Perakendede Yapay Zekâ Asistanı: Lowe’s, Home Depot, IKEA

🇬🇧 English: Read this in English →

Sana bir soru. Bir perakende sitesindeki yapay zekâ asistanı, onu kullanan müşterilerde dönüşüm oranını üçe katlıyorsa, bu asistanı hâlâ “pilot proje” rafında bekleten mağazalara geç kalmanın maliyeti ne? Prototip koşturanları kastetmiyorum. Üç kış çeyreğinin, bütçe gelecek yılın sunumunda beklerken sessizce geçmesini izleyen yöneticileri kastediyorum.

Orta ölçekli perakende yönetim kurullarında aynı toplantıya tekrar tekrar giriyorum. Konuşmanın dili 2011’de duyarlı tasarım, 1998’de ürün kataloğunu internete açmak toplantılarıyla aynı. Kıdemli biri “erken” diyor. Bir diğeri satıcıya “balon üreticisi” diyor. Masanın ucundaki sessiz biri rakibin ne yaptığını soruyor ve oda hazırlanmamış bir slayt arıyor.

Ben de kazanç çağrılarını, Google Cloud duyurularını ve IKEA’nın bot’u hakkındaki iki yıllık atfedilmiş haberleri açtım, oturup okudum. Senin de duyduğun üç perakendeci, bir yapay zekâ asistanını pilot aşamanın ötesine, üretime geçirmiş. Hem de aleni biçimde, yatırımcı ilişkilerinin onaylamak zorunda kaldığı rakamlarla. İşte bu rakamlar bu yazının asıl konusu. İkinci yarısı ise orta ölçekli bir WooCommerce mağazasında aynı deseni dürüstçe kurmanın maliyeti.

Lowe’s, Mylow asistanıyla etkileşime giren müşterilerin, girmeyenlere kıyasla üç kat daha fazla dönüşüm yaptığını açıklıyor. Home Depot’un Magic Apron’u iki binden fazla ABD mağazasında ayda milyonlarca soruya cevap veriyor. IKEA’nın Billie’si asistanı açan müşterilerin %74’ünü çözüyor ve rutin işini devrettiği 8.500 çağrı merkezi personeli, geçen mali yıl 1,25 milyar avro ciro getiren uzaktan tasarım kanalına kaydırıldı. Üç farklı iş modeli, üç farklı dert. Hepsinin paylaştığı yapı ise yazının asıl ikinci yarısı.

Lowe’s: Çevrimiçi Dönüşümü Üçe Katlayan Asistan

Lowe’s, Mart 2025’te müşteri odaklı sanal danışman Mylow’u kurdu. Chairman, President ve CEO Marvin R. Ellison, 19 Ağustos 2026’daki Q2 FY26 kazanç çağrısında konuyu rakama bağladı: Mylow ile etkileşime giren müşteriler “etkileşime girmeyen müşterilerden üç kat daha fazla dönüşüm yapıyor” ve asistan “başlangıcından bu yana yaklaşık 25 milyon soruya” cevap vermiş. Aynı çeyreğin SEC 8-K başvurusu çevrimiçi satışların %15,7 arttığını, buna karşın kalan kanallardaki karşılaştırmalı satışların yatay kaldığını gösteriyor.

Hikâyenin ikinci yarısı Mylow Companion, yani mağazadaki danışman için hazırlanmış versiyon. Pilotların “üretime geçmedi” dediği yer tam da burası: araç inşa edilir, personel yüzüne bakmaz, rafın dönüş hızı değişmez. Lowe’s Companion’ı 1.700’ün üzerindeki tüm mağazalarına yaydı ve danışmanların aracı kullandığı mağazalarda müşteri memnuniyeti skorlarının 200 baz puan arttığını aynı kazanç çağrısına istinaden açıkladı. İkili konuşlanmanın dersi şu. Yalnız müşteri tarafı botu, herhangi bir arama kutusunun yakaladığı eğriyi yakalardı: katalog talep eğrisinin küçük bir parçası. Reyonun yanında bulunan danışman katmanı, Mylow’daki bilginin internet sitesinde değil, 11. koridorda da ortaya çıkmasını sağlayan şey.

• Mylow kullanıcılarında kullanmayanlara göre 3x çevrimiçi dönüşüm (Marvin Ellison, Lowe’s Q2 FY26 kazanç çağrısı, 19 Ağustos 2026).
• Mart 2025 lansmanından bugüne yaklaşık 25 milyon müşteri ve danışman sorusu.
• Q2 FY26’da %15,7 çevrimiçi satış artışı; diğer kanallardaki karşılaştırmalı satışlar yatay.
• Mylow Companion 1.700’ün üzerindeki tüm Lowe’s mağazasında aktif.

Transfer edilebilir ders şu. Bu büyüklükte bir dönüşüm sıçraması bir sohbet widget’ının çıktısı değil. Zaten soruyu cevaplayan personelin bilgisinin, dönüşüm hunisinde daha erken bir noktada ortaya çıkması. Sıçrama, bir müşterinin arama kutusuna yazdığı şey ile deneyimli bir danışmana koridorda soracağı şey arasındaki boşlukta duruyor.

Home Depot: Ölçek Yan Etki Değil, Hedefin Kendisi

Home Depot’un Magic Apron’u yıla internet sitesindeki müşteri odaklı bir asistan olarak başladı. EVP of Interconnected Retail Jordan Broggi, 11 Ocak 2026’daki Google Cloud ortak basın bülteninde şunu söyledi: Home Depot “her müşterinin cebine ‘Orange Apron’ uzmanlığını” koyuyordu; müşteri nerede olursa olsun, “evde, iş yerinde ya da mağazanın koridorlarında” bu uzmanlık orada olacaktı. İlk duyurunun dilinden belliydi: yol haritası bu aracı mağazaya taşımakla ilgiliydi, vitrine bağlı tutmakla değil.

Sekiz ay sonra, 27 Ağustos 2026’da Home Depot bu mağaza içi yetenekleri iki binden fazla ABD mağazasına yaydığını duyurdu. Yani bir müşteri yabancı bir koridorda, mutfağının başında kullandığı asistandan mağazaya özel yönlendirme alıyor. Aynı duyuru işlem hacmini de netleştirdi: Magic Apron ayda “milyonlarca soruya” cevap veriyor. Her iki rakam da şirketin kendi raporuna dayanıyor; arka plan ise 2.364 perakende mağazası ve 470 binden fazla danışman.

• İki binden fazla ABD mağazasında konuma özel mağaza içi yönlendirme (Home Depot duyurusu, 27 Ağustos 2026).
• Bu ölçekte “ayda milyonlarca soru” karşılanıyor.
• Google Cloud ile aleni ortaklık yapısı, 11 Ocak 2026 lansmanı.
• Kapsam: 2.364 mağaza ve 470 binden fazla danışman.

Buradaki ders Lowe’s’tan daha soğukkanlı. Home Depot bir dönüşüm rakamı yayımlamadı ve bunu çekingenlik olarak okumam. Burada inşa edilen şeyin amacı sitede yapılan satış değil. Amaç, bir danışmanın müşterinin tarif edemediği cıvatayı ararken kaybettiği zaman. Asistanı sahadaki gerçek insan sorularının hacmine ölçeklendir; ekonomi, dönüşüm sıçramasından değil, iş gücü verimliliğinden çıkar.

IKEA: Yerine Geçtiği İnsanları Konuşlandırarak Kendini Finanse Eden Bot

Üç örnek içinde üretim yaşı en uzun olanı IKEA’nın Billie’si; 2021’de Ingka Group tarafından devreye alındı. Billie’nin yetenek eğrisi atfedilmiş biçimde yayımlanıyor. İlk iki yılda aracı açan müşterilerin %47’sine yardımcı oldu; CX Today’in 3 Ağustos 2026’daki Ingka rakamlarını aktardığı haberine göre bu oran bugün %74. Müşteri memnuniyeti, konuşlanma öncesindeki %60’tan %89’a yükseldi. Beklentinin yıllarca sessiz bir hayal kırıklığı olduğu bir yüzeyde bunlar büyük rakamlar.

Ama Billie’yi bir alıcı için asıl değerli vakâ hâline getiren şey, bot’un yerini aldığı çağrı merkezi ekibinin başına gelen. Ingka bu 8.500 rolü lağvetmedi. Onları telefonla ve videoyla satış yapan uzaktan iç mimarî danışmanları olarak yeniden eğitti. Bu kanal geçen mali yıl 1,25 milyar avro ciro bildirdi, bir önceki yılın 1,08 milyar avrosundan yukarıda, üç yıl boyunca yıllık %15 ile %20 arasında büyüyerek. Ingka 2028’e kadar toplam cironun %10’una ulaşmayı taahhüt etti. Yapay zekâ matematiği ile insan kaynakları matematiği aynı cümlede duruyor; bu da nadir rastlanan bir şey.

• Billie, aracı açan müşterilerin %74’ünü çözüyor (ilk iki yılın %47’sinden).
• Müşteri memnuniyeti %60’tan %89’a çıktı.
• 8.500 eski çağrı merkezi personeli uzaktan tasarım danışmanı olarak yeniden eğitildi.
• Uzaktan tasarım kanalı: geçen mali yıl 1,25 milyar avro ciro, bir önceki yıl 1,08 milyar avrodan.
• Yıllık büyüme: son üç yılda %15 ile %20 arası.

Ders yapısal. Billie kendini amorti etti, çünkü yerini aldığı insanlar maliyet olarak çıktığı tutardan daha fazla ciro üretti. Yani maliyet tablosundaki tasarruf satırı yüzünden değil, insan sermayesinin kaydığı yer sayesinde. Bir asistanın iş vakasını yalnızca “başlık azaltma” olarak kurduysan iki rakamın küçüğünü modellemişsin demektir. Büyüğü, serbest kalan insanların bundan sonra ne yaptığı. Bu soruya cevabı olmayan proje muhtemelen yanlış yöneticinin masasında.

Üçünü Yan Yana Koyunca Ortak Olan Şey

Üç perakendeci, üç farklı hareket. Biri dönüşüm sıçramasını satıyor (Lowe’s). Biri operasyon katmanını inşa ediyor (Home Depot). Biri iş gücünü yeniden konuşlandırıyor (IKEA). Yan yana okunduğunda paylaştıkları şey şu: hiçbiri asistanı tek başına konuşlandırmadı. Her biri bot’u ve bot’un hizmet ettiği şeyi paralel kurdu. Mylow’un yanında Mylow Companion var. Magic Apron’un yanında 2.000 mağazayı kapsayan konuma özel katman var. Billie’nin yanında kendi ciro kalemi olan 8.500 yeniden eğitilmiş danışman var.

Pilot aşamada takılan projeler genelde önce bot’un tek başına çalıştığını kanıtlamaya çalışır, ancak ondan sonra personeli, kataloğu ve mağaza düzenini botun etrafında planlar. Bu üç şirket tersini yaptı. Bot’un oturacağı iş modelini önce kurdular, bot’u da onu birbirine bağlayan doku gibi gördüler, sonra modelin değil bütün vakânın sonuçlarını yayımladılar. Satıcı değerlendiren bir alıcı, önce “hangi modeli kullanalım” diye sormamalı; önce “kendi işletmemde bu bağ dokusunun karşılığı ne” diye sormalı.

Paylaştıkları ikinci şey önemli. Üçü de bu rakamları bizzat raporluyor; yatırımcı ilişkilerinden, basın ofislerinden ve yönetici mülakatlarından. Bu yazıdaki her rakam, adı, unvanı ve tarihi olan bir başvuru ya da açıklama içinde duruyor. Alıcı olarak kendi ajansından talep etmen gereken kaynak çıtası budur. Sunulan rakamlar adı, unvanı, şirketi ve tarihi belli bir yöneticiye atfedilmediyse o rakamlar değil, slogan.

Orta Ölçekli Bir WooCommerce Mağazasında Bunu Üretmenin Maliyeti

2.000 ile 20.000 arası SKU’lu bir WooCommerce katalogu işletiyorsan, yukarıdaki aileye benzer bir sonuç çıkaran ve sessizce ölen pilotların ailesinden farklı olan işin şekli şu. Ciddi bir kataloğu, eğitilmiş bir merchandising ekibi ve bütçe onayı elinde olan bir mağaza için kaba efor: ilk üretim yüzeyi için 10 ila 14 hafta, dürüst tutmak için çeyreklik 1-2 gün.

İlk katman asistanın beslendiği içerik. Ürün veri modelin, müşterilerin gerçekten sorduğu alanları taşımalı; içe aktarma eklentisinin önerdiği alanları değil. WooCommerce tarafında bu, global attributes, ACF ile özel ürün alanları ve kurulum kılavuzları, teknik föyler, uyumluluk kuralları için disiplinli bir taksonomi anlamına gelir. Bu katman ince kalırsa asistan özgüvenle halüsinasyon üretir. Doğru kurulursa asistan kendi kataloğundan cevap verir ve Lowe’s rakamının işaret ettiği ilk sıçramayı yakalarsın. Orta ölçekli bir katalog için 3 ila 5 hafta modelleme ve temizlik, nitelikler hiç sistemleştirilmediyse daha fazla.

İkinci katman kataloğu LLM’e bağlar. Bunu, ürün verinden, yardım merkezi makalelerinden ve iade politikasından inşa edilen bir vektör indeksini okuyan, soruyu amaç kategorisine göre bir prompt şablonundan geçiren ve cevabı kendi sayfalarına bağlanmış biçimde döndüren özel bir WordPress eklentisi olarak teslim ediyoruz. Önemli olan mühendislik kararı indeksin nerede durduğu. pgvector ile yönetilen Postgres üzerinde kendi barındırmanda tutmak veriyi ve maliyeti denetlenebilir kılar; üçüncü taraf embeddings API’si daha hızlı başlatır ve seni başkasının faturasına bağlar. Birincisiyle başlıyor, ikincisini sadece zirve trafiği için açıyoruz. 2-3 hafta geliştirme, bir hafta değerlendirme kurgusu.

Üçüncü katman insana devretme yolu; bunun bir oyuncak mı yoksa iş aracı mı olduğuna karar veren katman budur. Billie’nin %74 çözüm oranı etkileyici, çünkü diğer %26 müşterinin gerçekten yardım alabileceği bir yere düşüyor. WooCommerce’te bu, sohbet yüzeyinden yardım masası aracına (Zendesk, Freshdesk, HubSpot Service Hub ya da daha küçük tarafta Jetpack CRM) oturum bağlamıyla birlikte canlı aktarım demek; ki insan temsilci sıfırdan başlamasın. Bağlama noktası sıkıcı bir tesisat ve pilotların çoğu sessizce burada ölür. 2 hafta say ve yardım masası sağlayıcısının API’si değişince bir entegrasyonu yeniden yapacağını hesaba kat.

Dördüncü katman ölçüm. Enstrüman takmadan konuşlandırırsan bir yıl boyunca “çalıştı mı çalışmadı mı” tartışırsın. Çeyreklik yönetim kurulu için minimum anlamlı metrikler: saptırma oranı, kapsayan oran, hedef kitleden ayrılmış bir cohort’a karşı asistan destekli dönüşüm sıçraması ve çoğu ekibin atladığı dayanaklılık (grounding fidelity), yani cevapların kendi sitendeki bir sayfaya atıf oranı. WooCommerce’te bunu özel bir GA4 olay akışı ve merchandising ekibinin zaten kullandığı bir BI yüzeyine haftalık dışa aktarım olarak teslim ediyoruz. 1 hafta enstrüman, çeyreklik 2 gün inceleme.

Beşinci katman kurumsal olan; satacak bir şey olmadığı için neredeyse hiçbir ajans konuşmaz. Asistan yanlış cevap ürettiğinde katalog temizliğinin sahibi kim? Devretme yolu satışa mı destek birimine mi gider, kim karar verir? Yeniden eğitim kadansını kim onaylar? Orta ölçekli bir mağazada dürüst cevap şu: iş yerinin içinden adı belli tek bir kişi, ilk çeyrek için zamanının yarısı ve sonrasında haftada bir gün. Bu zamanı kimsenin ayıramayacağı durumda projeyi bir çeyrek erteleyip o kişiyi serbest bırakmak, yine de yola çıkmaktan daha doğru karar.

Hepsini topladığında ilk üretim yüzeyi için 10 ila 14 hafta çıkıyor; aşağı yukarı orta ölçekli bir replatform projesi kadar, paranın büyük kısmı modelin kendisine değil, içerik modellemesine, erişim altyapısına ve devretme tesisatına gidiyor. Bu yazıdaki en önemli rakam bu oran, çünkü en çok yanlış okunan sayı bu. Model ucuz. Modelin etrafındaki iş değil.

Kendi kataloğunda bu resmin nasıl göründüğüne daha net bakmak istiyorsan dürüst teklif, asistan yığınımızın demosu değil. Yukarıdaki beş katmana karşı mevcut katalog, yardım merkezi ve destek araçlarının durumunu değerlendiren bir haftalık denetim; bu çeyrek içinde hangisini üretime çıkarabileceğini, hangisinin önce düzeltilmesi gerektiğini yazılı cevapla ortaya koyar. Bir sonraki sunum deki açılmadan önce yapılacak konuşma bu. Destek talebi sayfamız burada, brief’lere iki iş günü içinde dönüyoruz.