Yapay zekâyla hızlanan destek müşteriyi memnun eder mi?
Çin’deki Taobao müşteri hizmetlerinde yapay zekâ sohbetleri hızlandırınca müşteriler daha memnun oldu mu? Yapay zekâya uygun sohbetler kısalırken müşteri puanı, insan desteği alan gruba göre 1-5 ölçeğinde 0,412 puan düştü. İşletme için daha hızlı destek, daha memnun müşteri anlamına gelmeyebilir.
İngilizce kaynak · Türkçe inceleme: 22 Ekim 2026 · Kaynak tarihi yukarıdaki künyededir.
Editoryal inceleme taslağı
Kaynak kontrolü yapıldı; Türkçe inceleme insan editör değerlendirmesini bekliyor. DijitalPi bu çalışma için müşteri deneyi yapmadı.
KISA AÇIKLAMA
Bu Araştırma Size Ne Söylüyor?
DijitalPi yorumu: Destek sohbetinin kısalması müşterinin daha memnun olduğunu tek başına göstermez.
Bir örnek düşünün
Temsili bir e-ticaret işletmesinde müşteriler, çabuk kapanan teslimat sohbetlerine düşük puan verebilir.
İşinizde ne yapabilirsiniz?
Her sohbet için süreyi, 1-5 müşteri puanını ve aynı konuda 7 gün içindeki yeniden başvuruyu aynı kayıtta tutun.
DijitalPi’nin uygulama yorumu. Örnek, konuyu açıklamak için hazırlanmıştır.
ARAŞTIRMAYI BİRLİKTE OKUYALIM
Önce araştırmacıların sorusunu, yöntemini ve bulgularını tanıyalım. Ardından sonuçların nasıl okunabileceğini DijitalPi’nin açıklamalarıyla ele alalım.
01 / ARAŞTIRMACILAR NEYİ ANLAMAK İSTEDİ?
İnsan gözetiminde müşteriye yanıt veren yapay zekâ, hizmetin hızını ve kalitesini nasıl etkiliyor?
Araştırmacılar, müşteriyle kendi başına yazışabilen yapay zekânın insan gözetiminde nasıl sonuç verdiğini inceledi. Ayrıca insanın hangi koşullarda devraldığını ve devir sonrasındaki hizmetin nasıl değiştiğini araştırdı. Böylece işin yapay zekâya verilmesi ile insanın gerektiğinde devreye girmesi aynı süreç içinde değerlendirildi.
Konuyu açalım · DijitalPi açıklaması
DijitalPi yorumu: Destek süresinin kısalması, müşteri deneyimi hakkında tek başına yeterli bilgi vermez. Bu araştırmanın karar açısından değeri, hız ile müşteri puanının farklı yönlere gidebildiğini ve otomasyonun insanın yürüttüğü diğer sohbetleri de etkileyebildiğini göstermesidir. Bir işletme için değerlendirme, hangi soruların otomasyona verildiğini ve insanın hangi noktada devraldığını da kapsamalıdır.
02 / ARAŞTIRMA NASIL YAPILDI?
Soruyu nasıl sınadılar?
Alibaba, Çin’deki Taobao müşteri hizmetlerinde Ağustos 2024 boyunca 647 rastgele seçilmiş çalışanı ve 680.676 sohbeti kapsayan bir saha deneyi yürüttü. Uzaktan, parça başı ücretle çalışan bağımsız destek çalışanları, personel numaralarına göre rastgele 345 kişilik kontrol ve 302 kişilik deney grubuna ayrıldı. 1-14 Ağustos döneminde herkes sohbetleri kendisi yürüttü. 15-31 Ağustos döneminde deney grubunun uygun sohbetlerini insan gözetimindeki yapay zekâ yanıtladı. Ana örneklemde yapay zekâya uygun 39.432 sohbet vardı. Bu, örneklemin %5,8’iydi.
Yöntemi anlamak · DijitalPi açıklaması
Kontrol grubundaki çalışanlar bütün sohbetleri kendileri yanıtlamaya devam etti. Deney grubunda yapay zekâ standart, uygun sohbetleri yürütürken çalışan sistemi izledi, gerektiğinde devraldı ve uygun olmayan sohbetleri kendisi çözdü. Araştırmacılar, uygulama öncesinden sonrasına değişimi iki grup arasında karşılaştırdı. Hız, sohbetin başlangıcı ile bitişi arasındaki süreydi. Kalite ise 1-5 müşteri puanı ve aynı konuda 7 gün içinde yeniden iletişim kurulmasıyla değerlendirildi. Müşteri puanı 115.243 sohbette, yani sohbetlerin %17’sinde vardı.
İnsana devir, sistemin teknik sınır veya olumsuz duygu tespit etmesiyle ya da çalışanın kendi kararıyla gerçekleşti. Devir türlerini inceleyen analizde, yapay zekânın gözetim altında yürüttüğü 11.069 sohbet, kontrol grubundaki benzer insan sohbetleriyle bire bir eşleştirildi. Bu alt karşılaştırmada devir türü rastgele atanmadı. Eşleştirme yalnız gözlenen özellikleri dengeleyebildi. Bu nedenle genel deneyin sonucu, neden-sonuç ilişkisi için daha güçlü kanıt sunar. Belirli bir devir türüyle görülen sonuçların aynı güçte kanıtı yoktur.
03 / ARAŞTIRMANIN BULGULARI
Yapay zekâya uygun sohbetler hızlandı, müşteri puanı düştü
Araştırmacılar tüm sohbetlerde ortalama sürenin %3,2 kısaldığını buldu. Yeniden başvuru ve müşteri puanı üzerindeki toplam etkiler istatistiksel olarak anlamlı değildi. Yapay zekâya uygun sohbetlerde süre %16,8 kısaldı, müşteri puanı kontrol grubuna göre 1-5 ölçeğinde 0,412 puan düştü. Bu grupta ana analizde yeniden başvuru farkı anlamlı değildi. Ancak çalışan-saat düzeyindeki ek analizde yeniden başvuru anlamlı biçimde arttı. Yapay zekâya uygun olmayan, insanın yürüttüğü sohbetlerde süre %1,8 kısaldı ve müşteri puanı 0,091 puan yükseldi.
Eşleştirilmiş alt analizde, tamamen insanın yürüttüğü benzer sohbetlere kıyasla teknik devirlerde süre %19,1 daha uzundu. Müşteri puanı ve yeniden başvuruda anlamlı fark saptanmadı. Olumsuz duygu nedeniyle otomatik devir yapılan sohbetlerde süre %40,8 daha uzun, yeniden başvuru oranı 6 yüzde puan daha yüksek ve müşteri puanı 0,928 puan daha düşüktü. İnsanın kendi kararıyla devraldığı sohbetlerde süre %9,5 daha uzun, puan 0,524 puan daha düşüktü. Yeniden başvurudaki 3,2 yüzde puanlık azalma daha zayıf istatistiksel destek taşıyordu (p < 0,1). Hiç devir yapılmadan yapay zekânın tamamladığı sohbetlerde süre %64,6 daha kısa, puan 0,858 puan daha düşüktü. Yeniden başvuru farkı anlamlı değildi. Bu devir türü sonuçları ilişkileri gösterir. Belirli bir devir kuralının bu sonuçlara neden olduğunu tek başına göstermez.
Yapay zekâya uygun sohbetlerde süre
%16,8Ana deney analizinde sohbet süresindeki azalma. Bu, satış veya gelir artışı ölçüsü değildir.
Yapay zekâya uygun sohbetlerde müşteri puanı
0,412 puanKontrol grubuna göre 1-5 ölçeğindeki düşüş. Yüzde veya yüzde puan değildir.
İnsanın yürüttüğü, yapay zekâya uygun olmayan sohbetlerde müşteri puanı
0,091 puanBu sohbetlerde müşteri puanındaki artış; yapay zekâya uygun sohbetlerin sonucundan ayrı değerlendirilir.
DijitalPi yorumu: Pilot raporunu yapay zekâya uygun ve uygun olmayan sohbetler için ayrı hazırlayın. Hız kazanımının yanında düşük müşteri puanını, tekrar başvuruyu ve insana devrin zamanını görünür kılın. Müşterinin geriliminin büyümesini beklemeyen devir kuralları sınanmaya değer. Ancak bu çalışmadan işletmeniz için hazır bir müdahale eşiği çıkarılamaz.
Yazarlar, insanın yürüttüğü diğer sohbetlerdeki iyileşmeyi çalışanların sohbetler arasında daha az geçiş yapmasıyla açıklıyor. Tamamen yapay zekânın tamamladığı sohbetlerdeki puan düşüşünü ise iletişim üslubuyla açıklıyor. Bu açıklamalar her işletmede doğrulanmış değildir. Devir zamanlamasına ilişkin bulgular, gözlenen durumu anlatır ve insanın başlattığı devirler veride teknik veya duygusal diye ayrılmamıştır. Ayrıca ana analizde yeniden başvuru farkının anlamlı olmaması, ek analizdeki artış düşünüldüğünde sorunun çözülmesinin her koşulda korunduğu şeklinde okunmamalıdır.
05 / SONUÇ VE AÇIK SORULAR
Neyi öğrendik, neyi henüz bilmiyoruz?
Bu çalışma bir ön baskıdır, yani henüz hakem değerlendirmesinden geçmemiş bir araştırma metnidir. Satış veya gelir ölçülmedi. Müşteri puanları sohbetlerin yalnızca %17’sinde bulunuyor. Bu ön baskı, belirli standart sohbetlerde hız kazanımı ile daha düşük müşteri puanının birlikte ortaya çıkabildiğini gösteriyor; toplam müşteri puanı etkisi ise anlamlı değil. Sonuçlar Çin’deki Taobao’nun Ağustos 2024 düzenine, parça başı ücretli uzaktan çalışanlara ve sınırlı bir uygun sohbet grubuna aittir; Türkçe ve Türkiye’deki hizmetler için doğrudan geçerlilik göstermez. Uzmanlaşmış gözetmen rolünün duygusal yıpranma ve beceri kaybı gibi uzun vadeli bedelleri ölçülmedi. Çalışma Alibaba ortaklığıyla yapıldı. Şirket kendi sisteminin deneyini yürüttü ve yazar Bingxin Jia şirket çalışanı. Metne dayalı çaba ve duygu analizlerinde Alibaba’nın geliştirdiği, şirket iç ağında çalışan Qwen3.5-122B-A10B kullanıldı. Kaynakta finansman beyanı ve ayrı bir çıkar beyanı bulunamadı.
DijitalPi’nin açık sorusu: Türkçe destek akışınızda sohbetler kısalırken müşteri puanı düşerse hangi otomasyon veya insana devir kararını değiştireceksiniz?
Bu üç senaryoyu konuyu birlikte düşünmek için hazırladık. Araştırmadan alınmış vaka veya ölçülmüş müşteri sonucu değildir.
ÖRNEK 01
E-ticaret: teslimat sohbetleri çabuk kapanıyor
Temsili bir e-ticaret işletmesi, standart teslimat sorularını yapay zekâya devretmeyi değerlendiriyor.
Sohbetler kısalırken müşterinin yaşadığı sorunu gözden kaçırır mıyız?
Örnek 01 için öneriyi aç+
Hızın yanında müşteri puanını ve aynı konudaki yeniden başvuruyu izleyin.
Benzer teslimat sorularında insanın yanıtladığı sohbetlerle karşılaştırılabilecek bir pilot planlayın. Başlangıç ve bitiş zamanını, 1-5 müşteri puanını ve aynı konuda 7 gün içindeki yeniden başvuruyu kaydedin. Puan veren müşterilerin payını da gösterin. Puansız sohbetleri memnuniyet olarak saymayın. Makaledeki süre azalması, bu işletmenin beklenen kazancı değildir.
ÖRNEK 02
Yerel hizmet: randevu değişikliği gerilime dönüşüyor
Temsili bir bakım hizmeti işletmesi, randevu değişikliği taleplerini canlı destekte yapay zekâyla karşılamayı düşünüyor.
Müşteri itiraz ettiğinde insanın devralmasını ne zaman istemeliyiz?
Örnek 02 için öneriyi aç+
Erken müdahale işaretlerini tanımlayın ve bunları pilotta sınayın.
Müşterinin aynı itirazı tekrarlaması gibi incelenecek işaretleri ekipçe belirleyin. İnsana devir anını, nedenini ve devirden sonraki müşteri puanını kaydedin. Mümkünse farklı devir kurallarını rastgele atamayla karşılaştırın. Makaledeki zamanlama analizi betimseldir. Daha erken devrin bu işletmede daha iyi sonuç vereceği henüz gösterilmiş değildir.
ÖRNEK 03
B2B yazılım: standart sorular ve uzman desteği
Temsili bir yazılım sağlayıcısı, işletmelerden gelen standart kullanım sorularını yapay zekâya, karmaşık sorunları destek ekibine ayırmayı planlıyor.
Otomasyon, insanın yürüttüğü karmaşık sohbetleri de etkiler mi?
Örnek 03 için öneriyi aç+
İnsan desteğindeki süreyi ve müşteri puanını ayrı bir sonuç olarak takip edin.
Pilot başlamadan standart ve uzmanlık gerektiren soru gruplarını tanımlayın. Yapay zekâ desteği alan ekip ile karşılaştırma ekibinin insan tarafından yürütülen sohbetlerini ayrı raporlayın. Sohbet süresi ve puanın yanında çalışanların sohbetler arasında ne sıklıkla geçiş yaptığını inceleyin. Araştırmadaki dikkat açıklaması, bu işletmede aynı etkinin oluşacağını veya uzman gözetmen rolünün uzun vadede yararlı olacağını garanti etmez.
EKİBİNİZLE DENEYİN
Süreyi ve müşteri memnuniyetini birlikte ölçün
Standart soru grubunu seçip insan desteğiyle karşılaştırılabilecek bir pilot tasarlayın. Süre, müşteri puanı, puan verme oranı, yeniden başvuru ve devir zamanını birlikte değerlendirecek bir kayıt planı hazırlayın. Bu, DijitalPi tarafından henüz uygulanmamış bir öneridir.
Sitenizde ürün ve hizmet sorularına yanıt vermek için PiAIMode kullanılabilir. Yanıtları sitenizin içeriğine dayandırır; ziyaretçi sohbet içindeki form veya WhatsApp üzerinden size ulaşabilir. Sipariş ve iade işlemlerini yürütmek ayrı bir entegrasyon gerektirir. PiAIMode hakkında bilgi alın ↗
Yiwei Wang; Chuan Zhu; Tianjun Feng; Lauren Xiaoyuan Lu; Bingxin Jia. Zhejiang University, International Business School (Wang); Fudan University, School of Management (Zhu, Feng); Dartmouth College, Tuck School of Business (Lu); Alibaba Group Inc. (Jia).
Akademik çalışma yukarıdaki araştırmacılara aittir. Bu sayfa, DijitalPi’nin AI desteğiyle hazırladığı açıklamalı inceleme ve özgün iş örneklerini içerir; makalenin tam çevirisi değildir.
Çerez tercihleri