Bu çeyrek alıcılarla toplantılarda bir cümleyi tekrar tekrar kuruyorum. ChatGPT’den ya da Gemini’den ürün sayfana düşen ziyaretçi, kategorini Google’a yazıp gelen ziyaretçiden çok daha aşağıda, dönüşüm hunisinin derininde. Üstelik bu ziyaretçi, geri kalan trafiğine kıyasla yaklaşık yüzde doksan daha iyi dönüşüyor. Keşif ile satın alma arasındaki pencere daraldı; ciddi bir alıcının göreceği ilk sayfa artık ana sayfa değil, ürün sayfası.
Perakende finansındaki herkes buraya kadar katılıyor. Aynı yöneticilerin kaçırdığı kısım, iki kat aşağıda yaşıyor: ortalama bir perakende sayfasındaki içeriğin üçte biri, o alıcıyı az önce sana yollayan modele görünmüyor. Yapay zekâ ne okuyabiliyorsa onu okuyor. Ürün sayfalarında da ortalama olarak içeriğin yaklaşık üçte ikisini okuyabiliyor.
WooCommerce ve WordPress mağazalarını yeterince uzun süredir kuruyorum, bu problemin şeklini tanıyorum. 2012’deki mobil tarayıcı hikâyesiyle aynı şekle sahip. Trafik önden değişiyor, para birkaç çeyrek sonra geliyor; iki nokta arasındaki mühendislik işini doğru yapan siteler, bu kaymanın orantısız bir payını kapıyor. Bu seferki mühendislik hiç parlak değil: temiz öznitelikler, dürüst metin, JavaScript’i çalıştırmadan sayfanı okuyabilen bir tarayıcı.
Aşağıda yayımlanmış verinin boşluk hakkında ne dediğini, bu konuda bir şey yapan operatörleri ve orta pazar bir WooCommerce estate’inde ilk doksan günün nasıl göründüğünü anlatıyorum. Sayılar Adobe’nin. Operatörler Haziran ve Ekim 2026’da kayıt altında konuştu.
Bir Ürün Sayfasının Üçte İkisi, Görünmez Kalmak İçin Az Bir Yüzde Değil
Adobe Digital Insights, AI Content Visibility Checker adında bir araç geliştirdi ve bu yıl ABD perakende sitelerine yapılan bir trilyonun üzerinde ziyaret üzerinde çalıştırdı. Adobe Digital Insights direktörü Vivek Pandya, Nisan’dan bu yana okumaları iki aylık dilimlerde Adobe’nin kendi blogunda ve basın brifinglerinde yayımlıyor. Aracın lansmanında paylaşılan ilk sonuçtan herkesin alıntıladığı başlık şu: ana sayfalar yaklaşık yüzde 75, kategori sayfaları yaklaşık yüzde 74, ürün sayfaları ise yaklaşık yüzde 66 ile bir perakende sitesindeki en zayıf sayfa tipi. Ürün sayfanın ortalama 34 puanı, onu bir alıcıya özetlemeye çalışan model tarafından ayrıştırılamıyor.
Pandya yaz boyunca örneklemi genişletti ve puan düştü. Chief Marketer‘ın aktardığı Ağustos güncellemesinde giyim yüzde 76, elektronik yüzde 70, kozmetik yüzde 68, spor malzemeleri yüzde 67, mobilya ve ev yüzde 64, genel ticari ürünler yüzde 63 ve market yüzde 59 çıktı. Pandya’nın çerçevelemesi ölçülü: 19 Ağustos 2026’da Chief Marketer‘a verdiği değerlendirmede “bu rakamlar yapay zekânın e-ticaret sektöründe sağlamaya devam ettiği değeri gösteriyor” dedi. Yüksek sesle söylemediği, ancak benim konuştuğum operatörlerin onun yerine söylediği şu: yapay zekâ trafiğinden en yüksek dönüşüm artışını alan kategori, aynı zamanda sayfaları bu trafik tarafından en zor okunan kategori.
Adobe’nin Ekim güncellemesi aradaki açığı rahatsız edici hale getirdi. Eylül 2026’da ABD perakende sitelerine düşen yapay zekâ kaynaklı trafik, yapay zekâ dışındaki trafiğe göre yüzde 90 daha iyi dönüştü ve ziyaret başına yüzde 83 daha fazla gelir üretti. Aynı ay, Pandya’nın ekibi yapay zekâ trafiğinin yıllık yüzde 71, Adobe’nin ölçmeye başladığı Ekim 2024’ten bu yana ise yüzde 1.772 arttığını bildirdi. Tatil tahminleri aynı yönü sürdürüyor: Şükran Günü için yıllık yüzde 159, Kara Cuma için yüzde 95, Siber Pazartesi için yüzde 88 büyüme öngörülüyor. Dönüşümde yüzde 90 primle büyüyen bir kanalda üçte iki okunabilirlikle oturmak artık sürdürülebilir değil.
Kaldıraçlara geçmeden bir uyarı: okunabilirlik gerekli, ama yeterli değil. Mükemmel ayrıştırılabilir bir sayfa, modelin seni alıntılamasını garantilemez; 2012’de mükemmel indekslenmiş bir sayfanın Google’da ilk sırayı garantilememesi gibi. Okunabilirliğin yaptığı şey, soruyu “model bunu görüyor mu” aşamasından “modele bunu alternatife tercih etmek için bir sebep verildi mi” aşamasına taşımak. Bu çok daha sağlıklı bir tartışma.
Birinci Kaldıraç: Öznitelikleri Modelle, Paragraf İçine Gömme
Bir mağazanın bu çeyrek yapabileceği en ucuz, en etkili iş, ürün özelliklerini düzyazının içine saklamayı bırakmak. Malzeme, ebat, ağırlık, uyumlu modeller, menşei, pil ömrü, garanti, yıkama talimatı. Bunların her biri ayrı bir öznitelik; her biri pazarlama paragrafının içinde değil, yapılandırılmış veride ve görünür bir özellik tablosunda olmalı. Model düzyazıyı düzyazı olarak görür. Tabloyu satır olarak görür.
Botify’ın yapay zekâdan sorumlu global başkan yardımcısı AJ Ghergich, Mitchell Parton’un Modern Retail‘de 16 Haziran 2026’da yayımlanan haberinde bu noktayı net koydu. “Birçok ürün sayfasına baktığında her yerde JavaScript var,” dedi Ghergich. “Karuseller, uçuşan nesneler.” Sadeleştirmeye başlanacak ilk yerler buralar. Beşinci özelliği ancak üçüncü dokunuşta gösteren bir karusel, modelin hiçbir zaman göremediği bir karuseldir.
Target bu konuda somut bir adım attı. Target’ın dijital ürün yönetiminden sorumlu başkan yardımcısı Ranjeet Bhosale, geçtiğimiz sonbaharda Shoptalk’ta Target’ın sitesini kendi yapay zekâ araçları ve dışarıdan veri çeken motorlar için “makine okur” hale getirmek üzere yeniden yapılandırdıklarını söyledi. Modern Retail ifadeyi doğrudan uzun bir alıntı yerine özet olarak aktardı. Yön açık, ve Target’ın kendi analistlerinin yayımladığı trafik verisiyle de tutarlı. Yapay zekâ trafiğinden orantısız pay alan bir perakendeci, bu problemin yapısal tarafında izlemeye değer bir örnektir.
WooCommerce tarafında yapılacak somut hamle, serbest metin ürün açıklamalarını tiplenmiş özniteliklere terfi ettirmek. Malzeme, ebat, renk, uyumluluk, garanti, menşei. Her biri bir ürün özniteliği olsun; her biri katalogda bir facet haline gelsin; her biri de mağazanın her PDP’de yaydığı Product schema’sına aksın. Satın alma uzmanının paragrafı insan okuyucu için kalsın; modeli besleyen öznitelikler.
İkinci Kaldıraç: Kategorinin Ne İşe Yaradığını Modele Öğret
İkinci kaldıraç, kategori ve ürün sayfalarında Google için hiçbir zaman gerekli olmadığı için çoğu perakende sitesinde bulunmayan bir içerik: alıcının gerçekten sorduğu sorunun kısa, dürüst, modele dönük cevabı. “Altı aylık bebeğe uygun mudur.” “2019 Ford Focus’a uyar mı.” “Bu etken madde beni ayakta tutar mı.”
Mitchell Parton’un Modern Retail‘de kullandığı örnek, takviye markası Olly. Olly’nin DTC, pazarlama teknolojisi ve dijital uyumluluk direktörü Jennifer Peters, ekibine ürün sayfalarına içerikleri ve etkilerini sade bir dille açıklayan bir sıkça sorulan sorular bölümü eklettirdi. Parton’ın aktarımına göre amaç, uyku sorunu hakkında yapay zekâya soran kullanıcıları Olly’nin uyku jelibonlarına yönlendirmek. Hamle neredeyse sıfır maliyet; modelin elinin altındaki şeyi değiştiriyor.
Keşif platformu Azoma’nın kurucusu ve CEO’su Max Sinclair, aynı yazıda sorgu şeklini iyi özetledi: “Maraton koşarken 20 mil sonra sızlıyor mu.” Bu bir anahtar kelime değil, bir cümle; o cümleyi tam cümlelerle yanıtlayan ürün sayfası cevaba taşınan sayfa oluyor. Yalnız spec tablosu yetmez. Spec tablosu artı kategorinin asıl sorulan üç sorusunu sade bir dille yanıtlayan iki paragraf, o yeter.
Üçüncü Kaldıraç: Sayfayı Oluştur, JavaScript Arkasına Saklama
Okunabilirlik skorunun büyük kısmı burada yaşıyor ve orta pazarın en çok hareket alanı da burada. Adobe’nin Ağustos kategori rakamları, sayfaları daha düz ve daha editöryel olan perakendecileri ödüllendiriyor: en üstte giyim ve elektronik, en altta genel ticari ürünler ve market var. Fark büyük ölçüde sayfanın ne kadar agresif biçimde istemci tarafı render, sekme, modal ve ancak kullanıcı etkileşimi sonrası açılan tembel yüklenen bloklar kullandığıyla ilgili. Tarayıcı bir kullanıcı değildir. Dokunmaz. Fiyat ancak bir script çalışıp bir bölge doldurulduktan sonra görünüyorsa, yapay zekâ yüzeylerinin yarısı sayfanı fiyatsız bir sayfa olarak kaydeder.
Rithum’un perakende birimi başkanı Blaine Nielsen, Modern Retail‘de bu pazarın ihtiyacı olan kuru, ölçülü cümleyi kurdu. “Daha ilk vuruşlar oynanıyor,” dedi. “Elde somut rakam yok ama olumlu bir yön görüyoruz.” Dürüst okuma bu. Bu yüzden ben bu çeyreği belirli bir LLM’i kovalayarak geçirmem. Sayfadaki her önemli bilginin, çalıştırılan JavaScript’te değil, sunulan HTML’de bulunmasını sağlayarak geçiririm.
Henüz Çalışmayan Kaldıraç
Bu pazarda kimsenin ölçeklendiremediği bir kaldıraç var ve CFO’nun ilk soracağı şey de o. Belirli bir ürün sayfasının belirli bir LLM alıntısından hangi satışı doğurduğunu temiz biçimde ilişkilendiremiyorsun. Yapay zekâ kaynaklı oturumları kanal düzeyinde ölçebilirsin ve GA4 bu konuda artık makul. Ziyaret başına gelirdeki artışı görebilirsin. Ama “ChatGPT geçen hafta hangi kırk üç ürün sayfasını kelimesi kelimesine alıntıladı ve bunların hangisi hangi SKU’yu hareketlendirdi” diye soramazsın. Tarayıcılar o izi arkada bırakmıyor; referrer yollayan tarama LLM’leri ise alıntıya yol açan sorguyu nadiren yolluyor.
Ghergich’in Modern Retail‘deki uyarısı savaş odasının duvarına yakışır. “Gelirinin yüzde beşinden fazlasını yapay zekâya atfeden bir mağaza henüz görmedim,” dedi. “Gelirin yüzde doksan beşi klasik kanallardan akarken sadece yapay zekâya kafayı takamazsın.” Kanal hızla büyüyor ama küçük bir tabandan büyüyor ve ölçüm henüz olgun değil. Yine de o kanala göre inşa et, çünkü taban küçük kalmayacak; ancak okunabilirlik projesinin hesabı hâlâ ödeyen eski usul SEO’nun önüne geçmesine izin verme.
İlk Doksan Günde Biz Ne Kurardık
İki mühendis, bir satın alma uzmanı ve bir ürün sahibiyle çalışan orta pazar bir WooCommerce estate’inde çeyreği şöyle geçiririz. Bu bir dönüşüm planı değil; insan sayfasını bozmadan makineye okunur bir ürün sayfası üreten, parlamayan ama sıraya dizili birkaç hamle.
- Sprint bir, ilk yüz SKU’yu tara. SKU’ları son 12 ayın cirosuna göre sırala, her sayfayı JavaScript kapalı olarak çek ve fiyatın, stok bilgisinin, beş kritik özniteliğin, garantinin ve birincil görselin alt metninin HTML’de olup olmadığını kontrol et. Yarım günlük mühendislik; sonraki bütün kararları besleyen bir liste.
- Sprint iki, öznitelikleri terfi ettir. Serbest metin spesifikasyonları doğru taksonomilerle WooCommerce ürün özniteliklerine taşı. Satın alma uzmanı için bir hafta, mühendislik için üç-dört gün: öznitelikleri Product schema’da ve görünür bir özellik tablosunda aç.
- Sprint üç, kategori başı üç soru. Satın alma uzmanına bir brief ver: her kategori için mevcut sayfaların sade düzyazıyla cevap vermediği üç alıcı sorusu. Her birini özellik tablosunun altına birer paragraf halinde yazsın. Olly hamlesinin bir üst katmanı.
- Sprint dört, sunduğunu render et. Aynı yüz SKU’da fiyat, stok, varyasyon, yorum sayısı ve JSON-LD’yi istemci tarafı render’dan sunucu yanıtına taşı. Sağlıklı bir block theme muhtemelen bunu zaten yapıyordur; başsız bir mimaride ise bu karar bu sprintte ya hesabını veriyor ya da vermiyor.
- Sprint beş, dürüstçe enstrüman kur. GA4’te referrer bazlı yapay zekâ kanalı etiketlemesini aç, tanımadığın referrer’ları kendi veri ambarında logla ve haftalık bir rapor üret: yapay zekâ kaynaklı oturum, ziyaret başı gelir, en çok giriş alan 20 SKU. Okunan sayı ziyaret başı gelir; “LLM alıntıları” değil.
- Sprint altı, süslemeye karşı hattı tut. Pazarlama, özellik tablosunu kaydırma tetiklemeli animasyonun altına iten bir hero karusel ile geri gelecek. Birinin “hayır” dediği sprint bu. Planın en ucuz kaldıracı yönetişim; dikkat gösterilmediğinde sessizce başarısız olan da o.
Kaba toplam: iki mühendis ve satın alma uzmanı için altı-sekiz hafta yoğun iş, sprint ritüelinde kalıcı bir yönetişim satırı ve ajandada çeyreklik bir okunabilirlik yeniden ölçümü. Sağlıklı bir WooCommerce estate’inde, modern bir block theme ve mantıklı bir schema eklentisiyle taban zaten Adobe’nin giyime verdiği yerde, markete verdiği yerde değil. Eski bir temada, karuseller, tembel sekmeler ve Advanced Custom Fields textarea’larında yaşayan bir ürün veri modeliyle sprint bir uzar, sprint iki her şeyi öder.
Bütün bunları yönetim kuruluna bir yapay zekâ projesi olarak çerçevelemem. Dürüst çerçeve şu: mağaza ürün veri katmanını yeniliyor. Yapay zekâ kazanımı, perakendenin zaten yapmış olması gereken bir yenilemenin yan ürünü; bu, hâlâ gelirin yüzde beşinde kalan bir kanala dayanan bir konuşmadan çok daha kolay bir konuşmadır. İlk yüz SKU’nun bu testte nasıl puan aldığını ve temizlenmiş bir geçişin ne göstereceğini görmek istersen, bunu WooCommerce estate’leri için iki haftalık kapsamlı bir çalışma olarak yapıyoruz.
Last modified: Kasım 20, 2026