Artan veri ve verinin işlenmesinin maliyetinin azalması ile yapay zeka son zamanlarda hayatımıza daha fazla girmektedir.

Diğer yandan son zamanlarda güçlü bir trend yakalayan e-ticaret de evrim geçirmektedir. Özellikle kişiselleşme alanındaki gelişmeler yapay zekaya dayalı sistemlerin önünü açmaktadır.

Peki bu alanlar neler olabilir

FİYATLAMA VE REKABET STRATEJİLERİNDE YAPAY ZEKA

İster bazı pazaryerlerinde ister kendi dijital satış mecranızda olsun, satış verileri en önemli silahlardan birisidir.

Amazon, Aliexpress gibi pazaryerlerine API ile bağlanarak verilere erişebilmek mümkündür. Böylelikle kategori, ürün, geçmişten günümüze satış verileri gibi bilgileri elde etmek mümkündür. Bu veriler ile:

  • Sezonsallık
  • Talep Tahmini
  • Rakiplerin davranışlarını tahmin etmek
  • Satışı artırıcı fiyat aralığını tespit etmek
  • Stok dışı kalmayı öngörmek
  • Özel zaman dilimlerine uygun stokla girmek

gibi kararların alınması kolaylaşabilir.

Bu hesaplamalar için örnek veri kümeleri üzerinde yapılacak çalışmalarda değerlendirme ölçütleri olarak “hesaplama maliyeti” ve yapılan tahmine karşılık gelen “skorlama hatası” gibi ölçütler, kaç satışın tam olarak doğru tahmin edildiği ile ilgili doğruluk yerine, öngörülen satışların gerçek satışlara ne kadar yakın olduğu veya olabileceği ile ilgili “ortalama karesel hata (örneğin RMSPE: root mean squared percentage error)” gibi algoritmalar kullanılabilir.

Bu uygulamalar üzerine kurgulanacak tasarım-gerçekleştirme ve test aşamalarını içeren bir ar-ge projesi TÜBİTAK, KOSGEB gibi kurumlara sunulabilir.

KİŞİSELLEŞMEDE YAPAY ZEKA

Yoğun rekabetin yaşandığı alanlarda kişiselleşmeye dayalı farklılaşma yapay zekanın önemli kullanılma potansiyelinin olduğu en önemli alanlardan birisi olabilir.

Tavsiye Algoritmaları (Recommendation Engine):

Internet üzerinde artarak çoğalan içerikler içerisinde doğru kullanıcıyla doğru içeriği buluşturan sistemlere ihtiyaç vardır. Dünyadaki başarılı örnekler ve özellikle e-ticaretin geldiği nokta bu talebi yaratmaya başlamıştır.

Tavsiye sistemleri özellikle e-ticaret sitelerinin tercih ettiği, kullanıcıların sistem içerisindeki davranışlarını analiz ederek bir sonraki hareketlerini
tahmin etmeye yönelik, kendini eğitebilen gelişmiş bilgisayar yazılımlarıdır. Veri analizi, içerik analizi, olasılık hesapları, sistem modelleme ve makine öğrenme algoritmaları kullanırlar.

Amazon.com gibi tavsiye sistemleri kullanan firmalar, bir ürün satın alan müşterilerine ona benzer ve tamamlayıcı başka ürünler de sunarak çapraz satış ile önemli bir gelir artışı elde etmektedirler. Gizlilik şartları göz önüne alınarak yapılan bu tavsiyeler sayesinde kullanıcı memnuniyeti sağlanırken, satışlarda da %5 ile %25 arası artış görülmektedir.

Ürün sayfası – Yanında alabileceğiniz ürünler: Sistem, kullanıcıların davranışlarını ve sepetlerini inceleyerek, belli bir ürünü tercih eden
kullanıcıların sonra hangi ürünlerle ilgilendiğini bulur ve bunları tavsiye olarak gösterir. Örneğin yorgan kılıfı bakan bir kullanıcıya “yanında
alabileceğiniz ürünler” diyerek, o yorgan kılıfına uyumlu yastık
Sepet sayfası tavsiyeleri: Kullanıcıların bir veya birden çok ürünü sepetlerine ekledikleri zaman, onlara bu ürünlerle birlikte satılan diğer ürünleri öneren tavsiyelerdir. Ortalama sepet değerini önemli biçimde arttırırlar.

TAVSİYE TÜRLERİ


E-Mail tavsiyeleri: Kullanıcıların hangi ürünleri tercih edeceği bilindiği için, gönderilen e-mailler içerisinde kullanıcıların beğeneceği ürünleri koymak
mümkündür. E-mail tavsiyeler, her kullanıcı için farklı ürünlerden oluşan e-mail içerikleri hazırlamaya yarar. Örnek vermek gerekirse “bu hafta sizin
için tavsiye edilen ürünler” şeklinde e-mail göndermek mümkün olur.

Hedefli e-mailler: Hangi kullanıcının hangi ürünü alacağı bilindiği için, belli bir ürünü alması muhtemel kullanıcılar da bulunur. Bu sayede, belli bir
ürünün tanıtım e-maili gönderilmek isteniyorsa, gönderilecek müşteriler listesi o ürünü alması muhtemel kullanıcılardan oluşturulur.


Arama sayfası tavsiyeleri: Belli bir ürünü arayan kullanıcılar gelen sonuçlar içerisinde aradıkları ürünü ilk sayfada bulmazlarsa, o ürünün sitede
bulunmadığını düşünürler. Arama sayfası tavsiyeleri, belli bir kelime grubu aratan kullanıcının hangi ürünleri alacağını tahmin eder. “Sizin gibi “çay”
arayan kullanıcılar aşağıdaki ürünleri tercih ettiler” gibi bir tavsiye kutusu gösterilir.


Sosyal ağ ve semantik temelli tavsiyeler: Kullanıcıların sosyal ağlardaki semantik verileri incelenerek yalnızca geçmiş davranışları değil, kim
oldukları, neler sevdikleri ve arkadaşlarının neler yaptığı bilgileri kullanılarak da tavsiye verilecektir. Örneğin “XXX üniversitesine giden erkeklerin aldığı tişörtler bunlar” veya “Size benzer arkadaşlarınızın tercih ettiği ürünler” gibi gösterimler olacaktır.

Tavsiye sistemi sayesinde E-ticaret sitesi sahiplerine analitik raporlar sunmak mümkün olur. Hangi ürünlerin beraber satılabileceği bilgisi, hangi kullanıcnın hangi ürünü satın alabileceği bilgisi ve hatta facebook entegrasyonundan sonra, ürünlerin demografik bilgilere göre satış kırılımlarını sunmak mümkün olur. Bu analitik bilgileri aynı zamanda tavsiye sisteminin ne kadar satış yaptığı bilgisini de içereceği ve
buna göre ücretlendirme yapılacağı için önemli bir bölümdür.

Bu alan, yapay zeka uygulamaları açısından için en uygun alanlardan birisidir ve fizibilitesi düzgün yapılmış bir kurgu ile ar-ge desteklerine başvuru yapılabilir. Bu noktada TEYDEB projelerinde ortaklı başvuru da seçeneklerden birisidir ve veri alanında çalışma firmalar ile ortaklı bir başvuru yapabilirsiniz. Proje ortaklığı için görüşebileceğiniz firmalardan birisi olan OPTIWISDOM ile görüşebilirsiniz.

BEDEN ÖLÇÜMÜ UYUMLANDIRMA

Özellikle tekstil ve ayakkabı sektörü e-ticarette hem çok rekabetçi alanlardan hem de değiştirme ve iade oranının en yüksek olduğu alanlardan birisidir.

Bu sektörlerde özellikle beden ölçüsünün uyumu ile ilgili ön düzenleyici uygulamalar beden ölçüsünden kaynaklanan iadelerin azaltılarak karlılığı artırmayı hedeflemektedir.

GİYİM SEKTÖRÜ

Alışveriş yapanlar, satın alma kararları konusunda kendilerini güvende ve emin hissetmek ister. Diğer önemli bir problem de kalıpların farklılığıdır. Bir markada “Small” giyinen birisi diğer bir markada “Medium” giyinebilmektedir.

Bu alanda önemli bir boşluk olduğu görülmektedir. Yapay zeka tabanlı görüntü işleme teknikleri ile doğru bedenin tam olarak bulunması üzerinde çalışmaya değer bir ar-ge projesi olabilir.

Bu konuda çalışan bir girişim olarak esize.me verilebilir.

AYAKKABI SEKTÖRÜ

Giyim sektörüne çok benzer şekilde ayakkabı sektörü de kalıp ve farklı ayak tiplerinden kaynaklanan problemlerde muzdariptir. Yapay zeka tabanlı görüntü işleme teknikleri ile doğru ayak numarasının tam olarak bulunması üzerinde çalışmaya değer bir ar-ge projesi olabilir. OPENCV kütüphaneleri ile başlayabilecek bir çalışma ayak verisi arttıkça derin öğrenme metodları ile güçlendirilerek daha az hatalı sonuca indirgenebilir. Ayak ölçümlemesinde ayak uzunluğu, tarak çevresi, kuntubiye, bilek çevresi gibi parametreleri nasıl ölçümleneceği ile ilgili pek çok makale de bulunmaktadır.

Ayak ölçüsü ve ayakkabı kalıp verilerinin hızlı yöntemlerle, uç cihazda veya bulutta kıyaslanması ile oluşan uygunluk skoru son kullanıcıya satınalma öncesinde anlamlı bir fikir verebilecektir.

Kısa süre önce ortaya çıkan bazı mobil uygulama tabanlı çözümler Kickstarter vb., crowdsourcing sitelerinde büyük ilgi gördüler. (https://feetz.com) örnek olarak verilebilir. Bu yöntemlerin teknik başarım seviyesine bağlı olarak gelecekte pazarda önemli bir yer bulabileceği söylenebilir.

Yapay zekanın E-Ticaretteki kullanımı elbette bu çalışmalar ile sınırlı değildir. Bu verdiğimiz örneklerden yola çıkılarak boşluk görülen pek çok alanda ar-ge projesi yapılabilir ve globale açılabilecek yeni girişimler ortaya çıkabilir.