E-Ticarette Yapay Zeka Uygulamaları: Online Mağazada Gerçekten İşe Yarayan Kullanım Alanları

E-ticarette yapay zeka artık büyük pazar yerlerine özgü bir lüks değil; orta ölçekli bir online mağaza da öneri, arama, içerik ve reklam tarafında bu araçları kullanıyor. Ancak her araç her mağazaya uymuyor. Bu yazıda 2012'den beri sahada gördüklerimle, hangi uygulamanın gerçekten para kazandırdığını, hangisinin risk taşıdığını ve nereden başlamanız gerektiğini anlatıyorum.

E-ticarette yapay zeka nedir ve bir online mağazada neyi değiştirir?

E-ticarette yapay zeka, mağaza verisinden öğrenerek ürün önerisi, site içi arama, ürün metni, talep tahmini, sahtecilik tespiti ve reklam optimizasyonu gibi işleri otomatikleştiren yazılımların genel adıdır. Doğru kurulduğunda ekibin zamanını tekrarlayan işlerden alır ve karar kalitesini artırır; yanlış veriyle ise hatayı hızlandırır.

Kısacası yapay zeka bir strateji değil, bir araç katmanıdır. Mağazanın ürün verisi, stok bilgisi ve sipariş geçmişi düzgün değilse, en pahalı modeli bağlasanız da sonuç zayıf kalır. Bu yüzden danışmanlık görüşmelerinde ilk sorum her zaman aynıdır: verileriniz ne kadar temiz?

Öte yandan iyi haber şu: bugün Shopify, Google Merchant Center ve Meta gibi platformlar bu yeteneklerin önemli bir kısmını ek ücret istemeden paneline koydu. Yani başlangıç için büyük bir yazılım bütçesi gerekmiyor; gereken şey, hangi işe hangi aracı koyacağınızı bilmek ve çıktıyı insan gözüyle denetlemek.

E-ticarette yapay zeka hangi işlerde gerçekten işe yarar?

Aşağıdaki tabloda sahada en sık karşılaştığım uygulamaları, beklenen faydayı ve risk düzeyini özetledim. Risk sütunu, hatanın müşteriye ya da kâra ne kadar doğrudan dokunduğunu gösteriyor.

Tabloda dikkat etmenizi istediğim nokta şu: düşük riskli uygulamalar genellikle en hızlı getiriyi de sağlıyor. Bu nedenle ben işe öneri ve aramadan başlamayı, fiyatlandırmayı ise en sona bırakmayı öneriyorum.

Kişiselleştirilmiş ürün önerileri nasıl çalışır?

Öneri motorları iki temel mantıkla çalışır. Birincisi, benzer davranan müşterilerin aldığı ürünleri önerir; ikincisi, ürünlerin kendi özelliklerine bakıp benzerlerini getirir. Modern sistemler bu iki yaklaşımı birleştirir ve oturum içindeki tıklamalara göre sonucu anında günceller.

Pratikte en çok işe yarayan yerler şunlardır:

• Ürün sayfasında "bununla birlikte alınanlar" alanı
• Sepette tamamlayıcı ürün önerisi (örneğin kılıfın yanında ekran koruyucu)
• Ana sayfada geri dönen ziyaretçiye son baktığı kategori
• Stokta olmayan ürün sayfasında muadil öneriler

Ancak önerinin kalitesi, katalog etiketlerinin kalitesine bağlıdır. Renk, beden, malzeme ve kullanım alanı alanları boşsa, model ürünleri doğru eşleştiremez. Ayrıca önerileri kâr marjı düşük ürünlere yığan bir kurgu, satış adedini artırırken kârı düşürebilir. Bu yüzden öneri kurallarına marj ve stok filtresi eklemenizi öneririm.

Etkisini ölçmek için öneri alanını bir süre yarı trafiğe kapatıp karşılaştırmak en dürüst yöntemdir; sonucu A/B testi hesaplama aracıyla istatistiksel olarak kontrol edebilirsiniz.

Site içi arama yapay zekayla nasıl daha iyi sonuç verir?

Klasik site araması kelimeyi harfi harfine eşleştirir. Dolayısıyla "spor ayakabı" yazan müşteri boş sonuç sayfası görür ve çoğu zaman siteyi terk eder. Yapay zeka destekli arama ise yazım hatasını, eş anlamlıları ve niyeti anlar; "yağmurda giyilecek ayakkabı" gibi doğal ifadeleri de su geçirmez ürünlere bağlar.

Benim mağazalarda ilk baktığım rapor, sonuç vermeyen aramalardır. Bu liste size iki şey söyler: müşterinin ne aradığını ve kataloğunuzun hangi dili konuşmadığını. Örneğin müşteriler "eşofman altı" yazarken siz ürünü "jogger pantolon" diye adlandırıyorsanız, en akıllı arama motoru bile eş anlamlı sözlüğü olmadan zorlanır.

Üstelik arama kutusunu kullanan ziyaretçi, satın alma niyeti en yüksek kitledir. Bu nedenle arama iyileştirmesi, reklam bütçesi artırmadan dönüşümü yükseltebilen nadir alanlardan biridir. Sonucu ölçerken aramadan gelen oturumların dönüşüm oranını ayrı izleyin; dönüşüm oranı hesaplama aracı bu karşılaştırmayı hızlandırır.

Ürün açıklamalarını yapay zekayla toplu yazmak güvenli mi?

Evet, ama tek bir şartla: her metni yayına almadan önce bir insan kontrol etmeli. Shopify'ın Shopify Magic yardım sayfası da üretilen içeriğin satıcı tarafından gözden geçirilmesi gerektiğini açıkça vurguluyor. Model, elindeki özellik listesinde olmayan bir bilgiyi uydurabilir; örneğin pamuklu olmayan bir ürüne "yüzde yüz pamuk" yazabilir.

Google tarafında da çerçeve net. Google Search Central'ın üretken yapay zeka içeriği rehberi, kullanıcıya değer katmadan çok sayıda sayfa üretmenin ölçekli içerik kötüye kullanımı sayılabileceğini belirtiyor. Aynı rehber, e-ticaret sitelerinde yapay zekayla üretilmiş görsellerin IPTC meta verisiyle işaretlenmesini istiyor.

Bu yüzden benim önerdiğim iş akışı şöyle:

1. Tedarikçi verisini temizleyip yapılandırılmış bir özellik tablosuna dönüştürün.
2. Modele yalnızca bu tabloyu ve marka ses rehberini verin.
3. Çıktıyı ölçü, malzeme, garanti ve uyumluluk bilgisi açısından kontrol edin.
4. En çok satan ürünlerde metni elle zenginleştirin; müşteri sorularını ekleyin.

Böylece hızdan vazgeçmeden hatalı bilgi riskini kontrol altında tutarsınız.

Ürün görsellerinde yapay zekadan nasıl yararlanırsınız?

Görsel tarafında en güvenli kullanım alanları arka plan temizleme, boyut uyarlama ve alternatif metin taslağı hazırlamaktır. Shopify Magic arka plan kaldırma gibi özellikleri panelin içinde sunuyor; bu da küçük ekiplerin stüdyo maliyetini ciddi biçimde azaltıyor.

Ancak ürünün kendisini yapay zekayla "yeniden çizmek" risklidir. Renk tonu, doku ya da detay gerçek üründen farklı çıkarsa müşteri aldığı ürünü tanımaz ve iade oranı yükselir. Dolayısıyla ürünün kendisini değiştirmeyen düzenlemelerde yapay zekayı rahatça kullanın; ürünü değiştiren düzenlemelerden ise uzak durun.

Görsel dilin satışa etkisini daha geniş ele aldığım e-ticaret sitesinde görsel dil ve kullanıcı deneyimi yazısında, fotoğraf tutarlılığının güven üzerindeki etkisini ayrıca anlattım. Üstelik alt metinleri toplu ürettiyseniz, her birinin gerçekten görseldeki ürünü anlattığını kontrol edin; genel geçer "ürün görseli" ifadeleri hem erişilebilirliğe hem de görsel aramaya zarar verir.

Dinamik fiyatlandırmada neden temkinli olmalısınız?

Dinamik fiyatlandırma, fiyatı talep, stok ve rakip fiyatına göre otomatik değiştiren sistemlerdir. Kâğıt üzerinde cazip görünür; ancak sahada en çok zarar gördüğüm yapay zeka uygulaması budur.

İlk risk güvendir. Aynı ürünü bir gün önce daha ucuza gören müşteri, mağazaya karşı şüpheyle yaklaşır. İkinci risk rekabet sarmalıdır: iki otomatik sistem birbirinin fiyatını takip ederse, fiyat kimsenin istemediği kadar düşebilir. Üçüncü risk ise mevzuattır; indirim duyurusu ve fiyat gösterimi kuralları ülkeden ülkeye değişir ve otomatik sistem bu kuralları bilmez.

Bu nedenle fiyatlandırmada yapay zekayı karar verici değil, öneri veren bir yardımcı olarak kullanmanızı öneririm:

• Her ürün için alt ve üst fiyat sınırı tanımlayın; sistem bu bandın dışına çıkamasın.
• Kampanya dönemlerinde otomatik değişikliği durdurun.
• Fiyat değişikliklerini günlük raporla izleyin ve büyük sapmaları insan onayına bağlayın.

Kısacası marjı koruyan bir fren sistemi yoksa, dinamik fiyatlandırmaya hiç başlamayın.

Talep tahmini ve stok planlaması yapay zekayla nasıl güçlenir?

Talep tahmini, geçmiş satış verisine sezonsallık, kampanya takvimi ve trend sinyallerini ekleyerek önümüzdeki haftaların satışını öngörür. Stok maliyeti yüksek olan mağazalar için bu, belki de en yüksek getirili yapay zeka uygulamasıdır; çünkü hem stoksuz kalan ürünün kaybını hem de depoda bekleyen sermayeyi azaltır.

Ancak model, gördüğü veriden öğrenir. Bir yıldan kısa satış geçmişi olan mağazada sezon etkisini güvenilir biçimde yakalamak zordur. Ayrıca stoksuz kaldığınız günlerdeki "sıfır satış", talebin sıfır olduğu anlamına gelmez; bu günleri veriden ayırmazsanız model gelecekteki talebi düşük tahmin eder.

Sahada işe yarayan yaklaşım, tahmini tek bir sayı yerine bir aralık olarak okumaktır. Örneğin "önümüzdeki ay 80 ile 120 adet arası" bilgisi, tedarikçiyle esnek sipariş konuşmanızı sağlar. Böylece tahmin, satın alma ekibinin sezgisini ortadan kaldırmaz; onu sayılarla destekler. Özellikle kampanya öncesinde tahmini reklam planıyla birlikte okumak, stok ile bütçe arasındaki kopukluğu önler.

Müşteri hizmetlerinde chatbot ne zaman mantıklıdır?

Chatbot, cevabı belli ve tekrarlayan sorularda mantıklıdır: kargo nerede, iade süresi kaç gün, beden tablosu nasıl okunur. Bu sorular destek ekibinin zamanının önemli bir kısmını alır ve sipariş sistemine bağlı bir bot bunları gece yarısı da yanıtlayabilir.

Öte yandan şikâyet, hasarlı ürün ve ödeme sorunu gibi duygusal ya da parasal konularda botun işi müşteriyi hızla bir insana aktarmaktır. Botun kendinden emin biçimde yanlış iade koşulu söylemesi, hiç bot olmamasından daha pahalıya patlar.

Web sitelerinde chatbot kurulumunu, içerik ve analizle birlikte web sitesinde yapay zeka kullanımı yazısında ayrıntılı anlattım; botu CRM ve sipariş sistemine bağlamanın teknik tarafı ise CRM, ERP ve chatbot entegrasyonları yazısında. E-ticaret özelinde eklemek istediğim tek şey şu: botun her yanıtı, sitedeki güncel iade ve kargo politikasından beslenmeli. Politika değiştiğinde botun bilgi kaynağını da aynı gün güncelleyin.

Sahtecilik tespitinde yapay zeka ne yapar?

Sahtecilik tespit sistemleri, her siparişi yüzlerce sinyale bakarak puanlar: fatura ve teslimat adresi uyumu, aynı kartla kısa sürede yapılan denemeler, alışılmadık sipariş tutarı, cihaz ve konum tutarsızlığı gibi. Yapay zeka bu sinyallerin birlikte oluşturduğu örüntüyü, tek tek kurallardan çok daha iyi yakalar.

Ancak bu sistemlerin iki yönlü bir maliyeti var. Çok gevşek ayar, ters ibraz (chargeback) kayıplarını artırır; çok sıkı ayar ise gerçek müşteriyi reddeder. İkinci kayıp daha sinsidir, çünkü reddedilen müşteri şikâyet etmeden başka mağazaya gider.

Bu yüzden benim önerim şu üç adımdır:

1. Ödeme sağlayıcınızın sunduğu risk puanlamasını açın ve eşikleri öğrenin.
2. Orta riskli siparişleri otomatik reddetmek yerine manuel incelemeye alın.
3. Reddedilen siparişlerden örnek alıp haftalık kontrol edin; yanlış pozitif oranını takip edin.

Böylece sistemi körü körüne güvenilen bir kara kutu olmaktan çıkarıp, sizinle birlikte öğrenen bir filtreye dönüştürürsünüz.

Görsel arama online mağazaya ne kazandırır?

Görsel arama, müşterinin bir fotoğraf yükleyerek benzer ürünleri bulmasını sağlar. Moda, mobilya, dekorasyon ve yedek parça gibi "tarif etmesi zor" ürünlerde özellikle değerlidir; çünkü müşteri ürünün adını bilmese de nasıl göründüğünü bilir.

Ayrıca görsel arama yalnızca sitenizin içinde gerçekleşmez. Google Lens gibi araçlar, kullanıcının çektiği fotoğrafı web'deki ürünlerle eşleştirir. Bu yüzden ürün görsellerinizin net, farklı açılardan çekilmiş ve doğru yapılandırılmış veriyle desteklenmiş olması, sitede görsel arama kurmasanız bile önemlidir.

Yapılandırılmış veri tarafında ürün adı, fiyat, stok durumu ve görsel bilgisini Product işaretlemesiyle vermek, arama motorlarının ürünü doğru anlamasına yardım eder. Bunu hızlıca hazırlamak için schema oluşturucu aracımızı kullanabilirsiniz. Kısacası görsel arama, iyi fotoğraf ve temiz veri üzerine kurulan bir katmandır; bu temel yoksa eklenti satın almak sonucu değiştirmez.

Google Performance Max e-ticarette nasıl çalışır?

Performance Max, Google Ads yardım sayfasının tanımıyla tek bir kampanyadan YouTube, Görüntülü Reklam Ağı, Arama, Discover, Gmail ve Haritalar envanterine erişen, hedefe dayalı bir kampanya türüdür. E-ticarette Merchant Center ürün feed'iyle birlikte çalışır; teklifleri ve reklam yerleşimlerini Google'ın yapay zekası yönetir.

Burada sizin kontrolünüzde kalan üç şey var: ürün feed'inin kalitesi, dönüşüm ölçümünün doğruluğu ve kampanyaya verdiğiniz hedef. Örneğin tüm ürünleri tek bir kampanyaya koyarsanız, sistem bütçeyi kolay satan ama düşük marjlı ürünlere yığabilir. Bu nedenle ürünleri marj ve performansa göre ayrı öğe gruplarına ya da kampanyalara bölmek genellikle daha sağlıklı sonuç verir.

Ayrıca dönüşüm değerini doğru göndermek kritik. Sistem yalnızca "satış oldu" bilgisini alırsa, 100 liralık siparişle 5.000 liralık siparişi aynı sayar. Hedef ROAS belirlemeden önce kârlılık eşiğinizi ROAS hesaplayıcı ile hesaplayın. Kampanya kurgusunu birlikte ele almak isterseniz Google Ads yönetimi sayfasında nasıl çalıştığımızı anlattım.

Meta Advantage+ kampanyalarında nelere dikkat etmelisiniz?

Meta'nın Advantage+ satış kampanyaları, hedefleme, yerleşim ve kreatif kombinasyonlarının büyük kısmını Meta'nın yapay zekasına bırakan otomatik kampanya yapısıdır. Katalogla birlikte kullanıldığında, ürün reklamlarını kullanıcının ilgisine göre dinamik olarak gösterir.

Otomasyonun gücü, beslediğiniz sinyale bağlıdır. Pikselin ve sunucu taraflı dönüşüm kurulumunun eksik olduğu hesaplarda sistem yanlış kitleye öğrenir. Bu yüzden kampanyayı açmadan önce satın alma olayının değer ve para birimiyle birlikte doğru geldiğini mutlaka kontrol edin.

• Kreatif çeşitliliği sağlayın: farklı açılar, video ve kullanıcı içeriği tarzı görseller.
• Katalogdaki stokta olmayan ürünleri düzenli temizleyin.
• Mevcut müşteri oranını izleyin; sistem kolay yoldan eski müşteriye satış yapıyor olabilir.
• Sonuçları tek başına platform raporuyla değil, kendi sipariş verinizle de karşılaştırın.

Kısacası Advantage+ ve Performance Max benzer bir mantığı paylaşır: kontrolü teklif düzeyinden veri ve kreatif düzeyine taşırlar. Yani sizin işiniz, makineye doğru malzemeyi vermektir.

İade oranını düşürmede yapay zekanın rolü nedir?

İade, e-ticarette kârı sessizce eriten kalemlerden biridir. Yapay zeka burada üç noktada yardımcı olur: beden önerisi, iade nedenlerinin analizi ve ürün sayfası düzeltmeleri.

Beden önerisi araçları, müşterinin boy ve kilo gibi bilgilerini ve benzer müşterilerin iade geçmişini kullanarak doğru bedeni önerir. Hazır giyim ve ayakkabıda bu, "iki beden sipariş edip birini iade etme" alışkanlığını azaltabilir.

Benim daha çok önemsediğim kullanım ise iade notlarının analizidir. Müşterilerin serbest metinle yazdığı iade nedenlerini bir dil modeline sınıflandırtmak, yüzlerce notu dakikalar içinde okunabilir bir rapora çevirir. Örneğin belirli bir üründe "renk fotoğraftaki gibi değil" şikâyeti öne çıkıyorsa, sorun lojistikte değil ürün görselindedir. Böylece iadeyi yöneten ekip ile ürün sayfasını yöneten ekip aynı veriye bakar ve düzeltme doğrudan kaynağa gider. Bu konu, e-ticaret sitesinde müşteri güveni ile de yakından bağlantılıdır.

Ürün verisi (feed) neden her yapay zeka uygulamasının temelidir?

Buraya kadar anlattığım uygulamaların hepsi aynı kaynaktan beslenir: ürün verisi. Öneri motoru ürün özelliklerine, arama motoru başlık ve etiketlere, Performance Max ise Merchant Center feed'ine bakar. Dolayısıyla eksik ya da tutarsız ürün verisi, her katmanda ayrı ayrı zarar verir.

Sağlıklı bir ürün verisinde en az şunlar olmalıdır:

• Açıklayıcı ve tutarlı ürün başlıkları (marka, model, temel özellik)
• Doğru kategori eşlemesi
• GTIN, marka ve MPN gibi tanımlayıcılar
• Renk, beden, malzeme gibi varyant özellikleri
• Güncel fiyat ve stok bilgisi

Ayrıca kategori yapınız da bu verinin bir parçasıdır. Mantıksız bir kategori ağacı, hem müşteriyi hem de modeli şaşırtır. Bu nedenle yeni bir yapay zeka aracına bütçe ayırmadan önce, ürün verisi temizliğine bir sprint ayırmanızı öneririm; getirisi genellikle araçtan daha yüksek olur. Ekibimle e-ticaret danışmanlığı projelerinde işe hep bu denetimle başlıyoruz.

E-ticarette yapay zeka ile SEO arasındaki ilişki nedir?

E-ticarette yapay zeka, SEO tarafında iki ayrı biçimde karşınıza çıkar. Birincisi, kategori ve ürün metinlerini üretmek için kullandığınız araçlardır; ikincisi ise ürününüzü müşteriye öneren yapay zeka arama deneyimleridir.

İlk konuda kuralı yukarıda anlattım: toplu üretilen metinler değer katmıyorsa, fayda yerine risk getirir. İkinci konu ise ayrı bir yazının konusu. Arama motorlarındaki yapay zeka özetlerinin siteleri nasıl seçtiğini yapay zeka sonrası teknik SEO yazısında, hangi markaların önerildiğini ise yapay zeka arama motorları hangi markaları öneriyor yazısında ele aldım.

E-ticaret açısından pratik sonuç şu: ürün sayfalarında gerçek kullanım bilgisi, ölçü tablosu, karşılaştırma ve müşteri soruları gibi özgün içerik bulundurmak, hem klasik aramada hem de yapay zeka özetlerinde görünürlüğü destekler. Bu içeriği modelin değil, ürünü tanıyan ekibin bilgisi zenginleştirir. SEO danışmanlığı çalışmalarımızda bu dengeyi kuruyoruz.

Küçük bir online mağaza yapay zekaya nereden başlamalı?

Küçük mağazanın en büyük avantajı, platformların hazır araçlarını hemen kullanabilmesidir. Ayrı bir yazılım satın almadan önce, zaten ödediğiniz platformun sunduğu özellikleri deneyin.

Benim önerdiğim başlangıç sırası şöyle:

1. Sonuç vermeyen aramaları inceleyip eş anlamlı sözlüğünü tamamlayın.
2. Ürün açıklamalarını insan kontrollü bir akışla yenileyin; önce en çok satan 20 üründen başlayın.
3. Destek taleplerini sınıflandırıp en sık 10 soruyu hazır yanıt ya da bot akışına dönüştürün.
4. Reklamda dönüşüm ölçümünü doğrulayıp ardından otomatik kampanyaları test edin.
5. Talep tahmini ve dinamik fiyatlandırmayı, yeterli veri biriktikten sonra ele alın.

Bu sıralamanın mantığı basit: önce ucuz ve geri alınabilir adımlar, sonra pahalı ve etkisi büyük adımlar. Ayrıca her adımdan sonra bir ölçüm noktası koyun. Böylece hangi uygulamanın gerçekten katkı sağladığını, hangisinin yalnızca heyecan yarattığını ayırt edersiniz.

E-ticarette yapay zeka yatırımının getirisini nasıl ölçersiniz?

Getiri ölçümünde en sık yapılan hata, aracın kendi raporuna güvenmektir. Öneri eklentisi "önerilerden gelen ciro" diye bir sayı gösterir; ancak bu ürünlerin bir kısmını müşteri zaten alacaktı. Dolayısıyla gerçek katkıyı görmek için kontrol grubu şarttır.

Ölçüm için şu metrikleri öneririm:

• Öneri ve arama için: dönüşüm oranı ve sepet ortalaması, kontrol grubuna göre
• İçerik üretimi için: katalog yayınlama süresi ve metin kaynaklı iade ya da şikâyet sayısı
• Chatbot için: insana aktarılan konuşma oranı ve memnuniyet puanı
• Reklam otomasyonu için: kâra göre ROAS ve yeni müşteri oranı

Ayrıca maliyet tarafını eksiksiz yazın: abonelik ücreti, entegrasyon için harcanan geliştirici saati ve çıktıları kontrol eden ekibin zamanı. Bu kalemleri toplamadan yapılan getiri hesabı, yatırımı olduğundan parlak gösterir. Kısacası yapay zeka yatırımını da her pazarlama harcaması gibi ölçün.

Kişisel veriler ve gizlilik tarafında neye dikkat etmelisiniz?

Kişiselleştirme, doğası gereği kişisel veriyle çalışır. Bu yüzden öneri, sahtecilik tespiti ve reklam hedefleme gibi uygulamalarda hangi veriyi topladığınızı, nerede işlediğinizi ve kimle paylaştığınızı bilmelisiniz. Türkiye'de KVKK, Avrupa'ya satış yapıyorsanız GDPR bu soruların çerçevesini çizer.

Pratikte dikkat ettiğim noktalar şunlar: çerez onayı olmadan pazarlama etiketlerinin çalışmaması, üçüncü taraf yapay zeka araçlarına müşteri adı, telefon ve adres gibi verilerin gereksiz yere gönderilmemesi ve aydınlatma metninin kullandığınız araçları gerçekten yansıtması. Özellikle bir dil modeline destek konuşmalarını gönderiyorsanız, kişisel bilgileri maskeleyip maskelemediğinizi kontrol edin.

Hukuki yorum bir avukatın işidir; ancak teknik kurulumda gizliliği baştan düşünmek, sonradan yapılan düzeltmeden çok daha ucuzdur. Yani yeni bir aracı devreye almadan önce veri akışını bir sayfalık şemayla çizmek bile, olası sorunların çoğunu önceden görmenizi sağlar.

E-ticarette yapay zeka projelerinde en sık gördüğüm hatalar

Sahada tekrar tekrar karşılaştığım hatalar aslında teknik değil, süreçle ilgili. Örneğin en yaygın olanı, aracı satın alıp veriyi hazırlamadan devreye almaktır.

• Kontrolsüz toplu içerik: yüzlerce ürün metnini okumadan yayına almak ve yanlış teknik bilgiyle iade almak.
• Otomasyona körü körüne güven: reklam kampanyasını açıp haftalarca yalnızca platform raporuna bakmak.
• Yanlış hedef: sistemi satış adedine göre optimize edip kârı gözden kaçırmak.
• Kopuk sistemler: stok, fiyat ve feed arasında senkron olmaması; stokta olmayan ürüne reklam harcamak.
• Sahipsizlik: aracın kimin sorumluluğunda olduğunun belli olmaması.

Son madde özellikle önemli. Yapay zeka aracı bir kez kurulup unutulacak bir şey değildir; model güncellenir, katalog değişir, kampanya dönemi gelir. Dolayısıyla her aracın bir sahibi ve düzenli bir kontrol takvimi olmalıdır. Aksi halde küçük bir hata, fark edilene kadar haftalarca büyür. Bu hataların çoğu, danışmanlık almadan önce kontrol edilecek noktalar listesiyle önceden yakalanabilir.

İnsan kontrolü hangi noktalarda mutlaka kalmalı?

Yapay zekaya ne kadar iş devrederseniz devredin, bazı kararlar insanda kalmalıdır. Benim çizgim şu: müşteriye doğrudan söz veren, fiyatı değiştiren ya da parayı reddeden her karar, en azından örnekleme yoluyla bir insan kontrolünden geçmeli.

Bu somut olarak şu anlama gelir: ürün metinlerinde teknik bilgi ve garanti ifadeleri, fiyatlandırmada bandın dışına çıkan öneriler, sahtecilik sisteminin reddettiği siparişlerden örnekler ve chatbotun iade ya da tazminat konusundaki yanıtları. Ayrıca marka sesi de insan işidir; model, markanızın nasıl konuştuğunu yalnızca sizin verdiğiniz örneklerden öğrenir.

Öte yandan insan kontrolü her şeyi tek tek onaylamak demek değildir. Yüksek riskli alanlarda tam kontrol, orta riskli alanlarda örnekleme, düşük riskli alanlarda ise haftalık rapor yeterlidir. Böylece yapay zekanın hız avantajını korurken hatanın bedelini sınırlarsınız.

Ekibimle e-ticarette yapay zeka projelerini nasıl yürütüyoruz?

Ekibimle bir mağazada yapay zeka çalışmasına başladığımızda önce araç değil, sorun seçiyoruz. İlk hafta ürün verisini, arama raporlarını, iade nedenlerini ve reklam ölçümünü denetliyoruz. Ardından en yüksek getiriyi en düşük riskle sağlayacak iki ya da üç uygulamayı belirleyip her biri için bir ölçüm planı yazıyoruz.

Uygulama tarafında platformun yerleşik araçlarını öncelikli kullanıyoruz; ek yazılım ancak gerçekten bir boşluğu kapatıyorsa devreye giriyor. Site altyapısı buna izin vermiyorsa web tasarım ekibimiz gerekli entegrasyonları kuruyor. Her çıktı yayına girmeden önce insan kontrolünden geçiyor ve sonuçları kontrol grubuna göre raporluyoruz.

Kısacası hedefimiz, mağazanıza en çok yapay zekayı yüklemek değil; en çok kârı getiren doğru yapay zekayı, kontrol edilebilir biçimde çalıştırmak. Kendi mağazanız için bir yol haritası çıkarmak isterseniz, mevcut verinizle başlayan kısa bir denetim en iyi ilk adımdır.