WordPress için AI Müşteri Hizmetleri Chatbotu Oluşturma

Çoğu WordPress “AI chatbot” eklentisi sadece güzelleştirilmiş SSS arama çubuklarıdır. Gerçekten faydalı bir chatbot, özel ürünlerinizi, politikalarınızı ve iş bağlamınızı anlamalıdır. Bu da RAG (Retrieval-Augmented Generation) gerektirir — yanıt üretmeden önce AI’ı gerçek içeriğinizle temellendirir.

Mimari Genel Bakış

Customer Message
→ Embed query (vector)
→ Search knowledge base (similarity)
→ Retrieve relevant context (products, policies, FAQ)
→ Send to Claude with context
→ Return answer
→ Log conversation

Temel anlayış: AI ürün kataloğunuzu ezberlemiyor. Her müşteri sorusu için içeriğinizi arar, ilgili parçaları bulur ve bulduğu şeylere dayanarak bir yanıt üretir.

Adım 1: Bilgi Tabanınızı Oluşturun

Chatbotunuz yalnızca arayabildiği içerik kadar iyidir. Şunları çıkarın ve yapılandırın:

Ürün verileri (WooCommerce’ten):

async function extractProductKnowledge() {
const products = await wooApi.get('products', { per_page: 100 });
return products.data.map(p => ({
type: 'product',
title: p.name,
content: ${p.name}. ${stripHtml(p.description)}. Price: $${p.price}. ${p.stock_status === 'instock' ? 'In stock' : 'Out of stock'}. Categories: ${p.categories.map(c => c.name).join(', ')}.,
metadata: { id: p.id, sku: p.sku, url: p.permalink }
}));
}

Politikalar (kargo, iadeler, SSS sayfaları):

async function extractPolicyPages() {
const pageIds = [123, 456, 789]; // Shipping, Returns, FAQ page IDs
const pages = await Promise.all(
pageIds.map(id => wpApi.get(pages/${id}))
);
return pages.map(p => ({
type: 'policy',
title: p.data.title.rendered,
content: stripHtml(p.data.content.rendered),
metadata: { id: p.data.id, url: p.data.link }
}));
}

Adım 2: Vektör Gömmeleri Oluşturun

Semantik arama için bilgi tabanınızı vektör gömmelere dönüştürün:

const { PineconeClient } = require('@pinecone-database/pinecone');

async function indexKnowledge(documents) {
const pinecone = new PineconeClient();
await pinecone.init({ apiKey: process.env.PINECONE_API_KEY });
const index = pinecone.Index('wordpress-chatbot');

for (const doc of documents) {
// Generate embedding via OpenAI or Voyage AI
const embedding = await generateEmbedding(doc.content);

await index.upsert([{
id: ${doc.type}-${doc.metadata.id},
values: embedding,
metadata: {
type: doc.type,
title: doc.title,
content: doc.content.substring(0, 1000),
url: doc.metadata.url
}
}]);
}
}

Adım 3: Chat Endpoint’i

app.post('/api/chat', async (req, res) => {
const { message, session_id } = req.body;

// 1. Search knowledge base
const queryEmbedding = await generateEmbedding(message);
const searchResults = await pineconeIndex.query({
vector: queryEmbedding,
topK: 5,
includeMetadata: true
});

// 2. Build context from results
const context = searchResults.matches
.map(m => [${m.metadata.type}] ${m.metadata.title}: ${m.metadata.content})
.join('\n\n');

// 3. Get conversation history
const history = await getConversationHistory(session_id);

// 4. Generate response with Claude
const response = await anthropic.messages.create({
model: 'claude-sonnet-4-20250514',
max_tokens: 500,
system: You are a helpful customer service agent for [Store Name].

Answer questions using ONLY the provided context. If the context doesn't contain
the answer, say you'll connect them with a human agent.
Never make up product details, prices, or policies.
Be concise and friendly.

Context:
${context},
messages: [
...history,
{ role: 'user', content: message }
]
});

const answer = response.content[0].text;

// 5. Save to conversation history
await saveMessage(session_id, 'user', message);
await saveMessage(session_id, 'assistant', answer);

res.json({ answer, session_id });
});

Adım 4: Frontend Widget’ı

WordPress shortcode veya eklentisi aracılığıyla gömülen basit chat widget’ı:

class ChatWidget {
constructor(container, apiUrl) {
this.container = container;
this.apiUrl = apiUrl;
this.sessionId = this.getSessionId();
this.render();
}

getSessionId() {
let id = sessionStorage.getItem('chat_session');
if (!id) {
id = crypto.randomUUID();
sessionStorage.setItem('chat_session', id);
}
return id;
}

async sendMessage(message) {
this.addMessage('user', message);
this.showTyping();

const response = await fetch(this.apiUrl, {
method: 'POST',
headers: { 'Content-Type': 'application/json' },
body: JSON.stringify({
message,
session_id: this.sessionId
})
});

const data = await response.json();
this.hideTyping();
this.addMessage('assistant', data.answer);
}
}

Özel Durumların Ele Alınması

Ürün kullanılabilirliği soruları:

Chatbot, önbelleğe alınmış bilgi tabanı verilerine güvenmek yerine WooCommerce API’si aracılığıyla gerçek zamanlı stok kontrol eder.

Fiyat sorguları:

Her zaman WooCommerce’ten güncel fiyatları çekin. Vektör veritabanındaki önbelleğe alınmış fiyatlar güncel olmayabilir.

Sipariş durumu:

Sipariş ayrıntılarını göstermeden önce kimlik doğrulama gerektir. Yalnızca e-postaya dayalı sipariş bilgilerini asla ifşa etmeyin.

İnsan devri:

AI yardım edemediğinde veya müşteri sinirlendiğinde, durumu yükseltin:

const HANDOFF_TRIGGERS = [
'speak to a human', 'real person', 'manager',
'this is not helpful', 'complaint'
];

if (HANDOFF_TRIGGERS.some(t => message.toLowerCase().includes(t))) {
return { answer: "I'll connect you with our team right away.", handoff: true };
}

Başarıyı Ölçme

Bu metrikleri takip edin:

Maliyet Değerlendirmeleri

Bunu 1.000 konuşmayı işleyen bir insan temsilciyle karşılaştırın: ayda $2.000-4.000.

Sonuç

Gerçek WordPress/WooCommerce içeriğinize dayalı RAG destekli bir chatbot gerçek değer sunar — gerçek politikalara dayalı gerçek ürünler hakkında gerçek yanıtlar. Teknik yığın (vektör arama + Claude) olgun ve uygun fiyatlı. Anahtar veri kalitesidir: chatbotunuz yalnızca ona verdiğiniz içerik kadar iyidir. Ürünler ve SSS ile başlayın, çözüm oranlarını ölçün ve yanıtlayamadığı sorulara dayanarak kapsamı genişletin.