feedback-sentiment-analyzer

name	feedback-sentiment-analyzer
description	Yorum duygu analizi. Sentiment scoring. Trend identification. Actionable insights.
triggers	{"keywords":["feedback sentiment analyzer","duygu analizi","sentiment analizi","yorum analizi","metin analizi"]}
auto_load_when	Kullanıcı müşteri yorumlarında/geribildirimlerde duygu analizi yapmayı, sentiment skorlaması oluşturmayı veya trendleri belirlemeyi talep ettiğinde
agent	researcher
tools	["Read","Write","Bash","grep","glob"]

Feedback Sentiment Analyzer (Geri Bildirim Duygu Analisti)

Odak Alanı: Müşteri yorumları, geri bildirimler ve metinlerde duygu analizi yapma, sentiment skorlaması, trend belirleme ve aksiyonlanabilir içgörüler çıkarma.

---

Pattern: Duygu Analizi Süreci

Adım 1: Metin Kategorizasyonu

Analiz edilecek metin türlerini ve kaynaklarını belirle:

GERİ BİLDİRİM KAYNAKLARI:
YAPISAL KAYNAKLAR
├── Anket yanıtları (CSAT, NPS açık uçlu)
├── Destek ticket yorumları
├── App/Play Store yorumları
├── Sosyal medya mentionları
├── Forum/topuluk platformları
└── E-piya geri bildirimleri

METİN TÜRLERİ
├── Kısa yorum (1-2 cümle)
├── Detaylı review (paragraf)
├── Çoklu mesaj (sohbet geçmişi)
├── Destek ticket açıklaması
└── Social media mention

Adım 2: Duygu Tespiti (Sentiment Detection)

Metnin genel duygu durumunu belirle:

DUYGU KATEGORİLERİ:
POZİTİF (+)
├── Mutlu/memnun ifadeler
├── "Harika!", "Çok memnunum", "Teşekkürler"
├── Beğeni ifadeleri
└── Öneri/ tavsiye belirtisi

NÖTR (0)
├── Bilgi talebi
├── Soru sorma
├── Yorum yok veya belirsiz
└── "Bilmiyorum" ifadeleri

NEGATİF (-)
├── Hayal kırıklığı
├── "Kötü", "Hayal kırıklığına uğradım"
├── Şikayet/eleştiri
└── Çözülemeyen sorunlar

KARMAŞIK (MIXED)
├── Hem olumlu hem olumsuz
├── "Ürün iyi ama hizmet kötü"
├── Bağlama göre değişen
└── Belirsiz duygu

Adım 3: Aspect-Based Sentiment Analysis

Ürün/hizmet bileşenlerine göre duygu analizi:

ASPECT KATEGORİLERİ:
ÜRÜN ASPECTLERİ
├── Kullanım kolaylığı (usability)
├── Performans/hız
├── Özellik seti
├── Tasarım/UI
├── Fiyat/değer oranı
└── Güvenilirlik

HİZMET ASPECTLERİ
├── Destek kalitesi
├── Destek hızı (yanıt süresi)
├── Agent tutumu
├── Çözüm oranı
└── Profesyonellik

GENEL ASPECTLERİ
├── Kurumsal güvenilirlik
├── İletişim
├── Dokümantasyon
├── Innovation (yenilikçilik)
└── Değer önerisi

Adım 4: Sentiment Scoring Model

Skor sistemi oluştur:

SCORING FRAMEWORK:
ÖLÇEK TÜRLERİ:

SEVİYE TABANLI (5-point)
────────────────────────
+2 = Çok Pozitif (Strong Positive)
+1 = Pozitif (Positive)
 0 = Nötr (Neutral)
-1 = Negatif (Negative)
-2 = Çok Negatif (Strong Negative)

YÜZDELİK (0-100)
────────────────────────
80-100 = Çok Pozitif
60-79  = Pozitif
40-59  = Nötr
20-39  = Negatif
0-19   = Çok Negatif

SKOR HESAPLAMA:
Genel Skor = (Pozitif puan × Ağırlık) + (Negatif puan × Ağırlık)

ÖRNEK YORUM ANALİZİ:
"Ürün güzel ama destek çok yavaş ve fiyat pahalı"

Aspect Breakdown:
├── Ürün kalitesi: +1 (Pozitif)
├── Destek hızı: -2 (Çok Negatif)
├── Fiyat: -1 (Negatif)
└── Genel: -0.3 (Hafif Negatif)

Sonuç: "Karmaşık" (Mixed Sentiment)

Adım 5: Trend ve Pattern Identification

Zaman içinde değişimleri ve kalıpları tespit et:

TREND ANALİZİ:
ZAMAN SERİSİ ANALİZİ
├── Günlük/Haftalık/Aylık sentiment ortalaması
├── Trend yönü (artış/azalış/durağan)
├── Seasonality etkileri
└── Anomali tespiti

KONU TRENDLERİ
├── Hangi konularda duygu değişiyor?
├── Ürün güncellemesi sonrası tepkiler
├── Kampanya döneminde etkiler
└── Rakip hareketi etkileri

PATTERN KALIPLARI
┌────────────────────────────────────────────────┐
│ PATTERN: Destek Sonrası Negatif Artış           │
│─────────────────────────────────────────────────│
│ 1. Kullanıcı ticket açar                       │
│ 2. Negatif duygu yükselir                     │
│ 3. Çözüm sonrası duygu düzelir mi?            │
│ 4. FCR <-> CSAT korelasyonu                   │
│─────────────────────────────────────────────────│
│ İçgörü: "FCR yüksek ama CSAT düşük = problem!" │
└────────────────────────────────────────────────┘

CLUSTER ANALİZİ
├── Benzer şikayetleri gruplandırma
├── Konu bazlı sentiment ortalaması
└── "En çok şikayet edilen X konusu" tespiti

Adım 6: Actionable Insights Çıkarma

Veriyi aksiyona dönüştür:

İÇGÖRÜ ÇEŞİTLERİ:
ÜRÜN İÇGÖRLERİ
├── "Kullanıcılar X özelliğini 'karmaşık' buluyor"
├── "Performans şikayetleri son hafta %30 arttı"
└── "Fiyat/değer algısı segment bazlı negatif"

HİZMET İÇGÖRLERİ
├── "Destek bekleme süresi >15dk → Negatif duygu artışı"
├── "Agent X'in ticket'larında CSAT diğerlerinden %15 düşük"
└── "Çözüm sonrası follow-up yapılmayanlarda NPS düşük"

OPERASYONEL İÇGÖRLER
├── "Hafta sonu response time %40 arttı → Personel artırımı"
├── "Email kanalında sentiment diğer kanallardan %20 düşük"
└── "Yeni özellik lansmanı sonrası volume %200 arttı"

AKSİYON MATRİSİ:
┌──────────────────────────────────────────────────────┐
│ Negatif Trend         │ Hemen        │ 1-2 Hafta     │
├──────────────────────┼──────────────┼───────────────┤
│ Destek kalitesi       │ Agent eğitimi│ Süreç revizyon│
│ Ürün performansı      │ Bug fix önceli│ Tech debt    │
│ Fiyat algısı          │ Değer iletişimi│ Promo planı  │
│ Dokümantasyon        │ KB güncelleme │ İçerik ekleme │
└──────────────────────┴──────────────┴───────────────┘

Adım 7: Raporlama ve Monitoring

Analiz sonuçlarını raporla:

RAPOR ŞABLONU:
DUYGU ANALİZİ RAPORU
═══════════════════════════════════════
Dönem: [Başlangıç] - [Bitiş]
Toplam Geri Bildirim: [X]
───────────────────────────────────────────

GENEL DURUM
┌────────────────────────────────────────┐
│ Ortalama Sentiment Skoru: [X]/5        │
│ Pozitif: [X]%                          │
│ Nötr: [X]%                             │
│ Negatif: [X]%                          │
│ Trend: ↗️ Artış / ↘️ Azalış / → Sabit  │
└────────────────────────────────────────┘

EN ÇOK POZİTİF YORUMLAR
1. [Yorum 1]
2. [Yorum 2]

EN ÇOK NEGATİF YORUMLAR
1. [Yorum 1]
2. [Yorum 2]

ASPECT BAZLI ANALİZ
├── Kullanım kolaylığı: [Skor] [Trend]
├── Performans: [Skor] [Trend]
├── Destek kalitesi: [Skor] [Trend]
├── Fiyat/değer: [Skor] [Trend]
└── [Diğer...]

ANA İÇGÖRLER
1. [İçgörü 1]
2. [İçgörü 2]
3. [İçgörü 3]

ÖNERİLEN AKSİYONLAR
1. [Aksiyon 1] - [Sahip] - [Tarih]
2. [Aksiyon 2] - [Sahip] - [Tarih]

---

Key Patterns (Ana Kalıplar)

Pattern	Açıklama	Uygulama
Aspect-Based Analysis	Bileşen bazlı duygu	Spesifik iyileştirme alanları
Longitudinal Tracking	Zamanlı trend	Erken uyarı sistemi
Multi-Source Aggregation	Çoklu kaynak birleştirme	Kapsamlı görüntü
Intent Classification	Niyet sınıflandırma	Satış vs Şikayet ayrımı
Action Priority Matrix	İçgörü önceliklendirme	Impact × Effort matrix

---

Anti-Patterns (Kaçınılması Gerekenler)

❌ Yanlış Uygulamalar

# Sadece genel sentiment
problem: "'Genel sentiment negatif' demek, detay yok"
result: "Hangi konuda sorun olduğu bilinmez"

# Sayısal ortalamaya güvenmek
problem: "1 çok pozitif + 1 çok negatif = 0 ortalama = nötr?"
result: "Gerçek dağılım gizlenir"

# Ironiyi yakalayamamak
problem: "'Harika, yine çöktü!' → Pozitif olarak işaretleniyor"
result: "Yanlış analiz, yanlış aksiyon"

# Geçmişe dönük sadece analiz
problem: "Geçen ayın verisiyle rapor, bugün için geç"
result: "Fırsat kaçırılır, sorun büyür"

# Negatif bias
problem: "Sadece negatif yorumlara odaklanmak"
result: "Güçlü yönler görülmez, motivasyon düşer"

✅ Doğru Uygulamalar

# Aspect bazlı detay
approach: "Her konu/özellik için ayrı sentiment analizi"
result: "Spesifik sorunlar görünür"

# Dağılım analizi
approach: "Ortalama + median + dağılım grafiği"
result: "Gerçek tablo görünür"

# Bağlam-aware analiz
approach: "Cümlenin tam bağlamını değerlendirme"
result: "Ironi ve nüans yakalanır"

# Near-realtime monitoring
approach: "Günlük veya anlık sentiment dashboard"
result: "Hızlı müdahale"

# Dengelenmiş raporlama
approach: "Hem negatif (iyileştirme) hem pozitif (güçlü yönler)"
result: "Motivasyon + somut aksiyon"

---

Quick Reference (Hızlı Başvuru)

Sentiment Sınıfı	Skor (5 üzerinden)	Skor (0-100)	Örnek İfade
Çok Pozitif	+2	80-100	"Harika, kesinlikle tavsiye ederim!"
Pozitif	+1	60-79	"İyi ürün, memnunum"
Nötr	0	40-59	"Ürün hakkında yorum yapamıyorum"
Negatif	-1	20-39	"Beklentilerimi karşılamadı"
Çok Negatif	-2	0-19	"Berbat, para kaybı"

Aspect Kategorisi	Takip Edilecek Konular
Kullanım Kolaylığı	UI, navigasyon, learning curve
Performans	Hız, respons, uptime
Özellikler	Kapsamlılık, yararlılık
Fiyat	Değer algısı, rekabetçilik
Destek	Kalite, hız, çözüm oranı
Dokümantasyon	Açıklık, güncellik

Trend Durumu	Gösterge	Yorum
↗️ Güçlü Artış	>+%20	Önemli iyileşme veya sorun
↗️ Hafif Artış	+%5-20	İzlenmeli
→ Sabit	-%5-+%5	Stable durum
↘️ Hafif Düşüş	-%5-20	İzlenmeli
↘️ Güçlü Düşüş	>-%20	Acil müdahale gerekebilir

Kaynak	Veri Tipi	Analiz Zamanı
App Store	Yorum	Günlük toplama
Google Play	Yorum	Günlük toplama
Anket (CSAT/NPS)	Yapılandırılmış + açık uçlu	Toplanır toplanmaz
Destek Ticket	Yarı yapılandırılmış	Haftalık analiz
Sosyal Medya	Serbest metin	Gerçek zamanlı izleme
Forum	Uzun metin	Haftalık

İçgörü Öncelik	Impact	Effort	Örnek
Kritik	Yüksek	Düşük/Orta	Bug fix, hızlı kazanç
Yüksek	Yüksek	Yüksek	Büyük revizyon
Orta	Orta	Orta	İyileştirme projesi
Düşük	Düşük	Düşük	Nice-to-have

Metrik	Hesaplama	Hedef	Uyarı
Ortalama Sentiment	Tüm yorumların ortalaması	>0.5 (5 üzerinden)	<0
Pozitif Oranı	Pozitif / Toplam × 100	>%60	<%40
Negatif Oranı	Negatif / Toplam × 100	<%20	>%35
Aspect Score	Her aspect için ortalama	>0 (nötr üstü)	<0
Response Rate	Takip edilen yorumlara yanıt	>%50	<%30

---

Template: Günlük Sentiment Dashboard

# Duygu Analizi Dashboard - [Tarih]

## 📊 Genel Görünüm
┌─────────────────────────────────────────────┐
│ Toplam Geri Bildirim: [X]                  │
│ Ortalama Sentiment: [X]/5 ([Pozitif]/[Nötr]/[Negatif]) │
│ Haftalık Trend: [↗️/→/↘️] %[X]              │
└─────────────────────────────────────────────┘

## 📈 Son 7 Gün Trend
| Tarih | Skor | Pozitif | Nötr | Negatif |
|---|---|---|---|---|
| [Gün] | [X] | [X]% | [X]% | [X]% |
| ... | ... | ... | ... | ... |

## 🎯 En Dikkat Çekici Yorumlar

### En Pozitif
> "[Yorum]" - [Kaynak] @ [Tarih]

### En Negatif
> "[Yorum]" - [Kaynak] @ [Tarih]

## ⚠️ Uyarılar / İçgörüler
| Konu | Bulgu | Aksiyon |
|---|---|---|
| [Aspect] | [Kısa bulgu] | [Önerilen aksiyon] |

## 🔔 Takip Gerektiren Konular
- [Takip maddesi 1]
- [Takip maddesi 2]

---
Son Güncelleme: [Tarih/Saat]

---

Otomasyon Parametreleri

interface SentimentAnalyzerConfig {
  sentimentScale: '5point' | '100point';    // Scoring ölçeği
  aspectCategories: string[];               // Takip edilecek aspect'ler
  thresholds: {
    positiveMin: number;                     // Pozitif eşiği
    negativeMax: number;                    // Negatif eşiği
    alertThreshold: number;                 // Alert tetikleme
  };
  sources: {
    [source: string]: {
      enabled: boolean;
      collectionFrequency: 'realtime' | 'hourly' | 'daily';
      sentimentOverride?: number;            // Manuel ağırlık
    };
  };
  analysisRules: {
    detectIrony: boolean;                   // İroni tespiti aktif mi
    detectSarcasm: boolean;                  // Alay tespiti aktif mi
    minConfidenceScore: number;             // Min güvenilirlik
    excludeNeutralThreshold: number;         // Nötr eşiği (0.1 = çok düşük)
  };
  alertingRules: {
    negativeSpike: {
      enabled: ;
      : ;                    
      : ;
    };
    : {
      : ;
      : ;                    
      : ;
    };
  };
  : {
    :  |  | ;
    : ;
    : ;
    : ;
  };
}

🌍 Universal Language Support

• Turkish Native: This skill natively supports Turkish. If the user prompt is in Turkish, all analysis, formatting, and output MUST be entirely in Turkish. You do not need explicit "write in Turkish" instructions.