E-ticarette yapay zekâ nasıl kullanılır: 9 karar alanı
E-ticarette yapay zekâ tek bir araç değil, bir dizi karardır: ürün içeriği, katalog sıralaması, rakip fiyatı, müşteri sorusu, iade, talep ve bütçe. Her alanda neyin değiştiği ve nereden başlanacağı.

E-ticarette yapay zekâ; ürün içeriği, katalog sıralaması, rakip fiyatı, müşteri soruları, iade, talep ve kampanya bütçesi gibi her hafta tekrar eden kararları veriyle, gerekçesiyle ve sonucunu ölçerek vermek için kullanılır. Çoğu zaman tek bir araç olarak düşünülür: bir sohbet botu, bir ürün açıklaması üreticisi, bir öneri motoru. Oysa e-ticaret bir dizi tekrar eden karardır ve yapay zekânın asıl değeri bu kararları aynı veriyle, gerekçesiyle ve ölçerek vermektir. Aşağıda dokuz karar alanını ve her birinde neyin değiştiğini sıraladık.
E-ticaret yapay zekâ uygulamaları: 9 karar alanı
1. Ürün içeriği ve veri kalitesi
Eksik attribute, zayıf açıklama ve yanlış görsel, ürünü hem aramada hem kategoride geri iter. Yapay zekâ her ürünü kendi attribute'u, görseli ve marka diliyle zenginleştirir ve veri kalitesini 0–100 arası skorlar; düşük skorlu ürün önce düzeltilir. (S0 Ecom · Product Enrichment)
2. Katalog ve kategori sıralaması
Hangi ürünün kategorinin ilk sayfasında duracağı, kategori ekiplerinin günlerce yaptığı bir iştir. Satış hızı, stok kapsamı, yenilik ve indirim durumu birlikte okunduğunda sıralama hazır stratejilerle ya da serbest bir komutla kurulur. Ayrıntısı kategori sıralaması yazısında. (S0 Ecom · Catalog Planning)
3. Rakip ve fiyat takibi
Seçilen rakiplerin sezondaki ürünleri kategori bazında izlenir; markanın fiyat bandındaki yeri yeşil, sarı ve kırmızı olarak okunur. Karar, “fiyatı değiştir” değil, “bu üründe neden pahalıyız ve ne yapmalıyız” sorusudur. (S0 Ecom · Market Intelligence)
4. Müşteri soruları ve pazar yeri: yapay zekâ asistanı
Ürün, kargo ve stok soruları en çok tekrar eden müşteri temasıdır. Bir yapay zekâ asistanı bu sorulara ürün ve sipariş verisiyle canlı cevap verir; grup şirketlerinde her marka kendi tonuyla konuşur. Bunun nasıl kurulduğunu agent kural matrisi yazısında anlattık. (S0 Ecom · Helpdesk Agent)
5. Beden ve iade
Modada iadenin büyük kısmı beden ve kalıp kaynaklıdır. Kişiye özel beden önerisi iadeyi baştan azaltır; beden × renk iade matrisi ise kalıp sorununu üretime geri taşır. İade verisi üretim kararına nasıl döner yazısında örneği var. (S0 Ecom · Size Advisor, S0 Supply)
6. Talep ve stok
Gelecek sezon ne, ne kadar ve hangi kanalda satacak; beden dağılımı ne olmalı; indirime ne zaman girilmeli? Talep tahmini rapor olarak kalmaz, sipariş ve katalog kararına bağlanır. (S0 Forecast)
7. Müşteri sesi
Pazar yeri yorumları, çağrı merkezi kayıtları ve iade sebepleri ürüne ve attribute'a bağlandığında, “bu ürünün kumaşı ince” şikâyeti ürün ekibine ve üretime ulaşır. (S0 Customer)
8. Kampanya ve bütçe
Online, offline ve ajans harcaması tek getiri hesabında ölçülür: hangi ürüne, hangi kanalda, ne kadar bütçe. Kampanya stokla uyumlu kurulur; stoğu bitmek üzere olan ürün öne çıkarılmaz. (S0 Marketing)
9. Teslimat ve “kargom nerede”
Sipariş, kargo ve depo verisi müşteri sorusundan ayrı durmaz; asistan “kargom nerede” sorusuna anlık cevap verir, merkez gecikmeyi ve maliyeti kanal bazında okur. (S0 Logistics)
Her alana ayrı yapay zekâ aracı mı, ortak hafıza mı?
Bu dokuz alanın her biri için ayrı bir yapay zekâ aracı almak mümkün. Sorun, araçların birbirinin öğrendiğini bilmemesidir: iade verisi beden önerisine, müşteri şikâyeti üretime, stok bilgisi kampanyaya ulaşmaz. Sıfırdan karar yok yazısında buna araç enflasyonu dedik. SONROY'da bütün alanlar aynı hafızayı, SNR Core'u okur; bir alanda öğrenilen diğerinde de geçerlidir.
E-ticarette yapay zekâya nereden başlanır?
Çoğu e-ticaret ekibi en görünür ve en sık tekrar eden karardan başlar: katalog sıralaması ya da ürün içeriği. İlk alan oturduktan sonra ikincisi aynı veriyle kurulur. Hangi alanın sizin için önce geldiğini görmek için karar hafızası testini yapabilir ya da otuz dakikalık demoda kendi verinizle bakabilirsiniz. Kavramın tamamı: karar zekâsı nedir.
Kısa cevaplar
Sık tekrar eden ve sonucu ölçülen kararlarda: ürün içeriği ve veri kalitesi, katalog sıralaması, müşteri soruları, beden ve iade, talep ve stok. Bu kararlar her hafta yeniden verildiği için yapay zekânın öğrenme döngüsü hızlı döner.
Her araç kendi işini yapabilir, ama birbirinin öğrendiğini bilmez. İade verisi beden önerisine, müşteri şikâyeti üretime ulaşmaz. Alanların aynı hafızayı okuması, bir alanda öğrenilenin diğerinde de kullanılmasını sağlar.
Ürün, kargo ve stok soruları ürün ve sipariş verisiyle cevaplanabilir. Cevabın pazar yerine nasıl iletileceği, her pazar yerinin satıcıya sunduğu entegrasyona bağlıdır.
Özet
- E-ticarette yapay zekâ tek araç değil, dokuz tekrar eden karardır.
- En hızlı getiri: ürün içeriği, katalog sıralaması ve müşteri soruları.
- Beden ve iade verisi üretime, müşteri sesi ürüne bağlandığında öğrenme alanlar arası akar.
- Başlangıç en görünür karardır; ikinci alan aynı veriyle kurulur.


