Instagram yorum ve lead akışlarını normalize etme, niyet ayrımı yapma, gerçek zamanlı panele taşıma ve hızlı cevap üretme mantığını anlatıyorum.

Instagram Lead ve Yorum Otomasyonu Nasıl Tasarlanır?

Instagram tarafında lead çoğu zaman yorumla, DM ile veya kampanya formuyla gelir. Bu veriler ayrı ayrı takip edilirse ekip hızlı aksiyon alamaz. Yorum otomasyonu yalnızca otomatik cevap yazmak değildir; gelen etkileşimi anlamak, sınıflandırmak ve doğru kişiye zamanında göstermek demektir.

Event normalizasyonu

Farklı kaynaklardan gelen olayları ortak bir yapıya dönüştürmek gerekir. Yorum, DM veya reklam formu farklı payload’larla gelse de panelde aynı lead akışının parçası olmalıdır.

type SocialEvent = {
  source: 'instagram'
  type: 'comment' | 'dm' | 'lead_form'
  accountId: string
  authorId: string
  text: string
  receivedAt: Date
}

export function normalizeComment(payload: InstagramCommentPayload): SocialEvent {
  return {
    source: 'instagram',
    type: 'comment',
    accountId: payload.account_id,
    authorId: payload.from.id,
    text: payload.text,
    receivedAt: new Date(),
  }
}

Niyet ayrımı

“Fiyat nedir?”, “stok var mı?”, “nereden alabilirim?” gibi yorumlar satış niyeti taşır. “Çok güzel” gibi yorumlar etkileşimdir. “Siparişim nerede?” destek talebidir. Bu ayrım panelde önceliklendirme sağlar.

export function classifySocialText(text: string) {
  const normalized = text.toLowerCase()
  if (normalized.includes('fiyat') || normalized.includes('kaç tl')) return 'sales'
  if (normalized.includes('stok') || normalized.includes('var mı')) return 'stock'
  if (normalized.includes('sipariş') || normalized.includes('kargo')) return 'support'
  return 'engagement'
}

Gerçek zamanlı panel

Sosyal medya otomasyonunda hız hissi önemlidir. Yeni yorum veya lead panele anlık düşmeli, temsilci hangi kayda bakacağını hemen görmelidir. Socket.IO veya benzeri bir realtime katman burada kullanıcı deneyimini güçlendirir.

this.server.to(`account:${accountId}`).emit('social.lead.created', {
  id: lead.id,
  intent: lead.intent,
  score: lead.score,
  message: lead.message,
})

Cevap politikası

Her yoruma aynı cevap verilmez. Satış sorusunda kısa ve yönlendirici cevap, destek talebinde özel mesaj daveti, şikayette ise daha dikkatli bir dil gerekir. Otomasyon bu politikaları kural seti olarak taşımalıdır.

Sonuç

Instagram otomasyonu, sosyal medya etkileşimini operasyonel veriye dönüştürür. Doğru kurulduğunda ekip sadece yorum görmez; satış fırsatı, destek ihtiyacı ve marka etkileşimini aynı sistemde yönetir.

Operasyon kuralı olmadan otomasyon olmaz

Bir otomasyon sisteminin başarısı entegrasyon sayısıyla ölçülmez. Asıl değer, işletmenin karar kurallarını doğru modellemektir. Hangi lead sıcak kabul edilir, hangi mesaj temsilci onayı ister, hangi durumda otomatik cevap verilir, hangi kayıt yöneticiye bildirilir? Bu kurallar yazılmadan kurulan otomasyon kısa sürede kontrol dışı kalır.

İnsan kontrolü

AI ve otomasyon kullanılsa bile her süreci tamamen otomatikleştirmek doğru değildir. Satış, destek ve şikayet gibi alanlarda insan onayı önemli olabilir. Bu yüzden sistem “otomatik cevapla” ve “taslak oluştur” modlarını ayrı tutmalıdır. Kritik konularda temsilci son kararı verirken, düşük riskli tekrarlı sorularda otomasyon devreye girebilir.

Gözlemlenebilirlik

Her otomasyon adımı loglanmalıdır. Mesaj ne zaman geldi, hangi worker işledi, AI hangi niyeti seçti, cevap taslağı neydi, temsilci ne yaptı? Bu bilgiler hem hata ayıklama hem de iş geliştirme için gereklidir. Log yoksa sistemin neden yanlış karar verdiğini anlayamazsınız.

Başarı metrikleri

Otomasyonun etkisi cevap süresi, kaçan lead oranı, temsilci başına düşen açık görev sayısı, dönüşüm oranı ve müşteri memnuniyetiyle ölçülmelidir. Bu metrikler haftalık olarak izlenirse otomasyon yaşayan bir ürüne dönüşür.

Uygulama planı

Bu yaklaşımı gerçek bir projeye taşırken önce küçük ama doğru çalışan bir çekirdek kurulmalıdır. İlk adım veri modelini netleştirmek, ikinci adım API sözleşmesini belirlemek, üçüncü adım kullanıcı arayüzündeki ana akışı tamamlamak olmalıdır. Bundan sonra otomasyon, çeviri, raporlama veya medya yönetimi gibi ek katmanlar sırayla eklenebilir. Böyle ilerlemek hem geliştirme hızını korur hem de karmaşıklığın erkenden büyümesini engeller.

Ayrıca her teknik kararın kullanıcı veya operasyon karşılığı olmalıdır. Bir tablo, queue, SDK ya da dashboard bileşeni yalnızca teknik olarak doğru olduğu için değil, süreci daha anlaşılır, daha hızlı veya daha ölçülebilir yaptığı için eklenmelidir. Sağlam ürünler bu disiplinle büyür.