Chatbot Nedir? Türleri ve Kullanım Alanları

Dijital kanallarda müşteri beklentisi hız, doğruluk ve 7/24 erişimdir. Bu noktada “chatbot nedir” sorusu, yalnızca bir teknoloji merakı değil; satış, destek ve operasyon verimliliği için stratejik bir karardır. Bu kapsamlı rehberde chatbotun tanımı, çalışma mantığı, türleri, kurumsal kullanım senaryoları, maliyet-kalite dengesi, entegrasyonlar, metrikler ve uygulama adımlarını sistematik biçimde ele alıyoruz. Yazının sonunda örnek akışlar, hatalar ve çözümler, görsel önerileri ve kaynaklar da bulacaksınız.

Chatbot Nedir? Temel Tanım ve Kısa Tarihçe

Chatbot, kullanıcılara metin veya ses aracılığıyla otomatik yanıt veren, kural tabanlı ve/veya yapay zekâ destekli yazılım bileşenidir. Web sitesi canlı sohbet kutusunda, WhatsApp’ta, Instagram DM’de, mobil uygulamada ya da çağrı merkezinde konuşarak görevleri yerine getirir. 1960’lardaki ELIZA ve 2000’lerdeki kural tabanlı botlardan, bugün LLM (Large Language Model) temelli yapay zeka sohbet botu çözümlerine evrilen bir çizgi vardır.

Chatbot nasıl çalışır?

• Girdi alma: Kullanıcının mesajını veya sesini alır.

• Niyeti anlama: Anahtar kelime eşleme, makine öğrenmesi veya LLM ile amaca (intent) ve varlıklara (entity) ayırır.

• Bilgiye erişim: SSS veri tabanı, CRM, ERP, API’ler veya RAG (Retrieval Augmented Generation) ile dokümanlardan güvenli çekme.

• Yanıt üretimi: Kural tabanlı şablon, NLG veya LLM ile doğal cevap.

• Aksiyon: Bilet açma, sipariş durumunu sorgulama, randevu alma gibi iş akışlarını tetikleme.

• Öğrenme: Geri bildirim ve analitikle akışların iyileştirilmesi.

Chatbot Türleri: Kural Tabanlıdan LLM Tabanlıya

Aşağıda farklı sohbet botu tiplerini karşılaştırmalı şekilde görebilirsiniz.

1) Kural Tabanlı Chatbot

• Mantık: If-else akışları, butonlar, sabit SSS yanıtları.

• Artı: Hızlı devreye alma, öngörülebilir yanıtlar, düşük risk.

• Eksi: Esnek değil, serbest metinde takılır, bakım yükü artar.

• Kullanım: Sık sorular, formlar, basit self-servis.

2) NLU/NLP Tabanlı Chatbot

• Mantık: Intent sınıflandırma ve entity çıkarımı.

• Artı: Serbest metinde daha iyi anlama.

• Eksi: Eğitim verisi ve sürekli etiketleme gerektirir.

• Kullanım: Destek, bilgi tabanı sorguları, yönlendirme.

3) LLM Tabanlı Chatbot (AI Chatbot)

• Mantık: Geniş dil modelleri ve gerekirse RAG ile kurumsal bilgiye bağlama.

• Artı: Doğal dilde yüksek kapsama, hızlı esneklik, içerik üretimi.

• Eksi: Halüsinasyon riski, yönetişim ve maliyet kontrolü ihtiyacı.

• Kullanım: Çok çeşitli destek, satış, içerik asistanlığı.

4) Hibrit Chatbot

• Mantık: Kural + NLU + LLM’yi birlikte kurgulama.

• Artı: Kritik akışlarda deterministik kontrol, serbest metinde LLM gücü.

• Eksi: Tasarım ve izleme daha özen ister.

• Kullanım: Kurumsal ortamlarda yaygın, kvkk uyumlu chatbot tasarımları.

5) Voicebot

• Mantık: ASR (speech-to-text) + NLU/LLM + TTS (text-to-speech).

• Artı: IVR modernizasyonu, konuşarak işlem.

• Eksi: Gürültü, dil/aksan zorlukları.

• Kullanım: Çağrı merkezi, randevu, borç-alacak, takip.

Chatbot Mimarisi: Bileşenler ve Entegrasyonlar

Temel Bileşenler

• Ön yüz: Web widget, WhatsApp/Instagram kanalı, mobil SDK, telefon hattı.

• Orta katman: Yönlendirme, güvenlik, oturum, çok kanallı kimlik.

• Anlama motoru: NLU/LLM, sözlük, promptlar, güvenlik filtreleri.

• Bilgi erişimi: SSS, veritabanı, arama, RAG ile vektör arama.

• İş akışları: CRM/ERP/API entegrasyonları, ticket yönetimi.

• Analitik: CSAT, FCR, deflection, dönüşüm, AHT, akış performansı.

• Yönetişim: KVKK/GPDR, maskleme, log yönetimi, rol ve yetkiler.

Entegrasyon Örnekleri

• CRM: Salesforce, HubSpot ile lead oluşturma ve zenginleştirme.

• E-ticaret: Sepet, stok, sipariş takibi, iade süreçleri.

• Ödeme: Link ile tahsilat, 3D Secure tetikleme.

• ITSM: Jira, ServiceNow ile otomatik bilet.

• Takvim: Google/Microsoft 365 ile randevu.

• Veri Deposu: SharePoint, Confluence, S3, Postgres.

Chatbot Kullanım Alanları: Dikey ve Fonksiyonel Senaryolar

Müşteri Desteği

• SSS otomasyonu, hesap işlemleri, kimlik doğrulama.

• Deflection ile çağrı yükünü azaltma, FCR artırma.

Satış ve Pazarlama

• Lead toplama, ön eleme, kampanya yanıtları.

• Ürün keşfi, bundle önerileri, sepete ekleme.

• WhatsApp üzerinden katalog ve ödeme bağlantısı.

E-ticaret

• Kargo takibi, iade koşulları, sepet kurtarma.

• Kişisel öneriler, stok uyarıları.

Bankacılık ve FinTech

• Kart işlemleri, harcama özeti, limit artırma başvurusu.

• BES, kredi ön bilgilendirme, risk uyarıları.

Sigorta

• Poliçe SSS, teklif alma, hasar süreci yönlendirme.

Sağlık

• Randevu, ön triyaj formu, poliklinik yönlendirme, bilgilendirme.

Turizm ve Otelcilik

• Rezervasyon, oda yükseltme teklifleri, check-in/out bilgisi.

İK ve İç İletişim

• Aday ön eleme, sık personel soruları, bordro/izin süreçleri.

IT Helpdesk

• Şifre sıfırlama, cihaz talebi, VPN erişimi, yazılım kurulum kılavuzu.

Kural Tabanlı vs. LLM Tabanlı: Hangisi Ne Zaman?

Karar önerisi: Kritik, regüle akışlarda kural veya hibrit. Açık uçlu destek ve içerik üretiminde LLM + RAG. Böylece chatbot nedir sorusuna sadece tanım değil, bağlama uygun mimari cevabı da vermiş olursunuz.

Başarı Metrikleri ve Analitik

• CSAT (Memnuniyet): Kısa anket ile 1–5 arası.

• FCR (İlk Temasta Çözüm): İlk oturumda sonuçlanan oran.

• Deflection: İnsan temsilciye gitmeden çözülen oran.

• AHT (Ortalama İşlem Süresi): Oturum başına dakika.

• Dönüşüm: Sepete ekleme, lead formu, randevu tamamlama.

• Kapsama: Botun yanıtlayabildiği konu yüzdesi.

• Eğitim Geri Dönüşleri: Yanlış anlama, boş yanıt, kaçış akışları.

• Kalite Skoru: Niyet-yanıt eşleşme doğruluğu.

KPI hedef örnekleri

• 90 gün içinde deflection +%20

• CSAT ≥ 4.2

• FCR +%15

• Canlı destek maliyeti −%25

Güvenlik, KVKK ve Yönetişim

• Veri sınırlama: Gerekli olmayan kişisel veriyi toplama.

• Maskleme: Kart, TCKN, e-posta gibi alanları anonimize et.

• Log politikası: Saklama süresi, erişim yetkileri, denetim izi.

• Model güvenliği: Prompt enjeksiyon ve veri sızıntısı risklerine karşı guardrail.

• Onay akışları: Kritik işlemlerde OTP, 2FA, e-İmza.

• Rıza ve aydınlatma: İlk etkileşimde açık bildirim.

• Veri yerleşimi: AB/Türkiye veri yerleşimi tercihleri.

Maliyet Kalemleri ve ROI

Maliyet kalemleri

• Lisans veya kullanım başına model maliyeti.

• Kanallar (WhatsApp Business API, telefon hattı).

• Entegrasyon geliştirme ve bakım.

• Konuşma tasarımı ve veri etiketleme.

• İzleme, güvenlik, altyapı.

ROI denklemine kısa bakış

• Tasarruf: Temsilci dakika azalımı × saatlik maliyet.

• Gelir artışı: Dönüşüm artışı × ortalama sipariş değeri.

• Kaçan fırsat azalımı: Sepet terk oranında düşüş.

3–6 ayda geri ödeme, doğru kurguda mümkündür. Bu, “chatbot nedir işe yarar mı?” sorusuna veri temelli bir yanıttır.

Conversation Design: Dönüştüren Diyalog

• Kullanıcı niyetiyle başla: İlk 3 niyet toplam hacmin %60’ını kapsar.

• Kısa cümleler: 1 fikir, 1 cümle.

• İleri-geri minimum: En fazla 3 turda sonuç.

• Hatalı yoldan dönüş: “Yanlış anladım, şöyle mi demek istediniz?”

• Erişilebilirlik: Kontrast, font, sesli okuma.

• Çok dilli: Türkçe doğal akış, İngilizce alternatif.

• İnsan devri: Her zaman “Temsilciye bağlan” çıkışı.

Mikro kopya ipuçları

• “Bunu sizin için hemen hallederim.”

• “Aşağıdaki seçeneklerden birini seçin.”

• “Son bir adım kaldı, onaylar mısınız?”

RAG ile Kurumsal Bilgiye Dayalı Chatbot

RAG (Retrieval Augmented Generation), LLM’in yanıt üretmeden önce şirket içi dokümanlardan veya veritabanından bağlamsal pasajlar getirmesini sağlar.

• Veri hazırlığı: PDF, HTML, Confluence sayfalarını temizle, bölümlere ayır.

• Vektörleştirme: Türkçe destekli embedding modelleri.

• Arama: BM25 + vektör hibrit arama daha sağlamdır.

• Kaynak gösterme: Yanıt sonunda bağlamsal link.

• Güncelleme: Veri pipeline’ı ile günlük senkronizasyon.

Bu yaklaşım, “chatbot nedir ve şirketimizin bilgisini nasıl güvenle kullanır?” sorusuna pratik bir yanıt sunar.

Kanal Stratejisi: Web, WhatsApp, Instagram, Voice

• Web Widget: Satış ve destek için ilk temas.

• WhatsApp: İşlem tamamlama, bildirim, kolay medya paylaşımı.

• Instagram DM: Sosyal müşteri hizmetleri ve vitrin entegrasyonu.

• Voice: Arama trafiğini self-servise taşır.

Kanal seçimi tablosu

Sık Hatalar ve Çözümler

• Her şeyi LLM’e bırakmak:
  Çözüm: Kritik akışlarda kural ve onay adımı, LLM’i bağlamla sınırla.

• Eğitimsiz niyet modeli:
  Çözüm: Gerçek sohbet loglarıyla periyodik etiketleme ve A/B test.

• Zayıf entegrasyon:
  Çözüm: En çok değer yaratan ilk 3 API ile başla; artımlı genişlet.

• Metin kalabalığı:
  Çözüm: Kısa mesajlar, butonlar, özetler.

• İnsan devri yok:
  Çözüm: Her akışta “Temsilci” çıkışı ve SLA.

• KVKK ihlali riski:
  Çözüm: Maskleme, rıza metni, rol bazlı erişim, log politikası.

• Başarıyı ölçmeme:
  Çözüm: CSAT, FCR, deflection ve dönüşüm amaçları belirle.

Adım Adım Uygulama

1. Hedefleri tanımla: Maliyet düşürme mi, gelir artırma mı, NPS/CSAT mi?

2. Kapsamı seç: İlk 3 niyet ve 2 işlem akışıyla başla.

3. Kanalı belirle: Web + WhatsApp başlangıç kombinasyonu.

4. Mimariyi kur: Hibrit yaklaşım, kritik akışlar kural tabanlı.

5. Veriyi hazırla: SSS, dokümanlar, API sözleşmeleri, RAG havuzu.

6. Güvenlik ve KVKK: Maskleme, rıza, log, veri yerleşimi.

7. Mikro kopya ve ton: Kısa, net, marka uyumlu.

8. Pilot yayın: %10 trafik ile kapalı pilot.

9. Ölç ve iyileştir: KPI’lara göre akış ve prompt güncelle.

10. Yaygınlaştır: Yeni niyetler, kanallar ve diller ekle.

Örnek/Vaka: E-ticaret Sepet Kurtarma

• Sorun: Sepet terk oranı %78, çağrı merkezi yoğun.

• Çözüm: Web’de chatbot, WhatsApp’ta takip.

• Akış: Ürün sorularına yanıt → stok/renk önerisi → kupon → ödeme linki.

• Sonuç (örnek senaryo): 60 gün içinde sepet kurtarma +%18, canlı destek yükü −%22, CSAT 4.3.

İçerik ve Eğitim: Botu Sürekli Akıllandırmak

• Güncellemeler: Haftalık yeni SSS, aylık akış revizyonu.

• Feedback döngüsü: “Yanıt faydalı oldu mu?” butonu.

• Model bakımı: Prompt, örnek diyalog ve negatif örnekler.

• Bilgi mimarisi: Etiketler, koleksiyonlar, versiyonlama.

Test ve Kalite Güvencesi

• Fonksiyonel test: API ve hata durumları.

• Kapsama testi: İlk 20 niyette yüksek başarı.

• Kullanılabilirlik: 5 kullanıcıyla hızlı kullanılabilirlik testi.

• Güvenlik testi: PII sızıntısı, prompt enjeksiyon denemeleri.

• Performans: Tepki süresi < 2 sn hedefi.

Ölçekleme ve Operasyon

• İçerik operasyonu: Rol dağıtımı (içerik sahibi, geliştirici, analist).

• Sürümleme: “Canlı”, “ön izleme”, “taslak” ortamları.

• Güncelleme penceresi: Trafiği düşük saatlerde yayın.

• Geri alma planı: Hatalı sürümde hızlı rollback.

SSS: Chatbot Nedir Sorularına Hızlı Yanıtlar

• Chatbot nedir?
  Metin veya sesle konuşan, otomatik yanıt ve işlem yapan yazılım.

• AI chatbot ile kural tabanlı farkı nedir?
  AI chatbot serbest metinde doğal yanıt verir, kural tabanlı öngörülebilir ama sınırlıdır.

• RAG ne işe yarar?
  LLM’in kurumsal bilgiye dayalı, kaynaklı ve güncel yanıt vermesini sağlar.

• KVKK uyumlu chatbot nasıl olur?
  Maskleme, rıza, log politikası, yetkilendirme ve veri yerleşimiyle.

• Hangi kanalda başlamalıyım?
  Genellikle Web + WhatsApp, hedefe göre Instagram/Voice eklenir.

• 
  

Chatbot nedir sorusunun cevabı bugün yalnızca “otomatik yanıt veren program” değildir. Doğru mimariyle kurulduğunda müşteri deneyimini hızlandıran, maliyeti düşüren ve geliri artıran çok kanallı bir dijital çalışan olur. Küçük bir kapsamla başlayıp LLM + RAG ve sağlam entegrasyonlarla ölçeklediğinizde, hem riskleri yönetir hem de KPI’larda hızlı kazanımlar elde edersiniz. Bu rehberdeki adımlar, metrikler ve örneklerle kendi işletmeniz için doğru yapay zeka sohbet botu yol haritasını çıkarabilirsiniz.