Dijital ticarette rekabet; hız, doğruluk ve ölçek üzerinde kazanılıyor. Artık mesele “daha çok kampanya çıkmak” değil; doğru anda, doğru kişiye, doğru teklif ve deneyimi sunmak. Bunu mümkün kılan üç kuvvet var: otomasyon, yapay zeka ve gerçek zamanlı optimizasyon. Bu yazı, bu üçlüyü somut bir işletme çerçevesine nasıl dönüştürebileceğinizi anlatıyor.
- Neden Şimdi?
- Sinyal bolluğu: Web/app event’leri, CRM, kargo/iadeler, çağrı merkezi, sosyal medya… Hepsi karar için veri.
- Maliyet baskısı: Reklam enflasyonu ve marj erozyonu, “akıllı bütçe”yi zorunlu kılıyor.
- Müşteri beklentisi: Anında yanıt, kişiselleştirilmiş deneyim ve şeffaf süreçler.
- Mimarinin İskeleti (Vendor-agnostik)
- Ölçüm: Standart event şeması (view, add_to_cart, checkout, purchase), server-side ölçüm, UTM disiplini.
- Veri katmanı: Gerçek zamanlı akış (stream) + güvenilir birleştirme (warehouse/CDP).
- Karar katmanı: Kurallı otomasyon + ML modelleri (tahmin/segment/öneri).
- Uygulama katmanı: Reklam platformları, e-posta/CRM, site içi kişiselleştirme, fiyat/promosyon motoru, müşteri hizmetleri botları.
- Yönetişim: KVKK/GDPR uyumu, erişim politikaları, denetim izleri ve model izlenebilirliği.
- Otomasyonun En Yüksek Getirili Kullanım Alanları
A. Pazarlama bütçesi ve teklif stratejisi
- Gerçek zamanlı ROAS, marj ve stok sinyalleriyle bütçe kaydırma.
- Frekans/yaratıcılık eskimesi eşikleri; otomatik kreatif yenileme.
B. Dinamik fiyatlandırma ve promosyon - Talep, marj, rakip ve stok verilerine göre fiyat elastikiyeti; kupon ve kargo eşiği optimizasyonu.
C. Kişiselleştirme ve öneriler - Segment bazlı listeleme, arama sonuçları, “birlikte alınanlar”, “kaldığın yerden devam et”.
D. Stok planlama ve tedarik - Talep tahmini, güvenli stok ve yeniden sipariş seviyeleri; iade oranına göre tedarikçi değerlendirmesi.
E. Müşteri hizmetleri ve RPA - Niyet sınıflandırma (iade, kargo, ürün sorusu), otomatik yanıt + ajan asistanı; sık işlemler için RPA.
- Yapay Zeka Modelleri: Hangi Problem İçin Ne?
- Tahmin (Forecasting): Talep, gelir, iade olasılığı, LTV.
- Sınıflandırma: Kurşun kalem gibi “satın almaya yakın/uzak” skorlamaları, churn riski.
- Kümeleme/segmentasyon: Benzer davranışlı müşteri grupları.
- NLP: SSS ve çağrı metinlerinden niyet/duygu analizi; arama sorgularının normalizasyonu.
- Öneri: İçerik-tabanlı + iş birlikçi filtreleme; stok/marj/iade ile ağırlıklandırma.
- Pekiştirmeli öğrenme (ileri seviye): Teklif ve bütçe tahsisi için çevrimiçi öğrenme.
- Gerçek Zamanlı Optimizasyon Döngüsü (Dakikalar içinde)
Ölç → İşaret → Karar → Eylem → Geri besleme
- Tetikleyici: “Sepet terk %x arttı”, “Yaratıcı CTR eşiğin altına düştü”, “Stok < güvenli seviye”.
- Karar: Önce kurallar (guardrail), sonra model tavsiyesi; çakışma varsa insan onayı.
- Eylem: Teklif, bütçe, kreatif, fiyat, badge, e-posta, push, banner, arama sırası.
- Geri besleme: Etki ölçümü (uplift/incrementality) ve model yeniden eğitim planı.
- Başarıyı Nasıl Ölçeceğiz?
- Kuzey Yıldızı (NSM): “Tekrar satın alan aktif müşteri sayısı” gibi değer odaklı bir metrik.
- İkincil metrikler: CVR, AOV, LTV/CAC, iade oranı, sepet terk, ilk yanıt süresi.
- Deney tasarımı: A/B ya da uplift testleri; “istatistiksel anlamlılık + iş etkisi” birlikte değerlendirilmeli.
- Atıf: Son tıklama körlüğünden kaçın; MTA + artış testleri + basit MMM üçlüsünü dengele.
- Gizlilik, Etik ve Güven
- PII minimizasyonu, amaçla sınırlılık, açık rıza.
- Model önyargı kontrolleri; hassas segmentlere koruma.
- Açıklanabilirlik: “Neden bu öneri?” sorusuna iş mantığıyla yanıt verebilme.
- Felaket düğmesi: Hatalı otomasyonu tek tıkla devre dışı bırakacak mekanizma.
- 90 Günlük Uygulama Planı (Örnek)
Hafta 1–2: Ölçüm envanteri ve event şeması; hız/kritik sayfalar teknik optimizasyonu.
Hafta 3–4: Panolar (yönetim, pazarlama, ürün). Sepet/ödeme hunisi derin analizi.
Hafta 5–6: Otomasyon #1 — Sepet terk tetikleyicileri (e-posta/SMS/push + dinamik teşvik).
Hafta 7–8: Otomasyon #2 — Reklam bütçesi ve kreatif yenileme eşikleri.
Hafta 9–10: ML #1 — Talep tahmini + stok uyarıları; öneri modülü POC.
Hafta 11–12: Incrementality testi, kazananların kalıcıya alınması; model izleme ve retraining takvimi. - Sık Yapılan Hatalar
- “Araç toplayıp süreç kurmamak”: Teknoloji var, ritüel yok.
- Pano şişkinliği: Çok grafik, az karar.
- Guardrail’siz otomasyon: Marj/stoğu gözetmeden agresif indirim ya da teklif.
- Tek seferlik model: Eğitim yok, izleme yok; performans sürünür.
- Gizlilik ve tanım tutarsızlıkları: KVKK riski + ekipler arası metrik karmaşası.
- WebAction Yaklaşımı (Özet)
- Ölçüm disiplini → veri doğruluğu.
- “Az ama etkili” otomasyon → önce guardrail, sonra model.
- Gerçek zamanlı tetikleyiciler → dakika bazlı karar.
- Deney kültürü → her iyileştirme testle kanıtlanır.
- Müşteri ve marj odağı → ROAS değil, sürdürülebilir kârlılık.
Sonuç
E-ticaretin geleceği; insan sezgisinin veriyle güçlendiği, kararların dakikalar içinde alındığı esnek bir işletme mekanizmasıdır. Otomasyon işleri hızlandırır, yapay zeka karmaşıklığı yönetir, gerçek zamanlı optimizasyon ise fırsatı anında gelire çevirir. Doğru mimari ve ritüelle birleştirildiğinde bu üçlü, büyümeyi tahminden çıkartıp tekrarlanabilir bir sisteme dönüştürür.
