Aynı chatbot, aynı gün, iki farklı görüşme yaşıyor. Birinde müşteri iki cümlede işini halledip çıkıyor. Diğerinde birkaç tur soru-cevaptan sonra sabrı tükeniyor, “temsilciyle görüşmek istiyorum” diyor. Kurumun raporuna bakıldığında ikisi de aynı satırda görünür: “bot etkileşimi.” Oysa aralarındaki fark, bir chatbot yatırımının gerçekten işe yarayıp yaramadığını gösteren en değerli bilgiyi taşır.
Senaryo A — Bot Çözüyor
Müşteri: Bu ayki faturamı öğrenebilir miyim?
Bot: Tabii, kayıtlı numaranıza göre bu ayki faturanız 342 TL. Detaylı dökümü SMS ile gönderebilirim.
Müşteri: Teşekkürler, yeterli.
Görüşme 20 saniyede kapanıyor. Net bir niyet, tek adımlı bir işlem, nötr bir ton. Chatbot'un en rahat ettiği zemin tam olarak burası.
Senaryo B — Bot Temsilciye Kaçırıyor
Müşteri: İptal etmek istiyorum ama önce bir şey sormam lazım.
Bot: Elbette, iptal işleminizi başlatıyorum. Hangi hizmeti iptal etmek istersiniz?
Müşteri: Hayır, önce cayma bedeli ne kadar tutar onu öğrenmek istiyorum, iptal etmek istediğimden emin değilim.
Bot: Üzgünüm, bu talebi tam olarak anlayamadım. İptal işlemine devam etmek ister misiniz?
Müşteri: Temsilciyle görüşmek istiyorum.
Aynı bot, farklı bir zeminde. Müşteri iki niyeti tek cümlede birleştirmiş, kararsızlığını dile getirmiş, bot ise bunu tek bir komuta indirgemeye çalışmış. Üç turdan sonra müşteri pes ediyor.
İki Senaryo Arasındaki Fark Rastgele Değil
Chatbot'ların temsilciye devrettiği görüşmeler genellikle kurumun gözünde birer istisna, birer “sistem sınırı” olarak görülür. Ama bu geçişler aslında belirli örüntülerde kümelenir: birden fazla niyetin tek cümlede birleşmesi, çok adımlı ya da koşullu işlemler (“iptal edeyim ama önce...”), yüksek duygu yoğunluğu, ya da botun eğitildiği kalıpların dışında kalan ifade biçimleri. Bir müşteri “cayma bedeli” yerine “para geri iadesi” ya da “sözleşmeyi bozmak” derse, bot bunu farklı bir niyet olarak okuyabilir.
Bu kaçışların boyutu sanılandan büyük: Gartner'ın 2025 araştırmasına göre chatbot oturumlarının yüzde 38 ile 48'i insan temsilciye aktarımla sonuçlanıyor — yani neredeyse her iki bot etkileşiminden biri insan müdahalesi gerektiriyor. Bu oran, chatbot yatırımının 'self-service' tasarımının ne kadar ötesine geçtiğini somutlaştırıyor.
Bu kümelenmeyi görmek için tek tek görüşmeleri dinlemek gerekmez. Konuşma analitiği, temsilciye düşen tüm görüşmeleri otomatik olarak inceleyip hangi temanın ne sıklıkla kaçışa yol açtığını ortaya koyabilir.
Kaçış Temasını Sistematik Hale Getirmek
Bunun pratik karşılığı, haftalık ya da aylık bir “bot kaçış raporu”dur. Bu raporda üç şey yer alır: hangi tema en çok kaçışa neden oluyor, kaçış hangi noktada gerçekleşiyor (ilk mesajda mı, üçüncü turda mı), ve kaçan görüşmelerin ortak dil örüntüsü nedir. Örneğin “iptal + cayma bedeli” birlikte geçen görüşmelerin büyük kısmı temsilciye düşüyorsa, bu tek bir senaryo eksikliğine işaret eder — botun tüm dil yeteneğine değil.
Bu Verinin İki Kullanım Alanı
Kaçış raporunun çıktısı iki yöne akar. Bot tarafında, en sık kaçışa neden olan temalar yeni senaryo veya niyet olarak eklenir; böylece bot zamanla aynı hatayı tekrarlamaz. İnsan tarafında ise “warm handoff” tasarımı devreye girer: müşteri temsilciye bağlandığında konuşmanın özetini ve o ana kadar söylediklerini görür, müşteri baştan anlatmak zorunda kalmaz. Chatbot yatırımlarının en sık gözden kaçırdığı nokta da tam burasıdır — botun devrettiği anın kalitesi, botun kendisi kadar müşteri deneyimini belirler.
Bu sezgisel argümanın arkasında ölçülmüş bir veri var: SQM Group'un sektör araştırmasına göre müşteriyi önceki konuşma bağlamını yeniden anlatmak zorunda bırakmayan aktarımlar, bırakanlara kıyasla memnuniyet puanını ortalama 14 puan yukarı taşıyor. Warm handoff yalnızca operasyonel bir kolaylık değil; ölçülmüş bir müşteri deneyimi farkı.
Ölçüm İçin Dürüst Bir Çerçeve
Bu yaklaşımın amacı “chatbot çözüm oranımız arttı” gibi tek bir başarı rakamı üretmek değildir. Daha isabetli ölçütler şunlardır: belirli bir kaçış temasının hacmi zaman içinde küçülüyor mu, müşteri temsilciye geçtiğinde konuşmayı baştan anlatma oranı düşüyor mu, ve temsilciye devredilen görüşmelerin memnuniyet puanı bot öncesine göre nasıl değişiyor. Bu göstergeler “bot mükemmelleşti” demez; “bot nerede zayıf, orada ne kadar iyileşiyoruz” der — ki asıl faydalı olan budur.
Sonuç
Bir chatbot'un başarısı çözdüğü görüşme sayısıyla değil, çözemediği görüşmelerden ne kadar öğrendiğiyle ölçülür. Temsilciye düşen her görüşme bir başarısızlık değil, botun bir sonraki versiyonu için bir veri noktasıdır. CallExper, konuşma analitiği çözümleriyle bot ile temsilci arasındaki bu geçiş anlarını sistematik olarak görünür kılarak, hem bot hem de operasyon ekiplerinin veriye dayalı şekilde gelişmesini destekler.
Kaynaklar
• Gartner Customer Service and Support Survey, 2025
• SQM Group, 2024 Contact Center Industry Benchmarking