Yapay Zeka ile Müşteri Memnuniyeti ve Sadakati Artırma
Panelde memnuniyet ortalaması 4,7. Yönetim rahat. Aynı çeyrekte abonelik yenileme oranı üç puan düşüyor ve kimse iki tabloyu yan yana koymuyor. Sebep basit: ankete cevap verenler zaten memnun olanlar. Memnuniyetsiz müşteri anket doldurmuyor, sessizce gidiyor.
Bu yazı ölçme üzerine. Memnuniyet ve sadakatin aynı şey olmadığını, hangi metriğin neyi gösterdiğini ve yapay zekanın bu tabloda gerçekten nerede işe yaradığını anlatıyorum. Sonda da küçük bir yol haritası var.
Üç metrik, üç farklı soru
Türkiye'de çoğu ekip bu üçünü karıştırıyor ve yanlış olanı takip ediyor.
Metrik | Neyi ölçer | Ne zaman sorulur |
|---|---|---|
CSAT (memnuniyet) | Az önceki temas iyi geçti mi | Çağrı veya konuşma biter bitmez |
CES (çaba) | Müşteri işini halletmek için ne kadar uğraştı | İşlem tamamlandıktan hemen sonra |
NPS (tavsiye) | Markayla ilişkinin genel hali | Belirli aralıklarla, tek bir temasa bağlı olmadan |
En sık yapılan hata, NPS'i çağrı bitiminde sormak. O an müşteri markayı değil, az önceki temsilciyi puanlıyor. Elinizde NPS diye adlandırılmış bir CSAT birikiyor ve stratejik kararlar onun üzerinden alınıyor.
Bir görüşüm daha var: tek bir metriğe kilitlenmek yanıltıcı. CES, sadakati tahmin etmekte çoğu operasyonda NPS'ten daha işlevsel — çünkü müşteriyi kaybettiren şey genelde hoşnutsuzluk değil, yorgunluk. Üç kez aramak zorunda kalmak.
NPS'i Türkiye'de doğru sormak
Ölçek kültürü ülkeden ülkeye değişiyor. Türkiye'de 10 üzerinden 9-10 vermek görece nadir; memnun bir müşteri rahatlıkla 7 veya 8 işaretliyor. Uluslararası kıyaslama tablolarını olduğu gibi alırsanız kendinizi olduğunuzdan kötü görürsünüz.
Pratikte işe yarayan üç ayar:
Kendi taban çizginizi kurun. Sektör ortalaması aramak yerine kendi skorunuzun üç aylık seyrine bakın. Yön, seviyeden daha bilgilendirici.
Kanalı müşteriye göre seçin. Çağrıdan sonra IVR anketi cevaplanma oranı düşük kalıyor; aynı soru SMS veya WhatsApp'tan gönderildiğinde daha çok dönüş geliyor. Kanal değişince skor da değişiyor, o yüzden kanalı sabitleyin.
Açık uçlu soruyu koyun. "Neden bu puanı verdiniz?" Asıl bilgi burada. Puan size ne olduğunu söylüyor, açık uçlu cevap nedenini.
Anket verisi de kişisel veri; hangi amaçla toplandığı, ne kadar saklanacağı ve çağrı kaydıyla eşleştirilip eşleştirilmeyeceği KVKK açısından baştan netleşmeli. Bu genel bilgilendirme, ayrıntısını kendi danışmanınızla konuşun.
Yapay zeka bu tabloda ne yapıyor
Üç somut iş var; gerisi süs.
Açık uçlu cevapları okunabilir hale getirmek. Ayda binlerce serbest metin yorum geliyorsa kimse hepsini okumuyor. Model bunları konuya göre gruplayabiliyor: kargo, ücret, uygulama hatası, temsilci tutumu. Böylece "puanımız düştü" cümlesi "kargo yorumları üç haftadır artıyor" cümlesine dönüşüyor. Bu dönüşüm, ölçmenin karar üretmeye başladığı an.
Soruyu doğru anda sormak. Herkese aynı gün anket göndermek yerine, işlemi tamamlanan müşteriye tamamlanır tamamlanmaz sormak dönüş oranını yukarı çekiyor.
Riskli müşteriyi işaretlemek. Etkileşim seyrekleşmiş, son iki teması şikâyet olmuş, faturasında değişiklik olmuş müşterileri öne çıkarmak. Geri kazanım senaryolarında bu liste, kampanyayı herkese değil doğru kişiye göndermeyi mümkün kılıyor.
Anketten daha dürüst üç sinyal
Anket, cevap vermeyi seçenlerin sesidir. Davranış verisi ise herkesin. Elinizde zaten duran ve kimsenin bakmadığı üç sinyal:
Aynı konuda tekrar temas. Müşteri 48 saat içinde aynı meseleyle geri dönüyorsa ilk temas çözüm değil, erteleme olmuş demektir. Bu sayı, herhangi bir memnuniyet skorundan daha çabuk bozulur ve daha çabuk düzelir.
Yarıda bırakılan konuşma. Bot ya da temsilci cevap verdi, müşteri hiçbir şey yazmadan çıktı. Genelde "boşver" anıdır ve anketle hiç yakalanmaz.
Kanal değiştirme. WhatsApp'tan yazan müşteri telefona geçtiyse yazılı kanal işini görmemiştir. Kanal geçişleri, hangi konunun otomasyona uygun olmadığını da gösterir.
Üçü de ücretsiz. Sadece bakmak gerekiyor.
Churn tahmini: ne kadar güvenmeli
Burada dürüst olmak gerekiyor. Ayrılma tahmini modelleri, geçmiş verinizin kalitesi kadar iyi. Üç yıllık temiz abonelik verisi varsa işe yarıyor; altı aylık dağınık veriyle kurulan model, tahmin değil tahmin görünümlü gürültü üretiyor.
İkinci uyarı: modelin işaretlediği herkese indirim göndermek pahalı bir alışkanlık. Ayrılmayacak müşterilere de indirim vermiş olursunuz ve zamanla müşteriler sistemi öğrenir — "şikâyet edersem indirim geliyor". Riskli listesini önce iletişimle, sonra teklifle karşılayın.
Trade-off net: agresif elde tutma kısa vadede oranı korur, uzun vadede marjı yer. Bunun kararı pazarlamanın değil, finansın da masada olduğu bir karar. Modeli kurmadan önce şunu netleştirin: kaç müşteriyi hangi maliyetle tutmayı kabul ediyorsunuz? Bu sayı yazılı değilse model size sadece uzun bir liste verir, karar vermez.
Memnuniyet ile sadakat aynı şey değil
Memnun müşteri sizi terk edebilir. Alternatif daha ucuzsa, daha yakınsa ya da geçiş kolaysa memnuniyet onu tutmuyor.
Sadakati yapan şey genelde iki tanesi: alışkanlık ve geçiş maliyeti. Yapay zekanın buradaki payı da şu — geçiş maliyetini artırmak değil, kalmayı kolaylaştırmak. Geçmişini bilen bir sistem, müşteriye her seferinde baştan anlatma yükünü kaldırıyor. Bu görünmez bir bağ kuruyor.
Bunun işlemesi için kanalların aynı kaydı görmesi gerekiyor; entegrasyon tarafı yapılmadığında müşteri her kanalda yeni müşteri gibi karşılanıyor ve kurulmaya çalışılan şey bozuluyor.
Kısa yol haritası
Sıfırdan başlıyorsanız sıralama şu şekilde işliyor:
Tek bir metrik seçin ve nerede, ne zaman sorulacağını yazın. Üçünü birden kurmaya çalışmayın.
Açık uçlu soruyu ekleyin ve ilk ay cevapları elle okuyun. Etiketleri otomatikleştirmeden önce kendiniz görün.
Skoru tek başına değil, ayrılma ve tekrar temas sayılarıyla birlikte aynı raporda izleyin.
Üçüncü ayın sonunda tek bir iyileştirme seçin. Her şeyi düzeltmeye çalışan ekipler hiçbirini bitiremiyor.
Kendi müşteri verinizle bu döngünün nasıl kurulacağına bakalım isterseniz: AI Agent TR demo formu burada.
Sıkça Sorulan Sorular
NPS'i ne sıklıkla ölçmeliyiz?
Çoğu operasyon için üç ayda bir yeterli. Daha sık sormak hem dönüş oranını düşürüyor hem de müşteriyi yoruyor.
Düşük skor veren müşteriyi aramalı mıyız?
Evet, ama satış amacıyla değil. Amacı "ne oldu" sorusu olan aramalar işe yarıyor; teklifle açılan aramalar puanı daha da düşürüyor.
Yapay zeka anket cevaplarını yanlış etiketlerse ne olur?
İlk aylarda olur. Bu yüzden etiketlerin bir bölümünü elle örnekleyip kontrol etmek gerekiyor. Yüzde yüz doğruluk aramayın; yön doğruysa karar verilebiliyor.
Küçük bir müşteri tabanında bu ölçümler anlamlı mı?
Sayısal olarak zayıf kalır, ama açık uçlu cevaplar yine de değerli. Küçük tabanda anketten çok doğrudan konuşma daha iyi sonuç veriyor.
