Yapay zekâ analizi

Yorumlarda çalışan bahisleri: övgü ve şikâyet personel bazında

Yorumlarda çalışan bahisleri, müşterilerin adıyla ya da unvanıyla andığı personeli yapay zekâ ile bulur; övgü ve şikâyetleri şube bazında izlemeyi anlatıyoruz.

BranchVoice ekibi4 dk okuma

Mağaza deneyiminin en belirleyici parçası insandır: aynı mağazanın yorumlarında "Ayşe Hanım çok ilgiliydi" ile "kasiyer suratsızdı" yan yana durur. Çok şubeli bir zincirde bu cümleleri tek tek okuyup hangi personelin sürekli övüldüğünü, hangisinin tekrar tekrar şikâyet konusu olduğunu takip etmek mümkün değildir. Bu yazıda BranchVoice'un yorumlarda çalışan bahisleri özelliğinin nasıl çalıştığını, neyi gösterip neyi göstermediğini ve bir bölge müdürünün bu veriyi nasıl kullanması gerektiğini anlatıyoruz.

Çalışan bahsi nedir, nasıl tespit edilir?

Her yorum yapay zekâ ile sınıflandırılırken "yorumda bir çalışandan bahsediliyor mu" sorusu da yanıtlanır. Bu bayrağı alan yorumlar ikinci bir adımda arka planda işlenir ve şu bilgiler çıkarılır:

  • Kişi: adı yorumda yazıldığı hâliyle alınır; "Ayşe", "Ayşe Hanım", "ayse" aynı kişi olarak birleştirilir.
  • Unvan / görev: yorumdan anlaşılıyorsa "kasiyer", "mağaza müdürü", "reyon görevlisi" gibi.
  • Ton: övgü, şikâyet ya da karışık. Yorumun genel duygusundan bağımsızdır; genel olarak olumsuz bir yorumda bir çalışan övülebilir.
  • Kısa açıklama: bahsin özü ("beden bulmada yardımcı oldu", "iade talebini kaba biçimde reddetti").
  • Şube: yorum hangi mağazaya bağlıysa bahis de o mağazaya yazılır. Marka düzeyindeki kaynaklarda bu, yorumları mağazaya eşleştirme adımının sonucuna dayanır.

Bir yorum yalnızca bir kez işlenir; işleme birkaç dakika içinde tamamlanır ve dashboard'da "işlenmeyi bekleyen" sayısı olarak görünür.

Adı geçenler ve yalnızca unvanla anılanlar

Müşterilerin çoğu çalışanın adını bilmez; "mağaza müdürü ilgilenmedi" ya da "kasadaki görevli çok nazikti" der. BranchVoice bu iki durumu ayırır:

  • Adı geçen kişiler personel listesinde kişi olarak görünür; bahisleri şube ve zaman içinde toplanır.
  • Yalnızca unvanla anılanlar ayrı bir "İsimsiz unvanlar" listesinde tutulur ve kişi sayısına dahil edilmez. "Mağaza müdürü" hakkında üç şikâyet, bir kişiye atfedilmeden unvan düzeyinde görülebilir.

Bu ayrım hem doğruluk hem de adalet içindir: farklı vardiyalardaki iki kasiyerin şikâyetlerini tek bir kişiye yüklemek yanlış olur.

Bahisler hangi kaynaklardan gelir?

Çalışan bahsi platformdan bağımsızdır; Google Haritalar, Yandex Haritalar, Şikayetvar, Ekşi Sözlük ve X'ten gelen her metinli yorum aynı şekilde işlenir. Pratikte kaynaklar farklı davranır: Google yorumlarında müşteri çoğunlukla kendisine yardım eden kişinin adını yazar ve övgü ağırlıklıdır; Şikayetvar şikâyetlerinde ise "mağaza müdürü", "kasiyer" gibi unvanlar baskındır ve ton çoğunlukla şikâyettir. Bu yüzden iki liste birlikte okunmalıdır: adı geçenler kişisel farkı, isimsiz unvanlar süreç sorununu gösterir.

Yorumun dönem filtresi bahislere de uygulanır. Son otuz güne bakan bir bölge müdürü yalnızca o dönemdeki bahisleri görür; "tüm kişiler" tablosundaki son bahis tarihi, eski bir şikâyetin hâlâ güncel olup olmadığını ayırt etmeye yarar.

Dashboard'da ne görürsünüz?

Genel Bakış'ın müşteri sesi bölümünde çalışan bahsi sayısı ve bahsin en çok yoğunlaştığı mağazalar yer alır. Asıl ayrıntı Konu Analizi altındaki Personel sekmesindedir:

Görünümİçerik
En çok övülenlerSeçili dönemde övgü bahsi en yüksek kişiler ve şubeleri
En çok şikâyet edilenlerŞikâyet bahsi en yüksek kişiler ve şubeleri
Tüm kişilerKişi, şube, bahis sayısı, ton dağılımı, eğilim ve son bahis tarihi
İsimsiz unvanlarAdı verilmeden anılan görevliler ve ton dağılımı

"Eğilim" sütunu, seçilen tarihin öncesi ve sonrasındaki övgü payını karşılaştırır; bir eğitim ya da yönetici değişikliğinin etkisi burada izlenebilir. Her kişiye tıklandığında adının geçtiği yorumlar açılır; yani hiçbir sayı bağlamsız değildir, her zaman kaynak yoruma inilebilir.

Mağaza detay sayfasındaki yorum içeriği analizi de o mağazanın personel bahsi sayısını marka ortalamasıyla yan yana gösterir.

Bölge müdürü bu veriyi nasıl kullanmalı?

Birkaç somut senaryo:

  • Övgüyü görünür kılmak. Bir ev tekstili zincirinde İstanbul Anadolu bölgesinin müdürü, ay sonunda en çok övülen beş çalışanı mağaza müdürlerine iletir. Müşterinin ağzından çıkan övgü, iç değerlendirmelerden daha ikna edicidir ve personel devir hızı yüksek sektörlerde motivasyonu doğrudan etkiler.
  • Tekrarı ayırt etmek. Tek bir şikâyet her zaman olabilir; aynı kişi hakkında farklı müşterilerden gelen benzer şikâyetler ise bir desendir. Personel sekmesi deseni gösterir, ama kararı bölge müdürünün kaynak yorumları okuyup mağaza müdürüyle konuşarak vermesi gerekir.
  • Unvan düzeyinde sorunları yakalamak. "Kasiyer" unvanının bir mağazada sürekli şikâyet alması çoğu zaman kişi değil süreç sorunudur: yetersiz kasa sayısı, kampanya kurallarının personelce bilinmemesi gibi. Bu durumlarda çözüm eğitim ya da kadro planıdır.
  • Eğitimin etkisini ölçmek. Müşteri ilişkileri eğitimi verilen bir bölgede, eğitim tarihini referans alıp öncesi ve sonrasındaki övgü payına bakmak, yatırımın karşılığını görmenin en doğrudan yoludur.

Personel tutumu, perakende yorumlarında en çok geçen konulardan biridir; kritik yorum uyarıları ile birleştiğinde, ciddi bir personel şikâyeti yazıldığı gün bölge müdürüne ulaşır.

Sonraki adımlar

Yorumlarda çalışan bahisleri, yorum verisini mağaza puanından insana indirger: kimin fark yarattığını ve hangi noktada süreç sorunu olduğunu gösterir. Özellik, mevcut yorumlarınız sınıflandırıldıktan sonra arka planda otomatik olarak çalışır ve ek kurulum gerektirmez. Kendi mağazalarınızın personel görünümünü görmek için demo talep edin.

  • çalışan bahisleri
  • personel analizi
  • yapay zekâ
  • mağaza personeli
  • perakende