İnceleme içeriğine geç

ULUSLARARASI ARAŞTIRMA / HAKEMLİ MAKALE

Site içi aramada yapay zekâ yanıtı
siparişleri artırır mı?

Çin’deki Meituan platformunda yapılan deneyde, arama sonuçlarının üstüne yapay zekâ yanıtı eklemek siparişleri artırdı mı? Özelliğe erişim verilen grupta kişi başına sipariş sayısı, mevcut aramayı kullanan gruba göre göreli olarak %0,174 arttı. Arama yanıtları, müşterinin sipariş vermesine küçük bir katkı sağlayabilir.

Tüm yazarlar ve kurumlar

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: Müşterinin aramada daha az zaman geçirmesi tek başına başarısızlık göstergesi değildir.

Bir örnek düşünün
Temsili bir seyahat platformunda müşteri, daha az işletme sayfası gezerek ihtiyacına uygun konaklamayı seçebilir.
İşinizde ne yapabilirsiniz?
Özelliğe erişim verilen tüm kullanıcıların sipariş sonuçlarını kaydedin.

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. Araştırmacılar sipariş oranını, kullanıcının toplam siparişini toplam arama sorgusuna bölerek hesapladı. Brüt işlem değeri, kullanıcının 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. İstatistiksel anlamlılık, görülen farkın yalnız rastlantıdan kaynaklandığı açıklamasına karşı kanıtı değerlendirir. Üç sonuç da bu ölçütü karşıladı. Bu değerlendirmede kullanılan 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
%0,174 artışKontrol grubuna göre göreli artış; yanıtı hiç görmeyenler dahil erişim verilen tüm kullanıcıları kapsıyor.
Kişi başına toplam harcama
%0,261 artışKontrol grubuna göre göreli artış; işletme kârı veya platform geliri değil.
Platformda geçirilen toplam süre
%3,64 azalmaDavranış verisi incelenen alt örneklemde kontrol grubuna göre göreli azalma.

Kaynak: §2 Field Experiment; §3 Does Generative Search Increase Consumer Purchases? ; Tablo 2 ↗

04 / DİJİTALPİ’NİN AÇIKLAMASI

Bu bulguları nasıl okuyabiliriz?

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?

Ana sonuç, yanıtı hiç görmeyenler dahil özelliğe erişim verilen tüm kullanıcıları kapsıyor. Araştırma işletmenizin kârını veya dış sitelere gelen organik trafiği ölçmüyor. 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?

DİJİTALPİ’NİN UYGULAMA YORUMU

Pazarlamada nasıl kullanabiliriz?

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

Yapay zekâ yanıtını denerken 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 yapay zekâ yanıtı 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

Yapay zekâ yanıtını hangi müşteri aramalarında deneyeceğinizi 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.

PiAIMode, ziyaretçinin yazdığı sorudan sitenizdeki ilgili ürün veya hizmet sayfasına ulaşmasını sağlar. Bu yönlendirme, sipariş artışını ölçen bir deneyin yerini tutmaz. PiAIMode hakkında bilgi alın

Dönüşüm Oranı Optimizasyonu

Kaynak ve emeğin sahibi

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.

Management Science / SSRN · 13 Mayıs 2026 · İncelenen SSRN yazar sürümü; dergide çevrim içi 24 Eylül 2026 · Hakemli makale. Orijinal yayını aç · Google Scholar’da ara

Akademik çalışma yukarıdaki araştırmacılara aittir. Bu sayfa, DijitalPi’nin AI desteğiyle hazırladığı açıklamalı inceleme ve özgün iş örneklerini içerir; makalenin tam çevirisi değildir.

← Tüm araştırma yazılarına dön

YAPAY ZEKAYA SORUN

DijitalPi ne yapar?

Seçtiğiniz asistanı hazır bir araştırma promptuyla açar. Siteyi canlı okuyup yanıtlar.

WhatsApp'tan yazın