Skip to content

Sektör Vakası: Müşteri Destek Ajanı (eskalasyon, iade, FAQ)

Tam customer support agent: intent detection, knowledge base RAG, ticket creation, eskalasyon, sentiment-aware tone.

Şükrü Yusuf KAYA
14 min read
Advanced

Vaka: Customer Support Agent

Senaryo: E-ticaret şirketi (Türkiye, B2C). Günde 5000 destek talebi. Manuel: 80 destek personeli. Hedef: %60 otomatik.

Intent Sınıflandırma#

python
INTENTS = {
    "order_status": "Sipariş durumu sorgulama",
    "refund_request": "İade talebi",
    "product_info": "Ürün bilgisi / FAQ",
    "complaint": "Şikayet / memnuniyetsizlik",
    "general_inquiry": "Genel soru",
    "escalation_needed": "İnsan gerekiyor (tehdit, hukuki, karmaşık)"
}
 
def classify_intent(msg: str, history: list) -> str:
    prompt = f"""Müşteri mesajını şu intent'lerden birine ata:
{json.dumps(INTENTS, ensure_ascii=False, indent=2)}
 
Mesaj: "{msg}"
 
Sadece intent key'i yaz."""
    # ... call LLM, return intent
Intent classifier

Tool'lar#

python
TOOLS = [
    {
        "name": "get_order_status",
        "description": "Sipariş numarasıyla detayları döner",
        "input_schema": {
            "type": "object",
            "properties": {"order_no": {"type": "string"}},
            "required": ["order_no"]
        }
    },
    {
        "name": "search_faq",
        "description": "FAQ knowledge base'inde semantic search",
        "input_schema": {
            "type": "object",
            "properties": {"query": {"type": "string"}}
        }
    },
    {
        "name": "create_refund_ticket",
        "description": "İade talebi açar (insan onayı gerekir)",
        "input_schema": {
            "type": "object",
            "properties": {
                "order_no": {"type": "string"},
                "reason": {"type": "string"}
            },
            "required": ["order_no", "reason"]
        }
    },
    {
        "name": "escalate_to_human",
        "description": "İnsan agent'a yönlendir",
        "input_schema": {
            "type": "object",
            "properties": {
                "summary": {"type": "string"},
                "priority": {"type": "string", "enum": ["low", "medium", "high"]}
            },
            "required": ["summary", "priority"]
        }
    },
]
Support agent toolkit

Sentiment-Aware Tone#

text
Sentiment skoruna göre yanıt tonunu ayarla:
 
negative (öfkeli, frustre):
  "Yaşadığınız sorun için çok üzgünüm. Bu durumu hemen
   çözmemiz için..."
 
neutral (sakin, sorgu):
  "Aşağıdaki bilgi sorunuza yardımcı olabilir..."
 
positive (memnun, övgü):
  "Geri bildiriminiz için teşekkürler! Sorunuza..."
Sentiment-aware response
Production sonuç (gerçek vaka): Türk e-ticaret şirketi bu pattern ile %62 talebi otomatik çözdü, ortalama yanıt süresi 18 saat → 2 dakika, CSAT +24 puan, yıllık $340K tasarruf.

Yorumlar & Soru-Cevap

(0)
Yorum yazmak için giriş yap.
Yorumlar yükleniyor...

Related Content

1. Temeller — Yapay Zekâ ve LLM'lere Giriş

Bu Eğitim Hakkında ve Verimli Çalışma Yöntemi

Start Learning
1. Temeller — Yapay Zekâ ve LLM'lere Giriş

Yapay Zekâ → Üretken AI → LLM: Bağlamsal Harita

Start Learning
1. Temeller — Yapay Zekâ ve LLM'lere Giriş

LLM'ler Aslında Nasıl Düşünür? (Token, Embedding, Attention)

Start Learning