Türkçe Müşteri Yorumu Özeti (Duygu, Şikayetler, Yanıt Şablonları)

Kafe, restoran, kuaför, klinik gibi işletmeler için. Müşteri yorumlarını yapıştırın; actor size şunları verir:

• Olumlu, olumsuz ve nötr yorum oranı
• En sık şikayet edilen ve en çok övülen konular (örnek cümlelerle)
• Her konu için hazır, düzenlenebilir yanıt şablonları
• İsterseniz her yorum için ayrı duygu sonucu ve önerilen yanıt

Bu actor Google Haritalar'dan veya başka bir siteden yorum toplamaz. Yorumları siz verirsiniz: kopyalayıp yapıştırarak ya da elinizdeki bir Apify dataset'i ile.

Nasıl çalışır?

Analiz, Türkçe kelime listesine ve kurallara dayanır. Yapay zekâ servisi veya dış API kullanılmaz; yorumlarınız başka bir servise gönderilmez. Aynı girdi her zaman aynı sonucu verir.

• Türkçe karakterli ve karaktersiz yazımı tanır ("güzel" ve "guzel").
• Olumsuzluk eklerini dikkate alır: "beğenmedim", "memnun kalmadık", "lezzetli değildi", "hiçbir sorun yaşamadık".
• "ama", "fakat" sonrası kısmı daha ağırlıklı sayar.
• Yıldız puanı verilirse sonuca eklenir.

Konular: Fiyat, Personel ve hizmet, Temizlik ve hijyen, Lezzet ve ürün, Bekleme ve hız, Kalite, Ortam ve mekan, İletişim ve ulaşılabilirlik.

Nasıl kullanılır?

1. "Yapıştırılmış yorumlar" kutusuna yorumları yapıştırın. Her satır bir yorum sayılır.
2. İşletme adınızı yazın. Yanıt şablonlarında kullanılır.
3. Start'a basın. Sonuç birkaç saniyede gelir.
4. Türkçe raporu Storage > Key-value store > REPORT kaydında, tabloyu Dataset sekmesinde bulursunuz.

Girdi

Alan	Açıklama
reviews	Yorum listesi, her öğe bir yorum
reviewsText	Yapıştırılmış metin, her satır bir yorum
datasetId	Yorumları içeren Apify dataset ID'si (isteğe bağlı)
textField	Dataset içinde yorum metni alanı. Varsayılan: text
ratingField	Dataset içinde 1-5 puan alanı (isteğe bağlı)
businessName	Yanıt şablonlarında kullanılacak işletme adı
contactInfo	Olumsuz yorum yanıtlarına eklenecek iletişim satırı
includePerReview	Her yorum için ayrı sonuç kaydet. Varsayılan: açık
maxReviews	İşlenecek en fazla yorum. Varsayılan: 5000

Örnek rapor

Aşağıdaki rapor, actor'ün yerel testinde 6 örnek yorumla üretilen gerçek çıktıdır. Yanıt şablonlarının yalnız ilki tam gösterilmiştir.

Yorum özeti: Örnek Kafe
Toplam yorum: 6. Olumlu: 2 (%33.3), olumsuz: 4 (%66.7), nötr: 0 (%0).
Genel tablo: genel olarak olumsuz. Ortalama puan: 3/5.
En sık şikayetler:
1. Personel ve hizmet: 2 yorum (%33.3). Örnek: "kimse ilgilenmedi"
2. Bekleme ve hız: 1 yorum (%16.7). Örnek: "Yarım saat bekledik"
3. Fiyat: 1 yorum (%16.7). Örnek: "Fiyatlar çok pahalı"
4. Temizlik ve hijyen: 1 yorum (%16.7). Örnek: "temizlik berbattı"
En çok övülenler:
1. Personel ve hizmet: 1 yorum (%16.7). Örnek: "Personel nazik ve ilgili"
2. Lezzet ve ürün: 1 yorum (%16.7). Örnek: "Kahvaltı harikaydı"
Önerilen yanıt şablonları:
- şikayet: Personel ve hizmet: Merhaba, yorumunuz ve geri bildiriminiz için teşekkür ederiz. Ekibimizin tutumuyla ilgili yaşadığınız durum için özür dileriz. Konuyu ekip arkadaşlarımızla birlikte değerlendireceğiz. Durumu daha iyi anlamak ve telafi etmek için bize [iletişim bilgisi] üzerinden ulaşabilirsiniz. Saygılarımızla, Örnek Kafe ekibi
- şikayet: Bekleme ve hız: ...
- şikayet: Fiyat: ...
- olumlu yorum: ...
- nötr yorum: ...
Not: Bu analiz kelime listesine dayalı otomatik bir tahmindir. İroni ve alay her zaman yakalanamaz. Yanıtları göndermeden önce okuyup düzenleyin.

Örnek JSON (kısaltılmış)

Dataset'in ilk kaydı özettir (type: "summary"). Sonraki kayıtlar yorum bazında sonuçlardır (type: "review").

{
  "type": "review",
  "index": 1,
  "text": "Garson çok kabaydı, bir daha gelmem.",
  "rating": 1,
  "sentiment": "olumsuz",
  "sentimentEn": "negative",
  "score": -8.5,
  "complaints": ["personel"],
  "praises": [],
  "matchedTerms": ["kabaydi"],
  "suggestedReply": "Merhaba, yorumunuz ve geri bildiriminiz için teşekkür ederiz. ..."
}

Özet kaydında totals, netSentiment, averageScore, averageRating, overallTr, topComplaints, topPraises, replyTemplates ve reportTr alanları bulunur.

Başka bir scraper çıktısıyla kullanma

Bu actor yorum toplamaz, ama başka bir actor'ün dataset'ini doğrudan okuyabilir. Örneğin Store'daki bir Trendyol yorum scraper'ının veya Ekşi Sözlük scraper'ının çalıştırmasını bitirin, dataset ID'sini kopyalayın ve datasetId alanına yapıştırın. textField alanına o dataset'teki yorum metni alanının adını yazın (örneğin text veya reviewText), puan alanı varsa ratingField alanına girin.

Yalnız kullanım hakkınız olan ve kurallara uygun toplanmış veriyi analiz edin.

Fiyat

Kullandıkça öde (pay-per-event). Analiz edilen her yorum bir review-analyzed olayıdır. Harcama limitiniz yetmezse actor yalnız limit kadar yorumu işler.

Sınırlar

• Yalnız Türkçe yorumlar için tasarlandı.
• Kelime listesine dayanır. İroni, alay ve çok dolaylı ifadeler yanlış sınıflanabilir.
• Yanıt şablonları başlangıç metnidir. Göndermeden önce okuyun ve düzenleyin.
• Yorum toplamaz. Google Haritalar veya başka bir siteden veri çekmez.

Kişisel veri (KVKK)

• Yorumlardaki e-posta adresleri ve telefon numaraları çıktıda [gizlendi] ile maskelenir.
• Dataset'ten okurken yalnız yorum metni ve puan alanı kullanılır. Yorum yazanın adı gibi diğer alanlar çıktıya kopyalanmaz.
• Yorumlar başka bir servise gönderilmez; analiz actor içinde yapılır.
• Yorumları yalnız işlemeye hakkınız olan kaynaklardan alın. Çıktıdaki veriler sizin hesabınızın depolama alanında kalır.

---

Turkish Customer Review Summary (Sentiment, Complaints, Reply Templates)

For small businesses that receive Turkish reviews: cafes, restaurants, salons, clinics. Paste your reviews and get:

• The share of positive, negative and neutral reviews
• The most common complaints and praises, with example sentences
• Ready-to-edit Turkish reply templates per topic
• Optional per-review sentiment and a suggested reply

This actor does not scrape Google Maps or any other site. You supply the review texts, pasted or from an Apify dataset you already have.

How it works

The analysis uses a Turkish word list and rules. No AI service or external API is called, and your reviews are not sent anywhere. The same input always gives the same result.

• Handles text with or without Turkish characters.
• Handles Turkish negation suffixes and "değil".
• Gives more weight to the part after "ama" / "fakat" (but).
• Uses star ratings when provided.

Topics: price, staff and service, cleanliness, taste and product, waiting and speed, quality, ambience, communication.

Input

Field	Description
reviews	List of reviews, one per entry
reviewsText	Pasted text, one review per line
datasetId	Apify dataset ID with reviews (optional)
textField	Review text field in the dataset. Default: text
ratingField	1-5 rating field in the dataset (optional)
businessName	Business name used in reply templates
contactInfo	Contact line added to replies for negative reviews
includePerReview	Save a result per review. Default: on
maxReviews	Maximum reviews to process. Default: 5000

Output

• Dataset: one summary item (type: "summary"), then one item per review (type: "review").
• Key-value store: SUMMARY (JSON) and REPORT (Turkish plain-text report).

Use with another scraper's output

This actor does not collect reviews, but it can read the dataset of another actor directly. Run a review scraper from the Store, copy its dataset ID into datasetId, set textField to the name of the review text field in that dataset (for example text or reviewText) and, if there is a rating, set ratingField.

Only analyze data you have the right to use and that was collected in line with the source's rules.

Pricing

Pay per event. Each analyzed review is one review-analyzed event. If your spending limit is reached, the actor processes only as many reviews as the limit allows.

Limitations

• Built for Turkish reviews only.
• Word-list based. Irony, sarcasm and very indirect wording can be misclassified.
• Reply templates are drafts. Read and edit them before posting.
• Does not collect reviews from Google Maps or any other site.

Personal data

• Email addresses and phone numbers in reviews are masked as [gizlendi] in the output.
• From datasets, only the review text and rating fields are read. Other fields such as reviewer names are not copied.
• Reviews are not sent to any third-party service.
• Only process reviews you have the right to process.