Duygu Tabanlı Akıllı Yönlendirme (Sentiment Routing)

Modül MH-03 — Duygu Tabanlı Akıllı Yönlendirme (Sentiment Routing)

Bu sayfa, kurumunuzda hayata geçirebileceğim somut bir AI dönüşüm modülünün uçtan uca özetidir: problem ifadesinden ROI modeline, ön koşullardan risk yönetimine ve ilk 2 haftalık hızlı kazanım versiyonuna kadar her şey burada.

1. Problem Tanımı

Çağrı dağılımı genelde "müsait temsilci"ye yapılır; oysa kızgın müşteri, deneyimli ve sakin bir kıdemliye gitmelidir; basit talep junior'a gitmelidir. Kötü eşleştirme NPS'i ve eskalasyon oranını sarsar.

2. Önerdiğim Çözüm

Müşteri sesi/yazısının duygu tonunu, niyetini ve müşteri değerini (CLV) gerçek zamanlı analiz ederek; uygun yetkinlik ve psikolojik profile sahip temsilciye yönlendiren akıllı dağıtım katmanı.

3. Mimari ve Yaklaşım

Real-time sentiment (Deepgram, AssemblyAI, custom BERT), intent classification, CCaaS rule engine, agent skills matrix.

Seçilen bileşenler kurumunuzun mevcut altyapısına, veri olgunluğuna ve regülasyon profiline göre kalibre edilir. Açık kaynak yığınlar ile kurumsal SaaS platformları arasındaki tercih genellikle veri ikametgâhı, kontrol seviyesi ve toplam operasyon yüküne göre netleşir.

4. Süre ve Faz Yapısı

Süre aralığı geniş tutulmuştur çünkü mevcut bulut altyapı olgunluğu, iç ekip katılım yoğunluğu ve seçilecek entegrasyon hedefi (kaç sistem) toplam süreyi önemli ölçüde etkiler. Pilot fazında daraltılmış kapsamla başlar; kanıtlanan değere göre tam ölçek planı onaylanır.

**Tipik faz akışı:**

5. ROI ve KPI Beklentileri

Eskalasyon oranı %30-50 azalır; ilk temas çözüm %15+; ciddi şikayetlerde geri dönüş süresi yarıya iner.

Aralıkların alt bandı disiplinsiz uygulamayı, üst bandı ise süreç yeniden tasarımıyla birlikte yürütülmüş AI projelerini temsil eder. Yalnız teknoloji kurmak yetmez; mevcut iş akışlarının AI-öncesi mantığa göre yeniden tasarlanması en yüksek değer kaynağıdır.

6. Dünyadan Referans Vaka

Telekomünikasyon ve havayolu sektöründe NICE, Genesys uygulamaları %25-40 eskalasyon azalması ve yüksek değerli müşteri tutmada belirgin iyileşme raporladı.

7. Ön Koşullar

Temsilci yetkinlik matrisi, müşteri CLV verisi, eğitim için duygu etiketli geçmiş kayıt seti.

Ön koşullar tamamlanmadan ilerlemek, pilotun başarısız olma olasılığını dramatik biçimde artırır. Bunlar tamamlanmamışsa ilk fazı 2–3 haftalık bir hazırlık atölyesiyle başlatıyorum.

8. Risk ve Azaltma Planı

Yanlış eşleştirme müşteriyi daha öfkelendirir → güven eşiği + insan denetim. Temsilcinin "her zaman bana kötü çağrı geliyor" algısı → eşit dağılım koruması.

KVKK ve AB AI Act 2026 uyumu doğrudan tasarım fazına gömülür; ISO/IEC 42001 (AI Yönetim Sistemi) çerçevesiyle uyumlu model dokümantasyonu (model cards), açıklanabilirlik (XAI) ve bias auditi süreçleri her teslimatın parçasıdır.

9. 2 Haftalık Hızlı Kazanım (Quick Win)

Sadece "VIP müşteri + olumsuz anahtar kelime" kuralı ile akıllı yönlendirme; 2 haftada.

Quick Win versiyonu küçümsenmemelidir: 2–4 haftalık prototipler hem yönetim kurulu için kanıt üretir hem de tam ölçek proje öncesi kritik öğrenme sağlar.

10. Çalışma Modelim ve Teslimatlar

Modülü uçtan uca hayata geçiriyorum: keşif atölyesi → mimari tasarım → veri ve entegrasyon hazırlığı → pilot inşa ve canlıya alım → ROI takibi ve ölçekleme. Her fazda KVKK uyum kontrolü, model gözlemlenebilirliği (LLMOps) ve değişim yönetimi planı dahildir.

**Tipik teslimatlar:**