Daha akıllı bir yapay zekâ asistanı satışı artırır mı?
Uygulamanızdaki alışveriş asistanını yeniliyorsunuz. Yeni sürüm daha ayrıntılı cevaplar veriyor ve müşterinin seçenekleri değerlendirmesine yardımcı olmasını bekliyorsunuz. Ekip sohbet kullanımını izliyor; sizin sorunuz ise bu değişikliğin satın almaya nasıl yansıdığı. Daha çok açıklama sunan bir asistan daha çok satış getirir mi? Hakem değerlendirmesinden geçmemiş SSRN çalışma makalesinde araştırmacılar, Çin’deki Ctrip platformunda daha fazla akıl yürütmeye dayanan asistana rastgele atanan kullanıcıların otel rezervasyonlarının mevcut sürüme göre %2,5 azaldığını buldu. DijitalPi yorumu: Asistanı değerlendirirken sohbet kullanımını, ürün aramasını ve tamamlanan siparişi ayrı izleyin. Karşılaştırma iki yapay zekâ sürümü arasındaydı; asistansız grup yoktu. Sonuç, Türkiye’deki veya Türkçe hizmet veren işletmenizde aynı değişimin yaşanacağını söylemez.
İngilizce kaynak · Türkçe inceleme: 11 Ekim 2026 · Kaynak tarihi yukarıdaki künyededir.
Editoryal inceleme taslağı
Kaynak kontrolü yapıldı; Türkçe inceleme insan editör değerlendirmesini bekliyor. DijitalPi bu çalışma için müşteri deneyi yapmadı.
KISA AÇIKLAMA
Bu Araştırma Size Ne Söylüyor?
DijitalPi yorumu: Sohbet kullanımındaki artışı satın alma başarısının yerine koymayın. Asistan sürümü değiştiğinde ürün aramasını ve siparişleri birlikte değerlendirin.
Bir örnek düşünün
Temsili bir konaklama işletmesinde yeni asistan daha ayrıntılı oda açıklamaları sunuyor. Ekip, sohbet sayısının yanında oda listesine geçişi ve tamamlanan rezervasyonları da izlemeyi planlıyor.
İşinizde ne yapabilirsiniz?
Asistan sürümlerini karşılaştırırken hangi kullanıcıların değerlendirmeye alınacağını baştan belirleyin. Yalnız sohbet edenlerin dönüşümüne bakmak yerine, sürüme atanan tüm kullanıcıların arama ve sipariş sonuçlarını da izleyin.
DijitalPi’nin uygulama yorumu. Örnek, konuyu açıklamak için hazırlanmıştır.
ARAŞTIRMAYI BİRLİKTE OKUYALIM
Önce araştırmacıların sorusunu, yöntemini ve bulgularını tanıyalım. Ardından sonuçların nasıl okunabileceğini DijitalPi’nin açıklamalarıyla ele alalım.
01 / ARAŞTIRMACILAR NEYİ ANLAMAK İSTEDİ?
Daha fazla akıl yürüten bir alışveriş asistanı müşterinin aramasını ve satın almasını nasıl değiştiriyor?
Araştırmacılar, cevap oluşturmadan önce daha fazla akıl yürütmeye dayanan bir modelin tüketici davranışına etkisini inceledi. Arama azalıyorsa bunun daha yavaş cevaplardan mı, yoksa cevabın ek aramayı gereksiz gösterecek kadar bilgi sunmasından mı kaynaklandığını anlamaya çalıştı.
Konuyu açalım · DijitalPi açıklaması
DijitalPi yorumu: Asistan geliştirme kararında cevap kalitesiyle ticari sonucu aynı ölçü kabul etmek yanıltıcı olabilir. Daha kapsamlı bir açıklama müşteriye yardımcı görünürken ürünleri karşılaştırma davranışını da değiştirebilir. Bu nedenle sürüm değerlendirmesi, sohbet ekranından sonraki arama ve satın alma adımlarını da kapsamalı.
02 / ARAŞTIRMA NASIL YAPILDI?
Soruyu nasıl sınadılar?
Çin’deki çevrim içi seyahat platformu Ctrip’in mobil uygulamasında, 3–10 Nisan 2025 arasında 8 günlük kullanıcı düzeyinde rastgele atamalı saha deneyi yapıldı. Wendao asistan ekranına giren 514.402 kullanıcıdan ayıklama sonrasında 497.565 kullanıcı kaldı. Kontrol grubundaki 248.581 kullanıcı mevcut DeepSeek-V3 sürümüne, deney grubundaki 248.984 kullanıcı ise varsayılan olarak akıl yürütme modeli DeepSeek-R1’e atandı. Deney grubundakiler bir düğmeyle eski modele dönebiliyordu.
Yöntemi anlamak · DijitalPi açıklaması
Karşılaştırma grubunda da yapay zekâ asistanı vardı. Asistan ekranına girenlerin yalnızca %6,89’u en az bir kez sohbet etti. Ana analiz, sohbet edip etmediklerine bakmadan kullanıcıları atandıkları grupta değerlendirdi; böylece yalnız aktif sohbet kullanıcılarının değil, yeni sürüme atanmanın etkisi ölçüldü. Otel kanalında 8 gün boyunca toplam arama sorgusu, liste gezinmesi, tıklama ve otel siparişi izlendi. Ayrıntılı arama verileri yalnız oteller için mevcuttu.
Araştırmacılar arama, gezinme veya tıklama etkinliğinde üst %1’deki ve rezervasyon etkinliğinde üst %0,1’deki kullanıcıları ayıkladı; farklı eşiklerde sonuçların yönü benzerdi. Bildirilen ana yüzdeler, kontrol grubuna göre beklenen işlem sayısındaki değişimi ifade ediyor. Olası açıklamaları incelemek için sohbet süresi ve cevapların içerdiği bilgi miktarı da analize eklendi. Bu ek analiz kullanıcıların ne düşündüğünü doğrudan ölçmedi.
03 / ARAŞTIRMANIN BULGULARI
Yeni sürüme atanmak otel aramasını ve rezervasyonları azalttı.
Araştırmacılar, DeepSeek-R1 grubunda mevcut DeepSeek-V3 grubuna göre otel arama sorgularının %0,8, liste gezinmesinin %0,9, otel tıklamalarının %2,6 ve otel rezervasyonlarının %2,5 azaldığını buldu; dört sonuç da istatistiksel olarak anlamlıydı. Bunlar işlem sayılarındaki yüzde değişimlerdir, yüzde puan değildir. Aramada ilerleyen kullanıcılarda arama başına gezinme, tıklama oranı ve dönüşüm oranında anlamlı değişim bulunmadı; ancak bu koşullu karşılaştırmalar betimseldi. Arama, gezinme ve tıklama hesaba katıldığında sipariş düşüşü %1,1’e indi ve istatistiksel anlamlılığını kaybetti. Uçuş ve diğer seyahat ürünlerinin siparişlerinde etki saptanmadı; sohbet içinde önerilen otellerin siparişleri de artmadı. Deney sonrası üç ay toplamında yeni sürüme ilk atanan grupta %11,0 daha fazla sohbet isteği görüldü. Bu takip döneminde yeni asistan herkese açıldığı için sonuç, iki sürüme farklı erişimin sürmesini değil ilk karşılaşmanın kalıcılığını yansıtıyor.
Otel rezervasyonu sayısındaki düşüş
%2,58 günlük deneyde yeni sürüme atanan tüm kullanıcılar üzerinden, mevcut asistan grubuna göre hesaplanan anlamlı düşüş; yalnız sohbet edenlerin etkisi değil.
Deney sonrası toplam sohbet isteğindeki artış
%11,0Deney sonrası 1–3. aylarda ilk atamanın kalıcılığıyla ilişkili sonuç; bu dönemde yeni asistan platform genelinde erişilebilirdi.
DijitalPi yorumu: Bir asistanın daha çok kullanılması, satın alma hedefini daha iyi karşıladığı anlamına gelmeyebilir. Yeni sürümü denerken aramanın nerede azaldığını ve bunun siparişe nasıl yansıdığını birlikte inceleyin. Kısa cevap ve isteğe bağlı ayrıntı sunma gibi seçenekler ayrıca sınanabilir; bu deney hangi cevap biçiminin daha iyi satış sonucu vereceğini ayırmadı.
Akıl yürütme sürümü daha yavaştı, ancak kullanıcılar otel kanalında daha az toplam arama zamanı geçirmedi. Süreyi hesaba katmak ana etkileri büyük ölçüde değiştirmezken, cevapların bilgi miktarı hesaba katıldığında arama etkileri anlamlılığını kaybetti. Yazarlar bu örüntüyü, cevapların yeterince tamamlanmış görünerek ek arama ihtiyacını azaltmasıyla daha uyumlu buluyor. Bu bir mekanizma yorumu; kullanıcı inançlarının doğrudan ölçümü değil ve açıklama, yapı ile uzunluğun ayrı etkileri belirlenmiş değil.
05 / SONUÇ VE AÇIK SORULAR
Neyi öğrendik, neyi henüz bilmiyoruz?
Bu hakem değerlendirmesinden geçmemiş çalışma makalesi, tek bir Çin platformunda asistan sürümünü değiştirmenin kısa dönemde otel aramasını ve rezervasyon sayısını azaltabildiğini gösteriyor. Rezervasyon sayısındaki değişim gelir değişimi olarak okunamaz; uçuşlarda da aynı etki bulunmadı. Siparişlerdeki olumsuz etki takip döneminin ilk iki ayında negatif kaldı, sonrasında küçük ve istatistiksel olarak anlamsız hâle geldi. Üç aylık takip, farklı sürümlere rastgele erişimin sürdüğü uzun bir deneyin yerini tutmuyor. Türkiye’ye, Türkçeye veya başka sektörlere geçerlilik bu tasarımla belirlenmiş değil. Yazarlar finansman bildirmiyor ve konuyla ilgili çıkar ilişkisi olmadığını beyan ediyor; kurum listesinde şirket çalışanı yok. Bununla birlikte veri ve deney Ctrip platformuna dayanıyor, ayıklama kararlarında platformla iç görüşmeler kullanılmış. Deneyi kimin tasarlayıp yürüttüğü metinde açıkça belirtilmiyor.
DijitalPi’nin açık sorusu: Türkçe asistanınızın daha ayrıntılı cevapları, müşterinin ürünleri incelemesine nasıl yansıyor ve bunu sohbet sayısından ayrı hangi satın alma ölçütüyle değerlendireceksiniz?
Bu üç senaryoyu konuyu birlikte düşünmek için hazırladık. Araştırmadan alınmış vaka veya ölçülmüş müşteri sonucu değildir.
ÖRNEK 01
Turizm: ayrıntılı cevap sonrası oda araması
Temsili bir konaklama işletmesi, oda seçeneklerini açıklayan asistanının yeni sürümünü değerlendirmek istiyor.
Müşteri cevaptan sonra odaları inceliyor ve rezervasyon yapıyor mu?
Örnek 01 için öneriyi aç+
Asistan kullanımını oda araması ve rezervasyonla birlikte karşılaştırın.
Mevcut ve yeni sürümü kullanıcıları rastgele gruplara ayırarak karşılaştırmayı planlayın. Her grupta oda aramalarını, liste incelemelerini, oda tıklamalarını ve tamamlanan rezervasyonları aynı gözlem süresinde kaydedin. Sohbet etmeyenler dâhil, sürüme atanan tüm kullanıcıları ana değerlendirmede tutun. Ctrip’teki %2,5 düşüşü bu işletmenin beklenen sonucu olarak kullanmayın.
ÖRNEK 02
E-ticaret: kapsamlı ürün önerisi
Temsili bir elektronik mağazası, ürünleri uzun açıklamalarla karşılaştıran bir asistan sürümünü denemeyi düşünüyor.
Daha kapsamlı öneriler ürün incelemesinin ve siparişin yerini mi alıyor?
Örnek 02 için öneriyi aç+
Cevap biçimini ayrı bir denemeyle değerlendirin.
Aynı asistan sürümünde kısa ve isteğe bağlı ayrıntı sunan cevaplarla uzun cevapları karşılaştıracak bir deneme tasarlayın. Ürün listesine geçişi, ürün tıklamalarını ve tamamlanan siparişleri ayrı kaydedin. Böyle bir deneme cevap uzunluğunu incelemeyi amaçlar; kaynak araştırma uzunluğun etkisini diğer sürüm farklarından ayırmadı. Otel bulgusunu elektronik ürünlere doğrudan taşımayın.
ÖRNEK 03
B2B yazılım: sohbet artıyor, teklif talebi belirsiz
Temsili bir B2B yazılım şirketi, paket seçimine yardımcı olan asistanını yenilemeyi planlıyor.
Daha çok sohbet, daha çok teklif talebi anlamına geliyor mu?
Örnek 03 için öneriyi aç+
Sohbet isteğini, paket incelemesini ve teklif talebini ayrı sonuçlar olarak tanımlayın.
Mevcut ve yeni asistan sürümüne atanan kullanıcılar için paket sayfasına geçişleri ve gönderilen teklif taleplerini izleyin. Sonraki dönemde sohbet kullanımı sürerse, hangi grubun hangi sürüme erişebildiğini de kaydedin. Teklif talebini imzalanmış sözleşme saymayın. Bu araştırma B2B satın alma süreçlerini test etmediği için sonuç yönünü önceden varsaymayın.
EKİBİNİZLE DENEYİN
Asistanın başarı ölçütünü belirleyin.
Mevcut ve yeni sürümü karşılaştıracak bir denemede sohbet, ürün araması ve tamamlanan sipariş için ayrı ölçütler tanımlayın. Kullanıcı atamasını ve gözlem süresini baştan belirleyin; bu, DijitalPi tarafından henüz uygulanmamış bir pilot önerisidir.
Se Yan; Han Zhong; Zemin (Zachary) Zhong; Wenyu Zhou; Nitin Mehta Peking University, Guanghua School of Management (Se Yan); University of Toronto, Rotman School of Management (Han Zhong, Zemin Zhong, Nitin Mehta); City University of Hong Kong (Zemin Zhong); Zhejiang University, International Business School (Wenyu Zhou).
Akademik çalışma yukarıdaki araştırmacılara aittir. Bu sayfa, DijitalPi’nin AI desteğiyle hazırladığı açıklamalı inceleme ve özgün iş örneklerini içerir; makalenin tam çevirisi değildir.
Çerez tercihleri