"Marka sesinizle yapay zeka" neden sanıldığından daha zor — ve iyi sistemler bunu gerçekte nasıl yapıyor

Her yapay zeka destek tedarikçisi sizin gibi konuşacağını vadeder. Demoda şirket adınızın eklendiği, samimi tonda bir yanıt gösterilir. Müşteri başını sallar. Anlaşma kapanır. Yapay zeka canlıya alınır.

Altı ay sonra biri, yapay zekanın "Yaşadığınız hayal kırıklığını anlıyorum ve bunu birlikte çözerken gösterdiğiniz sabır için teşekkür ederim" yazdığı bir yanıtın ekran görüntüsünü alır. Görüntü Twitter'a düşer. Yıllarca kuru bir yetkinlik sesi inşa etmiş şirket, sıradan bir çağrı merkezi gibi görünür.

Yapay zeka sistemleri marka sesini marka adı eklemekle karıştırdığında olan budur.

Gerçek marka sesi inceliklidir. Söylediklerinizde olduğu kadar söylemediklerinizde de ortaya çıkar. Teknoloji odaklı bir marka, sürtünme yarattığı için "lütfen" ve "teşekkürler" gibi nezaket kalıplarını atabilir. Konukseverlik odaklı bir marka tam tersini yapar. Geliştirici araçları üreten bir şirket teknik jargon kullanabilir — müşterilerinin dili budur. Bir tüketici markası ise ondan titizlikle kaçınabilir.

Bunu yapay zeka yanıtlarında tutturmak gerçekten zordur. Tedarikçilerin çoğu tutturamaz. Müşterilerin çoğu ise canlı ortamda epey yol alıp şikayetler gelmeye başlayana kadar bunu fark etmez.

Marka sesi gerçekte nelerden oluşur

Yapay zeka yanıtlarının markanız gibi ses verip vermediğini altı boyut belirler.

Resmiyet düzeyi. Dil ne kadar resmi ya da samimi? "Selam!" mı, "Merhaba," mı? "Sen" mi, "siz" mi? Emoji var mı, yok mu? Farklı markalar bu eksenin çok farklı noktalarında durur.

Sıcaklık sinyalleri. Metin duyguları ne kadar tanır? Her mesaja "Sizi çok iyi anlıyorum" ile başlayan bir destek sesi ezberlenmiş bir senaryo gibi okunur. Duyguları hiç tanımayan bir ses ise soğuk durur. Doğru düzey markaya özgüdür.

Doğrudanlık. Markanız doğrudan konuya mı girer, yoksa konuya doğru mu yaklaşır? "Aboneliğiniz 5 Mart'ta yenilenecek" ile "Yaklaşan abonelik yenilemeniz hakkında size ulaşmak istedim — aboneliğiniz 5 Mart'ta yenilenecek" aynı şey değildir. Bilgi aynı, ses farklı.

Otorite düzeyi. Marka kendini kullanıcıya yol gösteren bir uzman olarak mı, akranına yardım eden bir akran olarak mı, yoksa mütevazı bir hizmetkar olarak mı sunar? Bu, "En iyi yaklaşım şudur..." ile "Şunu deneyebilirsiniz..." ile "Gelin birlikte çözelim" arasındaki farkta görünür.

Mizah ve oyunbazlık. Bazı markaların hafif ve ara sıra esprili olması yerindedir. Başkaları bunu yapsa eğreti dururdu. Yapay zekanın varsayılanı genellikle düz bir tarafsızlıktır — iki yönde de mizah yok — ve bu, her iki uçtaki marka için de hafifçe yanlış tınlar.

Kötü haberi verme biçimi. Markanız "hayır"ı ya da "bunu yapamayız"ı nasıl söyler? Şablon yapay zeka yanıtı empatiyle yumuşatılmıştır: "Duymayı umduğunuz şeyin bu olmadığını çok iyi anlıyorum, ancak maalesef..." Bazı markalar tam olarak böyle yapar. Bazılarıysa sadece "Bu desteklediğimiz bir şey değil" der ve devam eder.

Altısını da tutarlı biçimde tutturmak, yapay zeka yanıtlarının ekibinizden çıkmış gibi ses vermesini sağlayan şeydir. Herhangi birini kaçırmak, müşteriler nedenini ifade edemese bile yanıtları yabancı hissettirir.

Prompt mühendisliği neden yetmez

Yapay zeka desteğinde marka sesine varsayılan yaklaşım prompt mühendisliğidir. Marka sesinizin bir tarifini yazar ve modelin bağlamına eklersiniz: "Samimi ve profesyonel bir tonda yanıt ver. Aşırı resmiyetten kaçın. Yanıtları kısa tut."

Bu, demolarda işe yarar. Canlıda ise üç nedenle çöker.

Tutarlılık kayması. LLM'ler olasılıksaldır. Aynı prompt, biraz farklı müşteri sorularıyla biraz farklı tonlarda yanıtlar üretir. Bazen yapay zeka istediğinizden daha sıcaktır. Bazen daha soğuk. Bazen sesinize aykırı gelen ifadeler kullanır. Bu varyans değerlendirme aşamasında görünmez, canlıda ise süreklidir.

Prompt kırılganlığı. Müşterinin ifadesindeki küçük değişiklikler farklı yanıt kalıplarını tetikler. Rahat yazan bir müşteri rahat bir yanıt alır. Resmi yazan resmi bir yanıt alır. Bu aynalama yapay zekaya doğal gelir ama marka sesini kırar — markanız, müşterinin nasıl yazdığına göre üslup değiştirmemelidir.

Kapsam boşlukları. Prompt talimatları aklınıza gelen durumları kapsar. Gerçek müşteri soruları sonsuz bir alanı kapsar. Yapay zeka öngörmediğiniz durumlarda sesi doğaçlar ve doğaçlama, LLM tarafsızlığına geri düşer.

Ayırt edici bir sesi olan markalar için yalnızca prompt'a dayalı yaklaşımlar "neredeyse ama tam değil" yanıtlar üretir. Müşteriler neyin yanlış olduğunu ifade edemese de fark eder.

Gerçekten işe yarayan: kendi verilerinizle fine-tuning

Marka sesi vaadini gerçekten yerine getiren sistemler, gerçek destek geçmişiniz üzerinde fine-tuning yapar. Süreç şöyle işler.

Mevcut destek talepleriniz, ekibinizin sesine ait yüzlerce veya binlerce örnek içerir. Temsilcilerinizin yazdığı her yanıt bir eğitim örneğidir — girişte müşteri sorusu, çıkışta markanızın sesiyle yazılmış yanıt.

Fine-tuning, temel modeli bu kalıpları içselleştirecek şekilde günceller. Model yalnızca kelime seçimini değil, ekibinizin arkasındaki kararları da öğrenir: ne zaman özür dileyip ne zaman sadece sorunu çözeceğini, ne zaman bağlam ekleyip ne zaman kısa keseceğini.

Fine-tuning'den sonra model, LLM varsayılanlarını değil sizin kalıplarınızı yansıtan yanıtlar üretir. Ses, konular ve soru türleri arasında tutarlıdır. Yeni sorular, ekibiniz yazmış gibi ses veren yanıtlar alır — çünkü model, ekibinizin yazdıklarından öğrenmiştir.

Bedeli gerçektir. Fine-tuning temiz eğitim verisi, değerlendirme altyapısı ve sesiniz evrildikçe periyodik yeniden eğitim gerektirir. Tedarikçilerin çoğu buna yatırım yapmaz; pahalıdır ve demoda göstermesi zordur. Ama canlıdaki fark ciddidir.

Kör test

En basit değerlendirme kör okumadır.

Değerlendirdiğiniz araçtan 20 güncel yapay zeka yanıtı alın. Ekibinizden 20 güncel insan yanıtı alın. Her iki seti de anonimleştirin — imza yok, üstveri yok. Bunları markanızın sesini bilen birine gösterin.

Her yanıtı "yapay zeka" veya "insan" yığınına ayırmasını isteyin.

Yüksek doğrulukla ayırabiliyorsa — diyelim %80 ve üzeri — yapay zeka markanızın sesini üretmiyor demektir. Adınız eklenmiş jenerik yapay zeka destek sesi üretiyordur.

Farkı güvenilir biçimde söyleyemiyorsa, yapay zeka sesinizi gerçekten öğrenmiştir.

Tedarikçilerin çoğu bu testten kalır. Geçenler, ciddi ciddi konuşmaya değer olanlardır.

Tedarikçilere ne sormalı

Yapay zeka destek araçlarını değerlendiriyorsanız ve marka sesi önemliyse, üç soru pazarlamanın içinden kestirip atar.

"Sisteminiz bizim özgün sesimizi prompt'ların ötesinde nasıl öğreniyor?" Yanıt "size bir ses tarifi yazdırıyoruz" ise, bu yalnızca prompt'tur. Yanıtta fine-tuning veya geçmişiniz üzerinde eğitim geçiyorsa, derine inin.

"Mevcut taleplerim üzerinde kör test yapabilir miyim?" İyi tedarikçilerin bunun için altyapısı vardır. Taleplerinizden bir örneklem işler ve değerlendirmenize izin verirler. "Diğer müşterilerimizin örnek yanıtlarını paylaşabiliriz" diyen tedarikçiler topu taca atıyordur.

"Konular arasında ses tutarlılığını nasıl sağlıyorsunuz?" Tipik arıza şudur: yapay zeka basit sorularda sesi tutturur, karmaşık olanlarda kayar. Tedarikçilerin, tüm soru yelpazesinde tutarlılığı nasıl korudukları konusunda somut yanıtları olmalıdır.

Yanıtlar, ciddi tedarikçileri pazarlamadan ayırır.

Kör testi kendi talepleriniz üzerinde yapmak ister misiniz? 14 günlük ücretsiz denemenizi başlatın — tüm Business özellikleri, kredi kartı gerekmez — veya 20 dakikalık bir demo ayarlayın. Her iki durumda da bir hafta içinde doğru seçim olup olmadığını bileceksiniz.