Bir müşteri, internet bankacılığı şifresini sıfırlamak için bankanın chatbotuna bağlanır. Bot birkaç doğrulama sorusu sorar, müşteri yanıtlar. Sonra bot çözüm üretemez ve ‘Sizi bir temsilciye bağlıyorum’ der. Temsilci hatta gelir ve ilk cümle şudur: ‘Nasıl yardımcı olabilirim?’ Müşteri aynı bilgileri bir kez daha anlatmak zorunda kalır. Bu an, müşteri deneyiminde bir kırılma noktasıdır — ve bu kırılma, çoğu zaman teknoloji eksikliğinden değil, tasarım kararlarından kaynaklanır.
Chatbot-insan devri (bot-to-human handoff), müşteri hizmetleri mimarisinin en hassas geçiş noktasıdır. Botun çözemediği bir talebi canlı temsilciye aktarmak, yüzey görünümüyle basit bir yönlendirme gibi durur. Oysa bu geçişin nasıl tasarlandığı, müşterinin o etkileşimi nasıl hatırlayacağını belirler. Bağlam aktarımı olmadan gerçekleşen her devir, müşteriyi sıfırdan başlatır. Türkiye’deki finans, telekom ve e-ticaret sektörlerinde chatbot kullanımı hız kazandığı bu dönemde, eskalasyon tasarımı kritik bir rekabet değişkeni haline geliyor.
Bağlam kaybının yarattığı hasar üç katmanda birikir. Birincisi, bilişsel yük: müşteri aynı bilgiyi tekrar aktarmak zorunda kalır, bu hem zaman hem enerji harcar. İkincisi, güven erozyonu: ‘Bot beni dinledi ama temsilci bilmiyor’ algısı kurumun bütünlüğünü zedeler. Üçüncüsü, çözüm gecikmesi: temsilci, müşterinin botla paylaştığı bağlamı yeniden inşa etmek için ek sorular sormak zorunda kalır; ortalama işlem süresi (AHT — Average Handle Time) uzar. Bu üç hasar aynı anda gerçekleşir ve müşteri memnuniyeti ölçümlerine doğrudan yansır. Türk telekom sektöründe chatbot kullanan operatörlerin çağrı merkezi verilerine bakıldığında, bağlam aktarımı yapılmayan devirlerde temsilci başına işlem sürelerinin belirgin biçimde uzadığı gözlemlenmektedir.
Eskalasyon tasarımında ilk kritik karar, devir kurallarının ne zaman tetikleneceğidir. ‘Bot çözemezse devret’ mantığı yeterli değil. Hangi koşulda, hangi öncelikle, hangi temsilci segmentine devredileceği önceden tanımlanmalı. Bir bankacılık chatbotu düşünün: kredi başvurusu sorgusunda müşteri üç kez farklı soru sorduysa ve bot yanıt üretemiyorsa, bu müşteriyi genel havuza değil doğrudan kredi birimi temsilcisine yönlendirmek hem çözüm süresini hem de müşteri algısını olumlu etkiler. Kural motoru (rule engine) bu mantığı taşımalı; devir kararı rastgele değil, müşteri segmenti, konu kategorisi ve etkileşim geçmişine göre şekillenmelidir. Bu yapıyı kurmak, CRM ve chatbot platformu arasında sağlam bir entegrasyon gerektiriyor — ki Türkiye’deki birçok kurumda bu entegrasyon hâlâ nokta-nokta (point-to-point) bağlantılarla yönetiliyor ve kırılganlığını koruyor.
Bağlam aktarımının teknik boyutu, çoğu zaman göründüğünden daha karmaşık. Botun müşteriyle kurduğu diyalog — sorulan sorular, verilen yanıtlar, tespit edilen niyet (intent) ve varlıklar (entities) — temsilcinin ekranına yapılandırılmış biçimde ulaşmalı. ‘Müşteri şifre sıfırlama talep etti, hesap numarasını doğruladı, son dört işlem tarihini verdi’ bilgisi temsilciye özet olarak sunulduğunda, temsilci konuşmayı sıfırdan değil tam yerinden sürdürür. Bu yapı, teknik jargonla ‘oturum bağlamı aktarımı’ (session context transfer) olarak tanımlanıyor. Ancak pratikte bu aktarımın kalitesi, chatbot platformunun API yapısına ve CRM’in bu veriyi nasıl işlediğine bağlı. Türkiye’de yaygın kullanılan bazı yerel CRM çözümleri bu yapılandırılmış veriyi almaya henüz tam hazır değil; bu boşluk, entegrasyon katmanında ek geliştirme gerektiriyor.
Eskalasyon tasarımının sıklıkla göz ardı edilen bir boyutu da müşteriye verilen geçiş deneyimidir. Botun ‘Sizi bağlıyorum’ demesi yetmez. Müşteriye bekleme süresi, hangi konuda yardım alacağı ve aktarım tamamlandığında ne olacağı açıkça iletilmeli. Bekleme süresinin belirsiz bırakılması, müşterinin aktarım sırasında hattı kapatma olasılığını artırır. Türkiye’deki e-ticaret platformlarının bir kısmı bu geçiş mesajlaşmasını iyileştirdiğinde, aktarım tamamlanma oranlarında gözle görülür artış yaşandığını bildiriyor. Küçük bir UX (kullanıcı deneyimi) kararı — ‘Ortalama bekleme süresi 2 dakika, kredi uzmanına bağlanıyorsunuz’ gibi bir mesaj — müşterinin o 2 dakikayı sabırla geçirmesini sağlıyor.
Chatbot-insan devri deneyimini iyileştirmek, büyük bütçe gerektiren bir proje değil; öncelikle bir tasarım ve ölçüm meselesi. Kurumların yapması gereken ilk adım, mevcut devir süreçlerini konuşma logları üzerinden analiz etmek: hangi devir noktalarında müşteri memnuniyeti düşüyor, hangi temsilci segmentlerine giden devirlerde AHT artıyor, bağlam aktarımı hangi oranda tam ve doğru gerçekleşiyor? Bu soruların yanıtı, iyileştirme önceliklerini netleştirir. Türkiye’de 2019 itibarıyla chatbot yatırımı yapan kurumların büyük bölümü henüz bu analizi sistematik biçimde yapmıyor. Botu kurmak bir başarı sayılıyor; botun insan temsilciye nasıl bıraktığı ise çoğu zaman ikincil bir konu olarak kalıyor. Oysa müşteri o geçiş anını hatırlıyor — ve o an, kuruma duyduğu güveni ya pekiştiriyor ya da aşındırıyor.