IHS Strategic
Tüm Blog Yazıları
HowTo10 Eylül 2026•2 dk okuma

E-Ticarette Yapay Zeka Destekli Ürün Öneri Sistemleri Kurulum Rehberi

E-ticaret sitelerinde yapay zeka ile kişiselleştirilmiş ürün öneri motoru kurma adımları. Modern web mimarisi, veri toplama ve algoritma seçimi rehberi.

S

Sistem Yöneticisi

Kıdemli Yazılım Mimarı

Yapay Zeka Destekli Öneri Motoru Nedir?

Kullanıcı davranışı analiz edilir. Doğru ürün, doğru kullanıcıya gösterilir. Satış ve sepet tutarı artar. Bu rehber, sıfırdan entegrasyona kadar gerekli teknik adımları içerir.

Adım 1: Veri Toplama Altyapısını Kur

Öneri modeli veriyle beslenir. Minimum veri gereksinimleri:

  • Tıklama Verisi (Clickstream): Hangi kullanıcı hangi ürüne baktı.
  • Satın Alma Geçmişi: Hangi ürünler birlikte alındı.
  • Kullanıcı Nitelikleri: Konum, cihaz, oturum süresi.
  • Ürün Meta Verisi: Kategori, etiket, fiyat, açıklama.

Modern web sitelerinde bu veriler REST API veya WebSocket ile doğrudan kuyruk sistemine (Redis/Kafka) aktarılır.

Adım 2: Öneri Algoritması Tipini Seç

İhtiyaca göre üç temel model kullanılır:

1. İşbirlikçi Filtreleme (Collaborative Filtering)

Benzer kullanıcı davranışları eşleşir. Kullanıcı A ve Kullanıcı B benzer ürünleri aldıysa, A'nın aldığı ama B'nin görmediği ürün B'ye önerilir.

2. İçerik Tabanlı Filtreleme (Content-Based Filtering)

Ürün özelliklerine odaklanır. Vektör veritabanları (pgvector, Qdrant) kullanılır. Ürün açıklamalarının metin gömmeleri (embeddings) çıkarılır, kosinüs benzerliği hesaplanır.

3. Hibrit Model

Soğuk başlangıç (cold start) sorununu çözer. Yeni kullanıcılara popüler veya içerik tabanlı ürünler; eski kullanıcılara işbirlikçi filtreleme sunulur.

Adım 3: Modern Web Entegrasyonu

Veritabanı yükünü düşürmek ve yanıt süresini 50ms altında tutmak şarttır.

  • Önerileri API arkasında önbelleğe (Cache) al.
  • İstemci tarafında widget dinamik yüklenir, ana sayfa render süresi etkilenmez.
  • Trendler takip edilmeli: Headless mimariler ve mikro ön uçlar (micro-frontends) hızlı dağıtım sağlar.
Veri yetersizse kural tabanlı motorla başla. Veri büyüdükçe LLM ve vektör arama entegre et.

Adım 4: A/B Testi ve Performans Takibi

Sistem kurulduktan sonra metrikler izlenir:

  • CTR (Tıklama Oranı): Önerilen ürün tıklanma oranı.
  • Dönüşüm Oranı (CR): Öneriden gelen satın alma yüzdesi.
  • AOV (Ortalama Sepet Tutarı): Çapraz satış etkisi.

Teknik operasyon yükü fazlaysa deneyimli bir dijital ajans ile altyapı optimize edilir.