Bir kurum konuşma analitiği projesine başladığında genellikle ilk soru şudur: “Hangi yapay zekâ modelini kullanmalıyız?” Oysa asıl belirleyici soru başka bir yerdedir: “Konuşmaları hangi kategorilere ayıracağız?” Model ne kadar güçlü olursa olsun, altındaki kategori yapısı (taxonomy) karışıksa, ürettiği sonuç da karışık olur. Taxonomy, yapay zekâdan önce gelen bir tasarım kararıdır — ve bu kararı doğru vermek, teknolojiyi doğru seçmekten daha belirleyicidir.
Yaygın Hata: Kategori Ağacını “Her Şeyi Kapsasın” Diye Şişirmek
Bir kurum işe başlarken genellikle elindeki her ihtimali kategoriye dönüştürmek ister ve 150-200 kategoriden oluşan bir liste çıkar. Sonuç beklenenin tersi olur: temsilciler aynı konuşmayı farklı kategorilere koyar, model kararsız kalır, raporlar birbiriyle tutarsızlaşır. Az sayıda ama net tanımlanmış kategori, çok sayıda ama birbirine karışan kategoriden her zaman daha değerlidir.
Adım 1 — Ana Dallardan Başlayın
İyi bir taxonomy, geniş ve az sayıda üst seviye dalla başlar. Çoğu çağrı merkezi için 5 ile 8 arası ana dal yeterlidir:
- Faturalama ve ödeme
- Teknik destek
- İptal / cayma
- Satış ve bilgi talebi
- Şikâyet
- Hesap ve üyelik işlemleri
Bu üst seviye yapı aynı zamanda yönetim raporlamasının omurgasını oluşturur. Bir yönetici haftalık raporda önce bu ana dalların dağılımını görmeli, detaya ancak ihtiyaç duyduğunda inmelidir.
Adım 2 — Alt Kategorileri Gerçek Konuşmalardan Türetin, Masa Başından Değil
En sık yapılan hata, taxonomy'yi toplantı odasında “böyle olmalı” diyerek tasarlamaktır. Doğru yöntem tam tersidir: önce bir örnek konuşma kümesi dinlenir veya okunur, alt kategoriler bu gerçek dil örüntülerinden çıkarılır. Örneğin “iptal / cayma” ana dalı, gerçek verilere bakıldığında genellikle şu alt temalara ayrışır:
- Cayma bedeli sorgulama
- Rakip firma kampanyasına geçiş
- Hizmetten memnuniyetsizlik
- Taşınma / ihtiyaç değişikliği
Bu alt kategoriler masa başında akla gelenlerle çoğu zaman örtüşmez. Gerçek konuşmalarda müşteriler beklenenden farklı gerekçelerle iptal talep edebilir; taxonomy bunu yansıtmazsa, en sık görülen kaçış nedeni sistemde hiç görünmez hale gelir.
Adım 3 — Kategoriler Birbirini Net Biçimde Ayırsın
Bir konuşma aynı anda birden fazla kategoriye girebilir mi? Giriyorsa hangisi öncelikli sayılır? Bu kural taxonomy kurulurken yazılı olarak belirlenmezse, etiketleme tutarsızlığı tam da bu noktadan başlar. Örneğin faturalamayla ilgili bir şikâyet, “faturalama” mı yoksa “şikâyet” mi olarak etiketlenecek — yoksa her iki etiket birden mi verilecek? Cevap hangisi olursa olsun, kuralın net ve yazılı olması, modelin de insanın da aynı standardı uygulamasını sağlar.
Adım 4 — Kalibrasyon Seti Kurun ve Düzenli Doğrulayın
Taxonomy kurulduktan sonra 100-200 örnek konuşma bir insan uzman tarafından elle etiketlenir ve bu etiketler modelin ürettiği etiketlerle karşılaştırılır. Aradaki uyuşmazlık oranı, taxonomy'nin gerçekte ne kadar net olduğunu gösterir. Sık karışan iki kategori varsa, sorun genellikle modelde değil, o iki kategorinin tanımındaki örtüşmededir. Bu doğrulama tek seferlik bir kurulum adımı değil, düzenli tekrarlanması gereken bir kontrol noktasıdır.
Adım 5 — Taxonomy'i Yaşayan Bir Yapı Olarak Yönetin
Yeni bir ürün, yeni bir kampanya veya yeni bir regülasyon, genellikle yeni bir kategori ihtiyacı doğurur. Taxonomy bir kez kurulup unutulan bir yapı değil, düzenli bakım gerektiren bir sistemdir. Üç ayda bir gözden geçirme yapılması, hiç kullanılmayan kategorilerin birleştirilmesi ve sürekli karışan kategorilerin yeniden tanımlanması önerilir.
Sonuç
Taxonomy kurmak bir IT kurulum işi değildir; sürekli bakım isteyen bir netlik disiplinidir.