Bir ürünün yanına tamamlayıcı bir ürün göstermek için her zaman kişiye özel AI sistemi gerekmez. Ürünler arasındaki ilişki açıksa manuel seçim veya basit kurallar yeterli olabilir. AI kişiselleştirmeyi, müşteriden gelen verinin hangi öneriyi gerçekten değiştireceğini ve bu değişimin nasıl değerlendirileceğini açıklayabildiğinizde ele alın.

Bu rehber, ürün önerilerini geliştirmek isteyen mağazalar için yöntem seçimine odaklanır. Araç listesi yerine katalog ilişkisi, müşteri verisi ve ölçüm ihtiyacını birlikte inceler.

Ürün ilişkisi ile kişiye özel öneriyi ayırın

“Bu ürünle birlikte kullanılabilir” açıklaması, iki ürün arasındaki ilişkiye dayanır. “Bu müşteri için daha uygun olabilir” önerisi ise müşteri hakkında ek bilgi gerektirir. Aynı blok içinde görünseler de farklı soruları cevaplarlar.

Örneğin bir cihazla uyumlu taşıma kılıfını göstermek için müşterinin geçmiş alışverişlerini bilmeniz gerekmeyebilir. Uyum ilişkisini doğru kaydetmeniz yeterli bir başlangıçtır. Çok sayıda seçenek içinden kullanım sıklığı veya tercihine göre seçim yapmak ise başka bir değerlendirmedir.

Shopify’ın kişiselleştirme açıklaması, davranış ve müşteri verisinin deneyimi uyarlamak için kullanılmasını ele alıyor. Bu genel kullanım alanı, her ürün önerisi bloğunun kişiye özel çalıştığı anlamına gelmez.

Önce çözülemeyen kararı tanımlayın

Bir öneri sisteminin amacı “daha fazla ürün göstermek” olmamalı. Müşteri alternatif mi arıyor, seçtiği ürünü tamamlamak mı istiyor, yoksa uyum konusunda mı kararsız? Her amaç farklı ürün ilişkisi gerektirir.

Alternatif ürün, müşterinin satın almayı düşündüğü ürünün yerine geçebilir. Tamamlayıcı ürün, aynı alışverişe başka bir kullanım ekler. İkisini aynı mantıkla seçmek yanlış önerilere yol açabilir. Müşteri bir seçenek ararken aynı ürünün gereksiz benzerlerini görmek de kararını kolaylaştırmayabilir.

Önce bir ürün grubu seçin ve müşterinin hangi sorusuna cevap vereceğinizi yazın. Örneğin “Bu parçanın uyumlu aksesuarını bulmak” açık bir görevdir. Görev açıksa kullanılacak yöntemi de daha sağlıklı seçebilirsiniz.

Basit ürün önerisi ne zaman yeterlidir?

Ürün sayısı yönetilebilir, uyum ilişkisi açık ve seçenekler seyrek değişiyorsa manuel seçim güçlü bir başlangıç olabilir. Bu yöntemin avantajı, önerinin neden göründüğünü ekibin kolayca açıklayabilmesidir.

Fakat manuel olması bakımsız kalabileceği anlamına gelmez. Önerilen ürün stoktan çıktığında, içerik değiştiğinde veya yeni varyant açıldığında eşleşmenin hâlâ doğru olduğunu kontrol etmelisiniz. Başlangıçta ürün ilişkisini sahiplenen bir kişi belirleyin.

İlk kayıt için ürün kimliği, önerilen ürün, ilişki türü ve seçilme nedeni yeterli olabilir. “Popüler ürün” yerine “bu modelle ölçü uyumu var” gibi somut gerekçe, sonraki bakımda daha işe yarar.

Shopify’ın yerleşik önerileri neler sunar?

Search & Discovery belgesi, tamamlayıcı ve ilgili ürünleri ayrı ele alır. Manuel öneriler ekleyebilirsiniz; görünürlük için tema ve ürün koşulları vardır. Otomatik ilgili ürün stratejileri arasında satın alma geçmişi, ürün açıklaması ve koleksiyon ilişkileri bulunur. Açıklama temelli strateji İngilizce mağazalarla sınırlı olarak belgeleniyor.

Türkçe bir mağazada önerileri değerlendirirken bu ayrımı koruyun. Bir özelliğin genel tanıtımında bulunması, her veri kaynağının sizin mağazanızda aynı biçimde kullanıldığı anlamına gelmez. Ayrıca otomatik ilgili ürün önerisini, belirli ziyaretçiye ait kişiselleştirme sonucu olarak adlandırmayın.

Önce mevcut temanızda önerinin gerçekten gösterilip gösterilmediğini ve uygun ürünleri getirip getirmediğini kontrol edin. Yeni bir uygulamaya geçmeden önce görünüm veya ürün uygunluğu sorunu olup olmadığını anlamak, gereksiz değişiklikleri azaltabilir.

AI kişiselleştirmeyi değerlendirmek için hangi veri gerekir?

Müşteriye ait bir sinyalin öneriyi nasıl değiştireceğini açıklayın. Geçmiş alışveriş, oturum içi seçim veya müşterinin açıkça belirttiği bir tercih kullanılabilir; fakat her sinyal her kullanım için anlamlı değildir.

Örneğin hediye almak için ziyaret edilen bir ürün, müşterinin kendi kalıcı tercihini yansıtmayabilir. Tek bir sayfa görüntülemesinden kesin ilgi çıkarmak, öneriyi yanlış yöne taşıyabilir. Veri taze mi, hangi bağlamda oluştu ve müşterinin bu kullanım için beklentisi ne? Bu sorular yöntem seçiminden önce gelir.

Veri olmayan durum için de bir yol tanımlayın. İlk ziyaretçide, takip verisi kullanılamadığında veya katalog yeni olduğunda hangi öneri gösterilecek? Kişiselleştirmenin bulunmadığı durumda da anlamlı bir ürün ilişkisi sunabilmelisiniz.

Karşılaştırmayı nasıl kurabilirsiniz?

Önce mevcut öneri düzenini kaydedin. Yeni yöntemle aynı sayfa, ürün grubu ve mümkün olduğunca benzer koşulları karşılaştırın. Sadece bloğa tıklayan kişilerin sipariş oranına bakmak, önerinin toplam etkisini açıklamaz; zaten satın almaya daha yakın kişiler daha fazla tıklıyor olabilir.

Uygun bir deneyde ziyaretçiler tutarlı gruplara atanır, değişen unsur açık tutulur ve sonuçlar bütün uygun gruplar üzerinden değerlendirilir. Düşük trafikte sonuç daha belirsiz olabilir; kısa sürede birkaç sipariş görüp kazanan ilan etmeyin. Böyle bir deneyi kuramıyorsanız gözlemin kapsamını açıkça yazın.

Ölçüm için yalnız sepete ekleme sayısını seçmeyin. Sipariş tamamlama, önerilen ürünün gerçekten eklenmesi, iade ve birim katkı gibi sonuçları görevle ilişkilendirin. Daha fazla aksesuar gösterilirken ana ürün kararının zorlaşıp zorlaşmadığını da inceleyin.

Araç seçiminde hangi sorular sorulmalı?

Bir sağlayıcıdan örnek mağaza sonucunu dinlemek başlangıç olabilir; fakat sizin veri kapsamınız için daha somut cevaplar gerekir. Hangi verileri kullanıyor, yeni ziyaretçide ne gösteriyor, ürün uyumunu nasıl koruyor ve yanlış eşleşmeyi nasıl düzeltiyorsunuz?

Maliyet tarafında uygulama ücretinin yanında katalog bakımını, ölçüm kurulumunu ve ekip incelemesini de değerlendirin. Açıklaması zor bir sonuç, yalnız yüksek bir teknoloji etiketi taşıdığı için daha iyi değildir.

Karar dosyasını üç seçenekle kapatabilirsiniz: mevcut öneriyi düzeltmek, kurala dayalı kapsamı geliştirmek veya belirli bir kişiselleştirme denemesi yapmak. Her seçenek için beklenen çıktı ve tekrar değerlendirme koşulu yazılı olsun.

Sık sorulan sorular

Küçük kataloglarda AI kişiselleştirme gereksiz mi?

Katalog büyüklüğü tek ölçüt değildir. Müşteri ihtiyacının çeşitliliği ve kullanılan verinin kararı değiştirip değiştirmediği önemlidir. Açık ürün ilişkileriyle çözülen bir ihtiyaç için daha karmaşık yöntem gerekmeyebilir.

Otomatik ürün önerisi kişiselleştirme midir?

Her zaman değil. Aynı ürün için oluşturulan ilişkili ürün listesi, belirli müşteriye göre değişmeyebilir. Özelliğin neye göre öneri ürettiğini doğrulayın.

Başarı için hangi oranı hedeflemeliyim?

Mağazanızın başlangıç durumu, görev ve deney düzeni olmadan evrensel bir oran vermek anlamlı değildir. Önce mevcut davranışı ölçün; yeni yöntemin etkisini ve belirsizliğini aynı kapsamda değerlendirin.

Kaynaklar ve kontrol tarihi

17 Ekim 2026 tarihinde Search & Discovery ürün önerileri ve AI kişiselleştirme açıklaması incelendi. Örnek seçim düzeni ve ölçüm önerileri bir araç karşılaştırma testi değildir. Ürün kararını destekleyen bilgi düzeni için ilgili D2C Studio rehberini okuyabilirsiniz.