka halüsinasyonu yazımıza bakabilirsiniz.
- Devir kurallarını yazın. Konuşma şu durumlarda temsilciye geçmeli: müşteri iki kez "temsilci" dediğinde, olumsuz duygu algılandığında, bot iki denemede çözemediğinde ya da konu şikâyet, ödeme veya kişisel veri içerdiğinde. Devirde konuşma geçmişi temsilciye eksiksiz aktarılmalı; müşteri aynı şeyi baştan anlatmamalı. Müşteri bir yapay zeka ile konuştuğunu da baştan bilmeli; AB'deki müşterilere hizmet veriyorsanız bu şeffaflık kuralı AB Yapay Zeka Yasası kapsamında bir yükümlülüktür.
- KVKK'yı baştan düşünün. Konuşma kayıtları 6698 sayılı Kişisel Verilerin Korunması Kanunu (KVKK) kapsamında kişisel veri içerir. Sohbet penceresinde aydınlatma metnine bağlantı verin, kayıtların ne kadar süre saklanacağını saklama ve imha politikanıza yazın, bota gerekmeyen kişisel veriyi istetmeyin. Otomatik kararlara itiraz ve yurt dışına aktarım konuları için yapay zeka ve KVKK rehberine bakın.
- Ölçün ve besleyin. Botun kendi başına çözdüğü konuşma oranını, temsilciye devir oranını ve yanıtlanamayan soruları haftalık izleyin. Yanıtlanamayan her soru, bilgi kaynağına eklenecek bir eksiği gösterir. Getiriyi hesaplamak için yapay zeka projesinde ROI yazımızdaki yöntemi kullanabilirsiniz.
Chatbot'un temsilcilerle aynı müşteri kaydını görmesi, devrin kalitesini belirleyen şeydir. Müşteri geçmişinin tek yerde tutulmasının önemini CRM ve satış hunisi rehberimizde anlattık. Bayi ve kurumsal müşterilere dönük bir portalınız varsa bot oraya da yerleştirilebilir; bkz. B2B bayi portalı yazımız.
Chatbot projelerinde sık yapılan 5 hata
- Botu insan gibi göstermek. Müşteri bir botla konuştuğunu bilmeli. Kendini temsilci gibi tanıtan bir bot, yanıldığında güveni iki kat zedeler; açılışta "sanal asistan" olduğunu söylemek ve temsilciye geçiş yolunu göstermek yeterlidir.
- Temsilciye geçişi saklamak. Devri zorlaştırmak botun "çözüm oranını" yapay olarak yükseltir ama müşteri memnuniyetini düşürür. Temsilci seçeneği her zaman bir adım uzakta olmalıdır. Canlı ekip ile botun birlikte çalışma modelini canlı destek mi yapay zeka asistanı mı yazısında karşılaştırdık.
- Bilgi kaynağını bir kez hazırlayıp bırakmak. Kampanya, fiyat ve kargo koşulları değiştikçe bot da eskir. Kaynağı güncellemek bir kişinin açık sorumluluğu olmalı; yanıtlanamayan soru listesi her hafta gözden geçirilmelidir.
- Her kanalı aynı anda açmak. Önce tek kanalda (çoğu zaman web sitesi) pilot yapmak, devir kurallarını ve bilgi kaynağını oturtmak, sonra WhatsApp'a, mobil uygulamaya ya da mağaza ve lobilerdeki self servis kiosklara genişlemek daha az risklidir.
- Başarıyı yalnızca konuşma sayısıyla ölçmek. Bot çok konuşma yapabilir ama müşterinin sorunu çözülmüyorsa bu bir başarı değil, ertelenmiş bir şikâyettir.
Digital Bridge müşteri hizmetleri chatbot'unu nasıl kuruyor?
Digital Bridge, NLP chatbot projelerinde "genel bot" değil, firmanızı tanıyan bir bot kuruyor:
- Kendi bilginizle yanıt. Bot, büyük dil modellerinin (GPT, Claude, Gemini ya da kurum içinde çalışan açık kaynak modeller) dil yeteneğini kullanıyor; yanıtlarını ise kataloğunuza, SSS belgelerinize, kullanım kılavuzlarınıza ve geçmiş destek kayıtlarınıza dayandırıyor.
- Kanal bağımsız. Web sitesi sohbet penceresi, mobil uygulama ve WhatsApp Business üzerinden gece gündüz yanıt veriyor; Türkçe ve İngilizce konuşuyor.
- Sistemlerinize bağlı. Sipariş durumu ve destek kaydı gibi bilgileri API entegrasyonu ile e-ticaret, ERP ve destek sistemlerinizden okuyor; CRM sisteminize de bağlanabiliyor.
- Bilmediğini temsilciye bırakıyor. Çözemediği konuşmayı geçmişiyle birlikte canlı temsilciye aktarıyor; arıza sorusunda adım adım sorun giderme izletiyor, çözülemeyen vakayı toplanan bilgilerle destek kaydına dönüştürüyor.
- Ölçülebilir. Konuşma raporları ve yanıtlanamayan soru listesiyle botun nerede eksik kaldığı görünür oluyor. Kişisel veri boyutunu KVKK uyum danışmanlığı kapsamında ele alıyoruz.
Bot yalnızca şirket içinde, çalışanların prosedür sorularına yanıt verecekse kurumsal LLM asistanı daha uygun bir başlangıçtır. Özel chatbot projelerinde hazır paket satmıyoruz; ihtiyaç analizinin ardından kapsamı, aşamaları ve bedeli içeren yazılı bir teklif hazırlıyoruz.
Web siteniz için hazır seçenek: SmartOperator
Bot yalnızca web sitenizde çalışacaksa, Digital Bridge'in geliştirdiği Smart360 ailesindeki SmartOperator yapay zeka müşteri temsilcisi bu rehberdeki ilkeler üzerine kuruludur. SmartOperator yanıtı yalnızca bilgi bankanızdaki maddelere ve ürün kataloğunuza dayanarak yazar, karşılığını bulamadığı soruda tahmin yürütmez ve konuşmayı ekibinize devreder; her cevabın hangi bilgiye dayandığı panelde adım adım görünür.
Ekipten biri konuşmayı devraldığında SmartOperator'daki yapay zeka susar; kimse çevrimiçi değilse ziyaretçinin iletişim bilgisi geri dönüş talebi olarak kaydedilir. Konuşmaların saklama süresini firma 7 gün ile 10 yıl arasında kendisi belirler. SmartOperator raporları konuşma ve devir sayılarını gösterdiği için 7. adımdaki ölçütleri izlemek de kolaylaşır.
SmartOperator'ı satın almak için Smart360 satın alma sayfasını kullanabilirsiniz; güncel paketler SmartOperator.com.tr'de yer alır.
Sonraki adım: 200 mesajla pilot kapsamını çıkarın
İlk iş olarak son üç ayda müşteri hizmetlerine gelen mesajlardan rastgele 200 tanesini alın ve "bota mı, temsilciye mi" tablosuna göre işaretleyin. Kaç tanesinin bota uygun olduğunu göreceksiniz. Ardından iletişim sayfamızdan bize ulaşın; listeyi birlikte değerlendirip küçük bir pilotun kapsamını çıkaralım.
Yapay zekanın şirketinizde başka nerelerde işe yarayabileceğini görmek için şirketlerde yapay zeka nereden başlamalı yazımıza ve Yapay Zeka rehberimizin tamamına göz atın.