AMD (Telesekreter Tespiti) Nedir?

Telesekreter tespiti — her yerde AMD olarak kısaltılır — bir giden arama dialer'ının içinde, bağlanan bir çağrının ilk birkaç saniyesinde telefonu canlı bir insanın mı yoksa bir sesli mesaj sisteminin mi açtığını belirleyen teknolojidir. Bu sınıflandırmaya göre dialer çağrıyı ya bir temsilciye yönlendirir (canlı insan) ya da otomatik olarak işler (makine — genellikle önceden kaydedilmiş bir sesli mesaj bırakarak veya bağlantıyı keserek).

AMD basit görünür, ancak her giden arama altyapısının en kritik bileşenlerinden biridir. Doğruluğu iki kritik iş metriğini doğrudan belirler: temsilci kullanımı (temsilcilerin gerçek kişilerle konuşarak geçirdiği süre) ve ulaşma oranı (kampanyanızın saatte kaç canlı görüşme ürettiği). AMD doğruluğundaki birkaç yüzde puanlık fark, orta ölçekli bir operasyon için haftada binlerce kaybedilen veya kazanılan görüşme anlamına gelebilir.

Geleneksel AMD Nasıl Çalışır?

Geleneksel AMD — yirmi yılı aşkın süredir giden arama dialer'larında standart olan yaklaşım — çağrı bağlandıktan sonraki ilk anlara uygulanan ses sinyali analizine dayanır. İki temel tekniği vardır:

Enerji ve süre analizi

Çağrı bağlandığında AMD sistemi ses dalga biçimini analiz etmeye başlar. İki şeyi ölçer: ilk konuşma bölümünün ne kadar sürdüğünü ve bu konuşmanın enerji örüntüsünü. Temel varsayım, insan karşılamalarının kısa olduğudur — "Alo?", "Evet?", "Buyurun" — genellikle 1,5 saniyenin altında ve ardından kişinin yanıt beklediği bir duraklama gelir. Sesli mesaj karşılamaları ise önceden kaydedilmiş bir monolog olduğu için doğal bir duraklama olmadan daha uzun olma eğilimindedir (3-10 saniye kesintisiz konuşma).

Sistem bir karar eşiği uygular: konuşma, yapılandırılmış bir süreyi aşarak duraklamadan devam ederse çağrıyı makine olarak sınıflandırır. Konuşma kısa ve ardından sessizlik geliyorsa çağrıyı canlı insan olarak sınıflandırır.

Bip algılama

İkinci geleneksel teknik, sesli mesaj karşılamasının bittiğini ve kayıt süresinin başladığını işaret eden karakteristik tonu — "bip" sesini — dinler. Sistem, bir sesli mesaj bip sesinin beklenen frekansına ve süresine uyan bir ton (genellikle 0,5-1 saniye süren 1 kHz'lik bir ton) algıladığında çağrıyı makine olarak sınıflandırır.

Bip tespiti başlangıçta enerji analizinden sonra ikincil bir doğrulama olarak tasarlanmıştı. Bazı eski sistemlerde ise birincil tespit yöntemi haline geldi. Çağrı, bir bip sesi duyulana (makine) veya bir zaman aşımı dolana (insan varsayılır) kadar bir tespit tamponunda bekletilirdi.

Geleneksel Bip Tespiti Neden Başarısız Olur?

Geleneksel AMD, artık var olmayan bir telefoni dünyası için tasarlandı. Birkaç yapısal değişiklik, bip ve enerji tabanlı tespiti giderek daha güvenilmez hale getirdi:

Operatörler arasında bip tutarsızlığı

Her sesli mesaj sisteminin karşılamadan sonra standart bir bip çaldığı varsayımı artık geçerli değil. Google Voice, geleneksel operatör sesli mesajından farklı bir ton örüntüsü kullanır. Bazı VoIP sağlayıcıları bip sesini tamamen atlayıp bir duraklamadan sonra kayda başlar. Modern akıllı telefonlardaki görsel sesli mesaj sistemleri, karşılama-ve-kayıt modelinin yerini görsel bir arayüz aldığı için hiç bip çalmayabilir. Orta Doğu, Güney Asya ve Afrika'daki operatöre özgü sesli mesaj sistemleri, Kuzey Amerika veya Avrupa sistemlerinden farklı ton frekansları, süreleri ve örüntüleri kullanır.

Karşılama çeşitliliği

Enerji tabanlı tespit, uzun konuşmanın makine, kısa konuşmanın insan olduğunu varsayar. Ancak bu varsayım birçok gerçek senaryoda çöker. Bazı kişiler uzun bir karşılamayla yanıt verir — "Merhaba, John'a ulaştınız, masamdayım, size nasıl yardımcı olabilirim?" — ve makine olarak sınıflandırılır. Bazı sesli mesaj sistemleri çok kısa operatör varsayılan karşılamaları kullanır — "Lütfen mesaj bırakın" — ve insan olarak sınıflandırılır. Çok dilli pazarlarda karşılama alışkanlıkları dile ve kültüre göre değişir. Örneğin Arapça karşılamalar sıklıkla süre eşiğini aşıp yanlış pozitif tetikleyebilen uzun selamlar içerir ("As-salamu alaykum wa rahmatullahi wa barakatuh").

Ağ değişkenliği

Uluslararası aramalar, VoIP-PSTN köprüleri ve mobil şebeke geçişleri değişken gecikme ve ses kalitesi düşüşü yaratır. Paket kaybı, ses akışında insan konuşma bölümleri arasındaki duraklamalara benzeyen boşluklar oluşturabilir. Jitter, konuşmanın görünen süresini uzatabilir veya kısaltabilir. Kodek dönüştürme, bip tonlarının frekans özelliklerini değiştirebilir. Bu etkilerin tümü, geleneksel AMD algoritmalarının sınıflandırmada dayandığı sinyale gürültü ekler.

Operatör varsayılan karşılaması sorunu

Özellikle gelişmekte olan pazarlardaki birçok operatör, abone kişisel bir karşılama kaydetmediğinde operatörün sağladığı varsayılan bir karşılamayı çalar. Bu operatör karşılamaları genellikle kısadır, profesyonel bir seslendirme sanatçısı tarafından okunur ve canlı bir insanın telefonu açmasına çok benzer. Geleneksel AMD'nin, operatörün varsayılan karşılamasındaki "Aradığınız kişiye şu anda ulaşılamıyor" ile canlı bir insanın söylediği "Merhaba, ben Sarah" arasında ayrım yapma yolu yoktur — ikisi de kısa, net bir konuşma ve ardından bir duraklamadır.

Yapay Zeka Tabanlı AMD Nasıl Çalışır?

Yapay zeka tabanlı AMD, sınıflandırma sorununa temelden farklı yaklaşır. Ses sinyali özelliklerini (süre, enerji, frekans) analiz etmek yerine konuşmanın ilk birkaç saniyesini metne döker ve söylenenin anlamsal içeriğini sınıflandırır.

Adım adım süreç şöyledir:

Adım 1: Sesin yakalanması. Çağrı bağlanıp ses akmaya başladığında AMD sistemi karşı tarafın konuşmasının ilk 2-4 saniyesini yakalar.

Adım 2: Konuşmadan metne dönüştürme. Yakalanan ses, onu metne dönüştüren bir konuşma tanıma modeliyle işlenir. Bu model konuşulan dili desteklemelidir — çok dilli operasyonlar için kritik bir gereklilik.

Adım 3: Metin sınıflandırma. Metne dökülen içerik, canlı insan yanıtlarıyla mı yoksa sesli mesaj karşılamalarıyla mı ilişkili örüntülere uyduğunu belirleyen bir sınıflandırma modeliyle analiz edilir.

Her yanıt türünün metne döküldüğünde tipik olarak nasıl göründüğü arasındaki farka bakın:

• Canlı insan örüntüleri: "Hello?" / "Yes?" / "Speaking" / "Who is this?" / "Alo?" (Türkçe) / "Haan bolo" (Hintçe) / "Naam" (Arapça) — kısa, soru biçiminde, yanıt bekleyen tepkiler.
• Sesli mesaj örüntüleri: "The person you are calling is not available. Please leave a message after the tone." / "Hi, you've reached [isim]. I can't take your call right now..." / "Al-shakhs alladhi tattasil bihi ghayr mutah..." (Arapça operatör varsayılanı) — daha uzun, bildirim niteliğinde, bilgilendirici mesajlar.

Adım 4: Güven puanı ve karar. Sınıflandırıcı bir güven puanı döndürür. Güven, yapılandırılmış eşiği aşarsa sınıflandırma hemen uygulanır. Güven eşiğin altındaysa sistem nihai kararı vermeden önce ek ses yakalayabilir. Bu kademeli yaklaşım hem yanlış pozitifleri hem de tespit gecikmesini azaltır.

Yapay Zeka AMD ile Geleneksel AMD: Karşılaştırma

Boyut	Geleneksel (bip/enerji)	Yapay zeka tabanlı (transkript sınıflandırması)
Algılama yöntemi	Ses sinyali analizi: süre, enerji, bip tonu frekansı	Konuşmadan metne dönüştürme ve ardından anlamsal içerik sınıflandırması
Dil desteği	Teoride dilden bağımsız, ancak İngilizce karşılama örüntülerine ve ABD/Birleşik Krallık operatörlerinin bip tonlarına göre ayarlanmış	Dile özgü transkripsiyon modelleri gerektirir; doğruluk dil kapsamıyla birlikte artar
İngilizce çağrılarda doğruluk	Standart operatör sesli mesajı kullanan ABD sabit hatlarında makul. VoIP, mobil ve standart dışı karşılamalarda düşer.	Sınıflandırma ses özelliklerine değil anlama dayandığı için sürekli olarak daha yüksek doğruluk
İngilizce dışındaki çağrılarda doğruluk	Zayıf. İngilizce karşılama örüntülerine göre kalibre edilmiş süre ve enerji eşikleri; Arapça, Hintçe, Türkçe ve farklı karşılama alışkanlıklarına sahip diğer dillerde yüksek yanlış pozitif oranları üretir.	Transkripsiyon modeli hedef dili desteklediğinde yüksek doğruluk. Her dilin karşılama örüntüleri ayrı ayrı öğrenilir.
Yanlış pozitif oranı	Pazar ve operatör karışımına bağlı olarak %5-15	Desteklenen dillerde, dahili pilot koşullarında %3'ün altında
Operatör sesli mesaj farklılıkları	Operatör farklılıklarına duyarlı. Bip frekansı, süresi ve varlığı değişkendir. Sürekli manuel ayar gerektirir.	Sistem ton örüntülerini değil içeriği sınıflandırdığı için operatör farklılıklarından büyük ölçüde etkilenmez
Tespit gecikmesi	1-3 saniye (konuşma süresi eşiğini veya bip sesini bekler)	2-4 saniye (metne dökmek ve sınıflandırmak için yeterli konuşmayı bekler)
Uyarlama	Eşiklerin operasyon ekibi tarafından elle ayarlanması	Temsilci geri bildirim döngüleriyle kiracıya özel ayar — temsilciler, model ayarlamalarına girdi sağlayan yanlış sınıflandırmaları işaretleyebilir

AMD Doğruluğu Neden Önemlidir: Yanlış Pozitiflerin Hesabı

AMD doğruluğunun iş etkisi çoğu zaman hafife alınır; çünkü hata oranları yüzde olarak küçük görünür. Ancak tipik bir giden arama kampanyasının çağrı hacmine uygulandığında küçük yüzdeler büyük mutlak sayılara dönüşür.

Somut bir örnek üzerinden gidelim:

8 saatlik vardiyalarla çalışan 50 temsilcili bir tahmine dayalı arama operasyonu varsayalım. Her temsilci günde yaklaşık 150 bağlanan çağrı karşılıyor. Ekip toplamda günde kabaca 7,500 çağrı bağlıyor. Bunların yaklaşık %35'i canlı bir insana ulaşıyor (2,625 çağrı), %65'i ise sesli mesaja düşüyor veya başka şekilde verimsiz kalıyor (4,875 çağrı).

Şimdi yanlış pozitif oranına bakalım — yani AMD'nin canlı bir insanı yanlışlıkla sesli mesaj olarak sınıflandırıp çağrıyı kestiği oran:

• %10 yanlış pozitif oranında (geleneksel AMD'nin İngilizce dışı çağrılarda tipik değeri): Günde 263 canlı kişinin hattı kesilir. 22 iş günlük bir ayda bu, 5,786 kaybedilmiş canlı görüşme demektir. Her biri telefonu açan, kısa bir sessizlik duyan ve yüzüne kapatılan bir insandı.
• %5 yanlış pozitif oranında (iyi ayarlanmış İngilizce çağrılarda geleneksel AMD): Günde 131 canlı kişinin hattı kesilir. Aylık: 2,882 kaybedilmiş görüşme.
• %3 yanlış pozitif oranında: Günde 79 canlı kişinin hattı kesilir. Aylık: 1,738 kaybedilmiş görüşme.

Bu iki oran arasındaki fark, ayda 4,048 ek canlı görüşmedir — üstelik aynı ekip, aynı liste, aynı saatlerle. Yukarıdaki oranlar tedarikçi kıyas değerleri değil, örnek amaçlı hesaplardır — biz dahil her tedarikçiden, sizinkine benzeyen trafikte ölçülmüş rakamlar isteyin. Doğru kişiye her ulaşmanın ölçülebilir bir tahsilat değeri olduğu bir tahsilat ortamında veya her görüşmenin satış hunisinde bir değeri olduğu bir satış ortamında gelir etkisi önemlidir.

Maliyet de yalnızca kaybedilen görüşmelerden ibaret değildir. Her yanlış pozitif, markayla olumsuz bir temas noktasıdır — telefonu açan ve yüzüne kapatılan bir kişi. Düzenlemeye tabi sektörlerde aşırı sayıda terk edilen çağrı uyumluluk soruşturmalarını tetikleyebilir. Tüketici şikayetlerinin numara engellemeye yol açtığı pazarlarda yanlış pozitifler, arayan numara itibarının bozulmasını hızlandırır.

Çok Dilli AMD Zorluğu

AMD doğruluğu diller arasında aynı değildir. Geleneksel AMD sistemleri öncelikle İngilizce konuşulan pazarlar için — özellikle standart sesli mesaj sistemlerine sahip ABD ve Birleşik Krallık operatörleri için — tasarlandı. Diğer pazarlarda kullanıldıklarında doğrulukları birkaç nedenle belirgin şekilde düşer:

Karşılama uzunluğu alışkanlıkları. Arapça resmi karşılamalar 3-4 saniyeyi aşan kesintisiz konuşma içerebilir ve süreye dayalı yanlış pozitifleri kolayca tetikler. Hintçe karşılamalar bölgeye ve resmiyet düzeyine göre büyük farklılık gösterir. Türkçe karşılamaların prozodik örüntüleri İngilizceden farklıdır. Her dilin kendine özgü "normal" karşılama süresi ve yapısı vardır.

Operatör sesli mesaj sistemleri. Sesli mesaj uygulaması ülkeye ve operatöre göre değişir. Körfez (GCC) operatörlerinin (Etisalat, STC, Ooredoo, du, Zain) her birinin farklı varsayılan karşılamaları, ton örüntüleri ve davranışları vardır. Güney Asya operatörleri (Jio, Airtel, PTCL, Jazz) de benzer şekilde farklılaşır. Avrupa operatörlerinin (Vodafone, Orange, Deutsche Telekom) kendi örüntüleri vardır. AT&T ve Verizon sesli mesajıyla eğitilmiş bir sistem du ve Etisalat'ta zayıf performans gösterir.

Dil karıştırma (code-switching). Birçok pazarda konuşanlar tek bir karşılama içinde diller arasında geçiş yapar — Körfez'de İngilizce ve Arapça, Hindistan'da Hintçe ve İngilizce, Pakistan'da Urduca ve İngilizce. Geleneksel AMD'nin karma dilli karşılamaları ele alacak bir yapısı yoktur. Çok dilli transkripsiyon kullanan yapay zeka tabanlı AMD ise içeriği hangi dilde üretildiğinden bağımsız sınıflandırdığı için dil karıştırmayı doğal biçimde ele alabilir.

DialerBee'nin Yapay Zeka AMD'si Neden Farklı?

Telekomda 22 yıllık geçmişe sahip BroadNet tarafından geliştirilen DialerBee, AMD'ye en baştan çok dilli bir sorun olarak yaklaşır. Bunun pratikteki anlamı şudur:

11 dilde transkripsiyon ve sınıflandırma. DialerBee'nin AMD'si İngilizce, Arapça, İspanyolca, Fransızca, Almanca, İtalyanca, Türkçe, Hintçe, Urduca, Portekizce ve Endonezceyi destekler. Her dilin kendine ait transkripsiyon yeteneği ve dile özgü sınıflandırma örüntüleri vardır. Bu, tüm çağrılara uygulanan tek bir İngilizce model değildir — her dil, o dilin karşılama alışkanlıklarını, operatör örüntülerini ve kültürel normlarını bilen modellerle ele alınır.

Sınıflandırma bip sesine değil, transkripte dayanır. DialerBee'nin yapay zeka AMD'si, desteklenen dillerde dahili pilot koşullarında %3'ün altında yanlış pozitif oranına ulaşır. Sonuçlar kampanyaya, liste kalitesine, sağlayıcıya, bölgeye, tempoya ve iş akışına göre değişir. Bu, özellikle İngilizce dışı çağrılarda geleneksel bip tespit sistemlerinde tipik olan %5-15 yanlış pozitif oranlarına göre belirgin bir iyileşmedir.

Kiracıya özel ayar. Çok kiracılı bir ortamda (birden fazla müşteri için kampanya yürüten BPO'lar, birden fazla son müşteriye hizmet veren bayiler) AMD davranışı kiracı bazında ayarlanabilir. Temsilci geri bildirim döngüleri, temsilcilerin yanlış sınıflandırılan çağrıları işaretlemesini sağlar; bu geri bildirim, ilgili kiracının trafik örüntülerine özel model ayarlamalarına girdi olur. Bu, özellikle niş operatör şebekelerini veya belirli bölgesel pazarları arayan operasyonlar için değerlidir.

Bip bağımlılığı yok. DialerBee'nin AMD'si hiçbir aşamada bip tespitine dayanmaz. Sınıflandırma tamamen ilk konuşmanın metne dökülmüş içeriğine dayanır. Bu da onu geleneksel sistemlerin başını ağrıtan operatöre özgü bip farklılıklarından etkilenmez kılar — bip olmaması, standart dışı bip, gecikmeli bip veya birden fazla bip aynı doğru sınıflandırmayla sonuçlanır; çünkü sistemin zaten hiçbir zaman bip sesine ihtiyacı yoktu.

Yapılandırılabilir sonuç eylemleri. AMD bir çağrıyı makine olarak sınıflandırdığında kampanya yöneticileri sonraki eylemi yapılandırabilir: çağrıyı sessizce sonlandırmak, önceden kaydedilmiş bir sesli mesaj bırakmak (voicemail drop) veya belirli bir IVR akışına yönlendirmek. Bu eylemler kampanya ve kiracı bazında yapılandırılabilir; operasyonlara makine tespit edilen çağrıların nasıl ele alınacağı üzerinde tam kontrol verir.

Tahmine dayalı aramayla entegrasyon. AMD doğruluğu, tahmine dayalı aramaetkinliğini doğrudan etkiler. AMD sesli mesaj bağlantılarını doğru şekilde ayıkladığında, tahmine dayalı algoritma gerçek bağlantı oranları hakkında daha temiz bir sinyal alır ve tempoyu daha isabetli ayarlayabilir. Zayıf bir AMD, tahmine dayalı algoritmayı hatalı verilerle besler ve zincirleme verimlilik kayıplarına yol açar. DialerBee'nin yapay zeka AMD'si ile tahmine dayalı arama motoru arasındaki sıkı entegrasyon, iki sistemin birbirini güçlendirmesini sağlar.

Sıkça sorulan sorular

Çağrı merkezinde AMD ne anlama gelir?

AMD, Answering Machine Detection (telesekreter tespiti) anlamına gelir. Bağlanan bir çağrının canlı bir insana mı yoksa bir sesli mesaj sistemine mi ulaştığını belirleyen giden arama dialer bileşenidir. Sınıflandırma, çağrı bağlandıktan sonraki ilk 2-4 saniye içinde gerçekleşir ve çağrının bir temsilciye mi yönlendirileceğini yoksa otomatik mi işleneceğini belirler.

Telesekreter tespiti ne kadar doğrudur?

Doğruluk teknolojiye ve pazara göre önemli ölçüde değişir. Geleneksel bip tespitli AMD, standart operatör sesli mesajı kullanan ABD İngilizcesi çağrılarda genellikle %85-95 doğruluğa ulaşır; ancak İngilizce dışı çağrılarda, mobil numaralarda ve VoIP hatlarında doğruluk %80-90'a düşer. Transkripsiyon ve sınıflandırma kullanan yapay zeka tabanlı AMD daha yüksek doğruluk sağlar — DialerBee'nin yapay zeka AMD'si transkript tabanlı sınıflandırmayla çalışır. Sonuçlar kampanyaya, liste kalitesine, sağlayıcıya, bölgeye, tempoya ve iş akışına göre değişir.

AMD ile sesli mesaj tespiti arasındaki fark nedir?

Bu terimler genellikle birbirinin yerine kullanılır. "Answering Machine Detection" (telesekreter tespiti), dialer sağlayıcıları, telekom mühendisleri ve uyumluluk düzenlemelerince kullanılan sektör standardı terimdir. "Sesli mesaj tespiti" ise aynı anlama gelen daha gündelik bir ifadedir. Bazı sistemler "telesekreter" (fiziksel bir cihaz) ile "sesli mesaj" (operatörün sunduğu bir hizmet) arasında ayrım yapar; ancak günümüz kullanımında AMD her ikisini de kapsar.

AMD, arayanın temsilciyi duymasından önce gecikmeye yol açar mı?

Evet. AMD, çağrıyı sınıflandırabilmek için kısa bir ses analizi süresine ihtiyaç duyar. Geleneksel AMD genellikle 1-3 saniye sürer. Yapay zeka tabanlı AMD genellikle 2-4 saniye sürer. Bu süre içinde telefonu açan kişi, bir temsilciye bağlanmadan önce kısa bir sessizlik duyabilir. Bu "AMD gecikmesi" bilinen bir ödünleşimdir: daha kısa tespit süresi daha hızlı temsilci bağlantısı ama daha düşük doğruluk; daha uzun süre ise daha yüksek doğruluk ama arayanın yaşadığı daha uzun sessizlik demektir. Modern sistemler bu dengeyi kademeli güven eşikleriyle optimize eder — yüksek güvenli sınıflandırmalar hızla uygulanır, belirsiz durumlar ise ek analiz süresi alır.

AMD kapatılabilir mi?

Evet. DialerBee dahil çoğu dialer, AMD'nin kampanya bazında kapatılmasına izin verir. AMD kapalıyken, telefonu insan veya makine açmış olsun, bağlanan her çağrı doğrudan bir temsilciye yönlendirilir. Bu, yanlış pozitifleri tamamen ortadan kaldırır; ancak temsilcilerin sesli mesaj bağlantılarını elle ele alması gerekir — karşılamayı dinlemek, makine olduğunu anlamak ve kapatmak. Düşük hacimli kampanyalar, önizlemeli arama kampanyaları veya her arama denemesinin yüksek değer taşıdığı kampanyalar için AMD'yi kapatmak doğru tercih olabilir.

Yapay zeka destekli AMD, kimsenin konuşmadığı aramaları nasıl yönetir?

Arama bağlandığında ancak yapılandırılan zaman aşımı süresi (genellikle 3-5 saniye) içinde konuşma algılanmadığında sistem bir yedek sınıflandırma uygular. Bu durum, bir kişi telefonu açıp sessizce beklediğinde, bir faks cihazı bağlandığında veya operatör bir sistem mesajından önce sessizlik çaldığında ortaya çıkabilir. Çoğu operasyon, yedek kuralı aramayı bir temsilciye yönlendirecek şekilde yapılandırır (sessiz bir insanın sessiz bir makineden daha olası olduğu varsayımıyla); ancak bu ayar, operasyonun önceliklerine ve aranan listenin özelliklerine göre kampanya bazında yapılandırılabilir.