AI Alışveriş Önerileri Nasıl Kazanılır: Pazaryeri, Schema, Yorum
AI alışveriş önerileri neden tek mağazadan çıkmaz?
Daha önce Shopify rehberi yazısında tek bir mağazanın AI önerilerinde nasıl yer bulacağını anlatmıştım: feed, schema, yorumların HTML'de görünmesi. O yazı bilerek dar tutulmuştu. Bu yazı ise geniş açı: bir e-ticaret operasyonunun AI görünürlüğü, kendi sitenizin sınırlarında bitmiyor. Hatta açık konuşayım, çoğu kategori için kendi siteniz buzdağının görünen kısmı bile değil.
Şöyle bir varsayımsal sahneyle başlayayım. Bir müşteri ChatGPT'ye soruyor: "Evde espresso yapmak istiyorum, başlangıç için iyi bir öğütücü öner, bütçem beş bin lira." Cevapta üç model geçiyor, her birinin yanında kısa bir gerekçe, bazen "Trendyol'da ve Amazon'da bulunuyor" gibi bir not. Kritik soru şu: bu cevabın kaynakları neler? Büyük ihtimalle bir kahve blogunun karşılaştırma yazısı, bir ekşi sözlük veya Reddit başlığı, bir iki pazaryeri sayfası ve belki bir YouTube incelemesinin dökümü. Sizin kendi mağazanızın ürün sayfası bu kaynak listesinde çoğu zaman yok — ama ürününüz cevapta olabilir, çünkü model onu başkalarının sayfalarından tanıyor.
E-ticaret AI görünürlük işte bu yüzden iki katmanlı bir iş. Birinci katman: ürününüzün veri dünyasındaki kimliği temiz mi, model onu tanıyıp doğru bilgiyle anabiliyor mu? İkinci katman: ürününüz ve markanız, modellerin güvendiği üçüncü taraf mecralarda — pazaryerleri, listeler, yorumlar, topluluklar — yeterince konuşuluyor mu? Bu yazıda ikisini de sırayla ele alacağım; ama önce herkesin sormaktan çekindiği pazaryeri sorusuyla yüzleşelim.
Trendyol, Hepsiburada ve Amazon gerçeği
Türkiye'de e-ticaret yapan biriyle AI görünürlük konuştuğumda konuşma er ya da geç şu cümleye geliyor: "Ama sorularda hep Trendyol ve Hepsiburada çıkıyor." Doğru. Alışveriş niyetli sorgularda modeller büyük pazaryerlerini belirgin biçimde öne çekiyor. Nedeni komplo değil, veri: pazaryeri sayfaları yapılandırılmış, stok ve fiyat bilgisi güncel, yorum hacmi yüksek ve model bu alan adlarını yıllardır her yerde görüyor. "Nereden alınır" sorusuna pazaryeriyle cevap vermek modelin gözünde düşük riskli bir tercih.
Bunu dert olarak değil veri olarak okuyun, çünkü stratejik sonucu net: pazaryerindeki varlığınız artık sadece bir satış kanalı değil, AI görünürlüğünüzün parçası. Model "bu ürün iyi mi, bulunuyor mu" diye tartarken sizin Trendyol mağazanızın puanına, yorum sayısına, ürün başlığınızın düzgünlüğüne de dokunuyor. Pazaryeri sayfası bakımsız — başlık anahtar kelime çorbası, görsel kötü, yorumlar cevapsız — bir markanın kendi sitesindeki şık ürün sayfaları bu açığı kapatmıyor.
Somutlaştırayım, yine varsayımsal: iki yerli çanta markası düşünün. Birincisi yalnız kendi sitesinden satıyor, "aracıya komisyon vermem" diyor. İkincisi kendi sitesine ek olarak Trendyol ve Hepsiburada'da özenli mağazalar işletiyor, Amazon TR'de de birkaç ürünü var. "Kaliteli yerli çanta markası öner" sorusunda modelin ikinciyi anma ihtimali yapısal olarak daha yüksek; çünkü ikinci marka, modelin zaten güvendiği üç ayrı alan adında bağımsız izler bırakmış durumda. Pazaryeri komisyonunu sevmek zorunda değilsiniz; ama pazaryerini salt maliyet kalemi olarak görmek, AI çağında bir görünürlük kanalını kapatmak anlamına geliyor.
Amazon TR'ye ayrıca bir parantez açayım, çünkü konumu farklı. Türkiye pazarında hacim olarak Trendyol'un gerisinde olabilir ama AI görünürlük açısından ağırlığı hacminden büyük: modellerin eğitim verisinde ve alışveriş entegrasyonlarında Amazon'un küresel ağırlığı çok yüksek. Amazon'daki ürün sayfanız — yorumlarıyla, soru-cevaplarıyla — modelin sizi tanıdığı en zengin kaynaklardan biri olabiliyor. İhracat düşünen markalar için bu ikiye katlanıyor: yurt dışı müşterinin modele soracağı soruda Türkiye'deki pazaryerlerinin izi yok, Amazon'un izi var.
Peki denge nerede? Benim önerim şu: pazaryerini keşif ve teyit katmanı, kendi sitenizi ilişki katmanı olarak konumlayın. Model ve müşteri sizi pazaryerinde keşfetsin, teyit etsin; sadakat, tekrar satın alma ve marj kendi sitenizde yaşasın. Bu ikili yapı kulağa eski usul çoklu kanal stratejisi gibi geliyorsa, öyle çünkü; AI görünürlük çoğu yerde yeni bir iş icat etmiyor, var olan işlerin önceliğini değiştiriyor.
Ürün schema temizliği, modelin gözünde kimlik kartınız
Kendi sitenize dönelim. Modellerin ürün verisini okuyabilmesi için sayfanızdaki yapılandırılmış veri — Product schema — temiz olmalı. "Schema'mız var" ile "schema'mız temiz" arasındaki fark, bu işin en çok küçümsenen kısmı.
Temizlikten kastım birkaç somut şey. Birincisi kimlik alanları: bilinen markaların ürünlerini satıyorsanız gtin veya mpn dolu olmalı; model iki farklı sitedeki ürünün aynı ürün olduğunu bu alanlardan eşliyor. Bu alan boşsa ürününüz veri dünyasında kimliksiz geziyor, pazaryerindeki ikiziyle eşleşemiyor. İkincisi güncellik: offers içindeki fiyat ve availability gerçeği yansıtmalı. Stokta olmayan ürünü "InStock" gösteren, kampanya bitmiş fiyatı schema'da unutan siteler modelin gözünde güvenilmez veri kaynağına dönüşüyor. Üçüncüsü tutarlılık: sayfada yazan fiyat ile schema'daki fiyat farklıysa, hangi kanaldan beslenirse beslensin model çelişkili veri görüyor.
Bir de varyant meselesi var ki e-ticarette schema hatalarının en bereketli kaynağı orası. Kırk renk ve beden varyantı olan bir ürünün sayfası, schema'da tek bir fiyat ve tek bir stok durumu gösteriyorsa hangi varyanttan bahsettiği belirsizleşiyor. Kural şu: schema, sayfayı ilk açan kullanıcının gördüğü varsayılan varyantı dürüstçe anlatmalı; varyant çeşitliliği varsa fiyat aralığı doğru kurgulanmalı.
Bu konu kendi başına bir yazıyı hak ediyor ve o yazı var: alan alan anlatım, sık yapılan hatalar ve test yöntemleri için schema rehberi yazısına bakın. Buradaki mesajım daha dar: schema işini bir kere kurulan altyapı değil, katalogla birlikte yaşayan bir bakım işi olarak görün. Yeni ürün girişinde, fiyat güncellemesinde, tema değişikliğinde schema kırılır ve kimse fark etmez — modeller hariç.
Yorum hızı, taze yorum eskisinden değerli
Yorumların AI görünürlükteki rolünü herkes az çok kabul etti; benim burada eklemek istediğim daha az konuşulan bir boyut var: hız. Toplam yorum sayınız değil, yorumların gelme temposu.
Neden önemli? İki sebep. Birincisi, modeller ve onları besleyen sistemler güncelliğe bakıyor. Son yorumu iki yıl önce alınmış bin yorumlu bir ürün, "bu ürün hala satılıyor mu, hala iyi mi" sorusuna zayıf cevap veriyor. Düzenli taze yorum alan iki yüz yorumlu ürün ise yaşayan bir ürün. İkincisi, alışveriş kararlarında modeller giderek daha fazla "son dönemde ne deniyor" diye bakıyor; özellikle Perplexity gibi kaynak gösteren motorlar cevabı güncel içerikten kurmayı seviyor.
Pratikte yorum hızını yükseltmenin yolu belli ve sıkıcı: satış sonrası e-postayla nazik bir hatırlatma, yorum bırakmayı kolaylaştırmak, kötü yoruma kamuya açık ve yetişkin bir dille cevap vermek. Buraya bir uyarı ekleyeyim: hız uğruna teşvikli veya sahte yorum toplamak, kısa vadede bile artık ters tepiyor; şablon dili hem platformlar hem modeller tarafından ayıklanıyor. Bir de teknik hatırlatma: yorumlarınız bir JavaScript widget'ının içinde hapisse, tempo ne olursa olsun çoğu AI botu onları görmüyor. Yorumların sayfa HTML'inde ve schema'da yaşadığını mutlaka doğrulayın.
Yorumun az konuşulan bir akrabası daha var: ürün sayfasındaki soru-cevap bölümleri. "Bu kazak kaşındırır mı", "şarjı kaç saat gidiyor" tipi gerçek müşteri soruları ve dürüst cevaplar, modelin tam da aradığı türden içerik — çünkü modele sorulan sorular da aynen böyle. Pazaryerlerinde bu bölüm kendiliğinden doluyor; kendi sitenizde ise çoğu zaman ya hiç yok ya da boş duruyor. Destek hattınıza gelen gerçek soruları ilgili ürün sayfalarına soru-cevap olarak işlemek, düşük maliyetli ve az bilinen bir görünürlük hamlesi.
Site dışı yorumu da aynı tempoyla düşünün: Google işletme yorumları, Şikayetvar'daki tablonuz, kategorinize göre forum ve sözlük başlıkları. Model "bu mağaza güvenilir mi" diye tartarken kendi sitenizdeki yıldızlardan çok bu bağımsız mecralara bakıyor.
Toplayıcılar ve listeler, cevabın kurulduğu yer
Yazının başındaki espresso öğütücüsü örneğine dönelim. O cevabın kaynakları arasında "en iyi 10 öğütücü" tipi yazılar vardı. Bu tip toplayıcı içerikler — karşılaştırma blogları, kategori rehberleri, "hangisini alsam" yazıları — alışveriş sorgularında modellerin en sık yaslandığı kaynak sınıfı. Mantığı anlaşılır: model bir kısa liste kurmak istiyor ve birileri o kısa listeyi zaten kurmuşsa, oradan derlemek en güvenli yol.
Bunun operasyonel sonucu şu: kategorinizdeki toplayıcı içeriklerin haritasını çıkarmak ve o içeriklerde var olmak, e-ticaret AI görünürlüğünün en yüksek kaldıraçlı işlerinden biri. Yarım günlük bir egzersizle başlayın: müşterinizin sorabileceği on alışveriş sorusunu ChatGPT ve Perplexity'ye sorun, kaynak olarak gösterilen veya cevapta izi görülen yazıları listeleyin. Çıkan liste sizin dış iletişim planınız: hangi blog yazarına ulaşılacak, hangi listeye dahil olmak için ürün gönderilecek, hangi yayına kategori verisi teklif edilecek.
Burada dürüst olmam gereken bir nokta var: bu iş ölçeklenmiyor ve hızlı sonuç vermiyor. Bir liste yazısına girmek haftalar sürebilir, yazar cevap vermeyebilir, para isteyen çıkabilir. Ama şunu da söyleyeyim: tek bir güçlü liste yazısına girmek, kendi sitenize yazacağınız on blog yazısından daha fazla AI görünürlüğü getirebilir, çünkü o yazı modelin zaten okuduğu ve güvendiği bir kaynak.
En değerli sayfanız ürün sayfası olmayabilir
Son konu, e-ticaret sitelerinin en ihmal edilen varlığı: kategori sayfaları. Klasik halleriyle bunlar bir ürün ızgarası ve belki iki paragraf anahtar kelime dolgusundan ibaret. AI çağında bu bir israf, çünkü modelin cevaplamaya çalıştığı soru çoğu zaman tek ürünlük değil, kategori seviyesinde: "Hangi tip matara daha iyi, çelik mi cam mı?", "Koşu ayakkabısında drop ne demek, bana ne uyar?"
Kategori sayfanızı bu soruların cevaplandığı bir rehbere dönüştürdüğünüzde iki şey oluyor. Birincisi, model o sayfayı alıntılanabilir bir kaynak olarak görmeye başlıyor; ürün ızgarasının alıntılanacak cümlesi yoktur ama "çelik matara koku tutmaz, cam matara daha hijyeniktir ama düşürmeye gelmez" cümlesinin vardır. İkincisi, sayfa gerçek müşteriye de işe yarar hale geliyor — ki bu ikisinin örtüşmesi tesadüf değil, bu işin ana teması.
Varsayımsal bir örnekle somutlaştırayım. Termos ve matara satan bir mağazanız var; "matara" kategori sayfanız şu an kırk ürünlük bir ızgara. Bir müşteri Gemini'ye "çocuğum için okula matara alacağım, çelik mi tritan mı, neye dikkat etmeliyim" diye soruyor. Model bu soruya cevap kuracak kaynak arıyor: sızdırmazlık, düşme dayanımı, temizlik kolaylığı, yaş grubuna göre kapak tipi. Kategori sayfanızın altında bu soruları cevaplayan sekiz yüz kelimelik dürüst bir rehber varsa, model için kategorinizin doğal kaynağı sizsiniz; yoksa cevap bir ebeveyn blogundan kurulacak ve o blogda hangi markanın geçtiğini şans belirleyecek.
Pratik kurgu önerim: kategori sayfasının üstü normal ürün ızgarası olarak kalsın; altına o kategorinin gerçek satın alma sorularını cevaplayan, kendi cümlelerinizle yazılmış bir rehber bölümü ekleyin. Seçim kriterleri, "kimin için hangisi" tablosu, sık yapılan hatalar. Üreticiden kopyala-yapıştır metin değil; sizin, o kategoriyi gerçekten bilen birinin sesi. Yüzlerce kategoriniz varsa hepsine birden değil, ticari olarak en değerli beş kategoriye başlayın.
Toparlayayım. E-ticaret AI görünürlüğü tek bir cephede kazanılmıyor: pazaryeri varlığınız, schema temizliğiniz, yorum temponuz, toplayıcı listelerdeki yeriniz ve kategori sayfalarınız birlikte çalışıyor. İyi haber, bu cephelerin hiçbiri sihir gerektirmiyor; kötü haber, hepsi süreklilik gerektiriyor. Kendi sektörünüzde markaların AI motorlarındaki görünürlüğünü kıyaslamak ve nereden başlayacağınıza karar vermek için sektör endeksi sayfasına bakabilirsiniz; kendi kategorinizdeki tabloyu görmek, öncelik listenizi tahminle değil veriyle kurmanızı sağlar.
Tüm sektör AI görünürlük playbook'larını görün. Yazılım mı satıyorsunuz? SaaS playbook'una bakın.