Site İçi AI Arama: Anlamsal Arama Kelime Eşleşmesinden Nasıl Ayrılır?

Arama kutusuna yazılan cümlelerin kataloğunuzdaki kelimelerle birebir örtüşme oranı düşüktür. Ziyaretçi ürünün adını değil, ihtiyacını yazar: bebek arabasına takılan siyah çanta, kışın terletmeyen mont, hediyelik ahşap kutu. Kataloğunuzda bu ürünler vardır ama bu kelimelerle yazılmamıştır. Klasik arama motoru bu noktada boş döner ve ziyaretçi sitede ürün olmadığını sanır.

Bu yazı, arama kutusunun arkasındaki iki farklı mekanizmayı karşılaştırıyor: kelimeyi arayan klasik eşleşme ile anlamı arayan yapay zekâ destekli arama. Türkçe normalizasyon, ek ayıklama, sıralama kuralları ve ölçümleme gibi konuları daha önce site içi arama optimizasyonu rehberinde ele almıştık; burada konuyu tekrarlamak yerine bir katman yukarı çıkıyoruz. Orada aramanın nasıl düzgün kurulacağını anlattık, burada anlamsal katmanın fiilen nasıl çalıştığını ve nerede yanıldığını anlatıyoruz.

Site içi AI arama nedir?

Site içi AI arama, sorguyu ve ürün metinlerini sayısal vektörlere çeviren, sonra bu vektörler arasındaki mesafeye bakarak en yakın ürünleri döndüren arama biçimidir. Anahtar fikir şudur: metin, anlamı temsil eden bir sayı dizisine dönüştürülebilir ve benzer anlamlı metinler bu uzayda birbirine yakın düşer.

Pratikte akış şöyle işler. Katalog indekslenirken her ürünün adı, açıklaması, kategori yolu ve öne çıkan nitelikleri birleştirilip bir vektöre çevrilir ve saklanır. Ziyaretçi arama yaptığında yalnızca sorgunun vektörü hesaplanır, ardından saklanmış vektörler arasında en yakın olanlar taranır. Ağır hesabın tamamı indeksleme anında yapıldığı için sorgu tarafı hızlı kalır; buna karşılık katalog değiştiğinde indeksin tazelenmesi gerekir ve bu, modülün bakım maliyetinin ana kalemidir.

AI search, akıllı arama, yapay zekalı arama: aynı şey mi?

Piyasada aynı özellik birkaç farklı adla satılıyor ve adların hepsi aynı mekanizmayı anlatmıyor. Satın almadan önce terimin altında ne olduğunu sormak, karşılaştırmayı kolaylaştırır.

• AI search genellikle vektör tabanlı anlamsal eşleşmeyi anlatır; sorgunun ve ürünlerin gömme (embedding) vektörlerine çevrildiği kurulumlar bu adla anılır. Ancak terim korumasızdır; yalnızca yazım hatası düzeltmesi ekleyen ürünler de kendini AI search diye tanımlayabiliyor.
• Akıllı arama Türkçede daha çok kullanıcı arayüzü tarafını çağrıştırır: anlık öneri kutusu, popüler aramalar, kategori kısayolları, görselli sonuçlar. Bu özelliklerin hiçbiri anlamsal eşleşme gerektirmez; iyi kurulmuş bir kelime tabanlı motorla da yapılabilir.
• Yapay zekalı arama ise şemsiye bir ifadedir ve altında üç ayrı yetenek olabilir: anlamsal eşleşme, sorgu niyeti sınıflandırma (kategori mi, marka mı, kampanya mı arıyor) ve kişiselleştirilmiş sıralama. Üçü birbirinden bağımsız çalışır, bir sağlayıcıda hepsi bulunmayabilir.

Karşılaştırma yaparken sorulacak tek soru şudur: eşleşme kararı hangi veriye bakıyor? Cevap kelimenin geçip geçmediğine ise elinizdeki şey adı ne olursa olsun klasik aramadır. Cevap anlam yakınlığına ise anlamsal katman gerçekten vardır ve o zaman bir sonraki soru, kelime tabanlı skorun da devrede olup olmadığıdır.

Kelime eşleşmesi tam olarak neyi kaçırır?

Klasik arama, sorgudaki kelimelerin ürün metninde geçip geçmediğine bakar. Bu yaklaşım dört sorgu tipinde sistematik olarak başarısız olur.

Bu dört tipin ortak özelliği, hepsinin yüksek niyetli olmasıdır. Kimse eğlence olsun diye alerjik ciltler için nemlendirici yazmaz. Klasik aramanın kaçırdığı sorgular, tam olarak satın almaya en yakın sorgulardır.

Anlamsal arama tek başına neden yetmez?

Anlamsal aramanın zayıf olduğu yer, tam eşleşme gerektiren sorgulardır. Ziyaretçi bir model kodu yazdığında istediği şey benzer bir ürün değil, tam olarak o üründür. Vektör benzerliği bu durumda yanıltıcı olur: aynı seriden başka bir model, aynı markanın yakın ürünü veya sayı dizisi benzeyen alakasız bir kalem üste çıkabilir.

Bu yüzden doğru kurulum hibrittir. Kelime tabanlı skor ile anlamsal skor birlikte hesaplanır ve ikisi tek bir sıralamada birleştirilir. Sorgunun biçimi ağırlığı belirler:

• Kısa ve kod benzeri sorgular (harf-rakam karışımı, büyük harf yoğun) kelime tabanlı skora ağırlık verir.
• Uzun ve doğal cümle sorguları anlamsal skora ağırlık verir.
• Marka adı içeren sorgularda marka alanı sert filtre olarak uygulanır; anlam yakınlığı marka sınırının dışına çıkamaz.
• Tek kelimelik kategori sorgularında iki skor da benzer sonuç verir, bu durumda stok ve popülerlik gibi iş sinyalleri belirleyici olur.

Hibrit kurulumun en gözden kaçan faydası, hata biçimini öngörülebilir kılmasıdır. Saf anlamsal aramada bir sorgunun neden o sonucu döndürdüğünü açıklamak zordur; kelime skoru devrede olduğunda sonucun hangi eşleşmeden geldiği izlenebilir ve düzeltilebilir.

Sonuç bulunamadı ekranının gerçek maliyeti

Sıfır sonuç ekranı tek bir kayıp değil, üç ayrı kayıptır ve üçü farklı yerlerden çıkar.

1. Oturum kaybı. Ziyaretçi aradığını bulamadığında ürünü başka bir yerde arar. Bu kayıp doğrudan ve ölçülebilirdir; sıfır sonuçla biten oturumların çıkış oranına bakmak yeterlidir.
2. Sinyal kaybı. Sıfır sonuç veren her sorgu aslında bir talep beyanıdır. Bu sorgular kaydedilip düzenli okunmuyorsa, kataloğa ne ekleyeceğinizi söyleyen en ucuz veri kaynağını çöpe atıyorsunuz demektir.
3. Katalog körlüğü. En pahalı olanı budur. Sıfır sonuçların önemli kısmı satmadığınız ürünler için değil, sattığınız ama bulunamayan ürünler içindir. Yani stokta duran ürün, arama motoru yüzünden yokmuş gibi davranır.

Anlamsal katman ikinci ve üçüncü kaybı doğrudan azaltır çünkü kelime örtüşmesi olmadan da eşleşme üretebilir. Buna karşılık ekranın kendisini gereksiz kılmaz: her katalogda gerçekten karşılığı olmayan sorgular olacaktır. Bu durumda ekranın boş kalmaması, yakın kategoriler, popüler ürünler ve arama terimini daraltma önerileri sunması gerekir.

AI aramanın kendi hata biçimi: alakalı ama yanlış

Kelime tabanlı arama yanlış cevap vermez, cevapsız kalır. Anlamsal arama ise cevapsız kalmaz, yanlış cevap verir. Bu ikisi arasındaki fark kullanıcı deneyimi açısından kritiktir: boş sonuç ekranı ziyaretçiye açık bir sinyal verir, alakasız dolu bir liste ise ziyaretçiyi kataloğunuzun zayıf olduğuna ikna eder.

Bu hatanın önüne geçmek için anlamsal skorun üzerine sert kurallar konur:

• Benzerlik eşiği. Belirli bir yakınlık değerinin altındaki eşleşmeler listeye hiç girmez. Eşiğin altında kalan sorgu, dolu bir liste yerine öneri ekranına yönlendirilir.
• Kategori tutarlılığı. İlk sonuçların kategori dağılımı çok dağınıksa, sonuçlar tek kategoriye daraltılır. Ziyaretçi mont ararken çorap görmemelidir.
• Stok ve yayın durumu. Tükenmiş ve yayından kaldırılmış ürünler skoru ne olursa olsun üst sıraya çıkmaz. Talep varsa bu ürünler için stok hatırlatıcı akışı devreye alınır.
• Negatif eşleşme koruması. Sorgudaki olumsuzluk ifadeleri (kolsuz, şekersiz, kablosuz) anlam uzayında olumlu karşılıklarına yakın durur. Bu ifadeler nitelik filtresine çevrilmezse tam tersi ürün önerilebilir.

Türkçede anlamsal aramanın ek yükü

Anlamsal katman, Türkçenin sorunlarını kendiliğinden çözmez; bir kısmını hafifletir, bir kısmını olduğu gibi bırakır. Sahada en çok karşılaştığımız üç durum şu:

• Ölçü ve birim yazımı. 40 numara, 40 beden, 40 no ifadeleri anlam olarak yakın düşse de doğru varyantı seçmek için sayıyı ayrıştırıp nitelik alanına yazmak gerekir.
• Yabancı marka adlarının Türkçe yazımı. Kullanıcı markayı duyduğu gibi yazar. Bu tür yazımlar genel dil modelinde nadir olduğu için anlamsal eşleşme zayıf kalır; marka takma adları sözlükte tutulmaya devam eder.
• Kısaltılmış ürün adları. Katalogda ürün adı satıcı diliyle yazılmışken ziyaretçi günlük dille arar. Ürün açıklamasının indekse dahil edilmesi bu farkın büyük kısmını kapatır, bu yüzden yalnızca ürün adını indekslemek anlamsal aramanın verimini ciddi biçimde düşürür.

Kısacası anlamsal arama, iyi kurulmuş bir temel katmanın yerine geçmez, üzerine gelir. Normalizasyon ve eş anlamlı sözlüğü olmayan bir kurulumda yapay zekâ katmanı eklemek, sorunların bir kısmını görünmez kılar ama kökten çözmez.

E-ticaret arama motoru kurulumunda ne oluyor?

STools AI arama modülünün kurulumunu biz yapıyoruz; mağaza ekibinin kod yazması gerekmiyor. Devreye alma sırasında sırayla şunlar oluyor: katalog verisi çekilip alan eşlemesi yapılıyor, ürün metinleri birleştirilip indeksleniyor, eş anlamlı ve marka takma adı sözlüğü kategoriye göre dolduruluyor, arama kutusu ve sonuç sayfası temaya bağlanıyor, son olarak sorgu kayıtları açılıyor.

Kurulum sonrası devam eden tek iş indeks tazeliğidir. Ürün eklendiğinde veya açıklama değiştiğinde ilgili ürünün vektörü yeniden hesaplanır; tam yeniden indeksleme yalnızca kategori yapısı veya alan eşlemesi değiştiğinde gerekir. Yoğun kampanya dönemlerinde tazeleme sıklığını artırmak, yeni eklenen ürünlerin aramada gecikmeli görünmesini önler.

İşe yarayıp yaramadığını nasıl anlarsınız?

AI aramanın etkisini ölçerken en yaygın hata, arama yapan kullanıcıların dönüşüm oranına bakıp modüle mal etmektir. Bu kullanıcılar zaten yüksek niyetlidir. Anlamsal katmanın etkisi dört yerde görünür:

• Sıfır sonuç oranı. Kurulum öncesi ve sonrası aynı sorgu havuzunda karşılaştırılmalıdır.
• Sorgu yeniden yazma oranı. Ziyaretçinin arka arkaya farklı kelimelerle arama yapması, ilk aramanın işe yaramadığının en net göstergesidir.
• Arama sonrası ilk tıklamanın sırası. Tıklanan sonucun listedeki konumu yukarı çıkıyorsa sıralama iyileşmiştir.
• Uzun sorguların payı. Arama işe yaramaya başladıkça ziyaretçiler daha uzun ve tanımlayıcı sorgular yazmaya başlar; bu davranış değişimi kendi başına bir başarı sinyalidir.

Arama ekranında kalan ama tıklama yapmayan ziyaretçilerin nedenini anlamak için çıkış anketi modülü tamamlayıcı bir kaynak sağlar; sorgu kayıtları ne aradığını söyler, anket neden vazgeçtiğini söyler.

Özet

Klasik arama kelimenin kendisini, AI arama kelimenin kastettiği şeyi arar. Bu fark yazım hatası, eş anlamlı kullanım ve tarif ederek arama gibi sorgularda doğrudan sonuç üretir. Buna karşılık anlamsal katman tek başına kullanıldığında yeni bir hata biçimi getirir: boş sonuç yerine alakasız sonuç. Bu yüzden kelime tabanlı skor kapatılmaz, ikisi hibrit çalıştırılır ve üzerine benzerlik eşiği, kategori tutarlılığı ve stok durumu gibi sert kurallar konur.

Aramanın temel katmanları (Türkçe normalizasyon, ek ayıklama, eş anlamlı sözlüğü, sıralama kuralları) kurulmadan anlamsal katman eklemek, sorunu çözmek yerine gizler. Bu katmanların nasıl kurulacağını site içi arama optimizasyonu yazısında adım adım anlattık. Kendi kataloğunuz için hangi katmanın öncelikli olduğunu birlikte değerlendirmek isterseniz destek@stools.digital adresine yazabilirsiniz.