AI workflow library: Müşteri operasyonu için 12 hazır otomasyon

Customer ops ekibinizin her hafta aynı manuel akışı tekrar kurduğunu görüyorsanız bu yazıdaki 12 workflow size zaman geri kazandıracak. Her MarTech ve AI Operations engagement’ında ilk dört haftada aynı 6-8 workflow’u kuruyorduk. Müşteri farklı, sektör farklı, stack farklı — ama “lead qualification skoru üreten + CRM’e yazan” akış neredeyse her seferinde tekrar oluşuyordu. Bu fark edildikten sonra disiplin değişti: aynı akışı sıfırdan kurmak yerine, gözden geçirilmiş ve test edilmiş 12 workflow’luk bir kütüphane oluşturduk; her engagement’ı bu kütüphanenin sayfalarını seçerek + müşteri stack’ine adapte ederek başlatıyoruz.

Bu yazı kütüphanenin halihazırdaki halini paylaşıyor. 12 workflow’u tek tek anlatıyoruz: tetikleyici (ne tetikler), input data (hangi sistemlerden veri gelir), AI/LLM rolü (hangi adımda LLM kullanılır), çıktı (sonuç nereye yazılır), tipik kurulum süresi (gün cinsinden) ve hangi durumda hangi varyantını seçtiğimiz. Hiçbiri sihirli değil; çoğu n8n + LLM API + 2-3 SaaS entegrasyonu kombinasyonu. Sihirli olan, bunların her birinde “boş sayfadan başlamamak” — ki bu da customer ops ekibinin haftalarını geri kazandırıyor. Tüm setin nasıl operasyonalize edildiğini MarTech ve AI operasyonları pillar sayfamızda anlattık.

1. Lead qualification — BANT scoring + CRM enrichment

Tetikleyici. HubSpot/Pipedrive’a yeni lead düştüğünde. Input. Lead’in form bilgileri, varsa şirket alan adı. Akış. n8n → Clearbit/Apollo enrichment (şirket büyüklüğü, sektör, teknoloji) → LLM ile BANT scoring (Budget, Authority, Need, Timeline) → CRM’e custom field güncellemesi + skor 70+ ise SDR’a Slack mention. LLM rolü. Lead’in sağladığı serbest metinden Need ve Timeline’ı çıkarmak; deterministik olmayan kısım. Budget ve Authority enrichment’tan + form alanlarından gelir. Çıktı. CRM’de güncellenmiş 4 alan (B/A/N/T skoru), Slack alert yüksek skorlu lead’ler için. Kurulum süresi. 3-4 gün (BANT prompt iterasyonu dahil). Varyantlar. B2C için BANT yerine RFM (Recency, Frequency, Monetary). Enterprise için BANT + ICP fit ayrı skoru.

2. Customer interview synthesis — Otter/Fireflies → Notion summary

Tetikleyici. Otter veya Fireflies’da yeni transcript hazır olduğunda. Input. Görüşme transcripti (1500-8000 kelime). Akış. Webhook → LLM ile structured summary (özet, müşteri ağrı noktaları, talep edilen feature’lar, takip aksiyonları) → Notion’a sayfa oluştur + ilgili kişilere mention. LLM rolü. Burada büyük; transcript’i 5-7 kategoriye ayırıp her kategori için bullet’lar üretiyor. Çıktı. Notion’da yapılandırılmış meeting note, ortalama 400-700 kelime; ham transcript’in %15-20’si. Kurulum süresi. 2 gün. Varyantlar. Sales call mı, customer success’tan mı geldiğine göre prompt template farklı.

3. Email sequence personalisation — HubSpot → LLM → A/B copy

Tetikleyici. HubSpot’ta yeni nurture sekansı başlatıldığında. Input. Lead bilgisi (sektör, role, son etkileşim), sekans template’i. Akış. n8n → LLM ile lead’in sektörüne özelleştirilmiş 3 e-posta varyantı (subject + body), HubSpot’ta A/B test grupları olarak kaydet → Performance verisini geri besle. LLM rolü. Sektör + role + son içerik etkileşimine göre kişiselleştirme; copy tone variation. Çıktı. HubSpot’ta hazır 3 e-posta varyantı, AB testi açık. Kurulum süresi. 5-6 gün (template + tone matrix kalibrasyonu). Saha gözlemi. İlk versiyonda LLM çok generic copy üretiyordu; brand voice document prompt’a eklendikten sonra %30-40 daha kullanılabilir.

4. Churn risk scoring — PostHog → ML model → Slack alert

Tetikleyici. Günlük cron (sabah 04:00). Input. Son 30 günün PostHog event’leri, kullanıcı bazında. Akış. PostHog API → feature engineering (login frekansı, kritik feature kullanım düşüşü, support ticket sayısı) → ML model (logistic regression veya XGBoost) → skor üretimi → 0.7+ skorlu kullanıcılar için CSM’e Slack alert + HubSpot’ta tag. LLM rolü. Burada LLM yok; klasik ML. Ama LLM ekleyebileceğiniz versiyon: skor + nedenleri (hangi 3 davranış churn riskini artırıyor) açıklayan kısa metin. Çıktı. Günlük churn risk listesi, CSM dashboard’una yazılmış. Kurulum süresi. 8-12 gün (model eğitimi dahil; mevcut churn verisi varsa). Varyantlar. B2B SaaS için account-level (kullanıcı değil hesap), B2C için kullanıcı-level.

5. Support ticket triage — Zendesk → embedding similarity → routing

Tetikleyici. Zendesk’e yeni ticket düştüğünde. Input. Ticket subject + body, müşteri segmenti. Akış. Webhook → ticket’ın embedding’ini al (OpenAI text-embedding-3-large) → mevcut 8-12 kategori embedding’leriyle cosine similarity → en yüksek 2 kategoriye yönlendirme + tier-based routing (enterprise → senior queue). LLM rolü. Embedding-based; “klasik” LLM kullanımı değil ama vector ortamı kullanmak da AI workflow. Çıktı. Zendesk’te ticket otomatik route edilmiş, doğru queue’da. Kurulum süresi. 4-5 gün. Saha gözlemi. Embedding similarity, klasik keyword routing’den 2-3 kat daha doğru. Ortalama %85 doğru routing oranına çıkıyor; insan müdahalesi sadece edge case’ler için.

6. Pricing analyst — Stripe data → analysis → executive summary

Tetikleyici. Aylık cron (her ayın 1’i sabah 08:00). Input. Geçen ay Stripe verisi (revenue, customer count, plan dağılımı, churn). Akış. Stripe API → veri agregasyonu → LLM ile executive summary (büyüme oranı, en güçlü/zayıf segment, anomaliler) → Notion ya da Linear’da yöneticiye sayfa oluştur. LLM rolü. Veriden insight çıkarma; “ortalama deal size geçen aya göre %12 büyümüş, sebep enterprise plan’ın 3 yeni satışı” gibi cümleler. Çıktı. 600-1000 kelimelik aylık executive summary, dashboards’tan ayrı bir özet. Kurulum süresi. 4-5 gün (executive’ın hangi soruları sorduğuna göre prompt iterasyonu). Saha gözlemi. En sık kullanılan workflow’lardan biri; CFO’lar bu sayfayı dashboards’tan daha çok okuyor.

7. Content variant generation — brief → 3 ad copies + 3 social posts

Tetikleyici. Notion’da “yeni kampanya brief” sayfası oluşturulduğunda. Input. Brief sayfası (hedef kitle, ana mesaj, kanal, tone). Akış. Notion webhook → LLM ile 3 farklı ad copy (kısa, orta, uzun) + 3 farklı sosyal medya post’u (LinkedIn, Instagram, X) → Notion’a sub-page olarak kaydet. LLM rolü. Brand voice document’ı + brief’i okuyup variant üretme. Çıktı. Notion’da hazır 6 varyant, pazarlama ekibi seçimini yapıyor. Kurulum süresi. 3-4 gün. Saha gözlemi. Pazarlama ekibinin haftalık kampanya iterasyon hızını 2-3 katına çıkarıyor; sıfırdan brief yazma + copy üretme süresinden başlangıç-tan-seçime düşüyor.

8. Sales call summary + next-action — Zoom/Gong → LLM → CRM update

Tetikleyici. Zoom/Gong’da call kaydı bitti+ transcribed olduğunda. Input. Call transcript (45-60 dakika, 8000-12000 kelime). Akış. Webhook → LLM ile structured summary (anahtar konular, müşteri itirazları, taahhüt edilen aksiyonlar, sonraki adım) → HubSpot/Salesforce’da deal record’una not + sonraki aksiyonu task olarak yarat. LLM rolü. Büyük: anlatımdan eylem çıkarma. Bunu doğru yapan prompt 4-5 iterasyonda oturuyor. Çıktı. CRM’de deal note + 1-3 task, sales rep’in zamanı kazanılmış. Kurulum süresi. 5-7 gün. Saha gözlemi. Sales rep’lerin günde 30-45 dakika kazandığı en somut workflow’lardan biri. ROI, ekibin call sonrası post-mortem disiplinine güveniyor.

9. Demand forecasting — warehouse → Prophet/LLM → SKU planning

Tetikleyici. Haftalık cron (Pazartesi 06:00). Input. Son 24 ayın satış verisi (warehouse’tan, SKU bazında). Akış. BigQuery/Snowflake → Prophet ile time-series forecast (4 hafta forward) → LLM ile yorum + bağlam (örn. “geçen yıl bu zaman X kampanyası vardı, bu sene yok”) → SKU planning ekibine Notion özeti. LLM rolü. Prophet’ın forecastını yorumlama, bağlamı ekleme; pure forecast değil, açıklamalı forecast. Çıktı. SKU bazında 4 haftalık forecast + senaryo notu. Kurulum süresi. 12-16 gün (warehouse hazırsa; değilse +4-6 hafta). Varyantlar. E-ticaret için SKU-level, B2B SaaS için seat-level.

10. Onboarding checklist orchestration — HubSpot → email + tasks

Tetikleyici. Yeni müşteri kontrat imzaladığında (HubSpot deal “closed-won”). Input. Müşteri segmenti, satın aldığı paket, primary contact. Akış. HubSpot webhook → segment-bazlı onboarding template seçimi (small/mid/enterprise) → kişiselleştirilmiş welcome email (LLM ile) → Asana/ClickUp’ta CSM ekibine 8-12 task oluştur → 7. ve 14. günde otomatik check-in mesajı. LLM rolü. Welcome email kişiselleştirme; pure template’ten ayırıyor. Çıktı. Eksiksiz onboarding sequence, manuel başlatmasız. Kurulum süresi. 6-8 gün. Saha gözlemi. Onboarding kalitesinde standardizasyon; ekibin aynı sırayı her müşteride takip etmesi sağlanıyor. Time-to-value tipik %20-30 düşüyor.

11. Compliance audit pre-screen — uploaded doc → LLM check → flagged for review

Tetikleyici. Drive/SharePoint’e yeni doküman yüklendiğinde (kontrat, NDA, vendor agreement). Input. Yüklenen PDF/Word. Akış. Drive webhook → OCR (gerekiyorsa) → LLM ile compliance checklist taraması (KVKK/GDPR maddeleri, sözleşme süresi, payment terms, IP hükümleri) → flagged item’lar için legal team’e Slack alert. LLM rolü. Yapılandırılmış kontrol listesinde her madde için “var/yok/belirsiz” karar. Çıktı. Doküman üzerinde kategorize edilmiş risk notları + legal’e bekleyen review listesi. Kurulum süresi. 7-10 gün. Saha gözlemi. Legal review süresini %40-50 kısaltıyor. LLM kararlarına %100 güvenmiyoruz; “ön-tarama, son söz human” disiplini kuruluyor.

12. Customer health score aggregation — multi-source → score → CSM dashboard

Tetikleyici. Günlük cron (sabah 05:00). Input. PostHog (kullanım), Stripe (ödeme), Zendesk (support), HubSpot (engagement). Akış. 4 sistem API’sinden veri → feature engineering → ağırlıklı skor (kullanım %40, ödeme %25, support %20, engagement %15) → Notion/Retool dashboard’una yaz + skor düşüşü >20 puan olanlar için CSM’e Slack alert. LLM rolü. Opsiyonel: skor düşüşü açıklaması (“son 14 günde login %40 düştü ve 2 yüksek-öncelikli ticket açıldı”). Çıktı. Hesap-bazlı health score (0-100), CSM dashboard’unda real-time. Kurulum süresi. 14-18 gün (4 sistem entegrasyonu zaman alıyor). Saha gözlemi. En çok atıfta bulunulan workflow; CSM ekibinin günlük sabah toplantısının ana materyali oluyor. Account-level ve user-level varyantları var.

Hangi sırayla devreye alınmalı?

12 workflow’u aynı anda kurmaya kalkmak yorucu ve değer dağılımı zayıf. Kütüphaneden seçim yaparken kullandığımız sıra:

1. Önce müşteri verisini disiplin altına alanlar. Workflow 1 (lead qualification) ve Workflow 12 (health score) — çünkü bunlar ekibin günlük kararlarına en yakın.
2. İkinci dalga: zaman kazandıranlar. Workflow 2 (interview synthesis), Workflow 8 (sales call summary), Workflow 5 (ticket triage). Bunlar ekibin haftalık zamanını 4-6 saat geri veriyor.
3. Üçüncü dalga: stratejik karar destekleyenler. Workflow 6 (pricing analyst), Workflow 9 (demand forecasting), Workflow 11 (compliance pre-screen). Bunlar yöneticilerin gözünü açıyor; ROI’ları daha büyük ama setup süreleri de uzun.
4. Sürekli iyileştirilenler. Workflow 3 (email sequence), Workflow 7 (content variants), Workflow 4 (churn risk). Bunlar ilk versiyonu hızlı kuruluyor ama performansları sürekli iterasyonla artıyor.

Tipik bir engagement’ta ilk 4 haftada 3-5 workflow live’a alıyoruz; 8 hafta sonunda 7-9; tam kütüphane ise ekibin kapasitesi izin verirse 12-16 haftada. Daha geniş operasyonel patron’a Arti2000 vaka analizinde bakabilirsiniz; orada 8 ayda 11 workflow devreye alındı, hangi sırada kurulduğu ayrıntılı yazıldı.

Kütüphane kullanımının asıl getirisi

12 workflow’u tek tek anlattığımız için “her şey LLM + n8n” gibi duruyor — ama gerçek getiri başka yerde. Kütüphanenin asıl katma değeri:

• Boş sayfa probleminin ortadan kalkması. “Lead qualification akışını sıfırdan tasarlayalım” yerine “Workflow 1’i bizim CRM’e adapte edelim” demek; ortalama 60-70% setup süresi tasarrufu.
• Tested edge case’ler. Her workflow saha kullanımında en az 3-4 müşteride çalışmış. “Şu durum olunca ne olur” sorularının çoğunun cevabı zaten var.
• Birbirine bağlanma kolaylığı. Workflow 4 (churn risk) + Workflow 12 (health score) + Workflow 10 (onboarding) bir CSM operasyon flywheel’i oluşturuyor. Tek tek kurulduğunda parça gibi duran şey, üçü birden olduğunda sistem.
• Bilgi paylaşımı. Bir engagement’ta öğrenilen iyileştirme (örn. brand voice prompt eklemesi) ertesi engagement’a aktarılıyor; kütüphane sürekli iyileşiyor.

Kütüphane statik değil; her engagement sonrası 1-2 yeni workflow ekleniyor ya da mevcutlar güncelleniyor. Şu an 14. ve 15. workflow’lar üretimde test ediliyor: “Multi-language customer feedback aggregation” ve “Predictive renewal scoring”. 2027’nin ilk çeyreğinde stabil hale gelirlerse kütüphaneye giriyorlar.

Kapanış

AI workflow’u “AI” kelimesinin ağırlığı kadar büyük bir konu değil; n8n + LLM API + 2-3 SaaS entegrasyonundan ibaret. Asıl mesele, hangi 12 workflow’un müşteri operasyonunun büyük çoğunluğunu kapsadığını saha tecrübesinden bilmek ve onları sıfırdan değil, ön-test edilmiş kütüphaneden başlatmak. Bu disiplin engagement süresini %30-40 kısaltıyor; aynı zamanda ekibin enerjisini “kurmak”tan “iyileştirmek”e kaydırıyor.

Kendi customer ops setup’ınızda bu 12 workflow’dan hangilerinin sizin bağlamınıza uyduğunu görmek istiyorsanız: keşif görüşmesi için bize ulaşın — [email protected]. İlk haftada hangi 3-4 workflow’un sizin için en yüksek getiriyi sağlayacağını birlikte saptıyoruz. Ürün tarafında ne yaptığımıza crm2b ve Mediatic AI sayfalarımızdan bakabilirsiniz; bu workflow’ların pek çoğu o ürünlerin omurgasında çalışıyor.