Teknoloji Müşteri Deneyimi Üst Yöneticisi, Kötü Ürün Tasarımını Düzeltmek Yerine Aşırı Otomasyon Yapıldığını Söylüyor

Herkese merhaba, ben Shankar Sahai ve UpendNow.com’da Deneyim Direktörü olarak görev yapıyorum.

Her gün yaptığım işi tek bir cümleyle özetlemem gerekirse şöyle derim: Şirketlerin kimsenin istemediği veya nasıl kullanacağını bilmediği, inanılmaz derecede pahalı şeyler geliştirmesini engelliyorum. Zamanımın çoğunu ürün geliştirme, müşteri araştırması ve operasyonel stratejinin kesiştiği kaotik noktada geçiriyorum.

İnsan Deneyiminin Yönetim Kurulu Vaatleriyle Örtüşmesini Sağlamak

UpendNow.com’da Deneyim Direktörü olarak görev yapıyorum.

UpendNow’da, kuruluşların büyük ölçekli dijital dönüşümlerin üstesinden gelmesine ve bozuk müşteri yolculuklarını düzeltmesine yardımcı olarak B2B alanının derinliklerinde faaliyet gösteriyoruz. “Ölçek” hakkında konuştuğumuzda, bu daha çok çok sayıda destek talebini saymakla ilgili değil — her ne kadar bunlardan bolca görsek de — büyük operasyonel karmaşıklığın üstesinden gelmekle ilgilidir. Müşterilerin aynı hafta içinde bir web portalı, mobil uygulama, doğrudan destek ve bir Satış temsilcisi arasında gidip gelebildiği, şirketin her etkileşimi sihirli bir şekilde hatırlamasını beklediği çok kanallı ekosistemleri inceliyoruz.

Deneyim Direktörü olarak, liderlik ekiplerinin müşteri deneyimini yalnızca bir “destek masası” maliyet merkezi olarak görmekten vazgeçip onu temel bir iş motoru olarak ele almasına yardımcı oluyorum. İnsan deneyiminin yönetim kurulunda verilen büyük vaatlerle örtüşmesini sağlamak için derinlemesine kullanıcı araştırmasından iş akışı otomasyonuna ve çevik dönüşümlere kadar gereken yoğun çalışmayı yürütüyoruz.

Yapay Zekâ Nitel Kullanıcı Araştırmasına Nasıl Entegre Edilebilir?

En büyük değişimimiz, gösterişli ve müşteriye dönük bir sohbet robotu kurmak olmadı. Bunun yerine yapay zekâyı nitel kullanıcı araştırmamıza ve etkileşim sonrası analizimize derinlemesine entegre ettik.

Yapılandırılmamış verilerden oluşan devasa bir yığınımız vardı — binlerce saatlik kullanıcı görüşmesi, destek dökümleri ve açık uçlu geri bildirim. Uygulanabilir içgörüler bulmak için bunları manuel olarak taramak haftalar sürüyordu. Sürtünme noktalarını haritalandırdığımızda veriler güncelliğini yitirmiş oluyordu.

Ham konuşma verilerini gerçek zamanlı olarak otomatik şekilde alan, kategorilere ayıran ve duygu haritalaması yapan bir dahili yapay zekâ işlem hattı oluşturduk. Yalnızca “mutlu mu yoksa üzgün mü” olduğunu işaretlemek yerine, kullanıcının arayüz terminolojisi nedeniyle kafasının karıştığı veya bir başlangıç iş akışından ayrıldığı noktalar gibi belirli davranışsal engelleri tespit ediyor.

Araçlar açısından ses ve video dökümü için OpenAI’nin Whisper API’sini kullanıyoruz. Analiz ve kategorilendirme için Anthropic’in Claude’unu (3.5 Sonnet) kullanıyoruz.

Bu, tahmin yürütme ihtiyacını ortadan kaldırdı. Yönetim kurulu sezgilerinin yerini somut veriler aldı. Artık kullanıcıların neden ve nerede zorlandığını tam olarak gösteren canlı bir kontrol panelimiz var. Ayrıca hızı artırdı. İçgörüye ulaşma süremizi üç haftadan birkaç dakikaya indirdik. Hatta kısa süre önce yeni bir portalda kullanıma açılmasından sonraki 48 saat içinde büyük bir UX kusuru tespit ettik, hemen düzelttik ve destek taleplerinde yaşanabilecek büyük bir artışı önledik.

Yoğun Temaslı, Yapay Zekâ Destekli Bir CX İş Akışı

UpendNow.com’daki tüm dünyamız, film yapımcılarının ve reklam ajanslarının ön prodüksiyon kabusunu otomatikleştirmesine yardımcı olan platformumuz Solt OS etrafında dönüyor — karmaşık bir senaryoyu alıp sahne taslaklarına, çekim listelerine ve bütçelere dönüştürüyor. Film yapımı son derece görsel ve karmaşık olduğundan, standart bir destek talebi iş akışı bizim için işe yaramıyor. Bir yönetmen ön görselleştirme videosu oluşturmaya çalışırken takıldığında ve karakter tutarlılığı sürekli bozulduğunda, genel bir BT yardım masası istemiyor.

Artık bunu sorunsuz bir şekilde ele alıyoruz. İş akışı şöyle:

Bir içerik üreticisi bir sorun bildirdiği veya bir engelle karşılaştığı anda, dahili yapay zekâmız yalnızca yazdığı şikâyeti okumakla kalmıyor; yaratıcı oturumunun tüm bağlamını da alıyor. Yüklediği senaryoya, kullandığı istemlere ve başarısız olan sahne taslaklarına bakıyor.

Buradan sonra AI, analitik yükün ağır kısmını üstlenir. Tam olarak hangi yaratıcı süreç tıkanıklığının yaşandığını teşhis eder — örneğin film yapımcısının standart dışı bir sahne başlığı kullandığını ve bunun sistemin konum takibini karıştırdığını fark eder.

Ardından sistem, kullanıcıyı bekletmek veya bir botla konuşturmak yerine her şeyi insan ekip üyelerimizden birine devreder. Ancak bunu eksiksiz bir bilgi özetiyle birlikte yapar. İnsan operatör vakayı açtığında hangi sahne numaralarının döngüye girdiğini, biçimlendirme hatasının ne olduğunu ve önceden hazırlanmış çözümü anında görür.

Film yapımcısı, sinema dilini bilen bir insandan hızlı ve son derece bağlama duyarlı bir yanıt alır; biz de yaratıcı ivmesinin kaybolmasını önleriz. Süreci tamamlamak için AI, söz konusu biçimlendirme hatasını mühendislik iş listemize otomatik olarak kaydeder. Böylece ürün arayüzünü düzeltebilir ve aynı sorunun bir sonraki yönetmenin başına gelmesini önleyebiliriz.

Üstelik hiçbir noktada müşteri bir botla konuşmak zorunda kalmaz veya karmaşık yaratıcı terminolojiyi bir destek temsilcisine açıklamakla uğraşmaz.

AI, CX Kararlarını Nasıl Bilgilendirir; İnsanlar Stratejiye Nasıl Yön Verir?

Shankar Paylaşıyor

…insan ilişkilerini otomatikleştirmiyoruz. Ekibimizin ilişkiler kurmaya ve karmaşık sorunları çözmeye yönelik, yüksek değer taşıyan ve derinlemesine insani çalışmalara odaklanabilmesi için analitik angaryaları AI’a yaptırıyoruz.

Temel bir kuralı sıkı biçimde izliyoruz: AI "Ne" ve "Nerede" sorularını ele alır; ancak "Neden" ve "Nasıl" sorularının sorumluluğu insanlardadır.

AI'ın iyi ele aldığı birkaç konu şöyle:

• Sorun önceliklendirme ve eğilimleri fark etme: AI, gelen binlerce destek görüşmesi dökümünü ve kullanıcı oturumunu gerçek zamanlı olarak tarar. İnsan bir yöneticinin örüntüyü fark etmesinden çok önce, ödeme sayfasında takılıp kalan kullanıcı sayısında ani %15'lik artış gibi anormallikleri anında işaretler. Bunun için PostHog kullanıyoruz.
• Kullanıcı yolculuğundaki sürtüşmeleri haritalama: AI, platformlarımızdaki kullanıcı davranışlarını analiz eder ve kopmaların tam olarak nerede gerçekleştiğini gösterir. Tahmine dayalı karar vermeyi ortadan kaldırır. Şu anda kullandığımız araçları FullStory'ye (StoryAI ve API) taşıyoruz.

İnsanların rol aldığı tarafta ise:

• Kullanıcı yolculuğunu yeniden tasarlama ve strateji: AI, insanların nerede koptuğunu söyleyebilir; ancak deneyimi yeniden tasarlamak için gereken iş bağlamından ve yaratıcı empatiden yoksundur. Bozuk bir B2B yolculuğunu düzeltmek; farklı işlevlerin öncelikleri arasındaki çekişmeleri yönetmeyi, mühendislik tavizlerini ve insan davranışını derinlemesine anlamayı gerektirir. AI bir odada oturup üç farklı departmanı bir çözüm üzerinde uzlaşmaya ikna edemez.
• Hizmet telafisi ve üst kademeye taşıma: Bir sistem kesintisi yüksek değerli bir müşterinin operasyonlarını aksatıp onu öfkelendirdiğinde, müşteri kusursuz biçimde oluşturulmuş bir AI özrü istemez. Kritik durumlarda telafi; gerçek insan empatisi, sorumluluk alma ve işleri düzeltmek için kuralları esnetme yetkisi gerektirir.

Başka bir deyişle, insan ilişkilerini otomatikleştirmiyoruz. Ekibimizin ilişkiler kurmaya ve karmaşık sorunları çözmeye yönelik, yüksek değer taşıyan ve derinlemesine insani çalışmalara odaklanabilmesi için analitik angaryaları AI'a yaptırıyoruz.

AI, Sektöre Özgü Bağlamı Anlamakta Neden Zorlanır?

Shankar Paylaşıyor

İnsan tarafından yapılacak bir sağduyu kontrolü olmadan otomatik gösterge tablosuna körü körüne güvenmek, aslında kusursuz olan kodu yeniden yazmakla haftalarımızı kaybetmemize neden olacaktı. AI örüntüleri bulur; ancak derin ve sektöre özgü bağlamı anlamakta ciddi biçimde zorlanır.

AI'ı nitel verilerimizi analiz etme ve sorunları önceliklendirme süreçlerimize entegre etmek, operasyonel hızımızı dönüştürdü.

Ekibimiz eskiden, hesaplar genelindeki sistemik UX kusurlarını veya kullanıcı edinme sürecindeki darboğazları tespit etmek için verileri manuel olarak etiketlemekle haftalar geçirirdi. Artık AI, tekrarlanan bu sürtüşme örüntülerini neredeyse anında işaretliyor. Bu sorunları daha hızlı yakalamak, hataları düzeltmemize ve kafa karıştıran iş akışlarını müşteri şikâyetleri seline dönüşmeden önce onarmamıza olanak tanıyor. Bu durum, ürün ve araştırma ekiplerimizi zahmetli elektronik tablo veri girişinden temelden uzaklaştırarak çözümler tasarlamaya odaklanmalarını sağladı.

Ancak süreç tamamen sorunsuz ilerlemedi. En büyük sorunumuz analitik gürültü ve gerçek bağlam eksikliğiydi.

Başlangıçta AI'ın duygu durumunu ve eğilimleri etiketleme becerisine gereğinden fazla bel bağladık. Yeni yayımlanan bir özelliğin etrafında olumsuz duygu etiketlerinde keskin bir artış fark ettik. Ekip güncellemeyi geri almak için neredeyse harekete geçecekti. Ancak bir insanın yaptığı derinlemesine inceleme, AI'ın ileri düzey kullanıcılarımızın sektöre özgü jargonunu ve teknik yakınmalarını tamamen yanlış yorumladığını ortaya çıkardı. Özelliğe kızgın değillerdi; yalnızca kendi karmaşık iş akışları hakkında tutkuyla konuşuyorlardı.

İnsan tarafından yapılacak bir sağduyu kontrolü olmadan otomatik gösterge tablosuna körü körüne güvenmek, aslında kusursuz olan kodu yeniden yazmakla haftalarımızı kaybetmemize neden olacaktı. AI örüntüleri bulur; ancak derin ve sektöre özgü bağlamı anlamakta ciddi biçimde zorlanır.

Ürün Tasarımı Neden Gösterişli Yapay Zekâdan Daha Önemli Olabilir?

Bağlamsal hiper kişiselleştirme, yapay zekânın beklentileri karşılayamadığı bir diğer alandır.

Yapay zekânın bir B2B müşterisinin geçmiş davranışlarına, mevcut ürün kullanımına ve destek geçmişine sorunsuzca bakarak müşterinin işe alıştırma veya gösterge paneli deneyimini gerçek zamanlı olarak dinamik biçimde uyarlayabileceği vaat edilmişti. Bunun, kullanıcının bir sonraki adımda tam olarak neye ihtiyaç duyacağını öngören dijital bir danışman gibi sezgisel hissettirmesini bekliyorduk. Bunun yerine çoğunlukla müdahaleci veya ilgisiz hissettirdi.

Karmaşık bir B2B teknoloji ortamında kullanıcı amacı saatten saate büyük ölçüde değişir. Bir kullanıcı hızlı ve tekrarlanan bir yönetim görevini yerine getirmek için giriş yapabilir, ancak yapay zekâ — daha geniş hesap eğilimlerine dayanarak yardımcı olmaya çalışırken — o anda ilgilenmediği gelişmiş bir özellik için önerilerle görünümünü doldurur. Bilişsel yükü azaltmak yerine artırdı.

Bir platformda gezinirken kullanıcıların yapay zekânın bir sonraki adımda ne yapmak istediklerini tahmin etmesini istemediğini fark ettik; temiz kullanıcı arayüzü tasarımı, öngörülebilir iş akışları ve son derece hızlı arama işlevselliği istiyorlardı. Yapay zekânın, aslında daha iyi ve daha basit bir ürün tasarımı gerektiren bir kullanıcı deneyimi sorununu çözmesini bekliyorduk.

Yapay Zekâ Pilotlarını Başlatmadan Önce Veri Kalitesi Neden Kritik?

Kendi dağınık şirket içi verilerimizin başlangıçta işleri ne kadar berbat edeceğini keşke bilseydim.

Yapay zekâ sağlayıcılarını dinlediğinizde, sanki bu sihirli aracı bağlamanız yeterliymiş ve aracın anında insanlar tarafından kullanılmaya hazır, harika içgörüler sunacağı izlenimini verirler. Ancak gerçek şu ki yapay zekânız yalnızca ona sağladığınız veriler kadar iyidir.

İlk pilot uygulamamızdan önce, farklı silolara dağılmış yıllara yayılan müşteri geri bildirimlerimiz, eski kullanıcı araştırmalarımız ve destek kayıtlarımız vardı. Bunların bir kısmı güncelliğini yitirmişti, bir kısmı tamamen çelişkiliydi ve büyük bölümü UpendNow'da yaptığımız işin kendine özgü film yapımı bağlamından yoksundu.

Önce bu veri temelini temizlemediğimiz için yapay zekâ ilk birkaç haftayı tuhaf eğilimler uydurarak ve ekibimin çürütmek için zaman harcadığı büyük miktarda analitik gürültü oluşturarak geçirdi.

Başa dönebilseydim, gösterişli yapay zekâ özelliklerini değerlendirmeye çok daha az, sistemi çalıştırmadan önce şirket içi veri mimarimizi temizlemeye ise çok daha fazla zaman ayırırdım. Önce temeli düzeltmelisiniz; aksi hâlde yalnızca kaosu otomatikleştirirsiniz.

Tüm CX Liderlerinin Odaklanması Gereken Alan

Şu anda herkesin tamamen yeniden tasarlaması gereken alan müşteri yolculuğu haritalamasıdır.

Tarihsel olarak yolculuk haritalama, statik bir yönetim kurulu toplantısı çalışmasıydı. İnsanlar yapışkan notlarla bir odada oturur, idealize edilmiş bir yol haritası çıkarır, bunu PDF'e dönüştürür ve ardından bir yıl boyunca kimse tekrar bakmazdı. Bu, müşterinin gerçekte ne yaptığını değil, müşterinin ne yaptığını umduğumuzu temsil eder.

Yapay zekâyla güçlendirilmiş bir dünyada bu yaklaşım geçerliliğini yitirmiştir.

Liderler, müşteri yolculuğu haritalarını dinamik, gerçek zamanlı ve canlı verilerle beslenen yapılar hâline getirmek için aktif olarak yeniden tasarlamalıdır. Çünkü yapay zekâ araçları artık canlı kullanıcı oturumları, destek görüşmeleri ve terk noktaları gibi yapılandırılmamış verileri gerçek zamanlı olarak işleyebildiğinden, yolculuk haritanız bir belge olmamalıdır. Yaşayan, nefes alan bir yazılım gösterge paneli olmalıdır.

Sürtüşmenin nerede olduğunu tahmin etmek yerine sisteminiz size aktif olarak şunu söylemelidir: "Hey, şu anda butik ajanslardaki film yapımcıları, kullanıcı arayüzündeki gecikme nedeniyle işe alıştırmanın üçüncü adımında takılıyor." Müşteri yolculuğunu nasıl haritaladığınızı ve görüntülediğinizi yeniden tasarlamazsanız, yapay zekâyı tek tek, birbirinden kopuk temas noktalarını optimize etmek için kullanırken makro deneyimin bozuk olduğunu tamamen gözden kaçırırsınız. Geçmişi haritalamayı bırakıp bugünü orkestre etmeye başlamamız gerekiyor.

Kötü Tasarımdan Otomasyonla Kurtulamazsınız

Tavsiyem basit: Kötü tasarımın açığını otomasyonla kapatmaya çalışmayı bırakın.

Şu anda müşteri deneyimi liderleri, hızlı ve ucuz hissettirdiği için müşteri yolculuğundaki her bir sürtünme noktasına yapay zekâ uygulama konusunda büyük bir cazibeyle karşı karşıya. Kullanıcı katılım süreciniz kafa karıştırıcıysa buna bir yapay zekâ asistanı ekleyin. Belgeleriniz karmakarışıksa bir yapay zekâ arama botu oluşturun. Ancak yaptığınız tek şey, bozuk bir sürecin üzerine yüksek teknoloji ürünü bir yara bandı yapıştırmak. Müşterilerin, en başta var olmaması gereken bir karmaşıklığın içinde yol almasına yardımcı olmak için yapay zekâyı kullanıyorsunuz.

Başka bir yapay zekâ aracı satın almadan veya başka bir otomatik iş akışı başlatmadan önce her şeyi temelden ele alın. Temel ürününüze ve temel hizmet sunumunuza bakın. Önce temel kullanıcı deneyimi kusurlarını giderin, karmaşık veri akışlarını temizleyin ve müşteri yolculuğunu basitleştirin.

Takipte Kalın

Shankar Sahai'nin çalışmalarını LinkedIn ve X üzerinden takip edebilirsiniz.

The CX Lead'de daha fazla uzman röportajı sizlerle olacak!