Site içi aramada yapay zekâ yanıtı siparişleri artırır mı?
Bir müşteri sitenizde neye ihtiyacı olduğunu uzun bir cümleyle anlatıyor; karşısına ürün listesi çıkıyor. Ekibiniz, listenin üstüne yapay zekânın hazırladığı kısa bir yanıt koymayı düşünüyor. Ancak geliştirme bütçesi ayırmadan önce sorunuz şu: Bu yanıt sipariş vermeyi gerçekten kolaylaştırır mı? Hakemli makalenin incelenen SSRN yazar sürümünde araştırmacılar, Çin’deki Meituan platformunda yürütülen rastgele atamalı saha deneyinde bu özelliğe erişim verilen grupta sipariş sayısının %0,174 arttığını buldu. DijitalPi yorumu: Böyle bir özelliği değerlendirirken yalnız tıklamayı değil, tamamlanan siparişi de izlemek anlamlıdır. Bildirilen artış küçük ve görelidir; yanıtı hiç görmeyen kullanıcılar da hesaba katılmıştır. Araştırma işletmenizin kârını, dış sitelere gelen organik trafiği veya Türkçe kullanımın sonucunu ölçmüyor.
İngilizce kaynak · Türkçe inceleme: 10 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: Aramada geçirilen sürenin kısalmasını tek başına başarısızlık saymayın. Sipariş sayısı, sorgu başına sipariş ve toplam harcamayı birlikte değerlendirin; makaledeki küçük artışı kendi işletmenizin beklenen kazancı olarak kullanmayın.
Bir örnek düşünün
Temsili bir seyahat platformunda müşteri ihtiyacına uygun konaklamayı daha az işletme sayfası gezerek seçebilir. Bunun yararlı olup olmadığını anlamak için gezinme süresini ve tamamlanan rezervasyonu ayrı izlemek gerekir.
İşinizde ne yapabilirsiniz?
Karşılaştırma planında yanıtın hangi sorgularda gösterileceğini tanımlayın ve diğer arama koşullarını sabit tutun. Özelliğe erişim verilen tüm kullanıcıların sonuçlarını kaydedin; gerçekten yanıt görenlerin sayısını ayrıca raporlayın.
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?
Arama listesinin üstünde yapay zekâ yanıtı görmek satın almayı ve arama biçimini nasıl değiştiriyor?
Araştırmacılar, ihtiyacını doğal dille anlatan tüketiciye yapay zekâ yanıtı sunmanın siparişleri artırıp artırmadığını araştırdı. Ayrıca sorgu yazma, işletmeler arasında gezinme ve tıklama davranışının nasıl değiştiğini inceledi. Böylece aramada daha fazla hareket olmasının satın alma için gerekli olup olmadığını değerlendirdiler.
Konuyu açalım · DijitalPi açıklaması
DijitalPi yorumu: Site içi aramaya yeni bir özellik eklerken ziyaret süresi veya tıklama sayısı kolayca başarı ölçütüne dönüşebilir. Oysa ihtiyacını daha çabuk anlayan bir müşteri daha az sayfayla yetinebilir. Bu araştırma, arama özelliğini değerlendirirken gezinme göstergeleriyle ticari sonuçları aynı raporda görmenin neden yararlı olabileceğini düşündürüyor.
02 / ARAŞTIRMA NASIL YAPILDI?
Soruyu nasıl sınadılar?
Çin’deki yerel ürün ve hizmet platformu Meituan’ın ana uygulamasında, 5 Eylül–5 Ekim 2024 arasında rastgele atamalı bir saha deneyi yürütüldü. Daha önce ihtiyacını doğal dille anlatan en az bir sorgu yazmış 6.451.767 kullanıcı seçildi. Giriş bölümünde 3.227.126 kişinin üretken arama grubuna, 3.224.641 kişinin anahtar kelime araması grubuna atandığı belirtiliyor. Arama davranışı verileri, rastgele seçilmiş 45.000 deney ve 45.000 kontrol kullanıcısından oluşan 90.000 kişilik alt örneklemle sınırlıydı.
Yöntemi anlamak · DijitalPi açıklaması
Üretken arama, sonuç listesinin üstüne yapay zekâyla hazırlanmış bir yanıt ekliyordu. Deney grubunda yanıt yalnız ihtiyacı anlatan sorgularda gösterildi; düz anahtar kelime sorgularında iki grup da normal sıralamayı gördü. Kontrol grubunda sorgu türünden bağımsız olarak mevcut sonuç listesi kullanıldı. Yanıtı Meituan’ın LongCat modeli üretti; diğer sayfalar ve arka plandaki arama ile öneri algoritmaları aynı kaldı. Sipariş oranı, kullanıcının toplam siparişinin toplam arama sorgusuna bölünmesiydi; brüt işlem değeri ise deney boyunca yaptığı toplam harcamaydı, platformun geliri veya kârı değildi.
Ana analiz, deney grubuna atanan herkesi yanıtı görüp görmediğine bakmadan hesaba kattı. Alt örneklemde bu gruptaki 45.000 kişinin 39.305’i deney sırasında yanıtı tetikleyecek bir sorgu yazmadı. Dolayısıyla ana sonuç, yanıtı gerçekten gören kişilerin ortalama etkisi olarak okunamaz. İlgili aramalar bölümünden gelen oturumlar, oturumların yaklaşık %2’sini oluşturuyor ve analiz dışında tutuluyordu. Kontrol grubunun sayısı Tablo 2 notunda 3.224.616 olarak geçiyor; burada giriş bölümündeki sayı kullanıldı. Gizlilik nedeniyle mutlak sonuç düzeyleri açıklanmadı.
03 / ARAŞTIRMANIN BULGULARI
Siparişlerde küçük artışlar görülürken platformda geçirilen süre azaldı.
Araştırmacılar, kontrol grubuna kıyasla kişi başına toplam sipariş sayısında %0,174, sipariş oranında %0,072 ve brüt işlem değerinde %0,261 artış buldu. Üç sonuç da istatistiksel olarak anlamlıydı; p-değerleri sırasıyla 0,002, 0,008 ve 0,005’ti. Bunlar kontrol grubu ortalamasına göre yüzde değişimlerdir, yüzde puan değildir. Davranış alt örnekleminde platformda geçirilen toplam süre %3,64 azaldı; oturum sayısında anlamlı değişim saptanmadı. Gezilen işletme sayısı %1,87 azaldı, ancak bu bulgu daha zayıf olan p < 0,1 eşiğinde anlamlıydı. Tıklanan farklı işletme sayısı %2,25 azaldı; toplam tıklamadaki azalma anlamlı değildi. Toplam tıklamanın gezilen işletme sayısına bölünmesiyle tanımlanan tıklama oranı 0,61 yüzde puan arttı. Tekil tıklama oranındaki değişim ise küçük ve istatistiksel olarak anlamsızdı.
Kişi başına toplam sipariş sayısı
%0,174Kontrol grubu ortalamasına göre artış; yanıtı hiç görmeyenler dahil deney grubuna atanan kullanıcıları kapsıyor.
Kişi başına brüt işlem değeri
%0,261Deney dönemindeki toplam harcamada göreli artış; işletme kârı veya platform geliri ölçümü değil.
DijitalPi yorumu: Arama raporunda daha az gezinmeyle birlikte daha fazla sipariş görülmesi mümkün olduğundan, tıklamayı tek başına hedef yapmak yanıltıcı olabilir. Yanıt katmanı için önereceğimiz değerlendirme, kullanıcıların sipariş ve harcama sonuçlarını arama davranışıyla birlikte izlemektir. Ürün veya hizmet özelliklerini açık yazmak da yazarların açıklamasından türettiğimiz bir içerik önerisidir; bu düzenleme çalışmada ayrıca test edilmedi.
Yazarlar davranış örüntülerini, yanıtların ihtiyacı ve ilgili özellikleri anlamaya yardım ettiği açıklamasıyla daha tutarlı buluyor. Ancak yanıt içerikleri gözlemlenmediği için bu mekanizma doğrudan ayrıştırılamıyor. Örneklem platform genelinden daha eğitimliydi ve yazarlara göre yapay zekâyla daha önce karşılaşmış olma ihtimali daha yüksekti. Bulguların büyüklüğü diğer kullanıcı gruplarına, Türkiye’ye, Türkçeye veya farklı sektörlere doğrudan taşınamaz.
05 / SONUÇ VE AÇIK SORULAR
Neyi öğrendik, neyi henüz bilmiyoruz?
Bu deney, seçilmiş bir kullanıcı grubunda aramaya yapay zekâ yanıtı eklemenin küçük sipariş ve harcama artışları sağlayabildiğini gösteriyor. Sponsorlu arama reklamlarına etkisi ayrıntılı incelenemedi; ilgili aramalar bölümünün varlığı da yanıtın algılanmasını etkilemiş olabilir. İncelenen metin 13 Mayıs 2026 tarihli SSRN yazar sürümüdür. Çalışma 24 Eylül 2026’da Management Science’ta çevrim içi yayımlandı; dergi sürümü okunmadığından rakamların ve ifadelerin aynı olduğu varsayılmıyor. Meituan deney ortamını ve veriyi sağladı; çalışma şirketin arama algoritması ekibiyle yürütüldü ve yazar Liang Shen şirket çalışanıydı. İncelenen kaynakta finansman beyanı veya ayrı bir çıkar çatışması beyanı bulunamadı.
DijitalPi’nin açık sorusu: Türkçe site içi aramanızda yanıt katmanına erişim verilen kullanıcılar, daha az gezinirken daha fazla tamamlanmış sipariş veriyor mu; yoksa yalnız arama biçimleri mi değişiyor?
Bu üç senaryoyu konuyu birlikte düşünmek için hazırladık. Araştırmadan alınmış vaka veya ölçülmüş müşteri sonucu değildir.
ÖRNEK 01
E-ticaret: ihtiyacı ürün özelliklerine çevirmek
Temsili bir çanta mağazasında müşteri, kısa seyahatte kabine alabileceği ve bilgisayarını taşıyabileceği bir ürün arıyor.
İhtiyacı açıklayan bir yanıt, ürün seçimini ve siparişi destekler mi?
Örnek 01 için öneriyi aç+
Yanıt katmanını sınarken ürün sıralamasını ve diğer koşulları sabit tutun.
Uygun kullanıcıları rastgele iki gruba ayırıp bir gruba ihtiyaç anlatan sorgularda yanıt, diğerine mevcut sonuç listesini sunmayı planlayın. Sipariş sayısını, sorgu başına siparişi ve toplam harcamayı gruba atanan tüm kullanıcılar için karşılaştırın. Yanıtı gerçekten görenleri ayrıca sayın. Çin’deki yerel hizmet platformunun etki büyüklüğü, bu mağaza için beklenen artış değildir.
ÖRNEK 02
Turizm: daha az gezinmeyle konaklama seçmek
Temsili bir konaklama platformunda müşteri, uzaktan çalışabileceği sessiz bir yer aradığını yazıyor.
Daha kısa ziyaret süresi müşterinin vazgeçtiği anlamına mı gelir?
Örnek 02 için öneriyi aç+
Süreyi, incelenen tesisleri ve tamamlanan rezervasyonları birlikte değerlendirin.
Mevcut aramayla yanıt katmanı içeren aramayı karşılaştırırken toplam süreyi ve tıklanan farklı tesisleri kaydedin. Tamamlanan rezervasyonu ayrı bir sonuç olarak izleyin; süre azalmasını tek başına başarı veya kayıp saymayın. Yanıtın hangi tesis özelliklerini öne çıkardığını da inceleme planına ekleyin. Makalede yanıt içerikleri gözlemlenmediği için belirli bir anlatımın rezervasyonu artıracağı sonucuna varılamaz.
ÖRNEK 03
B2B: ihtiyaç aramasından teklif talebine
Temsili bir depo ekipmanı tedarikçisinin müşterisi, dar alana uygun raf aradığını doğal dille anlatıyor.
Daha isabetli görünen tıklamalar ticari sonuç sayılabilir mi?
Örnek 03 için öneriyi aç+
Ürün inceleme, teklif talebi ve tamamlanan siparişi ayrı aşamalar olarak ölçün.
Arama sorgusunu, tıklanan ürünleri ve teklif talebini aynı değerlendirme akışında izleyin. Sipariş oluştuğunda onu teklif talebinden ayrı kaydedin. Meituan çalışmasının ana ölçütü gerçekleşen sipariş olduğundan, teklif talebini aynı sonuç gibi sunmayın. Bu B2B senaryosunun etkisi araştırmada sınanmadı.
EKİBİNİZLE DENEYİN
Sipariş ölçümünü baştan kurun.
Yanıt katmanını hangi ihtiyaç sorgularında sınayacağınızı ve mevcut aramayla nasıl karşılaştıracağınızı yazın. Sipariş, sorgu ve harcama kayıtlarını grup atamasıyla eşleştiren; yanıtın gerçekten gösterilip gösterilmediğini de izleyen bir plan hazırlayın. Bu, DijitalPi tarafından henüz uygulanmamış bir pilot önerisidir.
Shuang Zheng, Yuting Zhu, Xin Ye, Liang Shen. Shuang Zheng — Renmin University of China; Yuting Zhu — National University of Singapore, NUS Business School; Xin Ye — Dalian University of Technology; Liang Shen — Meituan.
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