Yapay zekâ ile ürün önerisi, ziyaretçinin baktığı ürüne, sepetine ve önceki davranışına göre sayfada hangi ürünlerin gösterileceğini otomatik seçmektir. Sonucu belirleyen, modelin adından çok ürün verinizin ve ziyaret kayıtlarınızın kalitesidir. Öneri kutusunu doğru sayfaya, doğru türle yerleştirmek de model seçimi kadar sonucu etkiler.
Müşterinin isim, yazı ya da görsel ekleyerek kişiye özel ürün sipariş ettiği modülü ürün kişiselleştirme modülü yazımızda anlattık; o konu ürünün kendisini kişiye göre üretmekle ilgilidir. Burada vitrinin kişiye göre değişmesini, yani öneri sistemlerini ele alıyoruz.
Hangi öneri türü nerede kullanılır?
E-ticarette işin çoğunu beş öneri türü görür: benzer ürün, birlikte alınan tamamlayıcı ürün, son bakılan ürünler, kişiye göre öneri ve popüler ürünler. Google'ın e-ticaret öneri hizmeti de modellerini benzer biçimde ayırır; son bakılan ürünler listesini gerçek bir öneri modeli saymaz, ziyaretçinin etkileşime girdiği ürünleri en yeniden eskiye sıralar [1]. Bu ayrım bütçe açısından önemlidir, çünkü son bakılan kutusu için yapay zekâ projesine gerek yoktur.
| Öneri türü | Gereken veri | Uygun yer | Dikkat |
|---|---|---|---|
| Benzer ürün | Başlık, kategori ve özellik alanları | Ürün sayfası, stokta olmayan ürün | Özellik verisi zayıfsa alakasız sonuç verir |
| Tamamlayıcı ürün | Birlikte satın alma kayıtları | Ürün ve sepet sayfası | Sipariş azsa elle eşleştirme gerekir |
| Son bakılan | Oturumdaki ürün görüntülemeleri | Ana sayfa, kategori sayfası | Yapay zekâ gerektirmez, çerez metninde amacı açıklanmalıdır |
| Kişiye göre öneri | Görüntüleme ve sepete ekleme geçmişi | Ana sayfa, e-posta | Geçmişi olmayan ziyaretçide popüler ürüne döner |
| Popüler ürün | Satış ve görüntüleme toplamları | Yeni ziyaretçi, sonuçsuz arama | Stok ve kâr filtresi olmadan yanlış ürünü öne çıkarır |
İpucu: Her kutuya iş kuralı ekleyin: stokta olmayan, iade oranı yüksek ya da katkı payı düşük ürünler öneride çıkmasın. Model en çok tıklananı bilir, hangi ürünün size kâr bıraktığını bilmez.
Öneri sistemi için ne kadar veri gerekir?
Benzer ürün önerisi yalnızca katalog verisiyle çalışabilir; davranışa dayalı öneriler ise aylarca biriken görüntüleme ve satın alma kaydı ister. Google'ın belgelerine göre benzer ürün modeli kullanıcı olayı gerektirmez [1]. Aynı hizmetin sık sorulan sorularında modellerin çoğunun en az üç aylık ürün sayfası görüntüleme, ana sayfa görüntüleme ve sepete ekleme verisiyle daha iyi çalıştığı, birlikte alınan ürün modeli için ideal olarak bir-iki yıllık satın alma geçmişi önerildiği belirtiliyor [2].
Ayda birkaç yüz sipariş alan bir mağazada birlikte alınan ürün modeli için yeterli eşleşme oluşmayabilir. Bu durumda tamamlayıcı ürünleri ürün sorumlusu elle eşleştirsin: termosun yanında yedek kapak, kamp sandalyesinin yanında taşıma çantası gibi. Benzer ürün kutusunun kalitesi ise başlık, kategori ve özellik alanlarının doluluğuna bağlıdır; bu alanları yapay zekâyla ürün özellik verisi zenginleştirme yazımızdaki yöntemle düzeltebilirsiniz.
Soğuk başlangıç sorunu nasıl çözülür?
Geçmişi olmayan ziyaretçiye popüler ürünlerle, satış geçmişi olmayan yeni ürüne benzer ürünlerin verisiyle başlarsınız. Google'ın öneri hizmeti de geçmişi olmayan ziyaretçide genel popüler ürünlerden başladığını, satın alma geçmişi olmayan ürünlerde benzer ürünlere dayandığını açıklıyor [2]. Ziyaretçi gezindikçe öneriler kişiselleşir.
Popüler ürün listesine stok ve kâr filtresi koymazsanız kutu, zaten çok satan ve indirimde olan ürünleri öne çıkarır. Yeni sezon ürünlerini ilk haftalarda modelin keşfetmesini beklemeden ayrı bir "yeni gelenler" alanında elle gösterin. Yeni ürünün başlığı, kategorisi ve açıklaması eksikse benzer ürün eşleşmesi de zayıf kalır.
Ürün önerisinin işe yaradığını nasıl ölçersiniz?
A/B testiyle ölçersiniz: ziyaretçilerin bir kısmı öneri kutusunu, diğer kısmı eski düzeni görür ve iki grubun ziyaretçi başına gelirini, sipariş başına ürün sayısını karşılaştırırsınız. Öneri kutusundan gelen tıklama sayısı tek başına ölçüt olamaz. Müşteri o ürünü kutu olmadan da bulup alacak olabilir.
Dikkat: Testi kampanya dönemine denk getirmeyin; Kasım indirimlerinde trafik ve sepet davranışı değişir. Test süresini en az iki tam haftaya yayın ki hafta içi ve hafta sonu farkı dengelensin. İade oranını da izleyin, çünkü yanlış beden ya da uyumsuz aksesuar öneren kutu satışla birlikte iadeyi de artırabilir. Test kurgusunun genel kurallarını dönüşüm oranı optimizasyonu yazımızda bulabilirsiniz.
Kişiselleştirme için çerez onayı gerekir mi?
Ziyaretçinin gezinme geçmişini saklayan ya da ona göre profil çıkaran öneriler için açık rıza almayı güvenli yol olarak görün. KVKK'nın Çerez Uygulamaları Hakkında Rehberi, açık rıza gerektirmeyen kişiselleştirme çerezlerine kullanıcının açıkça seçtiği dil tercihi ya da sayfa başına sonuç sayısı gibi örnekler verir [3]. Aynı rehber davranışsal reklam çerezlerinin açık rıza gerektirdiğini belirtir ve kullanıcının aktif bir eylemine dayanmayan onayın açık rıza sayılamayacağını vurgular [3].
Öneri düzenini onay vermeyen ziyaretçide de çalışacak biçimde kurun: ziyaretçi verisi kullanmadan katalogdan üretilen benzer ürün ve popüler ürün kutuları ilk katmanda, gezinme geçmişine dayanan kişiye göre öneri ise onaydan sonra çalışsın. Çerez metninizde öneri amacını ayrı bir başlıkta açıklayın. Müşteri verisini yapay zekâ araçlarında işlemenin hukuki tarafını yapay zekâ ve müşteri verisinde KVKK yazımızda ele aldık; bu bölüm genel bilgidir, metninizi hukuk danışmanınızla son haline getirin.
Ürün önerisi projesine nereden başlanmalı?
Ürün sayfasındaki benzer ürün kutusuyla başlayın. En az veriyle çalışır ve stokta olmayan bir ürünün sayfasına gelen ziyaretçiye alternatif gösterir. Ardından sepet sayfasına tamamlayıcı ürünleri, en son kişiye göre öneriyi ekleyin.
Öneri sistemini katman katman kurun
- Benzer ürün Ürün sayfasında; yalnız katalog verisiyle çalışır.
- Tamamlayıcı ürün Sepette; sipariş geçmişi ya da elle eşleştirme ister.
- Kişiye göre öneri Çerez onayından sonra; gezinme geçmişine dayanır.
Kullandığınız altyapının hazır öneri modülünü, harici bir öneri servisini ve özel geliştirmeyi aynı ölçütlerle karşılaştırın: hangi veriyi kullanıyor, iş kuralı eklenebiliyor mu, A/B testi yapılabiliyor mu, çerez onayına göre davranışı değişiyor mu. Öneri sistemi, yapay zekâ e-ticaret danışmanlığı çalışmalarında veri hazırlığının sonucu en doğrudan etkilediği alanlardan biridir.
Ürün kataloğu dışa aktarımınızı, son üç ayın sipariş dökümünü ve çerez onay ekranınızın görüntüsünü paylaşarak WebAction'ın e-ticaret danışmanlığı hizmeti üzerinden değerlendirme talep edebilirsiniz. İlk görüşmede hangi öneri türüyle başlanacağını ve ölçüm planını birlikte netleştiririz.
Sık sorulan sorular
Ürün önerisi için ayrı bir yazılım satın almak gerekir mi?
Her zaman gerekmez. Önce altyapınızın sunduğu öneri alanlarını ve iş kuralı seçeneklerini inceleyin. Katalog büyük, trafik yüksek ve hazır modül iş kuralı eklemeye izin vermiyorsa harici servis ya da özel geliştirme değerlendirilir.
Küçük bir katalogda ürün önerisi işe yarar mı?
Birkaç yüz ürünlük katalogda elle eşleştirilmiş tamamlayıcı ürünler ve benzer ürün kutusu çoğu zaman yeterlidir. Kişiye göre öneri için trafik ve sipariş verisinin birikmesini bekleyin.
Öneri kutusunda kârsız ya da stokta olmayan ürün çıkarsa ne yapmalıyım?
İş kuralı ekleyin. Stokta olmayan, katkı payı belirli bir eşiğin altında kalan ya da iade oranı yüksek ürünleri öneri havuzundan çıkarın ve bu listeyi haftalık güncelleyin.
Ürün önerisi ile ürün kişiselleştirme modülü aynı şey mi?
Hayır. Ürün önerisi vitrinde hangi ürünün gösterileceğini seçer. Ürün kişiselleştirme modülü ise müşterinin isim ya da görsel ekleyerek kişiye özel ürün sipariş etmesini sağlar.
Kaynaklar
- Google Cloud — AI Commerce Search, öneri modeli türleri (18.10.2026)
- Google Cloud — AI Commerce Search, sık sorulan sorular (18.10.2026)
- Kişisel Verileri Koruma Kurumu — Çerez Uygulamaları Hakkında Rehber (18.10.2026)
İhtiyacınızı konuşalım, ilk adımı belirleyelim.
Talebinizi bırakın; ekibimiz ihtiyacınızı dinlesin ve uygun kapsamı paylaşsın.
- Ücretsiz ve yükümlülüksüz
- Çalışma saatlerinde geri arama
