Yapay Zekâ ile Müşteriye Özel Ürün Kataloğu Nasıl Yapılır?

Hedef belli değilse panel de dağılır

Müşteriye Özel Ürün Kataloğu konusunda yapay zekâdan yararlanmak, işi tamamen otomatikleştirmek anlamına gelmez. Araç; soru sorma, alternatif karşılaştırma, örnek kayıt üretme ve kontrol listesi hazırlamada güçlüdür. İşletmenin sorumluluğu, yetki ve kabul ölçütleri yine insanlar tarafından belirlenir.

Bu işte aynı kayda farklı yerlerden dokunan kişiler var: bayi, kurumsal müşteri, satış temsilcisi, depo, finans ve merkez yönetimi. Temel kayıtlar müşteriye özel ürün, fiyat, iskonto, limit, sipariş, sevkiyat ve cari hareket kayıtları. Hedef, telefon ve Excel üzerinden yürüyen toptan satış işini müşteriye özel kuralları kaybetmeden self servis hale getirmektir. Kullanıcıların sorumluluğu ve veri sahipliği netleşmeden üretilen ekranlar kısa sürede elle düzeltme alanına dönüşür.

Kullanıcıdan önce süreci anla

Yapay zekâya bağlam verirken kullandığın PHP, CodeIgniter, MySQL ve Flutter sürümlerini açıkça yaz. Sürüm bilinmezse model farklı dönemlere ait kodları karıştırabilir. Canlı veritabanı yerine tablo yapısı ve anonim birkaç örnek satır paylaş.

Müşteriye Özel Ürün Kataloğu için özellikle tutulması gereken bilgi şudur: kişi veya kurum, iletişim kanalı, izin, talebin kaynağı, sorumlu, sonraki işlem, durum ve görüşme geçmişi. Bunların hepsini tek geniş tabloda toplamak yerine ana kayıt, hareket geçmişi ve dosyaları görevlerine göre ayır. Böylece bir alan değiştiğinde hangi eski işlemin etkilenmeyeceği daha kolay görülür.

İlk çalışan akış

İlk sürümde bütün departmanları veya bütün istisnaları çözmeye çalışma. Müşteriye Özel Ürün Kataloğu için aşağıdaki sıra, hatayı daha ucuzken görmeyi ve modelden her aşamada daha somut yardım almayı sağlar.

1. Bir müşterinin teklif istemesinden teslimata kadar izlediği yolu gerçek fiyat kurallarıyla yaz.

Çıktıyı küçük bir örnek üzerinde uygula. Beklenenle gerçek sonuç farklıysa yeni bir genel komut yazmak yerine farkı, hata mesajını, veri durumunu ve kullanılan sürümü açıkça ver.

2. Ürün kataloğu, müşteri sözleşmesi ve sipariş anındaki fiyat görüntüsünü birbirinden ayır.

Her önerinin yanına sorumlu kişi, kabul ölçütü ve geri alma yolu ekle. “Entegre et” veya “optimize et” tek başına teslim tanımı değildir; görülebilir bir sonuç bulunmalı.

3. Tek müşteri grubu ve sınırlı ürünle sipariş akışını kur; yetkiyi her sorguda sunucu tarafında uygula.

Bir sonraki adıma geçme koşulunu önceden yaz. Bu küçük kural, yapay zekânın sürekli özellik eklemesini engeller ve ilk sürümü gereksiz büyümekten korur.

4. Limit, iskonto, minimum miktar, kısmi sevkiyat ve iptal örneklerini rakamlarla test et.

Mümkünse sahte veri ve ayrı test ortamı kullan. Canlı değişiklik gerekiyorsa kapsamı daralt, yedek al ve önceki durumu kaydet. Anlamadığın komutu çalıştırma.

Örnek yapay zekâ talimatı

> “Müşteriye Özel Ürün Kataloğu için küçük bir ilk sürüm planlıyorum. Kullanıcılarım: bayi, kurumsal müşteri, satış temsilcisi, depo, finans ve merkez yönetimi. Ana hedefim telefon ve Excel üzerinden yürüyen toptan satış işini müşteriye özel kuralları kaybetmeden self servis hale getirmektir. Tutulacak temel bilgiler: kişi veya kurum, iletişim kanalı, izin, talebin kaynağı, sorumlu, sonraki işlem, durum ve görüşme geçmişi. Şu riski özellikle kontrol et: aynı kişiyi birden fazla kayıt açmak, serbest metindeki hassas bilgiyi geniş ekibe göstermek ve otomatik sınıflandırmayı kesin karar saymak. Bana hemen kod verme. Önce eksik gördüğün en fazla sekiz soruyu sor. Cevaplarımdan sonra rol-yetki tablosu, veri varlıkları, izin verilen durum geçişleri ve dört aşamalı uygulama planı yaz. Her aşamaya kabul ölçütü, hata senaryosu ve geri alma yolu ekle. Gerçek parola, müşteri veya çalışan verisi isteme; sürümden emin değilsen varsayımını açıkça belirt.”

Komutu kendi işlem hacmin, kullanılan yazılım sürümleri ve değiştirilemeyecek iş kurallarıyla tamamla. İlk cevap çok genişse yalnız bir kullanıcı rolü ve bir ana işlem için veri alanlarını, durum geçişlerini ve üç hata senaryosunu iste. Parçayı doğrulamadan sonraki modüle geçme.

Bakımı unutma

Araçların görevi belli olmalı. Web paneli ve REST API için CodeIgniter 3, fiyat ve sipariş kuralları için MySQL kullanılabilir. ERP, ödeme veya kargo bağlantıları kuyruk ve mutabakat kaydıyla ayrılmalı; dış servis kesintisi siparişi kaybettirmemeli. Metin modeli kapsam, alan açıklaması, örnek sahte veri, SQL veya kod taslağı ve test listesinde yardımcı olabilir. Canlı bağlantı, yetki ve veri değişikliği doğrudan modelin kontrolüne verilmemeli.

Kod üreten araçtan aldığına yalnız sözdizimi açısından bakma. Başka kullanıcının kimliği gönderildiğinde ne olduğu, aynı isteğin iki kez gelmesi, boş ya da aşırı uzun değer, işlem yarıda kalınca kayıtların durumu ve hata mesajında hassas bilgi bulunup bulunmadığı da kontrol edilmeli.

Canlı kullanım kontrolü

Bu konudaki genel tehlike bir bayinin başka bayiye ait fiyatı, limiti veya siparişi görebilmesi ve sipariş anındaki ticari koşulların sonradan değişmesidir. Başlığa özgü kritik nokta ise aynı kişiyi birden fazla kayıt açmak, serbest metindeki hassas bilgiyi geniş ekibe göstermek ve otomatik sınıflandırmayı kesin karar saymak. Uyarıyı metinde bırakmak yerine teste çevir: sorun hangi girdide oluşur, sistem ne yapmalı, kullanıcı ne görmeli ve işlem geçmişinde ne kalmalı?

Küçük bir kabul deneyi hazırla. Aynı kişinin form, telefon ve mesaj üzerinden gelen üç talebini anonim örnekle eşleştir. Bir yanlış eşleşmeyi ayır ve iletişim izni olmayan kanalda mesaj oluşmadığını kontrol et. Yapay zekâdan beklenen ve gerçekleşen sonucu tablo halinde karşılaştırmasını isteyebilirsin; gerçekleşen değeri aracın kendisinin ölçtüğünü varsayma.

Ana akış bir kez çalışınca sistem bitmiş sayılmaz. Yetkisiz erişim, eşzamanlı iki istek, iptal, düzeltme, bildirim hatası ve dış servis kesintisi denenmeli. Rapor veya bakiye üretiliyorsa birkaç kaydı elle hesaplayıp karşılaştır. Yedek alma işareti görmekle geri yüklenebilir yedeğe sahip olmak aynı şey değildir; küçük bir geri dönüş denemesi yap.

İlk sürümün amacı her ihtimali çözmek değil, en sık yapılan işi güvenilir biçimde yürütmektir. Gerçek kullanım verisi geldikçe ikinci sürüm kararları daha az tahmine dayanır.