2026'nın ilk yarısı, e-ticaret dünyasında sessiz ama derin bir kırılmaya sahne oldu. OpenAI, büyük bir gürültüyle duyurduğu Instant Checkout özelliğini lansmanından yaklaşık altı ay sonra, Mart 2026'da rafa kaldırdı. Şirketin gerekçesi netti: ilk sürüm, markalara arzu edilen esnekliği sunamamıştı. Ödeme adımı yeniden markaların kendi sitelerine döndü; ChatGPT ise odağını tek bir şeye kaydırdı — ürün keşfi.
Bu haberi "yapay zeka ticareti balonu patladı" diye okumak kolay ama yanıltıcı olur. Çünkü ödeme akışı geri çekilirken keşif katmanı hızla büyüdü. Google, Universal Commerce Protocol ve Universal Cart ile kendi agentic ödeme altyapısını devreye aldı. Perplexity, Instant Buy'ı yaygınlaştırdı. Stripe ile birlikte geliştirilen ve Apache 2.0 lisansıyla açık kaynak yayımlanan Agentic Commerce Protocol (ACP) ise bir şirketin ürünü olmaktan çıkıp sektör standardına dönüştü.
Yani asıl soru artık "yapay zeka içinden satış yapabilir miyim?" değil. Asıl soru şu: Bir kullanıcı ChatGPT'ye "40 yaş üstü hassas cilt için Türkiye'de bulunabilen güneş kremi öner" dediğinde, sizin markanız o yanıtın içinde yer alıyor mu?
Bu ayrım, bütçe ve kaynak planlaması açısından kritik. Ödeme entegrasyonu bir mühendislik projesi; birkaç haftada tamamlanır ve biter. Keşif katmanında görünürlük ise sürekli bakım isteyen, birikimli bir varlık. Bugün başlamayan bir markanın altı ay sonra aynı noktaya gelmesi, çok daha yüksek maliyetle mümkün olacak.
Ödeme Değil Keşif: Trafiğin Ağırlık Merkezi Nereye Kaydı?
Geleneksel e-ticaret hunisinde kullanıcı, Google'da arar, bir sonuç listesi görür, birkaç siteyi karşılaştırır ve karar verir. Bu akışta marka görünürlüğü, sıralamadaki pozisyona bağlıydı. Yapay zeka asistanları bu hunisi kökten yeniden yazdı.
Bugün kullanıcı asistana ihtiyacını doğal dille anlatıyor, asistan da onun adına araştırma yapıp üç ila beş ürünlük kısa bir liste sunuyor. On mavi bağlantı yok; bir daraltılmış öneri seti var. Bu setin dışında kalmak, pratikte o sorgudaki müşteri adayının tamamını kaybetmek anlamına geliyor.
Instant Checkout'un geri çekilmesi bu tabloyu markalar açısından aslında iyileştirdi. Ödeme kendi sitenizde gerçekleştiği için müşteri verisi, sepet davranışı, çapraz satış fırsatı ve tekrar pazarlama izni sizde kalıyor. Asistan bir keşif kanalı; dönüşüm hâlâ sizin kontrolünüzde. Bu da yatırımın nereye yapılacağını netleştiriyor: görünürlük ve veri kalitesi.
Rakamlar Ne Söylüyor?
Küresel e-ticaret hacminin 2026 sonunda sekiz trilyon doları aşması bekleniyor. Bu hacmin içinde yapay zeka asistanı üzerinden başlayan alışveriş yolculuklarının payı henüz küçük ama büyüme oranı, hiçbir kanalın son on yılda ulaşamadığı seviyede. Daha da önemlisi bu trafiğin niteliği: asistanla konuşan kullanıcı, ihtiyacını zaten tarif etmiş, kriterlerini netleştirmiş, satın alma niyeti yüksek bir kullanıcı. Yani düşük hacimli ama yüksek dönüşümlü bir kanaldan bahsediyoruz.
Türkiye pazarı açısından ek bir fırsat var. Yerel markaların büyük bölümü ürün verisini henüz makine okunabilir biçimde yapılandırmadığı için, öneri setlerinde çoğunlukla global markalar görünüyor. Bu boşluk, hızlı hareket eden yerel oyuncular için düşük rekabetli bir giriş penceresi anlamına geliyor — ancak pencere kapanıyor.
Yapay Zeka Asistanları Ürünleri Nasıl Seçiyor?
Modellerin ürün önerirken kullandığı sinyalleri anlamak, stratejinin temelini oluşturuyor. Sektördeki gözlemler dört ana başlıkta toplanıyor.
1. Yapılandırılmış Ürün Verisi
Asistanlar sayfanızı bir insan gibi "okumaz"; makine tarafından ayrıştırılabilir veri arar. Product, Offer, AggregateRating ve Review schema işaretlemeleri artık isteğe bağlı bir SEO ayrıntısı değil, giriş bileti. Stok durumu, fiyat, para birimi, kargo süresi, iade koşulu ve GTIN gibi alanların eksiksiz doldurulması, ürününüzün öneri havuzuna girip girmemesini doğrudan belirliyor.
Burada sık yapılan hata, schema'yı bir kez kurup unutmak. Fiyat ya da stok bilgisi gerçek durumla uyuşmadığında model bunu bir güvenilirlik sorunu olarak işaretliyor ve markayı öneri setinden düşürüyor. Veri hijyeni, teknik SEO çalışmalarının artık en kritik parçası.
Bir başka kritik nokta, ürün varyantlarının doğru modellenmesi. Renk, beden ve malzeme varyantları tek bir ürün kimliği altında değil, ayrı Offer nesneleri olarak tanımlanmalı. Kullanıcı "42 beden siyah olanı var mı?" diye sorduğunda asistanın bu soruya kesin yanıt verebilmesi, varyant seviyesindeki stok verisinin makine okunabilir olmasına bağlı. Aksi halde model belirsizlik nedeniyle markayı listeden çıkarma eğiliminde.
2. Üçüncü Taraf Doğrulama
Modeller kendi sitenizdeki iddialara tek başına güvenmiyor. Bağımsız inceleme siteleri, forum tartışmaları, karşılaştırma içerikleri ve gerçek kullanıcı yorumları, markanın "doğrulanmış" sayılmasını sağlıyor. ChatGPT'nin yerel arama tarafında Yelp gibi platformlarla kurduğu veri ortaklıkları, bu doğrulama mantığının somut bir göstergesi.
Pratik sonuç: 500 gerçek yorumu olan ürün, cilalı ama yorumsuz bir ürün sayfasını neredeyse her senaryoda geçiyor. Yorum toplama süreçlerini otomatikleştirmek, doğrudan yapay zeka görünürlüğüne yapılan bir yatırım.
3. Soru Bazlı İçerik Derinliği
Kullanıcı sorguları "kırmızı elbise" gibi kısa anahtar kelimelerden, "düğün için bütçesi 3000 TL'yi aşmayan, uzun kollu, sürdürülebilir üretim yapan marka" gibi çok kriterli cümlelere kaydı. Bu tür sorguları karşılamanın yolu, ürün sayfalarınızın ve blog içeriklerinizin bu kriterleri açıkça ele almasından geçiyor.
Kimin için uygun olduğu, hangi durumda tercih edilmemesi gerektiği, alternatiflerle karşılaştırması, bakım ve kullanım detayları — bunların hepsi modelin eşleştirme yapabileceği sinyaller. Bu noktada disiplinli bir içerik üretimi yaklaşımı, klasik SEO'dan çok daha fazlasını ifade ediyor.
Özellikle dikkat çeken bir davranış var: modeller, ürünün kimin için uygun olmadığını açıkça söyleyen içerikleri belirgin şekilde daha güvenilir buluyor. "Bu ayakkabı günlük yürüyüş için ideal ancak koşu antrenmanı için uygun değil" tarzı dürüst sınırlandırmalar, hem kullanıcı memnuniyetini hem de model güvenini yükseltiyor. Her ürünü her ihtiyaca uygun gösteren pazarlama dili ise ters etki yapıyor.
4. Marka Bahsi Sıklığı ve Tutarlılığı
Bir markanın internetteki toplam bahsedilme yoğunluğu ve bu bahislerin tutarlılığı, modelin marka hakkındaki güven skorunu besliyor. Sosyal medyada aktif, basında görünür, topluluk içinde konuşulan markalar öneri setlerinde belirgin şekilde daha sık yer alıyor. Yani sosyal medya yönetimi artık sadece takipçi ve etkileşim işi değil; yapay zeka görünürlüğünün altyapısı.
Tutarlılık kısmı en az sıklık kadar önemli. Marka adının farklı platformlarda farklı yazımlarla geçmesi, kategori tanımının her kanalda değişmesi ya da fiyat konumlandırmasının çelişkili görünmesi, modelin markayı net bir kategoriye yerleştirmesini zorlaştırıyor. Belirsiz kalan marka, öneri setine giremiyor.
Uygulama: 90 Günlük Yol Haritası
Teoriyi eyleme çevirmek için sıralı ve ölçülebilir bir plan gerekiyor. Aşağıdaki üç aşamalı yaklaşım, orta ölçekli bir e-ticaret operasyonu için gerçekçi bir tempo sunuyor.
İlk 30 Gün — Veri Temeli
- Tüm ürün kataloğu için Product ve Offer schema işaretlemesini tamamlayın; doğrulama araçlarıyla hatasız olduğunu teyit edin.
- Fiyat, stok ve kargo verisinin site ile besleme arasında gerçek zamanlı senkronize olduğunu doğrulayın.
- Ürün başlıklarını ve açıklamalarını, kullanıcıların doğal dille kurduğu cümleleri karşılayacak şekilde yeniden yazın.
- Robots.txt ve sunucu ayarlarında yapay zeka tarayıcılarına erişim verdiğinizden emin olun — farkında olmadan engellemek yaygın bir hata.
31-60 Gün — İçerik ve Kanıt
- En çok gelir getiren 20 ürün için karşılaştırma, kullanım senaryosu ve sık sorulan sorular içeriği üretin.
- Satın alma sonrası yorum toplama akışını kurun; hedef, ürün başına asgari 50 doğrulanmış yorum.
- Sektörel inceleme sitelerinde ve bağımsız karşılaştırma içeriklerinde yer almak için erişim çalışması başlatın.
- Müşteri sorularını otomatik yanıtlayan bir AI chatbot kurarak hem dönüşümü hem de site içi içerik derinliğini artırın.
61-90 Gün — Ölçüm ve Optimizasyon
Bu aşamada iş, tahminden ölçüme geçiyor. Kategorinizle ilgili 30-50 doğal dil sorgusunu belirleyin ve bunları ChatGPT, Gemini, Perplexity ve Claude üzerinde düzenli aralıklarla test edin. Her testte markanızın öneri setinde yer alıp almadığını, hangi sırada göründüğünü ve hangi özelliklerle anıldığını kaydedin.
Analitik tarafında yapay zeka asistanlarından gelen yönlendirme trafiğini ayrı bir kanal olarak izlemeye alın. Bu trafiğin dönüşüm oranı, ortalama sepet tutarı ve iade oranı, kanalın gerçek değerini gösteren en dürüst göstergeler. Performans verisiyle beslenen bir bütçe yaklaşımı, kaynağın hangi kanala kayması gerektiğini netleştirecek.
Ölçümde en sık atlanan detay, sonuçların oturumdan oturuma değişkenlik göstermesi. Aynı sorgu farklı zamanlarda farklı öneri setleri üretebiliyor. Bu yüzden tek bir testin sonucuna göre karar vermek yanıltıcı olur; her sorgu için en az beş tekrar alıp görünme oranını yüzde olarak takip etmek gerekiyor. Hedef, kritik sorgularınızda en az yüzde 60 görünürlük oranına ulaşmak.
Hangi Sorgular Öncelikli?
Test edilecek sorgu listesini oluştururken üç kategoriye odaklanın. Birincisi, kategori düzeyinde tavsiye soruları — "en iyi X markası hangisi" gibi. İkincisi, problem odaklı sorular — kullanıcının ürün adını bilmediği, sadece ihtiyacını tarif ettiği sorgular. Bunlar en değerli grup, çünkü marka tercihi henüz oluşmamış. Üçüncüsü, rakip karşılaştırmaları — kullanıcının iki marka arasında kaldığı anlar. Bu üçüncü grupta görünmemek, satın alma anına en yakın müşteriyi kaybetmek demek.
Sık Yapılan Üç Hata
Birincisi, kanalı erken küçümsemek. Yapay zeka asistanlarından gelen trafik bugün toplam trafiğin küçük bir dilimini oluşturuyor. Ancak bu kanalda görünürlük kazanmak aylar süren bir birikim işi; başladığınızda rakipleriniz iki yıllık veri birikimine sahipse yetişmek çok daha pahalı olacak.
İkincisi, içeriği model için yazmaya kalkışmak. Anahtar kelime doldurmanın yapay zeka çağındaki karşılığı, yapay ve robotik ürün açıklamaları üretmek. Modeller bu tür içeriği ayırt ediyor ve düşük kaliteli olarak işaretliyor. Gerçek kullanıcıya yazılmış, spesifik ve dürüst içerik hem insan hem model tarafında kazanıyor.
Üçüncüsü, altyapıyı ihmal etmek. Yavaş yüklenen, mobilde bozulan ya da stok bilgisi güncel olmayan bir e-ticaret altyapısı, en iyi içerik stratejisini bile boşa çıkarır. Asistan kullanıcıyı size yönlendirdiğinde karşılaştığı deneyim, o markanın bir daha önerilip önerilmeyeceğini de belirliyor.
Sonuç: Vitrin Değişti, Kurallar Aynı Kalmadı
Instant Checkout'un kapanması, agentic ticaretin sonu değil; olgunlaşma sancısı. Ödeme katmanı standartlaşana kadar markaların yapması gereken şey net: keşif katmanında var olmak. Bu da temiz veri, doğrulanabilir itibar, derinlikli içerik ve tutarlı marka varlığı demek.
İyi haber şu ki bu yatırımların hiçbiri boşa gitmiyor. Yapılandırılmış veri klasik arama sonuçlarını da güçlendiriyor, gerçek yorumlar dönüşüm oranını yükseltiyor, kaliteli içerik hem organik trafiği hem de reklam kalite skorunu iyileştiriyor. Yapay zeka görünürlüğü için yaptığınız çalışma, aslında e-ticaret operasyonunuzun tamamını daha sağlam hale getiriyor.
2026'nın geri kalanında kazananlar, yeni bir kanalı kovalayanlar değil; temellerini bu yeni gerçekliğe göre yeniden kuranlar olacak.
