Haz 26, 2026 0 reads

Ürünleriniz Konuşabilseydi, Birbirine Ne Derdi?

Ürünleriniz Konuşabilseydi, Birbirine Ne Derdi?Bu yazımızda,, ürün verilerini sayısal temsillere dönüştüren Product2Vec yaklaşımının klasik öneri sistemlerinden ne farkı olduğunu, hangi iş problemlerini çözdüğünü ve e-ticaret dünyasından gerçek vakalarla nasıl sonuçlar ürettiğini inceleyeceğiz.Product2Vec ile E-Ticarette Öneri Sistemlerinin Yeni Nesli"Müşterilerimiz zaten öneri görüyor, neden farklı bir şey yapalım?"Bu soruyu duyduğum her toplantıda aynı cevabı veriyorum: Çünkü klasik öneri sistemleri, müşterilerinize "bu ürünü alan bu ürünü de aldı" diyor. Product2Vec ise "bu ürünler neden birlikte anlam ifade ediyor" sorusunu cevaplayabiliyor.Aradaki fark, bir kitapçıda "çok satanlar" rafına bakmakla, sizin zevkinizi anlayan bir kitapçının "bunu okuduysan, şunu da seversin , ama bu sefer farklı bir türden" demesi arasındaki fark kadar büyük.Klasik Öneri Sistemlerinin Görünmeyen SorunuBir e-ticaret sitesinde kırmızı bir elbise baktığınızı düşünün. Klasik bir "Collaborative Filtering" sistemi size ne önerir? Büyük ihtimalle başka kırmızı elbiseler. Belki aynı markanın diğer elbiseleri.Peki ya o kırmızı elbiseye bakan müşterilerin çoğunun aslında bir davet hazırlığında olduğunu ve elbisenin yanına topuklu ayakkabı, clutch çanta ve statement kolye aradığını bilseydiniz?İşte klasik sistemlerin en büyük kör noktası burada: ürünleri kategoriler ve etiketlerle tanıyorlar, müşteri davranışlarıyla değil.Klasik Öneri SistemiProduct2Vec Tabanlı SistemTemel mantık"Bu ürünü alan, bunu da aldı""Bu ürünler aynı bağlamda anlam ifade ediyor"Kategori sınırıAynı kategoride kalırKategoriler arası geçiş yapabilirSoğuk başlangıçYeni ürünlerde çaresizMeta verilerle daha iyi başa çıkırİş etkisiCTR artışı sınırlıCross-sell ve sepet değeri artışı yüksekProduct2Vec Nedir?Google'ın ünlü Word2Vec algoritması, kelimelerin anlamını öğrenmek için şu prensibi kullanır: "Bir kelimeyi, etrafındaki kelimelerden tanırsın." Yani "İstanbul" kelimesi "şehir", "Boğaz", "trafik" gibi kelimelerle sık sık birlikte geçiyorsa, algoritma İstanbul'un ne olduğunu bu bağlamdan anlar.Product2Vec aynı mantığı ürünlere uyguluyor:Bir ürünü, aynı oturumda (session) birlikte görüntülenen diğer ürünlerden tanırsın.Bir kullanıcı tek oturumda şu ürünleri görüntülüyor diyelim:Oturum 1: [Koşu Ayakkabısı] → [Spor Tayt] → [Spor Sütyeni] → [Matara]Oturum 2: [Koşu Ayakkabısı] → [Koşu Çorabı] → [Spor Bilekliği]Oturum 3: [Yürüyüş Botu] → [Outdoor Çanta] → [Matara] → [Güneş Kremi]Word2Vec'te cümleler nasıl kelimeler arasındaki ilişkiyi ortaya çıkarıyorsa, burada oturumlar da ürünler arasındaki gizli ilişkileri ortaya çıkarıyor. Algoritma bu oturumlardan öğreniyor ki:Koşu Ayakkabısı ve Spor Tayt, "aynı dünyada" yaşayan ürünlerMatara hem koşu hem outdoor dünyasına köprü kuruyorYürüyüş Botu ve Koşu Ayakkabısı yakın ama aynı noktada değilHer ürün sonunda çok boyutlu bir uzayda bir "nokta" olarak temsil ediliyor. Birbirine yakın noktalar = birbirine benzer veya tamamlayıcı ürünler.İş Tarafında Ne Değişiyor?Product2Vec'in gerçek gücü, tek bir embedding'den (sayısal temsil) birden fazla iş problemi çözebilmenizde yatıyor. Tek bir modelden elde edebileceğiniz çıktılar:1. Benzer Ürün Önerileri (Similar Items)En temel kullanım alanı. Bir ürün sayfasında "Bunu Beğendiyseniz" karuselini akıllı hale getirmek. Klasik sistemlere göre farkı: sadece aynı kategoriden değil, davranışsal olarak benzer ürünleri de önerebilmesi.(CTR (Tıklanma Oranı) ve dönüşüm oranında doğrudan artış.)2. Kategoriler Arası Cross-SellProduct2Vec, kategori sınırlarını aşabilen bir yapıda. Kahve makinesi bakan birine sadece başka kahve makinesi değil, öğütücü, kahve çekirdeği, süt köpürtücü önerebilirsiniz çünkü bu ürünler embedding uzayında birbirine yakın.(Ortalama sepet değerinde (AOV) artış.)3. Otomatik Ürün Taksonomi GenişletmeÖzellikle marketplace modellerde ürün kategorilendirmesi bir kabustur. Product embedding'ler kullanarak, yanlış kategorize edilmiş ürünleri otomatik olarak tespit edebilir veya yeni ürünleri doğru kategoriye yönlendirebilirsiniz.(Arama kalitesinde iyileşme, müşteri deneyiminde tutarlılık.)4. Kişiselleştirilmiş Arama SonuçlarıBir müşteri "pantolon" diye aratıyor. Klasik arama motoru her tür pantolonu döndürür. Ama o müşteri son oturumlarında hep koşu ürünleri baktıysa, Product2Vec tabanlı kişiselleştirme ona önce koşu pantolonlarını gösterir.(Arama-sonrası dönüşüm oranında artış.)5. Müşteri SegmentasyonuÜrün embedding'lerini müşteri düzeyinde toplayarak (aggregation), her müşterinin "ilgi uzayını" çıkarabilirsiniz. Böylece segmentasyon artık demografiye değil, gerçek davranışa dayanır. (Kampanya hedeflemede hassasiyet, pazarlama bütçesinde verimlilik.)Gerçek Dünyadan RakamlarBu yaklaşım teoride güzel ama pratikte işe yarıyor mu?Pinterest, ItemSage adını verdiği embedding modeliyle ürün önerilerinde sepete ekleme ve satın alma metriklerinde kayda değer iyileşmeler raporladı , özellikle az tıklanan ürünlerde. [1]Amazon, Alibaba, Walmart, Criteo gibi şirketler, ürün embedding'lerini öneri, fiyatlandırma ve benzerlik gibi farklı alanlarda aktif olarak kullanıyor. [2]Huckberry (bir outdoor e-ticaret markası), AI tabanlı kişiselleştirme motoruyla reklam bütçesini artırmadan gelirinde %9,4 artış sağladı. [3]McKinsey tarafından paylaşılan verilere göre, Amazon'daki satın almaların %35'i öneri motorları tarafından yönlendiriliyor. Netflix'te ise bu oran %75'e çıkıyor. [4]Başlamak İçin Neye İhtiyacınız Var?Product2Vec projesine başlamak için milyonlarca dolarlık bütçeye veya 50 kişilik data science ekibine ihtiyacınız yok. İhtiyacınız olan üç temel şey:1. Oturum bazlı görüntüleme verisi Her kullanıcının tek bir oturumda hangi ürünleri, hangi sırayla görüntülediğinin kaydı. GA4 kullanıyorsanız, bu veri zaten BigQuery'de sizi bekliyor.2. Yeterli veri hacmi Word2Vec temelli modeller, az görüntülenen ürünler için kaliteli embedding üretemez. Genel kural: bir ürünün en az birkaç yüz kez farklı oturumlarda görüntülenmiş olması gerekir.3. İş tarafıyla net bir kullanım senaryosu Teknoloji hazır, asıl soru "bunu nerede kullanacağız?" sorusu. Benzer ürün önerisi mi? Cross-sell mi? Kişiselleştirilmiş arama mı? İlk projeyi dar ve ölçülebilir tutmak başarı şansını artırır.Her güçlü aracın sınırları var. Product2Vec'in dikkat edilmesi gereken noktaları:Az tıklanan ürünler (cold items) kalitesiz embedding'ler üretir. Yeni ürünler için ek sinyaller (kategori, marka, fiyat aralığı gibi meta veriler) gerekir. Meta-Prod2Vec gibi yaklaşımlar bu sorunu çözmeye odaklanıyor.Mevsimsellik ve trend değişimleri modeli eskitir. Embedding'leri düzenli aralıklarla yeniden eğitmek gerekir.Tek başına yeterli değildir. Gerçek dünyada en iyi sonuçlar, embedding tabanlı yaklaşımın kural bazlı filtrelerle (stok durumu, marj, kampanya kuralları) birleştirilmesiyle elde edilir.Sonuç: Ürünlerinizin Dilini ÖğreninProduct2Vec'in arkasındaki temel fikir aslında çok insani: bağlam, anlam yaratır.Bir kelimeyi cümledeki yerine bakarak anlıyoruz. Bir insanı, kiminle vakit geçirdiğine bakarak tanıyoruz. Aynı şekilde, bir ürünü de hangi ürünlerle birlikte görüntülendiğine bakarak "anlayabiliriz."Bu anlayış, size sadece daha iyi öneri sistemi vermez. Size müşterilerinizin ürünlerinizi nasıl gördüğüne dair bir harita verir. Ve bu harita, pazarlama stratejinizden ürün geliştirme kararlarına kadar her şeyi dönüştürebilir.Ürünleriniz zaten konuşuyor. Soru şu: siz dinliyor musunuz?SSSProduct2Vec'i uygulamak için ne kadar teknik altyapıya ihtiyacım var?Temel bir Python ortamı ve oturum bazlı görüntüleme verisi yeterli bir başlangıç noktası. Ancak profesyonel anlamda bu işi ölçeklenebilir, sürdürülebilir ve iş sonuçlarına bağlı bir şekilde hayata geçirmek istiyorsanız Analyticahouse olarak tam da bu noktada devreye giriyoruz: veri altyapısından model geliştirmeye, öneri sisteminin entegrasyonundan performans ölçümüne kadar uçtan uca bir ortaklık sunuyoruz.Kaç ürün ve kaç oturum verisiyle anlamlı sonuç alınır?Genel kural olarak, bir ürünün kaliteli bir embedding üretebilmesi için en az birkaç yüz farklı oturumda görünmüş olması gerekiyor. Toplam oturum sayısı için ise yüz binli rakamlar modelin anlamlı ilişkiler öğrenmesini güçlendiriyor.Model ne sıklıkla yeniden eğitilmeli?Mevsimsellik ve trend değişimleri embedding'leri eskittiğinden, ürün kataloğunuzun dinamizmine göre haftalık ile aylık arasında bir yeniden eğitim döngüsü kurgulanmasını öneriyoruz. Hızlı değişen kategorilerde (moda, elektronik) bu süreyi kısaltmak daha doğru sonuçlar verir.Yeni eklenen ürünler için ne yapılmalı?Yeni ürünler yeterince görüntülenmediğinden soğuk başlangıç problemi yaşanır. Bu durumda ürünün kategori, marka, fiyat aralığı ve açıklama gibi meta verileri kullanılarak embedding tahmini yapan Meta-Prod2Vec gibi yaklaşımlar devreye alınabilir.Product2Vec tek başına bir öneri motoru olarak yeterli mi?Hayır. En güçlü sonuçlar, embedding tabanlı önerilerin stok durumu, marj hedefleri ve kampanya kuralları gibi iş kısıtlarıyla birleştirildiği hibrit sistemlerden geliyor. Product2Vec bir karar motoru değil, güçlü bir sinyal kaynağı olarak konumlandırılmalı.Referanslar[1] Pal, A. et al. (2022). ItemSage: Learning Product Embeddings for Shopping Recommendations at Pinterest. KDD '22, ACM SIGKDD Conference on Knowledge Discovery and Data Mining. cs.stanford.edu/people/jure/pubs/itemsage-kdd22.pdf[2] Coveo (2022). Product Embeddings & Recommendations: The Ultimate Ecommerce Power Couple. coveo.com/blog/product-embeddings-conversion[3] Core dna (2025). Top eCommerce Case Studies: Key Insights and Surprising Results. Huckberry, Algolia AI kişiselleştirme motoru entegrasyonu case study. coredna.com/blogs/ecommerce-case-studies[4] McKinsey & Company, aktaran Coveo (2022). Amazon ve Netflix öneri motorları etki verileri. coveo.com/blog/product-embeddings-conversion

Eyl 16, 2025 0 reads

Yapay Zeka ile Müşteri Davranışlarını Saniyeler İçinde Nasıl Tahmin Ediyoruz?

E-ticaretin hareketli dünyasında her şirketin aklında sihirli bir soru vardır: "Hangi müşterim, ne zaman yeniden alışveriş yapacak?" Bu sorunun cevabı, kişiselleştirilmiş indirimlerden doğru zamanda gönderilen bir bildirime, stok yönetiminden pazarlama stratejilerine kadar her şeyi kökten değiştirebilir. Peki, bu soruyu cevaplamak için bir kristal küreye ihtiyacımız var mı? Hayır. Bize gereken tek şey, verinin fısıldadıklarını dinleyebilen akıllı bir yapay zeka.İşte tam da bu noktada, kullanıcılarımızın bir sonraki 1, 3, 5, 7 ve hatta 10 gün içindeki satın alma niyetlerini şaşırtıcı bir doğrulukla tahmin eden projemizin sır perdesini aralıyoruz.Her Tıklamanın Bir Hikayesi VarHer şey kullanıcılarımızın bıraktığı dijital izlerle başlıyor. Ana sayfada gezinmeleri, bir ürünü incelemeleri ve nihayetinde satın alma yapmaları... Bunların hepsi, bizim için birer veri noktasından çok daha fazlası; bunlar, birer davranış hikayesi.Modelimizi eğitmeden önce, her bir kullanıcımız için geçmiş 8 haftalık bir "dijital günlük" oluşturduk. Bu günlük, kullanıcının sadece "ne" yaptığını değil, "ne zaman" ve "ne sıklıkla" yaptığını da içeriyor. Fakat biz daha derine indik ve o anki durumu daha iyi anlamak için bazı kritik sorular sorduk: Kullanıcı en son ne zaman sitemizi ziyaret etti? En son alışverişinin üzerinden kaç gün geçti? Son bir ayda kaç kez alışveriş yaptı? Şu an günlerden ne? Hafta sonu mu? Günün hangi saati? Bu yaklaşım sayesinde, elimizde sadece geçmişin bir filmi değil, aynı zamanda geleceği tahmin edeceğimiz "o anın" net bir fotoğrafı da oldu.Hafızası ve Odaklanma Yeteneği Olan Bir Yapay ZekaElimizdeki bu zengin "davranış hikayelerini" anlamlandıracak özel bir beyne ihtiyacımız vardı. Biz de en gelişmiş derin öğrenme mimarilerinden birini inşa ettik.1. Güçlü Hafıza (LSTM Katmanları)Modelimizin kalbinde LSTM (Long Short-Term Memory) adında, insan beyninin hafıza yeteneğini taklit eden bir teknoloji yatıyor. Bu teknoloji sayesinde modelimiz, bir kullanıcının 8 haftalık davranış serisini baştan sona hatırlayabiliyor. Geçen hafta yaptığı bir gezintinin, bugün yapacağı bir satın almayı nasıl tetikleyebileceğini anlıyor.2. Dikkat Mekanizması (Attention)Ancak sadece hatırlamak yetmez. Önemli olan, hangi anıların daha değerli olduğunu bilmektir. İşte burada modelimizin "süper gücü" devreye giriyor: Dikkat Mekanizması (Attention).Şöyle düşünün: Bir sınava çalışırken kitabın her kelimesini ezberlemezsiniz; önemli gördüğünüz yerlerin altını çizersiniz. Dikkat Mekanizması da tam olarak bunu yapıyor! Kullanıcının 8 haftalık geçmişindeki yüzlerce olay arasından, satın alma sinyali veren en kritik anlara odaklanıyor ve dikkatini oraya yoğunlaştırıyor. Belki de bir kullanıcının art arda üç gün boyunca aynı kategoride gezinmesi, bir hafta önceki alışverişinden çok daha önemli bir sinyaldir. Modelimiz bunu kendi kendine keşfedebiliyor.3. En İyi Tarifi Bulan Usta Şef (KerasTuner)En iyi modeli nasıl bulacağımızdan emin olmak için işi şansa bırakmadık. KerasTuner adında, yüzlerce farklı model mimarisini ve ayarını otomatik olarak deneyen bir "usta şef" kullandık. Bu sistem, bizim için en lezzetli, yani en doğru tahminleri yapan "tarifi" bulana kadar yorulmadan çalıştı ve bize mümkün olan en performanslı modeli sundu.Sonuçları Nasıl Anlamlandırıyoruz?Modelimiz bize basit bir "alacak" ya da "almayacak" cevabı vermiyor. Çok daha değerli bir şey sunuyor: olasılık skorları. Örneğin, "A kullanıcısının önümüzdeki 3 gün içinde alışveriş yapma olasılığı %87" gibi.Bu bize inanılmaz bir esneklik sağlıyor. Şöyle ki: Yüksek Değerli Kampanyalar: Sadece modelin %90 ve üzeri emin olduğu kullanıcılara özel bir indirim kuponu göndererek pazarlama bütçemizi en verimli şekilde kullanabiliriz. Genel Duyurular: Modelin %60 ve üzeri ihtimal verdiği daha geniş bir kitleye yeni bir ürün duyurusu yaparak kimseyi kaçırmadığımızdan emin olabiliriz. Yani, modelin "güven seviyesini" iş hedefimize göre ayarlayarak, isabet oranı ile ulaşabileceğimiz kitle (kapsam) arasında mükemmel bir denge kurabiliyoruz.Veriye Dayalı Bir GelecekBu proje, büyük veriyi ve modern yapay zekayı birleştirdiğimizde nelerin mümkün olduğunu gösteren heyecan verici bir kanıt. Artık müşterilerimizin bir sonraki adımını tahmin etmek için falcılara değil, kendi verilerinin gücüne ve bu veriyi akıllıca yorumlayan algoritmalara sahibiz. Bu sadece bir başlangıç; gelecekteki hedefimiz, her bir kullanıcıya tam da ihtiyaç duyduğu anda, ona özel bir deneyim sunarak aramızdaki bağı daha da güçlendirmek.

Ağu 28, 2025 0 reads

CRM Kitlelerini Reklam Kanallarına Dinamik Olarak Nasıl Paslarsınız?

Dijital pazarlamanın altın kuralı olan doğru kitleye doğru zamanda ulaşma hedefi, verimsiz batch processing yöntemleriyle artık ıskalanıyor. Etkili bir CRM kitle senkronizasyonu ile gerçek zamanlı hedefleme yapabilmenin yolu ise modern bir yaklaşımdan geçiyor: event-driven mimari. Bu yaklaşım, Pub/Sub ile anlık olayları yakalayıp BigQuery streaming gibi teknolojilerle işleyerek, değerli müşteri verilerinizi Google'ın Customer Match ve Meta'nın Custom Audiences listelerine anında gönderir. Bu dinamik sistem, yalnızca veri aktarımını hızlandırmakla kalmaz, aynı zamanda akıllı bir rate limit yönetimi ile platformların API duvarlarına takılmadan kesintisiz bir iletişim kurar.Bir an için düşünün. Müşteriniz uygulamanızda bir ürünü favorilerine ekliyor. Bu bilgiyi anında Meta veya Google'daki hedef kitlenize ekleyip ona özel bir reklam göstermek varken, neden bu verinin bir sonraki günkü manuel CSV yüklemesini veya Zapier'ın 15 dakikalık gecikmesini bekleyesiniz ki? O "an" çoktan geçmiş olur.İşte bu makalede, Zapier gibi 3. parti araçların getirdiği zaman maliyeti, esneklik kısıtları ve en önemlisi "rate limit" duvarını nasıl aştığımızı anlatacağız. Gelin, CRM verinizi reklam kanalları için statik bir listeden, yaşayan, nefes alan ve sürekli güncellenen bir organizmaya nasıl dönüştürdüğümüzü keşfedelim.Hayaller ve Gerçekler: Zapier Gibi Araçlar Nerede Tıkanıyor?Otomasyon vaadiyle yola çıkan Zapier, Make (eski adıyla Integromat) gibi araçlar, kodlama bilmeyenler için harika bir başlangıç noktasıdır. "Bir kullanıcı CRM'e eklenince, onu Facebook Custom Audience'a ekle." Kulağa ne kadar hoş geliyor, değil mi? Ancak işler büyümeye, veri akışı hızlanmaya başlayınca bu sihirli değnek, ayağınıza dolanan bir prangaya dönüşür.1. Zaman Maliyeti Tuzağı: "Anında" Aslında Ne Kadar Anında?Zapier ve benzeri platformlar belirli aralıklarla tetiklenir. Planınıza göre bu 5, 10 veya 15 dakika olabilir. Müşterinin satın alma kararını saniyeler içinde verdiği bir dünyada, 15 dakika bir ömür demektir. O kritik "sıcak anı" kaçırmış olursunuz. Binlerce kullanıcıyı tek tek bu döngülerle senkronize etmenin operasyonel yavaşlığını ve maliyetini bir düşünün.2. Rate Limit Duvarı: Hızlanmak İstediğinizde Frene BasmakHer API'nin bir taşıma kapasitesi vardır: Rate Limit. Yani, belirli bir zaman diliminde yapabileceğiniz istek sayısı sınırlıdır. Kampanya dönemlerinde on binlerce kullanıcıyı aynı anda bir kitleye eklemek istediğinizde ne olur? Zapier, hem kendi platformunun hem de reklam kanalının (Meta, Google vb.) limitlerine takılır. Tam gaza basmanız gerekirken sistem size "Lütfen yavaşla" der. Eliniz kolunuz bağlanır.3. Esneklik Kâbusu: Kutunun Dışına ÇıkamamakBu araçlar size hazır şablonlar sunar. Peki ya sizin "son 30 günde 3 kez sepetine ürün eklemiş ama satın almamış, aynı zamanda son e-postamızı açmış kullanıcılar" gibi karmaşık bir segmente ihtiyacınız varsa? Veriyi göndermeden önce zenginleştirmek, temizlemek veya farklı kaynaklardan gelen verilerle birleştirmek isterseniz ne olacak? İşte burada, hazır çözümlerin esneklik sınırlarına çarparsınız.Yeni Oyun Planı: API'ler ile Kendi Otoyolumuzu İnşa EtmekBu darboğazları gördüğümüzde karar verdik: Başkasının kiralık aracıyla yolda kalmaktansa, kendi otoyolumuzu inşa etmeliydik. Bu otoyolun adı doğrudan API entegrasyonu.İşte geliştirdiğimiz robust çözümün adımlarıAdım 1: Verinin Kalbi - Google BigQueryTüm kullanıcı verilerimiz, güvenlik ve gizlilik standartları gereği hash'lenmiş (örneğin e-posta, telefon numarası gibi kişisel bilgiler şifrelenmiş) bir şekilde ve dinamik olarak Google BigQuery'e akıyor. Bir kullanıcı her aksiyon aldığında (uygulamayı açma, ürün görüntüleme, sepete ekleme), bu veri neredeyse anlık olarak BigQuery'deki devasa veri ambarımıza işleniyor. Burası bizim tek ve güvenilir doğruluk kaynağımız (Single Source of Truth).Adım 2: Ham Elması İşlemek - Veri Kalitesi ve ModellemeBigQuery'e akan veri hamdır. Biz bu ham elması alıp bir pırlantaya dönüştürüyoruz. Kendi geliştirdiğimiz veri işleme (data processing) katmanında:Veriyi Temizliyoruz: Hatalı, eksik veya tutarsız verileri ayıklıyoruz.Veriyi Zenginleştiriyoruz: Kullanıcının davranışsal verilerini demografik veya geçmiş satın alma verileriyle birleştirerek 360 derecelik bir profil oluşturuyoruz.Dinamik Segmentler Yaratıyoruz: "Son 24 saatte favorilerine 3'ten fazla ürün ekleyen VIP müşteriler" gibi karmaşık ve anlık segmentleri SQL sorgularıyla saniyeler içinde oluşturuyoruz.Bu aşama, reklam kampanyalarımızın beynidir. Kime, ne zaman, hangi mesajla gideceğimizi burada belirliyoruz.Adım 3: Işık Hızında Teslimat - Reklam Kanallarına API PushArtık elimizde temiz, zenginleştirilmiş ve mükemmel şekilde modellenmiş kitleler var. İşte sihir burada gerçekleşiyor:Geliştirdiğimiz uygulama, bu hazır kitleleri alarak doğrudan Google Ads, Meta (Facebook/Instagram) Ads ve TikTok Ads API'lerine yolluyor.Bu bize ne kazandırıyor?Sıfır Gecikme: Veri BigQuery'e düştüğü ve işlendiği anda, saniyeler içinde reklam platformundaki hedef kitleye eklenir. Müşteri daha uygulamanızı kapatmadan, ona özel bir reklam sosyal medyada karşısına çıkabilir.Limitsiz Ölçeklenebilirlik: Rate limitler artık bir sorun değil. Kendi kodumuzla API isteklerini akıllıca yönetebiliyor, sıraya koyabiliyor (queuing) ve toplu işlemler (batch processing) ile on binlerce kullanıcıyı tek seferde, API limitlerini aşmadan gönderebiliyoruz. Kontrol tamamen bizde.Maksimum Esneklik: Hayal edebildiğimiz her türlü segmenti yaratıp anında reklam kanallarına aktarabiliriz. Reklam platformlarının arayüzünde oluşturamayacağınız kadar niş ve değerli kitleleri, kendi iş zekâmızla oluşturup kullanabiliriz.Peki Ama Nasıl? Buradaki üç süper gücü (hız, ölçeklenebilirlik ve esneklik) elde etmek, doğru mühendislik ve mimari yaklaşımın bir sonucu. Gelin, bu maddeleri teknik olarak nasıl çözdüğümüze daha yakından bakalım:1. "Sıfır Gecikme"yi Nasıl Sağlıyoruz: Olay Odaklı Mimari (Event-Driven Architecture)Zapier'in periyodik kontrol (polling) mekanizmasının aksine, biz olay odaklı çalışıyoruz.Anlık Veri Akışı (Streaming): Bir kullanıcı aksiyon aldığı anda, bu olay bir "event" olarak yakalanır ve anında BigQuery'e stream edilir. Bir sonraki senkronizasyon döngüsünü beklemeyiz.Otomatik Tetikleyiciler (Triggers): BigQuery'e yeni veri düştüğü anda, bu durum otomatik olarak bir sonraki adımı tetikler. Genellikle Google Cloud Functions gibi sunucusuz (serverless) bir fonksiyon, bu yeni veriyi alıp veri işleme sürecini anında başlatır. Kısacası, bir domino taşı devrildiğinde diğerini anında harekete geçirir. Bekleme yoktur, sadece akış vardır.2. "Limitsiz Ölçeklenebilirlik" Nasıl Mümkün Oluyor: Akıllı Kuyruk Yönetimi ve Toplu İşlemlerRate limit duvarına çarpmamak için API isteklerini akıllıca yönetiyoruz.Mesajlaşma Kuyrukları (Message Queues): Veri işlendikten sonra reklam platformuna gönderilecek her bir kullanıcıyı doğrudan API'ye yollamak yerine, Google Cloud Pub/Sub gibi bir mesaj kuyruğuna atarız. Bu, ani yüklenmeleri tamponlayarak sistemin nefes almasını sağlar.Kontrollü İşleyiciler (Workers): Bu kuyruğu dinleyen "worker" servislerimiz, reklam platformunun API limitlerine saygı duyacak şekilde, kontrollü bir hızda (örneğin, "dakikada X adetten fazla istek yollama") kullanıcıları kitlelere ekler. Böylece 100 kullanıcı da gelse, 100.000 kullanıcı da gelse sistem tıkanmaz, sadece kuyruktaki işi sırayla eritir.Toplu İşleme (Batching): Tek tek 1000 istek yollamak yerine, API'nin izin verdiği ölçüde kullanıcıları gruplayarak (batch) tek bir istekte yollarız. Bu, API'yi çok daha verimli kullanmamızı sağlar.3. "Maksimum Esneklik" Nereden Geliyor: SQL ve Özel Kodun GücüEsnekliğimizin kaynağı, bizi bir aracın arayüzüne hapsetmeyen, doğrudan veri ve kodla çalışma özgürlüğümüzdür.Merkezi Mantık: SQL: Tüm segmentasyon mantığımız, BigQuery üzerinde çalışan güçlü SQL sorgularıdır. Pazarlama ekibi hayalindeki en karmaşık kitleyi tarif ettiğinde, bunu bir Zapier arayüzünde tık tık yapmak yerine, birkaç satır SQL ile anında hayata geçirebiliriz. Kural seti tamamen bizim kontrolümüzdedir.Özelleştirilmiş Veri Dönüşümü: Veri işleme katmanımız, Python gibi dillerle yazdığımız kendi kodumuzdan oluşur. Bu sayede veriyi dilediğimiz gibi zenginleştirebilir, farklı kaynaklarla birleştirebilir ve her reklam platformunun istediği formata kusursuzca dönüştürebiliriz. Limitleri teknoloji değil, sadece hayal gücümüz belirler.Buradaki stratejilerimiz sayesinde reaktif ve kısıtlı bir dünyadan, proaktif ve tamamen kontrolün bizde olduğu bir oyun alanına geçiş yapmış oluyoruz.Statik Listelerden Canlı OrganizmalaraZapier ve benzeri araçlar, sizi A noktasından B noktasına götüren standart bir otobüs gibidir. Ancak yol kalabalıksa, duraklarda çok bekler ve rotanın dışına çıkamazsınız. Kendi API entegrasyonunuzu kurmak ise size özel bir jet kiralamak gibidir: Hızlı, esnek, limitsiz ve tamamen sizin kontrolünüzde.CRM verilerinize artık haftalık veya günlük güncellenen, "ölü" listeler olarak bakmayı bırakın. Onlar, müşterilerinizin anlık niyetlerini ve davranışlarını yansıtan canlı organizmalardır. Bu canlı organizmaları API'ler aracılığıyla anlık olarak beslediğinizde, reklam kampanyalarınız da yaşayan, nefes alan ve her zamankinden daha yüksek performans gösteren bir yapıya bürünür.

Ağu 21, 2025 0 reads

Okula Dönüş ve Şehir Hayatına Dönüş: 2025 Yılı Trendleri ve Tüketici Davranışları

Okula Dönüş ve Şehir Hayatına Dönüş: 2025 Yılı Trendleri ve Tüketici DavranışlarıOkula dönüş, yalnızca öğrenciler ve ebeveynleri için değil, aynı zamanda tüm şehir için yeni bir dönemin başlangıcı anlamına gelir. Bu süreç, "Okula Dönüş" ve "Şehre Dönüş" kavramlarını bir araya getirerek perakende ve pazarlama dünyası için büyük bir fırsat sunar. 2025 yılında bu dönemin trendlerini ve tüketici davranışlarını anlamak, markaların stratejilerini doğru bir şekilde belirlemesi için kritik önem taşır. Aileler, yeni döneme hazırlık sürecinde hem geleneksel okul ihtiyaçlarına hem de şehir yaşamının getirdiği yeni dinamiklere odaklanırken, teknolojik gelişmeler ve yapay zeka destekli platformlar bu alışveriş yolculuğunu şekillendiriyor. Bu yazımızda, bu dönemin pazardaki genel görünümünü, hedef kitle analizini ve dijital pazarlama trendlerini detaylı bir şekilde inceleyeceğiz.Okula Dönüş & Şehre Dönüş Dönemi Pazara Genel BakışıOkula dönüş dönemi, aileler için yüksek riskli bir süreçtir ve 2024 yılında aileler ortalama 10,000 TL harcama yaptı. Bu harcamaların en büyük kısmını kırtasiye, giyim ve ayakkabı ile kitaplar oluşturmaktadır. Ebeveynler, çocuklarının teşvikiyle daha fazla harcama yapmaya eğilimlidirler; 2024 yılında yapılan bir ankete göre ebeveynlerin %61'i, çocuklarının kendilerini okula dönüş döneminde daha fazla harcama yapmaya teşvik ettiğini belirtmiştir. Bu durum, çocukların alışveriş kararlarında önemli bir rol oynadığını ve markaların hedef kitle stratejilerini hem ebeveynlere hem de çocuklara yönelik olarak şekillendirmesi gerektiğini göstermektedir. Ayrıca, online alışverişin bu dönemde giderek artan bir ivme kazandığı ve yıllar geçtikçe bu ivmenin daha da güçlendiği görülmektedir. Bu, markalar için dijital platformlarda var olmanın ve etkili kampanyalar yürütmenin ne kadar önemli olduğunu vurgulamaktadır.Pazar genelinde, tüketicilerin harcama alışkanlıkları ve beklentileri, artan rekabet ve teknolojik gelişmelerle birlikte evrilmektedir. Perakende satışların 2025 yılında küresel olarak %4 oranında büyümesi beklenirken, e-ticaretin perakende satışların %21'ini oluşturacağı öngörülmektedir. Bu durum, markaların hem fiziksel hem de dijital kanallarda güçlü bir varlık göstermesini gerektirmektedir. Tüketiciler, özellikle "Okula Dönüş" ve "Şehre Dönüş" gibi yoğun dönemlerde, ürünleri daha doğal ve akıllı yollarla keşfetmek istemektedirler. Bu bağlamda, Google Lens gibi görsel arama araçları ve yapay zeka destekli diğer teknolojiler, alışveriş deneyimini kişiselleştirerek ve kolaylaştırarak öne çıkmaktadır. Bu trendler, markaların yalnızca ürünlerini sergilemekle kalmayıp, aynı zamanda tüketicilere değer odaklı, rekabetçi ve teknolojiyle desteklenen bir alışveriş deneyimi sunmasının gerekliliğini ortaya koymaktadır.Hedef Kitle Analizi ve Tüketici DavranışlarıBu dönemde hedef kitle, hem ebeveynler hem de öğrenciler olmak üzere geniş bir yelpazeyi kapsamaktadır. X (eski adıyla Twitter) Türkiye kullanıcılarının %51'ini 18 yaş altı çocukları olan ebeveynler oluşturmaktadır. Bu ebeveynlerin %28'inin ise en az iki çocuğu vardır. Bu veriler, X gibi platformların, ebeveynlere ulaşmak ve onlarla etkileşim kurmak için büyük bir potansiyel taşıdığını göstermektedir. Ebeveynler, çocuklarının okul ihtiyaçları için araştırma yaparken, öğrenciler de kendi kişisel tarzlarını ve okul yaşamlarını yansıtan ürünleri keşfetmek amacıyla farklı platformları kullanmaktadırlar. Bu nedenle, markaların her iki kitleye de hitap eden, özgün ve ilgi çekici içerikler üretmesi gerekmektedir. Örneğin, Pinterest'te hem öğrenciler hem de ebeveynler, "okul malzemeleri," "okul çantası düzenleme" ve "okula dönüş kontrol listesi" gibi anahtar kelimelerle alışverişe yönelik aramalar yapmaktadırlar.Tüketici davranışları, özellikle dijital platformlarda sergiledikleri etkileşimlerle şekillenmektedir. TikTok'ta, kullanıcılar "Okula Dönüş" (#B2S) ile ilgili hashtag'lerde 9,6 milyar video görüntülemesi gerçekleştirdi. Bu videoların içeriği genellikle topluluklar, alışveriş, okullar ve hazırlık konularına odaklanmaktadır. En popüler hashtag'ler arasında #okul (770M görüntülenme), #üniversite (466M görüntülenme) ve #okuladönüş (261M görüntülenme) yer almaktadır. Bu, markaların popüler hashtag'ler ve viral içerikler aracılığıyla geniş kitlelere ulaşabileceğini göstermektedir. Ayrıca, tüketiciler bu dönemde markaya olan sadakatlerini bir kenara bırakarak yeni markalara daha açık hale gelmektedirler. Google'ın dahili verilerine göre, tüketicilerin %51'i geçen yılki yoğun sezona hazırlık döneminde yeni markalara açık olduğunu belirtmiştir. Bu durum, markaların yoğun rekabet ortamında yeni müşteriler kazanmak için etkili stratejiler geliştirmesi gerektiğini göstermektedir.Kategori ve Dijital Pazarlama TrendleriDijital pazarlama trendleri, tüketicilerin arama ve keşif süreçlerine odaklanmaktadır. Online alışverişin özellikle bu dönemde yükselişe geçmesi, markaların dijitalde güçlü bir varlık göstermesini zorunlu kılmaktadır. Pinterest gibi platformlar, "ilham" arayan kullanıcılardan "alışverişe hazır" kullanıcılara dönüşümde önemli bir rol oynamaktadır. Öğrenci Pinners'lar, okul döneminde shoppable Pin'leri kaydetme olasılığı, öğrenci olmayanlara göre %50 daha fazladır. Ayrıca, moda, ev dekorasyonu, sanat, güzellik ve kendin yap & el sanatları gibi kategoriler Pinterest'te en çok alışveriş yapılan kategoriler arasında yer almaktadır. Bu veriler, markaların görsel odaklı platformlarda ürünlerini sergilemesinin ve shoppable içerikler oluşturmasının önemini vurgulamaktadır.Makalede, dijital pazarlama stratejileri de ele alınmalıdır. Yapay zeka destekli araçlar, markaların daha kişiselleştirilmiş ve verimli kampanyalar yürütmesine olanak tanımaktadır. Örneğin, Google'ın Al Max gibi araçları, arama terimi eşleştirmesi ve otomatik olarak oluşturulan içeriklerle talebi yakalamaya yardımcı olur. Benzer şekilde, Demand Gen gibi kampanyalar, YouTube ve diğer Google ağlarında daha fazla dönüşüm sağlamak için kullanılabilir. TikTok'ta ise kullanıcılar, moda, saç stilleri ve yemek hazırlama gibi konularda videolarla etkileşim kurarak alışveriş kararlarını şekillendirirler. Bu platformlar, markaların hedef kitleleriyle bağlantı kurmasını ve ürünlerini doğal, eğlenceli ve bilgilendirici bir şekilde tanıtmasını sağlar. Bu sayede, "Okula Dönüş" ve "Şehre Dönüş" dönemi için hazırlanan kampanyalar daha geniş kitlelere ulaşarak, satışları artırma potansiyeli taşır.Okula Dönüş Alışverişi Trendleri ( moda, güzellik, ev yaşamı, yiyecek & içecek)Okula dönüş alışverişi, öğrencilerin ve ebeveynlerin sadece ders malzemelerine değil, aynı zamanda kişisel tarzlarına, yaşam alanlarına ve günlük rutinlerine de odaklandığı bir dönemdir.Moda kategorisinde, öğrenciler rahat ve gündelik kıyafetleri tercih ederken, ebeveynler hem çocuklar için okul gezisi kıyafetleri gibi özel durumlar için hem de kendileri için "cool anne" tarzı gibi giysiler aramaktadır. Çantalar da önemli bir odak noktasıdır; "üniversite çantası," "kolej çantası" ve "sevimli okul çantaları" gibi aramalar büyük artış göstermektedir.Güzellik alanında ise, öğrenciler için zaman kısıtlı olduğundan, "kolay saç stilleri" ve "basit makyaj görünümleri" gibi pratik çözümler öne çıkarken, ebeveynler de çocukları için "okul saç modelleri" aramaları yapmaktadır.Ev yaşamı ve yiyecek & içecek kategorilerinde de belirgin trendler gözlenmektedir. Öğrenciler, yurt odalarını "yuva gibi" hissettirecek dekorasyon fikirleri ararken, "rahat yurt odası" ve "çalışma masası dekorasyonu" gibi anahtar kelimelerle arama yapmaktadırlar. Ebeveynler ise çocuklarının yeni döneme hazır olmasını sağlamak için evdeki düzeni yeniden organize etmeye yönelmektedirler. "Çocuk çalışma masası fikirleri" ve "okul çantası depolama" gibi aramalarla çalışma alanları ve depolama çözümleri için ilham almaktadırlar.Yiyecek & içecek alanında ise hem öğrenciler hem de ebeveynler, yoğun okul günleri için pratik ve besleyici öğünler hazırlamanın yollarını araştırmaktadırlar. "Kolay sağlıklı yemek hazırlığı," "okul öğle yemeği fikirleri" ve "çocuklar için sağlıklı kahvaltı" gibi aramalar bu dönemin en popüler konuları arasındadır.Sıkça Sorulan SorularOkula dönüş dönemi ne zaman başlar ve ne kadar sürer?Okula dönüş dönemi genellikle okulların açılmasından yaklaşık bir ay önce, yani ağustos ayında başlar ve eylül ayının sonuna kadar devam eder. Ancak, alışveriş ve hazırlıklarla ilgili konuşmalar ve aramalar, temmuz ayından itibaren artış göstermektedir. Markaların bu yoğun dönemi en iyi şekilde değerlendirmesi için kampanyalarını ağustos ayında başlatması ve eylül boyunca devam ettirmesi önerilir.Okula dönüş alışverişinde en çok hangi ürünler tercih ediliyor?Okula dönüş alışverişinde en çok harcama yapılan kategoriler kırtasiye, giyim ve ayakkabı ile kitaplardır. Bunun yanı sıra, teknolojik ürünler, okul çantaları, beslenme kutuları ve ev dekorasyon ürünleri de yoğun ilgi görmektedir. Özellikle dijital platformlarda "okul çantası düzenleme," "sevimli okul malzemeleri" ve "yurt odası fikirleri" gibi aramalar popülerdir.

Eyl 4, 2022 1768 reads

E-Ticarette Sürdürülebilirlik

Sürdürülebilirlik, e-ticarette göz ardı edilebilecek bir faktör değildir—olmamalıdır da. Çevresel sürdürülebilirlikteki yükselen trend, kapitalizmin yıkıcı “büyü ya da yok ol” zorunluluğuna karşı insanlığın refleksidir. E-ticarette sürdürülebilirlik, iş modellerinden ambalaj malzemelerine kadar geniş bir yelpazeye yayılabilir ve genç nesillerin giderek öne çıkmasıyla önümüzdeki yıllarda daha da önemli hale gelecektir.Çevre sorunları ve sürdürülebilirlik bilinci uzun süredir küresel e-ticarette bir trenddir. Artan tüketici taleplerini başarılı bir şekilde karşılamak için çevrim içi perakendeciler, kurumsal sosyal sorumluluk ve tedarik zincirlerinde çevre dostu yaklaşımlar gibi konulara odaklanmaktadır.Bu yazıda şunları ele alacağız: Sürdürülebilirlik Nedir? E-Ticaret Sektöründe Sürdürülebilirlik Yeni Neslin Sürdürülebilirliğe Bakışı Örnek Markalar Sürdürülebilirlik Nedir? (Yeniden) Son yıllarda giderek daha fazla duymaya başladığımız “sürdürülebilirlik” kavramı, adından da anlaşılacağı üzere, dünyadaki tüm canlıların süresiz olarak varlığını sürdürebilmesini sağlamayı amaçlamaktadır. Nihai hedef, bugünün yaşam standartlarından ödün vermeden, gelecek nesillerin de eşit şekilde faydalanabileceği, kaynakların kontrollü bir biçimde kullanıldığı ve herkesin sağlıklı ve mutlu bir şekilde yaşayabileceği bir dünya inşa etmektir. E-ticaretteki girişimler de dahil olmak üzere her çaba doğayla uyumlu olmalıdır. Hiçbir bireysel ya da kurumsal eylem ekolojik dengeyi bozmamalı; aksine, doğrudan veya dolaylı olarak uzun vadeli istikrara katkı sağlamalıdır. A. E-Ticarete BaşlangıçE-ticaret, 1990’lardan bu yana dünya genelinde hızla yayılmıştır. Türkiye’de ise son 20 yılda özellikle popüler hale gelmiştir. Doğal olarak, çevrim içi alışverişteki bu patlamayla birlikte atık malzemeler de artmıştır. Kargo kutuları, plastik torbalar, kargo firmalarının logolu plastik sargıları vb. geri dönüştürülebilir veya geri dönüştürülemeyen atıklar halinde yığılmaktadır. Bu durumda, e-ticarete yönelen geleneksel işletmeler çevre dostu uygulamalara daha fazla odaklanmaya başlamış ve sürdürülebilirlik konusunda giderek daha dikkatli olmak zorunda kalmıştır.B. Dünyada SürdürülebilirlikBilim insanları ve uluslararası kuruluşlar, insanlığı doğayı korumaya ve dünyada sürdürülebilir bir yaşam sağlamaya çağıran geniş çaplı çağrılar ve uyarılar yapmıştır. Bu çağrılar, daha fazla çevresel zarardan kaçınmak için köklü değişiklikler ve acil önlemler alınmasını gerektirmektedir. Sürdürülebilir yaşamı sağlamak ve desteklemek, uluslar için kaçınılmaz hale gelmiştir. Bu nedenle, ekonomik kalkınmayı sürdürürken, ülkeler çevreye zarar veren eylemlerden kaçınmalı ve sürdürülebilir kalkınma için stratejik planlar geliştirmelidir. Sürdürülebilir kalkınmanın aciliyeti her geçen gün artmaktadır. Birçok uluslararası kuruluş sürdürülebilirlik konusunda aktif olarak çalışmaktadır. Avrupa Birliği (AB) ve Birleşmiş Milletler (BM) gibi kurumlar, sürdürülebilir büyümeyi teşvik etmek için çeşitli stratejiler ve politikalar geliştirmiştir. Avrupa Komisyonu, Avrupa 2020 stratejisi kapsamında üç ana büyüme önceliği tanımlamış, bunlardan biri de “daha fazla kaynak verimliliğini, daha yeşil ve daha rekabetçi bir ekonomiyi teşvik etmek” olmuştur. Bu arada Birleşmiş Milletler daha kapsamlı bir adım atmıştır. BM, 2000 yılında Binyıl Kalkınma Hedefleri’ni (MDG’ler) belirlemiş ve 2015 yılında bunları Sürdürülebilir Kalkınma Hedefleri’ne (SDG’ler) genişletmiştir. SDG’ler, ülkelerin sürdürülebilir kalkınmayı başarmaları için en kapsamlı eylem planı olarak kabul edilmektedir. Bu hedefler Dünya Bankası Grubu (2017) ve Uluslararası Para Fonu (IMF, 2020) tarafından finansal olarak desteklenmiştir. Eylül 2015’te BM, 17 SDG’yi 2030 Sürdürülebilir Kalkınma Gündemi’nin temel bileşenleri olarak kabul etmiştir—2015 sonunda sona eren MDG’lerin genişletilmiş versiyonlarıdır. Tüm BM üye devletleri, çevresel, sosyal ve ekonomik olmak üzere kalkınmanın üç boyutunu kapsayan sürdürülebilir bir gelecek inşa etmeyi taahhüt etmiştir.C. Karbon Ayak İzini AzaltmaLojistik—özellikle kamyon veya uçakla yapılan taşımacılık—yoğun şekilde fosil yakıtlara dayanmaktadır, bu da karbon emisyonlarını artırmaktadır. Karbon ayak izini azaltmak, küresel ısınmayı yavaşlatmaya ve hafifletmeye yardımcı olur. Türkiye’de karbon ayak izini azaltmada öncülük eden şirketlere örnek olarak Yemek Sepeti gösterilebilir. Günlük milyonlarca siparişi yöneten şirket, tek kullanımlık plastik çatal-bıçakları kaldırarak plastik atıkları büyük ölçüde azaltmıştır. Bir diğer dikkat çekici örnek, karton ambalajlarını çoklu kullanım için yeniden tasarlayan Koton’dur; böylece karbon ayak izini azaltmıştır. LC Waikiki, kargo kutularını çocuklar için oyuncaklara dönüştürme projesi başlatmış ve sürdürülebilirliği daha da teşvik etmiştir.LC Waikiki, web sitesinde bu girişimi şöyle açıklamıştır:“LC Waikiki, yeni projesiyle çocukların kalbini kazanmaya hazırlanıyor. E-ticaret Genel Müdürü Ömer Barbaros Yiş’in LinkedIn paylaşımına göre, markanın kargo kutuları artık oyuncak olacak.”Henüz geliştirme aşamasında olan bu girişim, atıkları azaltma ve müşteri etkileşimini artırma konusunda yaratıcı bir yaklaşıma işaret etmektedir.D. Yeni Nesil1970’lerin hippi hareketi, çevreye saygı ve sürdürülebilirlik konularını geniş kitlelere tanıtmıştır. 1990’larda e-ticaretin küresel ölçekte yayılmasıyla birlikte, çevrim içi perakendede sürdürülebilirlik tartışmaları ciddiyetle başlamıştır. 1980’ler ve 1990’larda doğan Y kuşağı (Millennials), önceki nesillere (Baby Boomers ve X kuşağı) kıyasla genellikle daha bilinçli ve duyarlıdır. Ekonomik krizler ve çevresel felaketler (örneğin Amazon ormansızlaşması, eriyen buzullar, Avustralya ve diğer bölgelerdeki orman yangınları) Z kuşağını sürdürülebilirlik konusunda daha da dikkatli hale getirmiştir. İnternet çağında doğan Z kuşağı, genellikle çevrim içi alışverişi doğal bir şekilde yapmakta, hatta bazen çevrim dışı alışverişten daha çok tercih etmektedir. Onlar için e-ticarette sürdürülebilirlik kritik önemdedir. Bunu bilen hem köklü perakendeciler hem de sadece çevrim içi faaliyet gösteren e-ticaret girişimleri, sürdürülebilirlik uygulamalarını hem bir iş stratejisi hem de çevreye saygının bir göstergesi olarak benimsemektedir.E. Türkiye’de Sürdürülebilir E-TicaretE-ticaret Türkiye’de 20 yılı aşkın süredir var olmasına rağmen, internete duyulan ilk güvensizlik büyümeyi yavaşlatmıştır. Son beş yılda, özellikle COVID-19 pandemisi sırasında satışlar küresel trendlere paralel olarak hızla artmıştır. E-ticaret Türkiye’de birçok diğer ülkeden daha geç geliştiği için, hem çevrim içi ortama geçen geleneksel perakendeciler hem de yeni e-ticaret girişimleri, tüketici beklentilerini karşılamak için hızla uyum sağlamakta ve yenilik yapmaktadır.Örnek MarkalarSürdürülebilir e-ticarette öncü olan bazı Türk şirketleri şunlardır:E-BebekE-Bebek, Türkiye’de sürdürülebilirlik denince akla ilk gelen markalardan biridir. Sertaç Doğanay’ın bir Instagram paylaşımına göre, büyük mağazalarında “deterjan dolum merkezleri” kurmuşlardır. Müşteriler kendi kaplarını getirerek deterjanlarını perakende fiyatlardan daha düşük fiyatlara doldurabilmekte, bu da tek kullanımlık plastik atıklarını azaltmakta ve çevre dostu bir ticaret modeli oluşturmaktadır. MaviMavi, tek kullanımlık plastik kargo poşetlerinden tekrar kullanılabilir, açılıp kapanabilen poşetlere geçiş yaparak plastik kullanımını en aza indirmiştir. Ayrıca “Mavi Dönüşüm” projesiyle 593.750 geri dönüştürülmüş PET şişeyi yüksek kaliteli denime dönüştürmüştür. CEO Cüneyt Yavuz şu açıklamayı yapmıştır: “İnovasyon ve teknolojiyi kullanarak denimi dönüştürüyoruz ve 2030 yılına kadar %100 sürdürülebilir All Blue ürünlerine ulaşmayı hedefliyoruz.”LC WaikikiLC Waikiki’nin çevre dostu, organik giyim ürünlerinden oluşan “Yeşil Koleksiyon”u, markanın sürdürülebilirliğe olan bağlılığını göstermektedir. Ayrıca, E-ticaret Genel Müdürü Ömer Barbaros Yiş’in LinkedIn’de belirttiği gibi, kargo kutularını oyuncaklara dönüştürme planlarını da duyurmuşlardır.Boyner GrupBoyner Grup, sürdürülebilirlik ve KSS çalışmalarını dört temel başlık altında öne çıkarmaktadır: Sosyal Etki, Çevresel Etki, İş Yeri Demokrasisi ve Değer Zincirimiz. 2008’den 2020’ye kadar yayımladıkları sürdürülebilirlik raporları ile çevre dostu girişimlerini ve sürdürülebilir bir geleceğe bağlılıklarını şeffaf bir şekilde ortaya koymaktadır.E-ticarette sürdürülebilirlikle ilgili bu blog yazısını faydalı bulduysanız, başkalarının da faydalanabilmesi için lütfen sosyal medyada paylaşın!

Eyl 4, 2022 1216 reads

Otomatik İşlerimiz İçin Yeni Bir Araç Uyarlıyoruz: Apache Airflow

Performans pazarlaması, reklamcılık ve yeniliği birleştirerek perakendecilerin ve bağlı kuruluşların işlerini her açıdan büyütmelerine yardımcı olur. Her perakendecinin kampanyası dikkatle hedeflenir, böylece herkesin başarı ve kazanç şansı olur. Tüm taraflardaki işlemler doğru yapıldığında, performans pazarlaması hem perakendeciler hem de bağlı kuruluşlar için kazançlı sonuçlar sunar. Biz, Tech Team olarak, yazılım mühendisliği becerilerimizle oluşturduğumuz dijital pazarlama projeleri hakkında yeni bloglar yazma kararı aldık. Farklı markalar için yeni çözümler üretiyor ve ana hedefimiz, veri analizi ve otomasyon projeleriyle performanslarını artırmak. Bu doğrultuda, projelerimizle ilgili yeni bloglar yayımlamaya karar verdik. Takım olarak neler üretiyoruz? Tech Team olarak modern performans pazarlaması anlayışını benimsedik ve bunun bir sonucu olarak müşterilerimiz için ürün raporlarını zamanlı olarak oluşturacak bir Airflow otomasyon projesi geliştirdik. Ürün raporlarımızda, benzersiz kodlar, stok durumu, indirimli fiyatlar, indirim yüzdeleri ve URL’leri ziyaret ederek elde edilen diğer özellikler gibi ürün bilgilerini topluyoruz. Ayrıca, otomasyon projelerimize izleme ve raporlama gücü katmak için Google Sheets entegrasyonu sağladık. Dağıtım aşamasındaki olası sorunlara karşı Airflow ortamını sanal olarak izole eden Docker konteyner teknolojisini de kullandık. Özetle, Airflow; farklı amaçlar için veri iş akışları (pipeline) oluşturmayı sağlayan bir otomasyon aracıdır. Cron işlerine kıyasla Airflow’un sunduğu kullanıcı arayüzü sayesinde süreçlerimizi neredeyse gerçek zamanlı izleyebiliyoruz. Platformdaki log analizi ise hataları yakalamamıza ve düzeltmemize büyük katkı sağlıyor. Ayrıca, hata oluştuğunda yapılandırma dosyası aracılığıyla e-posta bildirimleri alabiliyor, anında müdahale edebiliyoruz. Temel akışımız veri kazıma (scraping) üzerine kurulu ve ölçeklendirilebilirliği sağlamak için iş parçacıklarını (thread) paralel ve eşzamanlı çalıştırıyoruz; böylece binlerce URL’den veriyi dakikalar içinde toplayabiliyoruz. Google Cloud üzerinde birden çok sanal makine şablonu oluşturduk ve görevleri sırayla çalıştıracak şekilde yapılandırdık. En kritik kısım, veriyi rapor süreçlerine tek bir şablon üzerinden iletmek. Airflow Nedir? Airflow’un yapısını daha iyi anlamak için “Bir DAG (Directed Acyclic Graph), Görevler (Task) arasındaki bağımlılıkları ve bunların hangi sırayla yürütülüp yeniden denenmesi gerektiğini tanımlar; Görevler ise veri çekme, analiz çalıştırma veya diğer sistemleri tetikleme gibi işlemleri yapar”[1]. Aslında Airflow’u, cron işlerinin çok daha yetenekli bir versiyonu olarak düşünebiliriz. Airflow’da işleri gerçekleştiren birimlere “worker” denir. Airflow’da her şey, “DAG” adı verilen yapı içerisinde tanımlanır. Örnek: with DAG( "SirketX_Urun_Raporu", schedule_interval='@daily', catchup=False, default_args=default_arguments ) as dag: 1- Context Manager ile DAG tanımlayabiliriz. DAG, zaman çizelgesi, adlandırma ve hata durumunda yeniden deneme ayarları gibi pek çok özellik barındırır. Örneğin: default_arguments = { 'owner': 'AnalyticaHouse', 'start_date': days_ago(1), 'sla': timedelta(hours=1), 'email': ['analyticahouse@analyticahouse.com'], 'email_on_failure': True, } 2- Süreci oluşturan görevleri fonksiyonlarla ayırıyoruz. Örneğin: url_task >> scrape_task >> write_to_sheet_task >> find_path_task >> parse_message_task >> write_message_task 3- Her bir görevi, ilgili fonksiyonu çalıştıran PythonOperator ile tanımlıyoruz. Örneğin: url_task = PythonOperator( task_id='get_url_data', python_callable=get_url_data, ) Bu operatörler, görevleri sırasıyla istif mantığıyla (stack) çalıştırır. Bir görev hata verirse (exception oluşursa), tüm akış durur ve Airflow bizi bilgilendirir. Airflow Mimarisi ile Docker’ı Birleştirmek Docker, uygulamaları oluşturmak, dağıtmak ve çalıştırmak için kullanılan açık kaynaklı bir platformdur. Airflow geliştirme ortamını izole etmek ve dağıtım aşamasındaki sürüm uyuşmazlıklarını önlemek için Apache’ın resmi Docker imajını temel alarak kendi konteyner imajımızı oluşturduk[3]. Ağ yapılandırması ve port yönlendirmelerini kolayca yapabildik. Docker sayesinde geliştirme sırasında karşılaştığımız paket uyumsuzluklarını ve versiyon problemlerini konteyneri yeniden oluşturup dağıtarak hızla aşıyoruz. Avantajlar: Geliştirme aşamasındaki beklenmedik hatalarda zaman tasarrufu Ağ ve veri depolama yapılandırmalarının kolayca yönetilmesi Hataların izole ortamda yakalanıp çözümlenmesi Benzersiz konteyner yapısının her dağıtımda tutarlı olması Geliştirme Sırasında Karşılaşılan Zorluklar Projeye başlamadan önce çok sayıda beyin fırtınası yaparak kritik noktaları belirledik. İlk tasarımlarımıza ek özellikler ekledikçe yapı karmaşıklaştı. Başlangıçta Google Cloud VM üzerinde çalıştırdık; ancak birden fazla projemiz olduğunda yönetim ve dağıtım zorlaştı. Bu nedenle Docker’a geçmeye karar verdik. Ayrıca, Airflow veya sunucu hatalarında konteyneri silip yeniden dağıtarak gelişim hızını koruduk. Otomasyon projemizde hata yakalama modülleri eklemek önemliydi; çünkü müşterilerimiz günlük ürün raporu almak istiyor ve herhangi bir hata, teslimin gecikmesine yol açıyordu. Referanslar [1],[2] – https://airflow.apache.org/docs/apache-airflow/stable/concepts/overview.html [3] – https://hub.docker.com/r/apache/airflow