Perakende ve E-Ticarette Süper Zekâ Entegrasyonu ve 2027’ye Hazırlık

Perakende ve e-ticarette süper zekâ, müşterinin karşısına çıkan bir sohbet penceresinden çok daha geniş bir alanı dönüştürüyor. Bir ürünün nasıl keşfedildiğini, hangi seçeneklerle karşılaştırıldığını, stokların nasıl planlandığını ve satış sonrasında hangi kararların alınabildiğini etkiliyor.

Alışveriş yolculuğu da çeşitleniyor. Tüketici bir mağazada ürünü deneyebilir, bir süper zekâ asistanından karşılaştırma isteyebilir, markanın sitesinde ayrıntıları doğrulayabilir ve farklı bir arayüzde ödeme yapabilir. Bu temasların tümünde aynı fiyatı, doğru ürün bilgisini ve tutarlı bir hizmet deneyimini bulmayı bekler.

Webtures’ın yaklaşımında 2027’ye hazırlık dört soruyla başlar: Markanız keşfediliyor mu? Ürünleriniz doğru anlaşılıyor mu? Verdiğiniz söz işlem anında geçerli mi? Bu deneyim sürdürülebilir kâr üretiyor mu?

Bu soruların yanıtı; pazarlama, ticaret teknolojileri, operasyon ve veri ekiplerinin birlikte çalışmasını gerektirir. Güçlü bir dönüşüm, bu ekiplerin ortak ölçüm sistemi ve açık sorumluluklarla ilerlemesiyle mümkün olur.

Yönetici özeti: 2027’ye hazırlanırken öncelik ne olmalı?

Perakende ve e-ticarette süper zekâ entegrasyonu nedir?

Süper zekâ entegrasyonu; tahmin, öneri, içerik üretimi veya görev yürütme yeteneklerinin işletmenin gerçek verileri ve iş süreçleriyle bağlantılı çalışmasıdır. Bir modelin etkileyici yanıt üretmesi, satış sistemindeki doğru stok bilgisine erişmesi veya güvenli biçimde sipariş oluşturmasıyla aynı yetkinlik değildir.

Entegrasyonun kapsamı kullanım amacına göre değişir:

Bu yaklaşımlar birlikte çalışabilir. Bir talep modeli stok ihtiyacını hesaplar; üretken model gerekçeyi açıklar; bir ajan da yetkisi varsa satın alma talebi oluşturur. Her katmanın veri ihtiyacı, hata biçimi ve kontrol mekanizması ayrı tanımlanmalıdır.

2026 verileri ne söylüyor?

Pazarın yönünü anlamak için araştırmaların kapsamını, ölçüm dönemini ve verinin türünü birlikte okumak gerekir. Anket beklentisi, platform kullanım verisi ve deney sonucu aynı şeyi ölçmez.

Adobe’nin Ağustos 2026 raporu, ABD perakende sitelerindeki bir trilyondan fazla ziyareti ve 100 milyondan fazla ürünü kapsayan analiz ile 5.000’i aşkın ABD tüketicisinin katıldığı araştırmaya dayanır. Sonuçları küresel ortalama olarak kullanmak doğru olmaz.

Amazon’un Mayıs 2026 açıklaması, Rufus’un “Alexa for Shopping” adıyla yenilendiğini de duyurur. Walmart’ın 2027 mali yılı ikinci çeyrek görüşmesi ise 20 Ağustos 2026 tarihlidir; mali yıl ile takvim yılı birbirine karıştırılmamalıdır.

Agentic SI beklentisine ilişkin veri, 2026 tarihli küresel bir perakende görünümü araştırmasından alınmıştır ve 330 yöneticiye dayanır. Katılımcıların %86’sı yıllık geliri en az 1 milyar dolar olan perakendecilerde çalışmaktadır. Dolayısıyla sonuçlar küçük işletmelerin temsilî bir fotoğrafı değildir.

Webtures açısından bu verilerin ortak mesajı, yeni arayüzlerin ticari önem kazandığıdır. İşletmenin kendi yatırım kararı ise kendi müşteri davranışı, marjı ve kontrollü deneyleriyle verilmelidir.

Süper zekâ pazarının büyüklüğü nasıl okunmalı?

Fortune Business Insights’ın 14 Eylül 2026 güncellemesi, küresel perakende süper zekâ pazarını 2025 için 12,40 milyar dolar olarak tahmin eder; 2026 için 16,54 milyar dolar, 2034 için 105,88 milyar dolar öngörür.

Bu rakamlar belirli bir araştırma şirketinin pazar tanımı ve modeline dayanır. Süper zekânın etkilediği toplam perakende satışlarıyla aynı büyüklüğü ifade etmez. Ayrıca 2026 rakamı, yıl tamamlanmadan yayımlanan bir projeksiyondur.

Bir yönetim ekibi için asıl soru şudur: İşletmemizin hangi kararında yeterince büyük, ölçülebilir ve çözülebilir bir verimsizlik var? Pazarın büyümesi yatırım bağlamı sağlar; uygulanacak projenin geri dönüşünü tek başına kanıtlamaz.

Alışveriş yolculuğu nasıl değişiyor?

Bugün üç farklı model birlikte gelişiyor.

Markanın kendi asistanı: Kullanıcı markanın sitesinde veya uygulamasında ihtiyacını anlatır. Asistan katalog, sipariş ve destek sistemleriyle çalışır. Deneyimin tasarımı ve müşteri ilişkisi büyük ölçüde markanın kontrolündedir.

Süper zekâdan mağazaya yönlendirme: Kullanıcı dış bir asistanla araştırma yapar, ürünü seçer ve satıcının ödeme deneyimine geçer. Marka, keşif aşamasında doğru temsil edilmek ve geçişte bağlamı korumak zorundadır.

Arayüz içinde işlem: Uygun platformlarda müşteri, ürün bulma ve satın alma adımlarını aynı arayüzde tamamlayabilir. Bu modelin kullanılabilirliği ülke, satıcı, ödeme yöntemi ve entegrasyona bağlıdır.

OpenAI’nin 24 Mart 2026 açıklaması, ürün keşfine odaklanmayı ve satıcıların kendi ödeme deneyimlerini kullanabilmesini öne çıkarır. Shopify’ın agentic storefronts belgeleri, ChatGPT yönlendirmesi ile bazı diğer kanallardaki doğrudan ödeme akışlarını ayrı tanımlar. Uygunluk ve aktivasyon koşulları kanal bazında değerlendirilmelidir.

Bu çeşitlilik, web sitesinin önemini ortadan kaldırmaz. Ürün doğrulama, kapsamlı bilgi, marka deneyimi ve satış sonrası ilişki için güçlü bir mağaza altyapısı değerini korur. Yeni ihtiyaç, bu altyapının farklı arayüzlerle tutarlı biçimde çalışmasıdır.

Agentic commerce nedir ve nasıl uygulanır?

Agentic commerce, süper zekâ ajanlarının kullanıcı tarafından belirlenen amaç ve yetkiler doğrultusunda alışveriş görevlerine katılmasıdır. Ürün bulma, seçenek karşılaştırma, sepet hazırlama veya izin verilen işlemleri yürütme bu kapsamda yer alabilir.

Örneğin müşteri, “Yağmurlu havada kullanabileceğim, belirli bütçeyi aşmayan ve cuma gününe kadar teslim edilebilecek bir koşu ayakkabısı bul” diyebilir. Başarılı sistem yalnızca ürün açıklamalarını karşılaştırmaz. Numara, stok, teslimat bölgesi, toplam maliyet ve iade koşullarını da kontrol eder.

Uygulanabilir bir akış şu adımları içerir:

• İhtiyacın ve kısıtların anlaşılması; eksik bilgiler için soru sorulması.
• Uygun ürünlerin güncel katalogdan bulunması.
• Fiyat, stok ve teslimatın işlem sisteminden doğrulanması.
• Seçeneklerin gerekçeleriyle sunulması.
• Gerekli müşteri onayının veya önceden verilmiş yetkinin kontrol edilmesi.
• İşlemin güvenli biçimde yürütülmesi ve sonucun doğrulanması.
• Sipariş, iptal ve iade bilgilerinin müşteriye erişilebilir tutulması.

Bir ajan aynı isteği teknik hata nedeniyle tekrar gönderdiğinde iki sipariş oluşmamalıdır. Fiyat değişirse eski tutar üzerinden sessizce ilerlememelidir. Ödeme başarısız olduğunda işlem tamamlanmış gibi konuşmamalıdır. Bunlar modelin dil yeteneğinden çok ticaret sisteminin işlem tasarımıyla ilgilidir.

İlk uygulamada ajanın ürün bulması ve sepet hazırlaması yeterli olabilir. Otomatik satın alma yetkisi, daha olgun veri ve kontrol yapısı gerektirir.

ACP, UCP, MCP ve AP2 ne anlama geliyor?

2027’ye hazırlıkta protokol isimlerini bilmek yararlıdır; ancak her birinin hangi sorunu çözdüğünü ayırmak daha önemlidir.

Google’ın UCP duyurusu, bu yapının farklı protokollerle birlikte çalışmasını hedefler. OpenAI’nin ticaret geliştirici belgeleri, ürün verisi ve entegrasyonun güncel kapsamını gösterir. Google’ın Nisan 2026 AP2 açıklaması, kullanıcı işlem anında bulunmadığında önceden verilmiş talimatlara dayalı ödeme senaryolarını ele alır.

Bir protokole bağlanmak, ürün verisini kendiliğinden doğru hâle getirmez; ödeme kabulünü, güvenliği veya satış artışını garanti etmez. Teknik uyumluluk, işletme politikaları ve müşteri deneyimi birlikte sınanmalıdır. Protokollerin birbirini nasıl tamamladığı agentic commerce protokol haritasında ayrıntılı olarak ele alınır.

Ürün verisi: SI görünürlüğünün ve işlemin ortak temeli

Bir insan, eksik ürün açıklamasını müşteri hizmetlerine sorarak tamamlayabilir. Bir alışveriş ajanının ürünü doğru karşılaştırabilmesi için ise bilgilerin açık ve tutarlı olması gerekir.

Ürün verisi çalışması şu alanları kapsamalıdır:

• Kalıcı ürün ve varyant kimlikleri; uygun ürünlerde GTIN ve üretici kodları.
• Boyut, malzeme, renk, kapasite, uyumluluk ve kullanım amacı gibi kategori özellikleri.
• Para birimi, vergi ve kampanya koşullarıyla birlikte fiyat.
• Varyant ve lokasyon düzeyinde stok veya sipariş verilebilirlik.
• Teslimat bölgesi, tahmini süre ve ek ücretler.
• İade, garanti, abonelik ve yenileme koşulları.
• Gerçek ürünü temsil eden görseller ve doğrulanabilir açıklamalar.

Ürün bilgi yönetimi sistemi, web sayfası, katalog feed’i ve sipariş sistemi birbiriyle çelişmemelidir. Güncellik ihtiyacı da alan bazında belirlenmelidir. Malzeme bilgisi seyrek değişebilir; stok ve kampanya fiyatı çok daha sık güncellenebilir.

Her veri alanının sahibi olmalıdır. Yanlış teslimat vaadi görüldüğünde pazarlama ekibinin mi, depo sisteminin mi, taşıyıcı entegrasyonunun mu sorumlu olduğu anlaşılmalıdır. “SI yanlış söyledi” açıklaması, kök neden analizinin yerini tutmaz.

Webtures’ın önerisi, önce en çok gelir üreten veya en çok hata yaşanan ürün grubunda veri kalite denetimi yapmaktır. Ardından aynı kuralları tüm kataloğa yaymak daha yönetilebilir bir yol sunar.

SI görünürlüğü nasıl ölçülür?

Markanın bir süper zekâ yanıtında görünmesi, farklı düzeylerde incelenmelidir: Adı geçiyor mu, ürün öneriliyor mu, kaynak olarak gösteriliyor mu, bilgiler doğru mu ve kullanıcı satın alma sürecine geçebiliyor mu?

Ölçüm, sabit bir soru listesinden fazlasını gerektirir. Ürün kategorisi, kullanım amacı, bütçe, ülke, dil ve müşteri ihtiyacı farklı sorgular üretir. “En iyi kulaklık” ile “Uzun uçuş için hafif ve pil ömrü yüksek kulaklık” farklı ticari fırsatlardır.

Sağlıklı bir izleme sisteminde sorgu, tarih, platform, ülke, dil ve yanıt kaydı tutulur. Tek bir cevap üzerinden genel görünürlük puanı çıkarılmaz. Aynı koşullarda tekrar ölçüm yapılarak değişkenlik görülür.

Önerilen göstergeler şunlardır:

• İlgili soru kümesinde markanın görünme oranı.
• Ürün ve marka bilgilerinin doğruluk oranı.
• Kaynak gösterilen sayfaların dağılımı.
• Rakiplerle karşılaştırmalı görünürlük.
• İzlenebilen SI yönlendirmelerinin dönüşüm ve katkı kârı.
• Yanlış fiyat, stok veya ürün özelliği içeren yanıtların sıklığı.

Google’ın 16 Eylül 2026 güncellemesi bazı ülkelerde Merchant Center üzerinden SI performans içgörüleri sunulduğunu açıklar. Bu, her ülke ve her platform için eksiksiz bir ölçüm katmanı olduğu anlamına gelmez.

Yönlendirme bilgisinin kaybolabildiği ziyaretler ayrıca ele alınmalıdır. Konunun ölçüm boyutu için Dark SI Traffic rehberine bakılabilir. İzlenemeyen trafiğin tamamını süper zekâya atfetmek doğru bir yöntem değildir.

Kişiselleştirme ve ürün önerileri nasıl değer üretir?

Kişiselleştirme, müşterinin o anki ihtiyacını daha az çabayla karşılamasına yardımcı olduğunda değer üretir. Geçmiş alışverişlerin tümü kalıcı tercih değildir. Hediye için alınan bir ürün, kullanıcının kendi ilgi alanını temsil etmeyebilir.

Bir öneri sistemi; bağlamı, ürün uygunluğunu, stokları ve müşteri tercihlerini birlikte değerlendirmelidir. Soğuk başlangıç yaşayan yeni kullanıcılar için popülerlik, kategori bilgisi veya açıkça sorulan tercihler kullanılabilir.

Önerilerin başarısını yalnızca tıklama oranıyla ölçmek, düşük marjlı ürünleri veya aşırı indirimleri öne çıkarabilir. Sepete ekleme, tamamlanan sipariş, iade sonrası gelir ve tekrar alışveriş birlikte izlenmelidir.

Kontrol grubuyla yapılan deneyler, önerinin gerçekten ek değer yaratıp yaratmadığını anlamaya yardımcı olur. Zaten satın alacak müşterinin satışını öneri sistemine yazmak, yatırım getirisini olduğundan yüksek gösterir.

Müşteriye önerilerin nasıl şekillendiğini anlama ve tercihlerini değiştirme imkânı sunmak da deneyimin parçasıdır. Kişiselleştirme, kullanıcının seçeneklerini daraltan görünmez bir filtreye dönüşmemelidir.

Görsel arama, sanal deneme ve üretken içerik

Görsel arama, müşterinin bir fotoğraftan benzer ürün bulmasına yardımcı olabilir. Sanal deneme ise özellikle moda, kozmetik ve ev dekorasyonunda ürünün kullanım bağlamını göstermeyi kolaylaştırır. Bu deneyimlerin gerçek ürünü ne kadar doğru temsil ettiği ayrıca ölçülmelidir.

Ekranda iyi görünen bir giysi simülasyonu, beden uyumunu veya kumaşın fiziksel davranışını garanti etmez. Mobilya yerleştirme deneyiminde ölçü hatası, teslimat ve iade maliyetine dönüşebilir. Bu nedenle model performansıyla birlikte müşteri beklentisi de yönetilmelidir.

Üretken içerik uygulamalarında ürün açıklaması, çeviri ve kampanya varyasyonları hızlandırılabilir. Ancak malzeme, garanti, sağlık iddiası, sertifika veya teknik uyumluluk gibi bilgiler doğrulanmış kaynaktan gelmelidir.

İyi bir iş akışı; onaylı ürün verisini kullanır, eksik bilgiyi işaretler, riskli iddiaları editöre gönderir ve yayımlanan sürümü kayıt altında tutar. Sahte müşteri yorumu veya gerçek kullanım deneyimi gibi sunulan sentetik tanıklıklar bu sistemin parçası olmamalıdır.

Reklam ve perakende medyasında SI yaklaşımı

Süper zekâ reklam metni ve görsel üretimini hızlandırabilir, ürün gruplarını sınıflandırabilir ve bütçe kararlarına destek olabilir. Bunun ticari karşılığı, kampanyanın gerçek ürün ekonomisiyle bağlantılı olmasına bağlıdır.

Stoku tükenmek üzere olan bir ürüne yoğun reklam vermek, yüksek iade oranlı kategoride yalnızca satış gelirini optimize etmek veya farklı kanallarda çelişkili fiyatlar göstermek performans sorunları yaratır. Reklam sistemleri stok, marj ve operasyon kısıtlarından beslenmelidir.

Yeni SI reklam yüzeyleri de ülke ve program bazında değerlendirilmelidir. Google’ın Eylül 2026 duyurusunda YouTube reklamları için Business Agent ABD’de beta olarak açıklanmıştır. Bir ürün duyurusunu bütün reklamverenlerin kullanabildiği standart hizmet gibi sunmak doğru değildir.

Ölçümde platformun raporladığı dönüşüm ile gerçek ek satış ayrılmalıdır. Uygun durumlarda kontrol grupları, bölgesel deneyler veya kampanya durdurma testleri kullanılabilir. Amaç, farklı platformların aynı siparişi kendi başarısı olarak yazmasını azaltmaktır.

Müşteri hizmetleri ve satış sonrası otomasyon

Müşteri hizmetlerinde ilk hedef, müşterinin sorununu doğru ve sürdürülebilir maliyetle çözmektir. Bir konuşmanın insan temsilciye aktarılmadan kapanması, sorunun çözüldüğünü tek başına kanıtlamaz.

Sipariş durumu, teslimat bilgisi ve standart iade koşulları daha sınırlı riskle otomatikleştirilebilir. Yüksek tutarlı geri ödeme, hesap değişikliği, istisnai garanti kararı veya şüpheli işlem daha güçlü doğrulama ve yetkilendirme gerektirir.

İnsan temsilciye geçişte konuşma özeti, yapılan kontroller ve denenmiş adımlar aktarılmalıdır. Müşterinin aynı bilgileri tekrar tekrar vermesi, otomasyonun görünmeyen maliyetidir.

Başarı için ilk temasta çözüm, tekrar başvuru, yanlış işlem, çözüm süresi ve müşteri memnuniyeti birlikte izlenmelidir. Destek maliyeti düşerken şikâyet ve iade artıyorsa uygulama yeniden değerlendirilmelidir.

Satış sonrası süreçler agentic commerce için de önemlidir. Ajan üzerinden oluşturulan siparişin iptali, teslimat takibi ve iadesi müşteriye anlaşılır biçimde sunulmalıdır. Alışverişi kolaylaştıran sistem, sorun çözmeyi zorlaştırmamalıdır.

Talep tahmini, stok ve tedarik zinciri

Tahmin sistemleri geçmiş satışları, kampanyaları, mevsimselliği ve uygun dış değişkenleri kullanarak stok kararlarını destekleyebilir. Ancak geçmiş satış, her zaman gerçek talep değildir. Ürünün stokta olmadığı günlerde satışın sıfır olması, talebin sıfır olduğu anlamına gelmez.

Bir talep modeli değerlendirilirken zaman sırasına uygun test yapılmalıdır. Gelecekte öğrenilecek bilgilerin eğitim verisine sızması, gerçek hayatta tekrarlanamayacak bir başarı görünümü yaratır.

Tahmin kalitesi ürün gruplarına göre incelenmelidir. Hızlı tüketim ürünleri, seyrek satılan parçalar ve kısa ömürlü moda koleksiyonları aynı davranışı göstermez. Yeni ürünlerde benzer ürünlerden öğrenme ve uzman değerlendirmesi gerekebilir.

Operasyonel başarı, tahmin hatasının yanında stokta bulunurluk, elde tutma maliyeti, fire, indirim ihtiyacı ve hizmet seviyesiyle ölçülmelidir. Daha düşük tahmin hatası, karar kuralları değişmiyorsa beklenen finansal sonucu üretmeyebilir.

ERP, depo yönetimi ve sipariş yönetimi sistemleri arasındaki veri gecikmesi özellikle önemlidir. SI önerisinin doğru olması, tedarik süresi veya depo kapasitesi göz ardı edildiğinde yeterli olmaz.

Fiziksel mağaza ile dijital deneyim nasıl birleşir?

Mağaza çalışanına ürün bilgisi sunan asistanlar, raf bulunurluğunu değerlendiren görüntü sistemleri ve mağazadan teslim alma süreçleri fiziksel perakendede uygulanabilecek örneklerdir.

Bu uygulamalar çalışanların mevcut iş akışına uyum sağlamalıdır. Yanıtı güvenilir olmayan veya kullanımı satış anını yavaşlatan bir yardımcı, eğitim süresi kısa olsa bile benimsenmeyebilir. Pilotlar gerçek mağaza koşullarında denenmelidir.

Görüntü işleme kullanılan projelerde amaç açık tanımlanmalıdır. Raf üzerindeki ürün sayımı ile müşterilerin kimliğini veya duygusal durumunu analiz etmek farklı veri ve risk düzeyleri yaratır. Daha az veriyle aynı iş sonucuna ulaşılabiliyorsa bu seçenek tercih edilmelidir.

Çevrim içi stok görünürlüğü, mağazada rezervasyon ve iade kabulü gibi temel süreçlerin tutarlılığı, birçok işletme için yeni bir SI özelliğinden önce çözülmesi gereken sorundur.

Fiyatlandırma ve promosyon optimizasyonu

Süper zekâ, fiyat esnekliğini anlamaya, kampanya seçeneklerini karşılaştırmaya ve indirimlerin etkisini tahmin etmeye yardımcı olabilir. Karar sistemine marj tabanı, marka politikası ve stok hedefleri gibi sınırlar eklenmelidir.

Talep veya zamana göre herkes için değişen fiyat ile bireysel kullanıcı profiline göre belirlenen fiyat farklı uygulamalardır. Hedef pazardaki veri kullanımı, tüketici bilgilendirmesi ve ayrımcılık riskleri kullanım senaryosu özelinde değerlendirilmelidir.

Bir promosyon, kısa vadede satış artırırken müşterileri sürekli indirim beklemeye alıştırabilir. Ölçüm penceresi bu nedenle yalnızca kampanya süresinden ibaret olmamalıdır. Sonraki dönem talebi, kategori içi satış kayması ve iade davranışı da incelenmelidir.

SI önerdiği için otomatik fiyat değiştirmek yerine, ilk aşamada öneri ve onay modeli uygulanabilir. Güvenilirlik ve ticari sonuçlar kanıtlandıkça sınırlı otomasyon devreye alınabilir.

Teknik mimari: Modelden önce hangi bağlantılar kurulmalı?

Sağlam bir mimari, modelin hangi bilgiye eriştiğini ve hangi işlemi yapabildiğini açıkça ayırır. Ürün açıklaması ile fiyatın kaynağı aynı olmayabilir. İade politikası belgelerden alınırken siparişin gerçek durumu işlem sisteminden sorgulanmalıdır.

Önerilen mimari altı katmandan oluşur:

• Veri katmanı: Katalog, müşteri, stok, sipariş ve politika verilerinin kaynakları.
• Erişim katmanı: Kimlik doğrulama, rol ve müşteri bağlamına göre izinler.
• Bilgi ve model katmanı: Arama, ilgili belgelerin getirilmesi, tahmin veya üretim modelleri.
• Araç katmanı: Stok sorgulama, sepet oluşturma ve izinli işlem fonksiyonları.
• Kontrol katmanı: İş kuralları, harcama sınırları, onaylar ve hata yönetimi.
• Gözlem katmanı: Yanıt kalitesi, araç çağrıları, maliyet, gecikme ve işlem sonucu kayıtları.

Belgelere dayalı yanıt üretimi için RAG kullanılabilir. Ancak bilgi getirme yaklaşımı, canlı stok ve ödeme doğrulamasının yerine geçmez. Güncel işlem bilgisi ilgili sisteme bağlanarak alınmalıdır.

Adobe’nin Nisan 2026 Commerce duyuruları, ticaret verilerine ve işlemlerine erişimi kolaylaştıran MCP yaklaşımı ile konuşmalı alışveriş entegrasyonlarının ürünleştiğini gösterir. Her özelliğin kullanılabilirliği, lisansı ve kurulum kapsamı ayrıca kontrol edilmelidir.

Model seçiminde en büyük modeli her görevde kullanmak zorunlu değildir. Basit sınıflandırma, karmaşık ürün danışmanlığı ve riskli işlem doğrulaması farklı çözümler gerektirebilir. Toplam maliyet; model kullanımı, veri hazırlığı, entegrasyon, izleme ve insan denetimini içermelidir.

Güven, yetki ve düzenlemeler nasıl ele alınmalı?

Bir ürün açıklaması veya müşteri mesajı, sistemin görevini değiştirmeye çalışan talimatlar içerebilir. Bu nedenle dış kaynaklı içerik, işlem yetkisi veren güvenilir komut gibi değerlendirilmemelidir. Ajanın yapabileceği işlemler araç ve sunucu tarafındaki kurallarla sınırlandırılmalıdır.

Ödeme bilgilerini modele gereksiz biçimde açmak, geniş erişim anahtarları vermek ve belirsiz süreli satın alma yetkisi tanımlamak önlenmelidir. Yetkinin kapsamı, süresi, bütçesi ve iptal yöntemi açık olmalıdır. Hatalı bir sürümün durdurulması ve önceki akışa dönülmesi mümkün olmalıdır.

Küresel operasyonlarda ülke bazındaki gizlilik, tüketici ve süper zekâ düzenlemeleri birlikte ele alınmalıdır. AB AI Act’in 50. maddesi, belirli SI etkileşimleri ve sentetik içerikler için rol ve koşula bağlı şeffaflık yükümlülükleri içerir.

2026/1744 sayılı değişiklik kapsamında 2 Aralık 2026 geçiş tarihi, 2 Ağustos 2026’dan önce piyasaya sunulmuş ilgili sistemlerin sağlayıcıları açısından 50(2) maddesiyle bağlantılıdır. Bu tarih “bütün pazarlama içeriklerine aynı gün zorunlu filigran” biçiminde genellenmemelidir.

Bir ürün öneri sistemi, sırf SI kullandığı için otomatik olarak yüksek riskli sayılmaz. İşe alım veya kredi değerlendirmesi gibi farklı kullanım amaçları ayrı değerlendirme gerektirir. Proje envanteri bu ayrımı görünür kılmalıdır.

Hangi metrikler izlenmeli?

Ölçüm sistemi, teknoloji performansını müşteri deneyimi ve finansal sonuçla birleştirmelidir.

Paydalar açık tanımlanmalıdır. Dönüşüm oranı oturum üzerinden mi, kullanıcı üzerinden mi hesaplanıyor? Ajanın tekrar denemeleri ayrı görev mi sayılıyor? İade sonrası kâr hangi zaman penceresinde ölçülüyor?

Bu tanımlar sabitlenmeden farklı ekiplerin raporları karşılaştırılmamalıdır. Yeni sistemin başarısı, ölçüm yönteminin değişmesinden kaynaklanıyor olabilir.

Yatırım getirisi nasıl hesaplanır? Örnek senaryo

Aylık 500.000 uygun ziyaret alan bir mağazada dönüşüm oranının kontrollü testle %2,0’dan %2,2’ye yükseldiğini varsayalım. Artış 0,2 yüzde puandır; göreli olarak %10’dur.

Bu hesap sabit hacim ve fayda varsayar; devreye alma süresi, mevsimsellik ve sermaye maliyetini içermez. Gerçek değerlendirmede düşük, temel ve yüksek etki senaryoları hazırlanmalıdır.

Dönüşüm artışının uygulamadan kaynaklandığı gösterilemiyorsa, bütün farkı SI yatırımına yazmak doğru olmaz. Destek maliyeti tasarrufu ile satış etkisinin aynı faydayı iki kez saymadığından da emin olunmalıdır.

İlk 90 gün: Uygulamaya nasıl başlanır?

İlk aşama geniş bir araç satın alma programı yerine, tek bir kullanım alanında ölçülebilir sonuç üretmeye odaklanmalıdır.

Pilot seçerken gelir potansiyeli kadar veri erişimi, entegrasyon zorluğu ve hata maliyeti de değerlendirilmelidir. Örneğin ürün özelliklerini açıklayan bir yardımcı ile otomatik geri ödeme yapan ajan aynı başlangıç projesi değildir.

Durdurma ölçütleri baştan yazılmalıdır. Yetkisiz işlem, belirlenen sınırın üzerinde yanlış yanıt, kabul edilemez gecikme veya negatif katkı kârı görüldüğünde uygulama kısıtlanmalıdır.

Küçük işletmeler hazır platform özellikleriyle başlayabilir. Büyük işletmelerde veri, kanal ve ülke çeşitliliği daha fazla entegrasyon çalışması gerektirebilir. Aynı teknoloji yol haritası her ölçeğe uygulanmamalıdır.

2027’ye hazırlık yol haritası

2027 planı, doğrulanmış mevcut durumla başlamalı; platformların ilan ettiği gelecek özelliklere bağımlı kritik hedeflerden kaçınmalıdır.

2026 son çeyrek: Temeli güçlendirme. Katalog doğruluğu, fiyat ve stok tutarlılığı, mevcut SI kullanımları ve ölçüm altyapısı denetlenir. Pilot adayları belirlenir. Tedarikçi sözleşmelerinde veri kullanımı, çıkış imkânı ve sorumluluklar incelenir.

2027 ilk çeyrek: Kanıt üretme. Seçilen uygulamalar kontrollü biçimde test edilir. Ticari etki, müşteri deneyimi ve hata maliyeti birlikte değerlendirilir. Başarılı pilot için operasyon sahibi atanır.

2027 ikinci çeyrek: Kanalları bağlama. Uygun SI alışveriş yüzeyleri ve mağaza deneyimleri entegre edilir. Ürün verisinin kanallar arasında tutarlılığı izlenir. Ajanların kullanabileceği araçlar ve yetkiler gözden geçirilir.

2027 üçüncü çeyrek: Kontrollü kapsam genişletme. Yeni kategori, ülke veya süreçler kademeli eklenir. Satış sonrası deneyim ve insan destek akışı güçlendirilir. Değişen model ve platform sürümleri yeniden test edilir.

2027 son çeyrek: Portföy kararı. Kârlı uygulamalar ölçeklenir; sonuç üretmeyenler kapatılır veya yeniden tasarlanır. Sonraki yılın bütçesi kullanım sayısıyla değil doğrulanmış değerle ilişkilendirilir.

Google’ın Eylül 2026 duyurusunda UCP ile ilgili bazı yeni özelliklerin ABD’de kademeli açılması, Avustralya ve Kanada genişlemesinin ise 2027 başı için planlanması, ülke bazında hazırlığın önemini gösterir. Açıklanan takvimler uygulama öncesinde yeniden kontrol edilmelidir.

Ekip yapısı ve teknoloji seçimi

Başarılı programın sahibi yalnızca bilgi teknolojileri veya pazarlama ekibi olmamalıdır. Ticari hedef sahibi, veri ve teknoloji sorumlusu, operasyon temsilcisi ve risk değerlendirmesini yürüten kişiler birlikte çalışmalıdır.

Satın alma kararında şu sorular sorulmalıdır: Verimizi dışarı aktarabiliyor muyuz? Bir model veya platform değişirse hangi parçalar etkilenir? İşlem kayıtları erişilebilir mi? İnsan müdahalesi destekleniyor mu? Maliyet hacim arttığında nasıl değişiyor?

Hazır çözüm, daha hızlı başlangıç sağlayabilir. Özel geliştirme, farklılaşan süreçler ve karmaşık entegrasyonlarda değer yaratabilir. Karma yaklaşım da mümkündür: temel model ve platform hazır alınırken veri, kontrol ve müşteri deneyimi işletmeye özgü tasarlanabilir.

Çalışanların rolü de dönüşür. Ürün uzmanı doğrulanmış bilgi kaynağını güçlendirir; destek yöneticisi istisna kurallarını belirler; analist ticari etkiyi ölçer. Eğitim, yalnızca etkili komut yazmayı değil, hatayı tanıma ve doğru müdahale etme becerisini kapsamalıdır.

2027’de hangi gelişmelere hazırlanmalıyız?

Webtures’ın değerlendirmesine göre hazırlık planları üç senaryoya dayanabilir. Bunlar kesin pazar tahminleri değildir.

Keşfin daha fazla SI arayüzüne taşınması: Markalar ürünlerinin doğru temsil edilmesi ve karşılaştırılabilir veri sunması için daha fazla çalışır. Kendi web deneyiminin güvenilirliği bu süreci destekler.

İşlemlerin seçili kanallarda arayüz içine alınması: Bazı kategorilerde alışveriş adımları kısalır. Satıcılar müşteri ilişkisi, ödeme, teslimat ve iade süreçlerinin sorumluluğunu koruyacak tasarımlar geliştirir.

Operasyonel ajanların kontrollü yaygınlaşması: Stok istisnası inceleme, kampanya hazırlama veya destek talebi sınıflandırma gibi sınırları belirli görevler daha fazla otomatikleşir. Kritik işlemlerde yetki ve doğrulama ihtiyacı devam eder.

Kategori farkları belirleyicidir. Gıdada tazelik ve ikame, modada beden ve iade, elektronikte uyumluluk ve garanti, B2B ticarette sözleşme fiyatı ve satın alma onayı öne çıkar. “Agent-ready” olmak bu farklı gereksinimleri karşılayabilmektir.

En dayanıklı yatırım; doğru veri, açık arayüzler, taşınabilir ölçüm ve kontrollü işlem yapısıdır. Bu yetkinlikler, belirli bir platformun popülerliği değişse de işletmeye hizmet etmeyi sürdürür.

Sık sorulan sorular

E-ticarette süper zekâ kullanmaya nereden başlanmalı?

Ölçülebilir bir sorun seçilmelidir. Ürün verisi eksikliği, tekrarlanan destek soruları veya belirli kategoride stok sorunu uygun başlangıçlar olabilir. Veri kalitesi ve sorunun mevcut maliyeti belirlenmeden çözüm seçmek, yanlış projeye yatırım riskini artırır.

Bir sohbet botu kurmak yeterli mi?

Sohbet arayüzü tek başına entegrasyon değildir. Yanıtın güvenilir bilgiye dayanması, güncel sistemlere bağlanması ve gerektiğinde insan desteğine aktarılması gerekir. İşlem yapacaksa ayrıca kimlik, yetki ve doğrulama katmanları kurulmalıdır.

Agentic commerce için web sitesini yenilemek gerekir mi?

Her zaman tam yeniden tasarım gerekmez. Önce katalog verisi, site performansı, erişilebilirlik, işlem sistemleri ve desteklenen entegrasyonlar değerlendirilmelidir. Görsel yenileme ile teknik hazırlık farklı ihtiyaçlardır.

SI kaynaklı trafik daha çok satış getirir mi?

Bazı araştırmalarda daha yüksek dönüşüm gözlenmiştir; ancak sonuçlar ülke, kategori ve kullanıcı niyetine göre değişebilir. İşletme kendi verisini ölçmeli ve gözlenen farkın nedenini araştırmalıdır. Dış araştırmadaki oran doğrudan bütçe varsayımı yapılmamalıdır.

Süper zekâ ajanı müşteri adına otomatik satın alma yapabilir mi?

Teknik olarak desteklenen ortamlarda mümkün olabilir. Ürün, ülke, ödeme yöntemi ve müşteri yetkisi gibi koşullar belirleyicidir. Önceden verilmiş yetkinin kapsamı, tutar sınırı ve iptal imkânı açık olmalıdır.

SI yatırımı için ne kadar bütçe gerekir?

Tek bir standart tutar yoktur. Hazır platform özelliği ile çok ülkeli, işlem yetkili özel sistem farklı maliyetler yaratır. Başlangıç yatırımı, sürekli kullanım, insan denetimi ve entegrasyon bakımı birlikte hesaplanmalıdır.

2027’de insan müşteri hizmetleri ortadan kalkar mı?

Bu yönde kesin bir sonuç çıkarılamaz. Tekrarlanan görevler otomatikleşebilir; istisnalar, hassas durumlar ve karmaşık müşteri ihtiyaçları insan desteği gerektirebilir. Başarı, görevlerin uygun biçimde paylaşılmasıyla değerlendirilmelidir.

Webtures yaklaşımı: Görünürlükten ticari sonuca

Webtures’ın bu rehberde önerdiği yaklaşım, SI görünürlüğünü ürün verisi ve müşteri yolculuğuyla birlikte değerlendirmektir. Markanın keşfedilmesi, doğru anlaşılması ve güvenilir biçimde satın alınabilmesi aynı ticari sürecin parçalarıdır.

İlk adım, mevcut durumu ortaya koymaktır: SI platformlarında nasıl temsil ediliyorsunuz, ürün bilgileriniz nerelerde çelişiyor, satın alma yolculuğunda hangi engeller var ve ölçüm sistemi bu kayıpları gösterebiliyor mu?

İkinci adım, öncelikleri belirlemektir. Her işletmenin hemen otonom ödeme kurması gerekmez. Bazılarında katalog kalitesi, bazılarında kişiselleştirme, bazılarında stok ve destek süreçleri daha yüksek değer üretir.

Üçüncü adım, sonucu ölçerek ilerlemektir. Teknik uygulama; işletmenin teknoloji ekipleri, platform sağlayıcıları ve gerekli uzmanlarla birlikte ele alınmalıdır. Ödeme ve hukuki uyum sorumlulukları ilgili taraflarda açık biçimde tanımlanmalıdır.

Daha ayrıntılı hazırlık çerçevesi için Agentic Commerce Hazırlık Raporu’nu inceleyebilirsiniz.

2027 yol haritanızı veriye dayalı önceliklerle oluşturun. Mevcut görünürlüğünüzü, ürün verinizi ve ticari dönüşüm fırsatlarınızı değerlendirmek için Webtures ile iletişime geçin.

İletişime geçin →