/* =========================
Speak – Data Collection (page-scoped)
– Same layout pattern as Structured Outputs + Voice Agents
– Minimal CSS: relies on global tokens + btn-* classes
========================= */
.sp-data-collection{
–sp-text: var(–bodyText, #0f172a);
–sp-muted: var(–bodyMuted, #475569);
–sp-light: var(–bodyLight, #64748b);
–sp-border: var(–border, #e5e7eb);
–sp-soft: var(–soft, #f8fafc);
–sp-shadow: var(–shadowMd, 0 10px 30px rgba(0,0,0,.06));
–sp-radius: 14px;
–sp-focus: 0 0 0 3px rgba(37, 99, 235, .22);
color: var(–sp-text);
font-family: var(–fontBody, system-ui, -apple-system, BlinkMacSystemFont, “Segoe UI”, Roboto, Arial, sans-serif);
}
.sp-data-collection *{ box-sizing:border-box; }
.sp-data-collection section{ padding: clamp(2.75rem, 5.5vw, 4.75rem) 1.25rem; }
.sp-data-collection .sp-container{ max-width: 1180px; margin: 0 auto; }
.sp-data-collection .sp-kicker{
font-size:.85rem; font-weight:650; color:var(–sp-muted);
letter-spacing:.05em; text-transform:uppercase; margin:0 0 .6rem;
}
.sp-data-collection h1{
font-family: var(–fontHeading, inherit);
font-size: clamp(2.05rem, 4.2vw, 3.05rem);
line-height: 1.06;
margin: 0 0 1rem;
letter-spacing: -0.02em;
}
.sp-data-collection h2{
font-family: var(–fontHeading, inherit);
font-size: clamp(1.55rem, 2.6vw, 2.05rem);
line-height: 1.15;
margin: 0 0 1rem;
letter-spacing: -0.01em;
}
.sp-data-collection .sp-lead{
font-size: 1.1rem;
color: var(–sp-muted);
line-height: 1.55;
max-width: 920px;
margin: 0;
}
.sp-data-collection a{ color: inherit; }
.sp-data-collection a:not(.elementor-button):not(.elementor-button-link):not([role=”button”]){
text-decoration: underline;
text-underline-offset: 3px;
}
.sp-data-collection a.elementor-button,
.sp-data-collection a.elementor-button:hover{ text-decoration:none !important; }
/* Hero */
.sp-data-collection .sp-hero{ background:#fff; border-bottom:1px solid var(–sp-border); }
.sp-data-collection .sp-hero-grid{
display:grid;
grid-template-columns: 1.1fr .9fr;
gap: 1.75rem;
align-items:start;
}
@media (max-width: 920px){
.sp-data-collection .sp-hero-grid{ grid-template-columns: 1fr; }
}
.sp-data-collection .sp-cta-row{
display:flex; flex-wrap:wrap; gap:.75rem;
margin-top: 1.35rem; align-items:center;
}
.sp-data-collection .sp-trial{
margin-top:.85rem; color:var(–sp-muted);
font-size:.9rem; line-height:1.45;
}
.sp-data-collection .sp-trial b{ color:var(–sp-text); font-weight:650; }
.sp-data-collection .sp-hero-side{
border:1px solid var(–sp-border);
border-radius: var(–sp-radius);
background: var(–sp-soft);
padding: 1.15rem 1.15rem 1.25rem;
box-shadow: var(–sp-shadow);
}
.sp-data-collection .sp-hero-side h3{
margin:0 0 .65rem;
font-size:1rem; font-weight:700; letter-spacing:-0.01em;
}
.sp-data-collection .sp-mini-list{
margin:0; padding-left: 1.1rem;
color:var(–sp-muted); line-height:1.55; font-size:.95rem;
}
.sp-data-collection .sp-mini-list li{ margin:.25rem 0; }
.sp-data-collection .sp-pills{ display:flex; flex-wrap:wrap; gap:.5rem; margin-top:1rem; }
.sp-data-collection .sp-pill{
display:inline-flex; align-items:center; gap:.45rem;
padding:.35rem .75rem; border-radius:999px;
border:1px solid var(–sp-border); background:#fff;
font-size:.82rem; color:var(–sp-muted); white-space:nowrap;
}
/* Code snippet */
.sp-data-collection .sp-code{
background:#0b1220; color:#e5e7eb;
border-radius:14px; padding:14px; overflow:auto;
font-size:13px; line-height:1.55;
border:1px solid rgba(255,255,255,.08);
margin-top: .9rem;
}
.sp-data-collection .sp-code code{ color:inherit; }
.sp-data-collection .sp-code__row{
display:flex; align-items:center; justify-content:space-between;
gap:10px; margin:0 0 10px 0;
}
.sp-data-collection .sp-code__label{
font-size:12px; letter-spacing:.02em;
text-transform:uppercase; opacity:.9; font-weight:700;
}
.sp-data-collection .sp-copybtn{
background:rgba(255,255,255,.08);
border:1px solid rgba(255,255,255,.14);
color:#fff; border-radius:12px;
padding:8px 10px; cursor:pointer;
font-weight:700; font-size:12px;
}
.sp-data-collection .sp-copybtn:hover{ background:rgba(255,255,255,.12); }
/* Sections */
.sp-data-collection .sp-section-alt{
background: var(–sp-soft);
border-top:1px solid var(–sp-border);
border-bottom:1px solid var(–sp-border);
}
/* Trust */
.sp-data-collection .sp-trust{
padding-top: clamp(1.8rem, 3vw, 2.5rem);
padding-bottom: clamp(1.8rem, 3vw, 2.5rem);
background:#fff;
border-bottom:1px solid var(–sp-border);
}
.sp-data-collection .sp-trust-pill{
display:inline-block;
background: var(–sp-soft);
border:1px solid var(–sp-border);
padding:.35rem .75rem;
border-radius:999px;
font-size:.85rem;
color:var(–sp-muted);
}
.sp-data-collection .sp-trust-pill b{ color:var(–sp-text); font-weight:700; }
.sp-data-collection .sp-logo-grid{
display:grid;
grid-template-columns: repeat(6, minmax(0, 1fr));
gap: 1rem;
align-items:center;
margin-top: 1.15rem;
}
@media (max-width: 1020px){
.sp-data-collection .sp-logo-grid{ grid-template-columns: repeat(4, minmax(0, 1fr)); }
}
@media (max-width: 560px){
.sp-data-collection .sp-logo-grid{ grid-template-columns: repeat(2, minmax(0, 1fr)); }
}
.sp-data-collection .sp-logo{
display:flex; align-items:center; justify-content:center;
padding:.6rem .5rem; border-radius: 12px;
border:1px solid transparent;
}
.sp-data-collection .sp-logo img{
max-height:42px; width:auto;
filter: grayscale(1); opacity:.78;
transition: all .18s ease;
}
.sp-data-collection .sp-logo:hover{
border-color: var(–sp-border);
background: var(–sp-soft);
}
.sp-data-collection .sp-logo:hover img{ filter:none; opacity:1; }
.sp-data-collection .sp-metrics{
display:grid;
grid-template-columns: repeat(4, minmax(0,1fr));
gap: 1rem;
margin-top: 1.25rem;
}
@media (max-width: 980px){
.sp-data-collection .sp-metrics{ grid-template-columns: repeat(2, minmax(0,1fr)); }
}
.sp-data-collection .sp-metric{
background:#fff;
border:1px solid var(–sp-border);
border-radius: var(–sp-radius);
padding: 1.05rem 1.1rem;
box-shadow: var(–sp-shadow);
}
.sp-data-collection .sp-metric b{
display:block;
font-size:1.15rem;
letter-spacing:-0.01em;
margin-bottom:.25rem;
}
.sp-data-collection .sp-metric span{
color:var(–sp-muted);
font-size:.9rem;
line-height:1.35;
display:block;
}
/* Cards */
.sp-data-collection .sp-grid{
display:grid;
grid-template-columns: repeat(3, minmax(0, 1fr));
gap: 1.15rem;
margin-top: 1.25rem;
}
@media (max-width: 980px){
.sp-data-collection .sp-grid{ grid-template-columns: repeat(2, minmax(0,1fr)); }
}
@media (max-width: 620px){
.sp-data-collection .sp-grid{ grid-template-columns: 1fr; }
}
.sp-data-collection .sp-card{
background:#fff;
border:1px solid var(–sp-border);
border-radius: var(–sp-radius);
padding: 1.25rem 1.25rem 1.15rem;
box-shadow: var(–sp-shadow);
display:flex;
flex-direction:column;
min-height: 190px;
}
.sp-data-collection .sp-ic{
width:38px; height:38px;
border-radius:12px;
border:1px solid var(–sp-border);
background: var(–sp-soft);
display:flex;
align-items:center;
justify-content:center;
margin-bottom:.9rem;
flex:0 0 auto;
}
.sp-data-collection .sp-ic svg{
width:20px; height:20px;
stroke: var(–sp-muted);
fill:none;
stroke-width:2;
stroke-linecap:round;
stroke-linejoin:round;
}
.sp-data-collection .sp-card h3{
margin:0 0 .55rem;
font-size:1.02rem;
line-height:1.25;
letter-spacing:-0.01em;
min-height:2.6em;
}
.sp-data-collection .sp-card p{
margin:0;
color:var(–sp-muted);
line-height:1.55;
font-size:.95rem;
min-height:4.9em;
}
.sp-data-collection .sp-card-foot{
margin-top:.9rem;
display:flex;
gap:.75rem;
flex-wrap:wrap;
align-items:center;
}
.sp-data-collection .sp-chip{
font-size:.82rem;
color:var(–sp-muted);
border:1px solid var(–sp-border);
background: var(–sp-soft);
border-radius:999px;
padding:.25rem .6rem;
}
/* Split cards */
.sp-data-collection .sp-split{
display:grid;
grid-template-columns: repeat(2, minmax(0,1fr));
gap: 1.15rem;
margin-top: 1.25rem;
}
@media (max-width: 920px){
.sp-data-collection .sp-split{ grid-template-columns: 1fr; }
}
.sp-data-collection .sp-split-card{
border:1px solid var(–sp-border);
border-radius: var(–sp-radius);
background:#fff;
padding: 1.2rem 1.2rem 1.1rem;
box-shadow: var(–sp-shadow);
}
.sp-data-collection .sp-split-card h3{
margin:0 0 .5rem;
font-size:1.08rem;
letter-spacing:-0.01em;
}
.sp-data-collection .sp-split-card p{
margin:0 0 .9rem;
color:var(–sp-muted);
line-height:1.55;
font-size:.95rem;
}
.sp-data-collection .sp-split-actions{
display:flex;
gap:.75rem;
flex-wrap:wrap;
align-items:center;
}
/* SEO */
.sp-data-collection .sp-seo{
background:#fff;
border-top:1px solid var(–sp-border);
border-bottom:1px solid var(–sp-border);
}
.sp-data-collection .sp-seo-grid{
display:grid;
grid-template-columns: 1.05fr .95fr;
gap: 1.5rem;
align-items:start;
margin-top: 1.25rem;
}
@media (max-width: 980px){
.sp-data-collection .sp-seo-grid{ grid-template-columns: 1fr; }
}
.sp-data-collection .sp-seo p{
color:var(–sp-muted);
line-height:1.7;
font-size:1rem;
margin:0 0 1rem;
max-width: 980px;
}
.sp-data-collection .sp-seo h3{
margin: 1.25rem 0 .55rem;
font-size: 1.05rem;
letter-spacing:-0.01em;
}
.sp-data-collection .sp-seo-card{
background: var(–sp-soft);
border:1px solid var(–sp-border);
border-radius: var(–sp-radius);
padding: 1.15rem 1.15rem 1.05rem;
box-shadow: var(–sp-shadow);
}
.sp-data-collection .sp-seo-card h3{
margin:0 0 .55rem;
font-size:1.02rem;
letter-spacing:-0.01em;
}
.sp-data-collection .sp-seo-card p{
margin:0 0 .85rem;
color:var(–sp-muted);
line-height:1.6;
font-size:.95rem;
}
.sp-data-collection .sp-seo-card ul{
margin:0;
padding-left: 1.1rem;
color:var(–sp-muted);
line-height:1.6;
font-size:.95rem;
}
.sp-data-collection .sp-seo-card li{ margin:.35rem 0; }
/* FAQ */
.sp-data-collection .sp-faq-wrap{
margin-top: 1.25rem;
background:#fff;
border:1px solid var(–sp-border);
border-radius: var(–sp-radius);
overflow:hidden;
box-shadow: var(–sp-shadow);
}
.sp-data-collection .sp-at-faq{ border-bottom:1px solid var(–sp-border); padding: 0 1.15rem; }
.sp-data-collection .sp-at-faq:last-child{ border-bottom:none; }
.sp-data-collection .sp-at-faq-q{
width:100%;
text-align:left;
padding: 1rem 0;
background:none;
border:none;
cursor:pointer;
font-weight:700;
display:flex;
align-items:center;
justify-content:space-between;
gap:1rem;
color:var(–sp-text);
font-size:.98rem;
}
.sp-data-collection .sp-at-faq-q:focus{ outline:none; box-shadow: var(–sp-focus); border-radius:10px; }
.sp-data-collection .sp-at-faq-ic{
width:28px; height:28px;
border-radius:999px;
border:1px solid var(–sp-border);
background: var(–sp-soft);
display:flex;
align-items:center;
justify-content:center;
font-weight:800;
color:var(–sp-muted);
flex:0 0 auto;
}
.sp-data-collection .sp-at-faq-a{
padding: 0 0 1rem;
color: var(–sp-muted);
line-height: 1.6;
font-size: .95rem;
}
/* Final CTA */
.sp-data-collection .sp-final{ background:#fff; border-top:1px solid var(–sp-border); }
.sp-data-collection .sp-final-grid{
display:grid;
grid-template-columns: repeat(2, minmax(0,1fr));
gap: 1.25rem;
margin-top: 1.25rem;
text-align:left;
}
@media (max-width: 920px){
.sp-data-collection .sp-final-grid{ grid-template-columns: 1fr; }
}
.sp-data-collection .sp-panel{
background: var(–sp-soft);
border:1px solid var(–sp-border);
border-radius: var(–sp-radius);
padding: 1.25rem;
box-shadow: var(–sp-shadow);
}
.sp-data-collection .sp-panel h3{
margin:0 0 .5rem;
font-size:1.02rem;
letter-spacing:-0.01em;
}
.sp-data-collection .sp-panel p{
margin:0 0 .95rem;
color:var(–sp-muted);
line-height:1.55;
font-size:.95rem;
}
.sp-data-collection .sp-panel-actions{
display:flex;
gap:.75rem;
flex-wrap:wrap;
align-items:center;
}
Görüşmenin doğru anında potansiyel müşteri ve giriş bilgilerini toplayın.
Data Collection is different than Structured Outputs. Instead of only analyzing what was said, you can choose when and how the agent asks for key details – at the start, naturally during the call, at the end, or only when a trigger condition is met.
Ücretsiz Konuşmayı Deneyin
Randevu Alımı
Sıkça Sorulan Sorulara bakın.
7 günlük deneme şunları içerir credits (kişisel e-posta) ve daha fazlası credits (İş e-postası) transkripsiyon ve yapay zeka analizi.
Daha fazla potansiyel müşteri yakalandı.
Niyet açık olduğunda ayrıntıları isteyin.
Daha az düşüş
Formlarla sözünüzü erken kesmeyin.
Daha temiz CRM verileri
Her seferinde standartlaştırılmış alanlar
Daha hızlı takip
Yakalama anında anlık bildirimler
Veri Toplama ve Yapılandırılmış Çıktılar Arasındaki Fark
İkisi de konuşmaları kullanılabilir verilere dönüştürüyor. Aradaki fark, ajanın bilgiyi aktif olarak toplaması mı yoksa Speak'in bilgiyi sonradan çıkarması mı.
Veri Toplama (aktif)
Temsilci, doğru zamanda belirli ayrıntıları sorar. Zamanlamayı ve koşulları siz belirlersiniz, böylece konuşma doğal kalır ve alanlar güvenilir bir şekilde yakalanır.
Yapılandırılmış Çıktılar (pasif)
Speak, söylenenleri analiz eder ve varsa alanları ayıklar. Konuşma akışını kesmek istemediğiniz durumlarda özetler, puanlar ve içgörüler için idealdir.
Ücretsiz Konuşmayı Deneyin
Yapay Zeka Ajanlarını Keşfedin
Belgeler/API
Ekiplerin kullandığı yaygın veri toplama alanları
Veri Toplama, potansiyel müşteri oluşturma, kayıt alma veya yönlendirme için güvenilir veri yakalama gerektiğinde idealdir. Birkaç temel bilgi isteyin, ardından arayan kişi amacını onayladıktan sonra daha ayrıntılı bilgiler toplayın.
Ad + e-posta
İlk faydalı iletişimin ardından iletişim bilgilerini doğal bir şekilde toplayın, ardından ekibinize anında bildirim gönderin.
Potansiyel müşteri oluşturma
Bildiri
Rol + iş unvanı
Arayanın rolünü belirleyerek doğru iş akışına yönlendirin: destek, satış, işe alım, araştırma veya ortaklıklar.
Yönlendirme
Giriş
Web sitesi URL'si
Yalnızca ilgili olduğunda web sitesi isteyin, ardından alt kademe araçlarınızda otomatik olarak zenginleştirme veya CRM güncellemelerini tetikleyin.
CRM
Otomasyon
Bütçe + zaman çizelgesi
Arayan kişi net bir fikre sahip olduktan sonra, bütçe ve zaman çizelgesini en sonda toplayın. Bu, görüşmeyi bir form doldurma gibi hissettirmeden nitelendirmeye yardımcı olur.
Satış
Vasıf
Kullanım senaryosu + amaç
Arayanın neden iletişime geçtiğini doğrulayın, ardından niyetine bağlı olarak doğru komut dosyasını, bilgi tabanını veya yönlendirme yolunu tetikleyin.
Niyet
Tetikleyiciler
Yeterlilik puanı
Tetikleyici faktör karşılandığında yalnızca bir veya iki eleme sorusu sorun, ardından yönlendirme ve takip için tutarlı bir puan kaydedin.
Puanlama
Yönlendirme
Ücretsiz Konuşmayı Deneyin
Randevu Alımı
Sıkça Sorulan Sorulara bakın.
Veri Toplama Nasıl Çalışır?
Aynı alandan farklı şekillerde veri toplayabilirsiniz. Önemli olan zamanlamadır. Önce minimum bilgiyi isteyin, ardından arayanın niyeti doğrulandıktan sonra daha ayrıntılı bilgi toplayın.
Başlangıçta toplayın
İsim veya dil seçimi gibi temel bilgiler için ideal. Form gibi görünmemesi için 1-2 alanla sınırlı tutun.
Başlangıç
Düşük sürtünme
Çağrı sırasında doğal olarak toplayın.
Niyet belli olduktan sonra soru sorun. Örnek: web sitesi, rol, plan veya bölge, ilgili hale geldiğinde.
Sırasında
Bağlamsal
Sonunda tahsil edin.
Bütçe, zaman çizelgesi ve sonraki adımlar için en iyisi. Arayan kişi zaten fayda sağladığı için cevap verme olasılığı daha yüksek.
Son
Daha yüksek tamamlama oranı
Sadece belirli bir koşul yerine getirildiğinde tahsilat yapılır.
"Nitelikli potansiyel müşteri," "fatura kesme niyeti" veya "demo talebi" gibi tetikleyicileri kullanarak yalnızca gerektiğinde daha detaylı sorular sorun.
Şartlı
Tetikleyiciler
Doğrulayın ve standartlaştırın
CRM kayıtlarının temiz olması ve otomasyonların bozulmaması için alanları tutarlı hale getirin (biçimlendirme, zorunlu/isteğe bağlı).
Standardizasyon
Kalite
Anında depola ve ilet
Yakalanan alanları bildirim olarak gönderin ve takip, yönlendirme ve raporlama için alt kademe araçlara aktarın.
Bildirimler
Otomasyonlar
Kılavuzlar: Veri Toplamanın Rolü
Güvenilir veri yakalama gerektiğinde Veri Toplama özelliğini kullanın. İş akışını kesintiye uğratmadan çağrı sonrası analiz yapmak istediğinizde Yapılandırılmış Çıktılar özelliğini kullanın. Çoğu ekip ikisini de bir arada kullanır.
Potansiyel müşteri nitelendirme + yönlendirme
Arayan kişinin adını, e-posta adresini, görevini ve amacını toplayın. Arayan kişi nitelikli ise, web sitesi ve zaman çizelgesi bilgilerini isteyin. Ardından ekibinizi bilgilendirin ve doğru bir sonraki adıma yönlendirin.
Destek talebi + üst kademeye iletme
İlk sorudan sonra yalnızca ürün, plan ve sorun kategorisi hakkında bilgi isteyin. Eğer konu faturalandırma veya güvenlik ise, minimum düzeyde bilgi toplayın ve bağlamıyla birlikte üst kademeye iletin.
Çok erken sormayın.
Öncelikle yardım istemekle başlayın. Müşteri temsilcisi anlamlı bir soruyu yanıtladıktan sonra, iletişim bilgilerini toplamak doğal geliyor.
En iyi uygulama
Dönüşüm
Komutları kısa tutun.
Veri toplama soruları tek cümlelik olmalıdır. Uzun sorular tamamlama oranını düşürür ve robotik bir izlenim bırakır.
Kullanıcı deneyimi (UX)
Ses
Hassas konular için minimum düzeyde bilgi toplayın.
Fatura işlemleri, hesap değişiklikleri ve güvenlik için yalnızca gerekli bilgileri toplayın ve hızlıca bir insana devredin.
Emniyet
Tırmanma
Yapay zeka ajanı veri toplama: konuşmaları CRM'e hazır alanlara dönüştürün
Konuşmalar yüksek sinyal içerir, ancak karmaşıktır. İnsanlar isimlerini hızlıca söyler, bir web sitesinden kısaca bahseder ve bir kullanım senaryosunu birkaç farklı şekilde açıklar. Veri Toplama, bir alanın nasıl toplandığı, ne zaman toplandığı ve yakalandığı anda ne olduğu üzerinde kontrol sağlayarak bu ayrıntıları güvenilir hale getirir.
Veri Toplama, gelen telefon aramaları, web sitesi sohbeti, destek talebi alımı ve potansiyel müşteri nitelendirmesi için idealdir. Arayanın ihtiyaç duyduğunuz bilgileri kendiliğinden vermesine güvenmek yerine, temsilciniz doğru anda sorabilir ve yanıtları standartlaştırılmış bir şekilde saklayabilir. Bu, bilgi kaybını önler ve ekibiniz için karşılıklı iletişimi azaltır.
Yapay zekâ ajanlarında veri toplama nedir?
Veri Toplama, bir konuşmadan belirli alanları yakalamanın yapılandırılabilir bir yoludur. Bir etiket (örneğin: "İş Unvanı" veya "Web Sitesi URL'si"), temsilcinin kullanması gereken istem metni ve zamanlama kuralları tanımlarsınız. Amaç basittir: canlı bir konuşmayı, ekibinizin gerçekten kullanabileceği yapılandırılmış alanlara dönüştürmek.
Zamanlama neden önemlidir?
Çok fazla bilgiyi çok erken istemek, bir formalite gibi algılanır ve müşteri kaybına yol açar. Çok az bilgi istemek ise kötü yönlendirmeye ve yavaş takibe neden olabilir. En iyi yaklaşım aşamalıdır: Önce bir veya iki temel bilgiyi isteyin, ardından arayanın niyeti netleştikten veya bir tetikleyici koşul karşılandıktan sonra daha ayrıntılı bilgiler toplayın.
Veri Toplama ve Yapılandırılmış Çıktılar Arasındaki Fark
Yapılandırılmış Çıktılar, konuşma sonrasında söylenenleri analiz ederek alanları çıkarır. Veri Toplama ise aktif olarak belirli bilgiler ister. Uygulamada, Veri Toplama, güvenilir bir şekilde yakalanması gereken iletişim bilgileri ve yönlendirme alanları için en iyisidir. Yapılandırılmış Çıktılar ise akışı kesmek istemediğiniz özetler, notlar ve içgörüler için en uygundur.
Bildirimler ve otomasyonlar nasıl uyum sağlıyor?
Bir alan kaydedildikten sonra, ekibinizi anında bilgilendirebilirsiniz. Bu, nitelikli potansiyel müşterilerle ilgili hızlı takip, destek sorunlarının yönlendirilmesi veya raporlama için temiz kayıtlar oluşturma açısından faydalıdır. Ayrıca, CRM'leri veya dahili araçları güncellemek için otomasyonları tetikleyebilirsiniz, böylece ekibinizin bilgileri manuel olarak yeniden girmesine gerek kalmaz.
Yüksek tamamlama oranı için en iyi uygulamalar
İstemleri kısa ve doğal tutun. Bir turda birden fazla soru sormaktan kaçının. Daha ayrıntılı alanları ancak değer sağladıktan sonra toplayın. Ve aşağı yönlü otomasyonların istikrarlı kalması için alanları (e-posta, bölge ve plan gibi) standartlaştırdığınızdan emin olun.
Örnek: demo istek akışı
Basit bir demo talep akışı, temsilci ilk soruyu yanıtladıktan sonra ad ve e-postayı toplayabilir, ardından görüşme sırasında rol ve kullanım senaryosunu kaydedebilir ve son olarak da zaman çizelgesini isteyebilir. Arayan kişi kurumsal ihtiyaçlardan bahsederse, bölge, dağıtım gereksinimleri veya güvenlik inceleme zamanlaması gibi ek bilgilerin toplanmasını tetikleyebilirsiniz.
Örnek: giriş akışını desteklemek
Destek için, temsilci öncelikle ürün alanını ve sorun kategorisini doğrulayabilir, daha sonra yalnızca üst kademeye iletilmesi gerekiyorsa hesap e-postasını isteyebilir. Bu, basit sorular için görüşmeyi hızlı tutarken, karmaşık durumlar için de temiz kayıtlar oluşturur.
Örnek: telefon görüşme akışı
Telefon görüşmelerinde, Veri Toplama özelliği genellikle gözden kaçan ayrıntıları yakalamaya yardımcı olur: isimlerin yazılışı, e-posta onayı, arama amacı ve doğru sonraki adım. Özellikle sesli görüşmelerde kısa yönlendirmeler çok önemlidir.
Sıkça sorulan sorular
Veri toplama, zamanlama seçenekleri, tetikleme koşulları ve yapılandırılmış çıktılardan farkı hakkında sık sorulan sorular.
Veri Toplama, temsilcinin bir görüşme sırasında bu alanları (ad, e-posta, web sitesi, rol veya niyet gibi) nasıl ve ne zaman isteyeceğini seçerek, belirli alanları yakalamanın yapılandırılabilir bir yoludur.
Veri toplama, doğru anda aktif olarak bilgi talep eder. Yapılandırılmış çıktılar ise konuşmayı daha sonra analiz eder ve yalnızca doğal olarak ortaya çıktıkları takdirde alanları ayıklar.
Öncelikle 1-2 temel bilgiyi toplayın, niyet belli olduktan sonra bağlamsal alanları toplayın ve arayan kişi değer elde ettikten sonra bütçe veya zaman çizelgesini en sonda toplayın.
Koşula dayalı veri toplama, yalnızca bir kural karşılandığında (örneğin, nitelikli bir potansiyel müşteri, belirli bir amaç veya üst kademeye iletilmesi gereken bir istek) bir alanın bilgilerini ister.
Evet. Bir alan yakalandığında, ekibinizi anında bilgilendirebilir ve verileri CRM'inize veya dahili iş akışınıza aktarmak için otomasyonları tetikleyebilirsiniz.
İstemleri kısa tutun, aynı anda birden fazla soru sormaktan kaçının, daha ayrıntılı alanları yalnızca değer sağladıktan sonra isteyin ve yalnızca gerekli bilgileri toplamak için tetikleyiciler kullanın.
Evet. Birçok ekip, olmazsa olmaz alanlar (iletişim + yönlendirme) için Veri Toplama özelliğini, görüşme sonrasında özetler, notlar, puanlama ve içgörüler için ise Yapılandırılmış Çıktılar özelliğini kullanır.
Ücretsiz Konuşmayı Deneyin
Randevu Alımı
Yardım Dokümanları
Konuşmaları ekibinizin kullanabileceği temiz verilere dönüştürün.
Birkaç alanı yapılandırın, doğru zamanlamayı seçin ve yakalanan verileri bildirimlere ve otomasyonlara yönlendirin. Veri toplama, temsilcinizin sadece hoş sohbetler değil, gerçek sonuçlar elde etmesine yardımcı olur.
Kendin servise başla
İlk 4 alanı yapılandırın, tamamlama oranlarını test edin, ardından daha derinlemesine potansiyel müşteri nitelendirmesi için koşullu tetikleyiciler ekleyin.
Ekibimizle çalışın
Üretime hazır bir veri alım akışı mı istiyorsunuz? Alanları, zamanlamayı ve tetikleyicileri eşleştirmenize, ardından CRM ve yönlendirme için otomasyonları bağlamanıza yardımcı olacağız.
Sorularınız mı var? Arayın. +1 (647) 372-1565 veya e-posta [email protected]
Speak AI ile AI Destekli Analiz
Speak AI; ses dönüştürme, NLP analitiği, duygu analizi ve AI ajanlarını tek bir platformda birleştirir. Ses, video ve metin verileriyle çalışan araştırmacılar, ekipler ve kurumsal kullanıcılar için tasarlanmıştır. 100'den fazla dil destekler.
Metin Analiz Aracı
Otomatik Transkripsiyon
Yapay Zeka Danışmanlığı ve Uygulaması
Yapay Zeka Toplantı Asistanı
Speak AI'yı Ücretsiz Deneyin →
Build Audio and Video Data Collection Agents with Speak AI
Data collection agents built on Speak AI ingest audio and video from configured sources, extract structured fields via AI, and deliver clean data to downstream systems — automatically and at scale. The API accepts file uploads, public URLs, and streaming inputs, and returns structured JSON with transcript text, speaker segments, entities, themes, and custom-prompted fields.
Agent patterns that work with Speak AI
- Interview data extraction — submit batches of interview recordings, receive structured field output (sentiment, themes, named entities) per respondent
- Media monitoring pipelines — ingest video clips from configured sources, extract keyword and topic data, push to a data warehouse or CRM
- Çağrı analitikleri — process inbound or outbound call recordings, extract compliance flags, action items, or sentiment scores
- Survey response processing — transcribe and code audio or video survey responses at scale without manual review
Technical setup
Authenticate with your Speak AI API key, submit files or URLs to the transcription endpoint, configure webhooks to receive completed results, and define custom extraction prompts for your specific data fields. Full documentation at speakai.co/developers.
Build data collection agents on Speak AI — get your API key.
English 
Español 
Français 
Italiano 
العربية 
Português do Brasil 
Nederlands 
Deutsch 
עִבְרִית 
Русский 
日本語 
Polski 
Čeština 
Українська 
Slovenščina 
Svenska 
Ελληνικά 
Norsk bokmål 
简体中文 
Türkçe 
Català 
Magyar 
한국어 
Slovenčina 
Suomi