AI ürün önerileri, her bir müşteriye isteyebileceği ürünleri göstermek için tarama, satın alma ve katalog verilerinden öğrenen modeller tarafından oluşturulan önerilerdir. Pilottan üretime geçiş; temiz ürün verileri, güvenilir etkinlik takibi, mevcut önerilerinize karşı kontrollü bir test ve algoritmanın neleri teşvik edip neleri etmemesi gerektiğine dair net kurallar gerektirir.
Bu kontrol listesi, hazırlıktan ölçeklendirmeye kadar çoğu mağazanın izlemesi gereken sırayı takip eder.
AI öneri motorları aslında ne yapar?
Çoğu sistem birkaç tekniği birleştirir. İşbirlikçi filtreleme, “bunu satın alanlar şunu da satın aldı” gibi kalıpları bulur. İçerik tabanlı yöntemler; kategori, renk, malzeme ve fiyat gibi ürün özelliklerini karşılaştırır. Daha yeni sistemler, dil ve görüntü modellerinden elde edilen yerleştirmeleri ekler, böylece satın alma geçmişi az olsa bile ürünleri açıklama veya görünüme göre ilişkilendirebilirler.
Seçenekler; Shopify uygulamaları veya Adobe Commerce Ürün Önerileri gibi e-ticaret platformlarının yerleşik özelliklerinden, Nosto, Klevu, Algolia Recommend, Dynamic Yield veya Bloomreach gibi özel satıcılara ve Google Cloud’un ticaret için Vertex AI Search ve Amazon Personalize gibi bulut hizmetlerine kadar uzanır. Doğru seçim; katalog boyutuna, trafiğe ve üstlenebileceğiniz teknik iş miktarına bağlıdır.
Aşama: Verileriniz hazır mı?
Öneri kalitesi, veri kalitesi ile sınırlıdır. Herhangi bir sözleşme imzalamadan önce temelleri kontrol edin.
- Ürün akışı: her ürünün benzersiz bir kimliği, başlığı, kategorisi, fiyatı, stok durumu, resim URL’si ve temel özellikleri vardır.
- Tutarlı kategoriler: yıllar içinde farklı personel tarafından oluşturulmuş yinelenen veya çakışan kategori adları yoktur.
- Etkinlik takibi: ürün görüntülemeleri, sepete ekleme, satın almalar ve arama sorguları, akışla aynı ürün kimlikleriyle kaydedilir.
- Stok senkronizasyonu: stokta olmayan ürünler önerilmemeleri için hızlı bir şekilde işaretlenir.
- Onay: takip; GDPR, KVKK veya diğer geçerli kurallar kapsamındaki çerez banner’ınıza ve gizlilik ayarlarınıza saygı duyar.
GA4 kullanıyorsanız, e-ticaret etkinliklerinin (view_item, add_to_cart, purchase) ürün kimliklerini taşıdığını kontrol edin. Buradaki boşluklar, pilot projelerin düşük performans göstermesinin en yaygın nedenidir.
2. Aşama: Hedefi ve yerleşimleri tanımlayın
Algoritmaları seçmeden önce başarının ne anlama geldiğine karar verin. Bir moda mağazası daha yüksek ortalama sipariş değeri isteyebilirken, bir elektronik mağazası aksesuar ekleme oranıyla daha fazla ilgilenebilir. Her hedef farklı yerleşimler gerektirir.
Tipik yerleşimler ve amaçları
- Ana sayfa: geri dönen ziyaretçiler için kişiselleştirilmiş seçimler, yeniler için en çok satanlar.
- Ürün sayfası: benzer ürünler ve sıklıkla birlikte satın alınanlar.
- Sepet sayfası: düşük fiyatlı ekstralar ve tamamlayıcı ürünler.
- Satın alma sonrası e-posta: stok yenileme veya bir sonraki adım ürünleri.
- Arama sonuçları ve sıfır sonuçlu sayfalar: sorgunun tam eşleşmesi olmadığında alternatifler.
Pilota bir veya iki yerleşimle başlayın. Her yerde aynı anda başlatmak, neyin işe yaradığını görmeyi zorlaştırır.
3. Aşama: İş kurallarını belirleyin
Saf algoritmik çıktı; düşük marjlı ürünler, yüksek iade oranına sahip ürünler veya bazı kitleler için uygun olmayan ürünler gibi teşvik etmek istemediğiniz ürünleri ortaya çıkarabilir. Çoğu platform, üzerine mağazacılık kuralları eklemenize izin verir.
- Stokta olmayan ve üretimi durdurulan ürünleri hariç tutun.
- Tasfiye ürünlerinin ne sıklıkla görüneceğini sınırlayın.
- Kampanyalar için ürünleri öne çıkarın veya sabitleyin, ancak yuvaların bir kısmını tamamen algoritmik tutun.
- Bebek ürünlerinin alkolün yanında olması gibi mantıksız olan kategoriler arası önerileri engelleyin.
- Fiyat mantığına saygı gösterin, örneğin marj önemliyse premium bir ürün sayfasında daha ucuz bir alternatif önermeyin.
Her kuralı belgeleyin. Sonuçlar değiştiğinde, buna modelin mi yoksa bir kuralın mı neden olduğunu bilmeniz gerekir.
4. Aşama: Adil bir pilot yürütün
Pilot, öncesi ve sonrası karşılaştırması değil, bir A/B testi olmalıdır. Mevsimsel değişimler ve pazarlama kampanyaları aylık rakamları kolayca saptırır. Trafiği, mevcut önerileriniz (veya hiçbiri) ile aynı yerleşimdeki yeni motor arasında bölün.
Ziyaretçi başına gelir veya dönüşüm oranı gibi birincil bir metrik ve öneri widget’ındaki tıklama oranı, ortalama sipariş değeri ve iade oranı gibi ikincil metrikler seçin. Testi, tam haftalık döngüleri kapsayacak ve makul bir örnekleme ulaşacak kadar uzun süre çalıştırın. Küçük mağazalar birkaç haftaya ihtiyaç duyabilir; çok küçük mağazalar istatistiksel olarak net bir sonuç için yeterli trafiğe sahip olmayabilir ve bulguları yönlendirici olarak değerlendirmelidir.
Soğuk başlangıç problemine dikkat edin. Yeni ürünlerin ve ilk kez gelen ziyaretçilerin geçmişi yoktur, bu yüzden motorun onlar için özel olarak nasıl davrandığını kontrol edin.
5. Aşama: Üretime geçin
Pilot başarılı olursa, adım adım genişletin. Her seferinde bir yerleşim ekleyin ve zaman içindeki artışı ölçmeye devam edebilmek için belki trafiğin küçük bir kısmı olan bir kontrol grubu tutun.
Üretim kontrol listesi
- İzleme: widget boş sonuçlar döndürürse veya akış senkronize edilemezse uyarılar.
- Performans: öneri komut dosyaları sayfaları yavaşlatmamalıdır; dağıtımdan sonra Core Web Vitals’ı, özellikle LCP ve INP’yi kontrol edin.
- Yedekler: motor yanıt vermezse en çok satanları veya kategori bazında en iyi ürünleri gösterin.
- Düzenli inceleme: tuhaf kalıpları yakalamak için en çok önerilen ürünlerin aylık kontrolü.
- Gizlilik incelemesi: veri saklama ve işleme şartlarını satıcı ile doğrulayın.
Hangi hatalar çoğu dağıtımı yavaşlatır?
Birincisi, varsayılan yapılandırmaya güvenmektir. Satıcılar genel varsayılanlar belirler; kataloğunuz farklı bir ağırlıklandırmaya ihtiyaç duyabilir. İkincisi, bir karusel’in sepete ekle düğmesini ekranın altına itebileceği mobil düzenleri görmezden gelmektir. Üçüncüsü, gelir yerine tıklamaları ölçmektir. Bir widget, müşterileri satın almak üzere oldukları üründen uzaklaştırırken birçok tıklama çekebilir.
Alien Road AI ürün önerilerini nasıl uygular
Tipik bir çalışmada keşif, bir veri denetimi ile başlar: ürün akışını dışa aktarırız, GA4 veya platform etkinlik takibini gözden geçiririz ve eksik kimlikler veya tutarsız kategoriler gibi boşlukları listeleriz. Ayrıca mağazacılık ekibiyle marjlar, iadeler ve kampanya öncelikleri hakkında görüşürüz.
Kurulum; akışın temizlenmesini, platforma ve bütçeye uygun bir çözümün seçilmesini, bir veya iki yerleşimin yapılandırılmasını ve müşteriyle birlikte iş kurallarının yazılmasını içerir. Ölçüm için A/B testini tasarlarız, birincil ve ikincil metrikleri tanımlarız ve widget yayına girmeden önce ve sonra sayfa hızını kontrol ederiz.
Raporlama, pilot sırasında haftalık, yayına girdikten sonra ise aylık olarak yapılır; ziyaretçi başına geliri, ekleme oranını, widget tıklama oranını ve tüm kural değişikliklerini kapsar. Bir yerleşim sonuçları iyileştirmiyorsa, çalışmaya devam etmesine izin vermek yerine duraklatırız.
Bu hafta nereden başlamalı
Ürün akışınızı dışa aktarın ve rastgele on ürünü kontrol edin: her birinin doğru kategorisi, fiyatı, stok durumu ve resmi var mı? Ardından GA4 DebugView’u açın, bir ürünü görüntüleyin ve sepete ekleyin ve etkinliklerin akışla eşleşen ürün kimliklerini taşıdığını doğrulayın. Bu iki kontrol, mağazanızın bir pilot için hazır olup olmadığını veya önce veri çalışmasına ihtiyaç duyup duymadığını ortaya koyar.