AI Asistan Reklam Aramasında Niyeti Nerede Kaçırır?

AI Asistan Reklam Aramasında Niyeti hangi noktada kaçırıyor: reklam kaynağı eşleştirilirken mi, ilk ifade yazıya çevrilirken mi, çağrıya etiket verilirken mi, yoksa belirsiz çağrı temsilciye aktarılmazken mi? Klinik çağrı yöneticisi bu soruyu yalnızca toplam randevuya ya da çağrı dönüşümüne bakarak cevaplayamaz. Burada aranan şey, arayanın neden aradığıdır: randevu almak, şube sormak ya da bir insanla konuşmak gibi. İncelemede reklam takip numarası, arayanın ilk cümlesi, onaylı etiket, sistemin tahmini, güven skoru ve devir kaydı aynı denetim zincirinde bir araya gelsin.

Buradaki amaç yapay zekânın klinik değerlendirme yapması değildir. Randevu talebi, şube bilgisi, çalışma saati ve insan temsilci isteği gibi idari talepler ölçülür.

Tıbbi belirti, teşhis, tedavi veya aciliyet değerlendirmesi idari niyet sınıflandırmasının dışında tutulmalı; otomasyon klinik kararın ya da yetkili sağlık personelinin yerini almamalıdır. Sistem sınırlarını ayrıca Yapay Zekâ Telefon Asistanı: Sağlık Süreçleri ve Güvenli Sınırlar rehberiyle birlikte ele alabilirsiniz.

AI Asistan Reklam Aramasında Niyeti ölçmenin başlangıç noktası#

Ölçümün ilk şartı, reklam araması ile görüşme kaydı arasında doğrulanabilir bir bağ kurmaktır. Uygun pazarlarda Google yönlendirme numarası, reklam aramasını işletmenin gerçek numarasına aktarırken arama zamanı, süresi, kampanya ve reklam grubu gibi alanların izlenmesine imkân verir. 2 Eylül 2026 erişimindeki uygun ülke listesinde Türkiye yok. Türkiye kampanyalarında bu özelliğin olduğunu varsaymayın; hesabın ve ülkenin uygunluğunu doğrudan kontrol edin. Bu açıklama yalnızca Google’ın belgelenen yönlendirme numarası özelliğiyle sınırlıdır. Google Ads Help

Google Ads çağrı ayrıntıları başlangıç ve bitiş zamanını, çağrının yanıtlanıp yanıtlanmadığını, alan kodunu ve çağrı türünü içerebilir. Kullanıcının yönlendirme numarasını elle çevirdiği aramalar ise anahtar kelime ve reklam düzeyinde görünmez. Telefon aramasının gerçekleştiği tarih ile buna bağlı dönüşümün reklam tıklaması tarihinde raporlanabilmesi de günlük tablolar birleştirilirken dikkate alınmalıdır. Google Ads Help

Kampanya tablosunu çağrı kaydıyla birleştirmeden önce her taraftaki tarih alanının neyi gösterdiğini ekipte yazılı olarak netleştirin.

Her çağrı için aşağıdaki denetim zinciri kurulabilir:

1. Reklam kaynağı veya takip numarası kaydı
2. Aramanın başlangıç zamanı ve benzersiz çağrı kimliği
3. Kullanıcının ilk anlamlı ifadesine ait ses bölümü
4. Otomatik konuşma tanıma metni
5. Sistemin seçtiği etiket ve ham güven skoru
6. Sorulduysa açıklama sorusu ve kullanıcının yanıtı
7. Uygulanan yönlendirme veya insan temsilciye devir
8. Yetkili inceleyicinin belirlediği onaylı idari etiket

Bu alanlardan biri eksikse, hatanın yeri kesinleşmeden kaydı “yanlış etiket” diye kapatmayın. Reklam kaynağı bulunamadıysa sorun eşleştirmededir; sınıflandırıcıya yüklenmez. Ses doğru yazıya çevrildiği hâlde yanlış etiket seçildiyse sorunu sınıflandırmada arayın. Metin daha baştan anlamı değiştirecek biçimde yazıldıysa konuşma tanıma adımına dönün.

Küçük bir örnek düşünün. Arayan “Yarın akşam için yer var mı?” diye soruyor. Sistem bunu çalışma saati sorusu sanıyor ve açılış saatlerini okuyor. Kayıtta ses temiz, metin de doğru. Hata burada etiket seçiminde. Metin “Yarın akşam açık mısınız?” diye yazılsaydı sorun konuşma tanıma adımına kayardı.

Zinciri eksiksiz tutmak bu farkı tartışmaya yer bırakmadan gösterir.

Onaylı idari niyet kümesi nasıl kurulmalı?#

Denetim başlamadan önce kabul edilen idari talepleri ve her etiketin sınırlarını yazıya dökün. Basit bir başlangıç sözlüğü şöyle olabilir:

Kapsam dışı ifadeleri ayrıca izleyin. CLINC150 araştırmasında karşılaştırılan modeller desteklenen niyetlerde iyi performans gösterebilirken niyet kümesi dışındaki ifadeleri tanımakta zorlanmıştır. Çalışma klinik reklam çağrıları üzerinde yapılmadığı için buradaki sonuç bir klinik başarı oranı olarak kullanılamaz; yalnızca kapsam dışı tespitin ayrı bir değerlendirme problemi olduğunu destekler. Association for Computational Linguistics

Kayıtları yalnızca sistemin kendi etiketleriyle yeniden işaretlemek denetimi döngüsel hâle getirir. İnceleyici, model çıktısını görmeden arayanın ilk cümlesine ve gerekli bağlama bakarak onaylı etiketi belirlesin. Gerçekten birden fazla yorum mümkünse kaydı zorla tek etikete sokmayın. “Belirsiz” olarak işaretleyin ve sistemin açıklama sorusu sorup sormadığını ayrıca kaydedin. Yanıtlar onaylı bilgilerden yanıt veren AI Agent yapısıyla üretiliyorsa, her kayıtta kullanılan bilgi kaynağı da görünsün.

Sözlüğü ilk günden kusursuz yapmaya çalışmayın. Bir süre “Belirsiz” ve “Kapsam dışı” kayıtları biriktirin. Aynı türden istek sık sık oraya düşüyorsa yeni bir etiket gerekip gerekmediğini ekipçe konuşun. Fiyat soran aramalar yukarıdaki tabloda yok; kliniğiniz bu soruları ayrı yanıtlıyorsa onlara da bir ad verin.

Hata hangi aşamada oluştu?#

Yanlış sınıflandırma raporunu tek bir toplam orana indirmeyin; hataları oluştukları aşamaya göre ayırın.

Kaynak eşleştirme hatası#

Çağrı kaydı kampanyayla, reklam grubuyla ya da takip numarasıyla eşleşmiyorsa veri zinciri sınıflandırıcıya ulaşmadan kopmuştur. Bu kayıtları sınıflandırıcının hanesine yazmayın; “kaynak eşleşmedi” grubunda tutun. Google’ın çağrı raporlamasında elle çevrilen yönlendirme numaraları için anahtar kelime ve reklam düzeyi görünürlüğünün sınırlı olması, eksik reklam alanının her zaman niyet motorundan kaynaklanmadığını gösteren ürün-özel bir örnektir. Google Ads Help

Konuşma tanıma kaynaklı anlam kaybı#

İnceleyici önce sesi otomatik metinle, sonra otomatik metni seçilen etiketle karşılaştırsın. Kayıtta arayan açıkça “temsilciye bağlanmak istiyorum” dediği hâlde metinde bu kelimeler yoksa hata konuşma tanıma adımına yazılabilir. Metin doğru olduğu hâlde “çalışma saati” seçildiyse hata sınıflandırıcıdadır. ASR hata analizi ile etiket hatası böylece aynı sepete girmez. Şube ve doktor adlarını içeren kayıtları bu adımda ayrıca dinleyin, çünkü özel adlar yazıya çevrilirken kolayca bozulabilir.

Kapsam içi yanlış sınıflandırma#

Onaylı etiket “randevu talebi”, sistem etiketi “şube bilgisi” ise kapsam içi yanlış sınıflandırma oluşur. Raporda gerçek etiketle tahmin edilen etiketi çapraz gösteren bir karışıklık tablosu olabilir. Bu tablo kaç hata olduğunu da, randevu taleplerinin en sık hangi idari etikete kaydığını da gösterir.

Tabloyu her hafta aynı gün açın. Randevu talepleri sürekli “şube bilgisi” etiketine kayıyorsa sorunu önce etiket tanımında arayın, çünkü arayanlar randevu isterken şube adını da söylüyor olabilir.

Belirsizliğin gizlenmesi#

Bir sınıflandırıcının doğruluğu ile güven skorlarının kalibrasyonu aynı ölçüm değildir. Beş NLU sistemi üzerinde yapılan değerlendirme, yüksek performans ile iyi kalibrasyon arasında ödünleşim görülebileceğini ortaya koymuştur. Ham güven puanını doğrudan “aktar” ya da “aktarma” kuralına çevirmeden önce gerçek kullanım örneklerinde doğrulukla birlikte değerlendirin. Çalışmanın alanı klinik reklam çağrıları olmadığından belirli bir eşik bu kaynaktan alınamaz. Association for Computational Linguistics

Belirsiz bir ifadeye açıklama sorusu sormak da ayrıca ölçülebilir. Yedi niyet tanıma veri kümesinde değerlendirilen CICC yaklaşımı, küçük bir olası niyet kümesini kullanıcıya sorarak açıklığa kavuşturmayı ve kapsam dışı girdileri reddetmeyi ele almıştır. Bu araştırma klinikler için hazır bir performans eşiği sunmaz; açıklama kararının değerlendirme planında bağımsız bir aşama olarak tutulmasına dayanak sağlar. Association for Computational Linguistics

Sistem “Randevu mu almak istiyorsunuz, yoksa şube adresini mi soruyorsunuz?” diye sorduğunda arayanın verdiği yanıtı da kayda geçirin.

Devir hatası#

Sistem çağrıyı belirsiz ya da kapsam dışı diye kaydettiği hâlde tanımlı insan gözetimi adımlarını başlatmıyorsa sorun sınıflandırmanın ötesindedir. NIST AI RMF, insan-yapay zekâ iş bölümündeki görevlerin ve gözetim sorumluluklarının politika ve prosedürlerle açıkça tanımlanmasını önerir. Devir tetikleyicisi, kuyruğun sahibi, bekleme sırasında verilecek mesaj ve sonuç kaydı bu sorumluluk ayrımında belgelenebilir. NIST AI RMF Core

Arayan “bir insanla konuşmak istiyorum” dedikten sonra hâlâ sistemle konuşuyorsa bu kaydı devir hatası olarak işaretleyin.

Hangi metrikler aynı panoda izlenmeli?#

NIST AI RMF; kullanılan test kümelerinin, ölçülerin ve araçların belgelenmesini, performansın gerçek kullanıma benzeyen koşullarda değerlendirilmesini ve sistem davranışının üretimde izlenmesini önerir. Ayrıca belirsizlik göstergeleri ile performans kıyaslarının nesnel ve tekrarlanabilir test süreçlerinde kullanılmasını öngörür. NIST AI RMF Core

Klinik çağrı yöneticisi aşağıdaki göstergelerin her birini ayrı hesaplayabilir:

• Kapsam içi yanlış sınıflandırma oranı: Onaylı idari etiketi sistem tahmininden farklı olan kapsam içi kayıtların payı.
• Belirsiz çağrı oranı: Yetkili incelemede mevcut ilk ifadeyle tek etikete indirilemeyen kayıtların payı.
• Kapsam dışı yanlış kabul oranı: Onaylı küme dışında olduğu hâlde desteklenen bir etikete yönlendirilen kayıtların payı.
• Açıklama gerektiren çağrı oranı: Sistem veya inceleyici tarafından ek soru gerektirdiği belirlenen kayıtların payı.
• Açıklama sonrası doğru yönlendirme oranı: Ek kullanıcı yanıtından sonra onaylı etikete ulaşan kayıtların payı.
• İnsan temsilciye devir oranı: Tanımlı kurallar kapsamında temsilci sırasına aktarılan kayıtların payı.
• Devir kaçırma oranı: Devir kuralı oluştuğu hâlde temsilci sırasına aktarılmayan kayıtların payı.
• Kaynak eşleştirme eksikliği: Çağrı kimliği ile reklam kaynağı ilişkilendirilemeyen kayıtların payı.

Bu ölçüleri aynı tabloda yan yana görün. Biri iyileşirken öteki kötüleşiyorsa, söz gelimi devir oranı düşerken devir kaçırma artıyorsa, sistem sorunu gizliyor olabilir.

Google Ads’te bir telefon aramasının dönüşüm sayılması, reklamverenin belirlediği asgari konuşma süresine dayanabilir. Platformdaki “çağrı dönüşümü” etiketi, randevu isteğinin doğru anlaşıldığını ya da çağrının doğru sıraya gittiğini kendi başına kanıtlamaz. Reklam metriği ile manuel doğrulanmış niyet sonucu ayrı alanlar olarak saklanmalıdır. Google Ads Help

CRM'deki çağrı, etiket ve sonuç alanlarının nasıl eşleşeceğini HBYS ve CRM Entegrasyon Rehberi ile birlikte planlayabilirsiniz. Bağlantının kurulmuş olması sınıflandırmanın doğru olduğunu göstermez. Onaylı etiketle sistem çıktısını karşılaştırılabilir biçimde saklayın.

Çok dilli testi gerçek çağrı koşullarına yakın kurun#

Sağlık turizmi çağrılarında tek bir toplu doğruluk puanına bakmak yerine sonuçları önceden tanımlanmış dilimlere ayırın: hedef dil, kampanya, şube, cihaz ya da hat kalitesi. Amaç, herhangi bir dil ya da aksan için dışarıdan bir başarı oranı varsaymadan yerel çağrı örneklerini aynı denetim şemasıyla incelemek. NIST AI RMF’nin gerçek kullanıma benzer koşullarda ölçüm, üretim izlemesi ve test araçlarının belgelenmesi yaklaşımı bu test tasarımına genel bir çerçeve sunar; ancak sağlık sektörüne özgü bir başarı sonucu vermez. NIST AI RMF Core

Her dilde ses ile metin arasındaki farkı, metin ile etiket arasındaki farkı, açıklama sorusunun anlaşılıp anlaşılmadığını ve temsilciye devrin sonucunu ayrı ayrı kaydedin. Çeviriyle hazırlanmış örnekleri gerçek arama sesinin yerine tek başına kullanmayın; test kümesinin nasıl oluşturulduğunu rapora yazın. Almanca konuşan bir hasta adayı şube adını kendi telaffuzuyla söyleyebilir. Metin şube adını bozuk yazarsa etiket doğru olsa bile çağrı yanlış şubeye gidebilir. Böyle kayıtları dil dilimi altında ayrı sayın.

Her dilde aynı sözlükle ve mümkünse aynı inceleyicilerle çalışın; sonuçlar ancak böyle karşılaştırılabilir kalır. Amaç, bütün diller için aynı sonucu varsaymadan hatanın yerini karşılaştırılabilir kayıtlarla göstermektir. Aynı test düzenini, reklam aramalarını karşılayan telefon AI Agent'ı canlıya alınmadan önce her dil için ayrı uygulayın.

KVKK açısından denetim verisinin sınırı#

KVKK’nın özel nitelikli kişisel veriler rehberine göre kişinin randevu aldığı hastane, klinik veya birim bilgisi bağlamına göre kişisel sağlık verisi sayılabilir. Reklam aramasından çıkarılan niyet etiketi, transkript ve randevu bağlantısı sağlık hizmetini veya sağlık durumunu açığa çıkarıyorsa bunları sıradan kampanya verisi gibi ele almayın. İşlenen veri türleri, amaçlar, hukuki sebepler, alıcılar, saklama süreleri, yurt dışı aktarımı ve güvenlik tedbirleri veri işleme envanterinde değerlendirilmelidir. Kişisel Verileri Koruma Kurumu

Aydınlatma yükümlülüğü kapsamında veri sorumlusunun kimliği, işleme amacı, alıcı grupları, veri toplama yöntemi, hukuki sebep ve ilgili kişinin hakları açıklanmalıdır. Verinin tamamen veya kısmen otomatik yollarla elde edildiği belirtilmeli; işleme amacı değişirse yeni amaç için işleme başlamadan önce ayrıca aydınlatma yapılmalıdır. Somut süreç tasarımı kurumun hukuki değerlendirmesine dayanmalı; bu makale hukuki görüş yerine geçmemelidir. Kişisel Verileri Koruma Kurumu

Erişim yetkileri, saklama yaklaşımı ve denetim kayıtları için KVKK Uyumlu Sesli AI Kontrol Listesi ayrıca incelenebilir. Ancak bir kontrol listesinin uygulanması tek başına KVKK uyumluluğu garantisi oluşturmaz; veri sorumlusu kendi işleme faaliyetini ve hukuki dayanaklarını değerlendirmelidir.