Himanshu Jain, Kurucu Ortak ve Ürünler Başkanı at CommerceIQ – Röportaj Serisi

Himanshu Jain, CommerceIQ’in kurucu ortağı ve Ürünler Başkanı, ürün stratejisi ve geliştirmeyi, karmaşık perakende ve e-ticaret iş akışlarını otomatikleştiren AI ajanları oluşturma odaklı olarak yönlendiriyor. 2017’de CommerceIQ’i kurduğundan beri, şirketin veri, otomasyon ve AI’ı dijital ticarete uygulama yaklaşımını şekillendirmeye yardımcı oldu. CommerceIQ’ten önce Jain, Boomerang Commerce’ta ürün stratejisi, iş geliştirme ve müşteri başarısı liderliği görevlerinde bulunmuş, büyük perakendecilerle fiyatlandırma, ürün çeşitliliği ve e-ticaret büyüme stratejileri üzerinde çalışmıştır. Kariyerinin erken dönemlerinde A.T. Kearney’de yönetim danışmanı olarak görev yaptı ve Capital One UK’de neredeyse beş yıl boyunca ürün yönetimi, kredi riski, pazarlama stratejisi, analiz ve istatistiksel modelleme alanlarında çalıştı. Ayrıca, girişimlere pazar giriş stratejileri konusunda danışmanlık yapmış ve Amazon ve e-ticaret üzerine Marketing Land’e makaleler katkıda bulunmuştur.

CommerceIQ, tüketici markalarının e-ticaret kanallarında performanslarını yönetmelerine ve optimize etmelerine yardımcı olmak için tasarlanmış AI destekli perakende ticaret platformudur. Platformu, satış, perakende medyası, dijital raf, içerik, envanter ve rekabet verilerini bir araya getirerek ekiplerin 1.500’den fazla perakendeci ve 85 ülkede performansın birleşik bir görünümünü elde etmelerini sağlar. CommerceIQ, AllyAI teknolojisi aracılığıyla ajan tabanlı AI’ye giderek, perakende sinyallerini analiz edebilen, eylemler önerebilen, raporlamayı otomatikleştiren, reklam tekliflerini ve bütçelerini optimize eden ve tanımlı kontroller içinde seçilmiş e-ticaret iş akışlarını yürüten uzman ajanlar geliştirmeye odaklanmıştır. Şirket, bu yaklaşımı kontrol paneli odaklı perakende yönetiminden, satış, medya, içerik ve dijital rafta sürekli, AI destekli yürütmeye doğru bir kayma olarak konumlandırıyor.

CommerceIQ’i kurmadan önce bir on yıldan fazla süredir ürün yönetimi, müşteri başarısı, iş geliştirme ve daha birçok alanda çalıştınız. Sizi ajan tabanlı perakendeye yönelten nedir ve önceki teknoloji geçişlerinden aldığınız dersler bu konuyu nasıl şekillendirdi?

Ajans tabanlı AI öncesi çoğu yazılım, bir insanın işini daha hızlı hâle getirmek için tasarlanmıştı. Excel, bir modeli daha hızlı oluşturmanıza yardımcı olur. Bir kontrol paneli, bir kararı daha hızlı vermenizi sağlar. Ajans tabanlı perakendede değişen şey, yazılımın artık işi kendisi yapabilmesi; sadece bir insanın nasıl yaptığını hızlandırmak değil. Bir ajan, yeni bir çalışan gibi ortamınızı öğrenebilir. Süreçleriniz, iç yönergeleriniz, karar verme şekliniz ve ardından hedefe yönelik uçtan uca eylem, bir insanın bağlam sağlaması ve çıktıyı denetlemesiyle gerçekleşir; her adımı insan yapmaz. Bu, daha önce ürün yönetimi ya da müşteri başarısında çalıştığım hiçbir yazılımdan tamamen farklı bir kategori ve bu yüzden gördüğüm en temel teknoloji değişikliği, kademeli bir değişiklik değil. Hız da daha önceki hiçbir şeye benzemiyor. Akıllı telefonların yaygınlaşması yıllar aldı. Ajans tabanlı AI, tüm endüstrilerin çalışma şeklini değiştirdi ve yavaşlamıyor. Önceki geçişlerden aldığım en önemli ders, geçmişten tahmin yürütmeye çalışan kişilerin burada yanlış kararlar verdiği. En iyi çalışan yaklaşım, açık fikirli olmak, işe girip deneyimlemek ve şu anda neler olduğundan öğrenmek, geçmiş döngüden ne olduğuna bakmaktan daha etkili.

\”Ajan tabanlı ticaret\”, tüketicilerin AI ajanlarını ürün keşfetmek ve satın almak için kullandığı, \”ajan tabanlı perakende\” ise markaların satışlarını yönetmek için ajanları kullandığı arasındaki farkı ortaya koydunuz. Her iki taraf da giderek otomatikleşirken, tüketiciler, markalar ve perakendeciler arasındaki ilişkinin nasıl değişeceğini görüyorsunuz?

Perakende keşfi birkaç gerçek değişim geçirdi. 80’ler ve 90’larda, posta yoluyla gönderilen kataloglar, bir mağazanın neyi öne çıkaracağına karar vermesi ve bir insanın bu seçeneklerden birini seçmesi söz konusuydu. Amazon, sınırsız rafı yarattı. Her anahtar kelime araması kendi sınırsız rafına dönüştü, ancak hâlâ bir insan başlıkları okuyor, incelemeleri gözden geçiriyor ve tek başına karar veriyordu. Şu anda değişen şey, insanlar ve ajanların birlikte alışveriş yapması. Bir niyet ifade ediyorsunuz; bir ajan sayfadaki her ürünü, her iddiayı, her incelemeyi, her maddeyi tam olarak okuyabilir, gerçek ihtiyacınıza göre bir niyet analizi yapar ve size dört beş öneri sunar. Siz hâlâ birini seçersiniz, ancak ajan zaten bir insanın gözden geçirme yoluyla yaptığı karşılaştırma işini tamamlamış olur. Marka tarafında, ajanlar tüketicilerin ve onların ajanlarının aradığına göre PDP içeriğini optimize ediyor, hangi ürünlere teklif verileceğine karar veriyor ve görsel düzenlemeyi yönetmeye yardımcı oluyor. Perakendeci bu döngünün ortasında yer alıyor ve iki taraf arasında ne kadar sinyal akacağını, kime neyin gösterileceğini ve hangi promosyon altında gösterileceğini kontrol ediyor. Bu veri ve karar verme katmanı, perakendeciye giderek daha fazla özelleşmiş hâle geliyor.

Ürün keşfi, geleneksel anahtar kelime aramalarının ötesine geçerek ürünleri karşılaştıran, seçenekleri özetleyen ve önerilerde bulunan AI asistanlarına doğru evriliyor. Markalar, bir arama sonucunda yüksek sıralamaya çıkmak yerine bir AI ajanından öneri almayı hedefledikçe, ürün içeriğini ve dijital raf stratejisini nasıl yeniden düşünmelidir?

Bir insan bir sayfayı gözden geçirir, bir inceleme özetini okur ve birkaç görsele bakar. Bir ajan her pikseli okuyabilir. Bir alışveriş ajanı içinde bile, sorunuz anahtar kelimelere bölünür, bu anahtar kelimeler aranır, sonuçlar çıkarılır, her ürün tamamen okunur ve ardından bir niyet algoritması size gösterdiği kısa listeyi sıralar. Bu, içeriğin hem geleneksel arama hem de piksel‑seviyesi okuma için aynı anda çalışması gerektiği anlamına gelir, sadece birini değil. Ayrıca hangi tür ajan için optimizasyon yaptığınız da önemlidir. Rufus, Sparky ve Alexa Shopping gibi alışveriş ajanları, gerçek satın alımların gerçekleştiği yerlerdir ve burada etkiyi sağlayan şey ürün sayfası kendisi ve üzerindeki her özellik ve iddiadır. ChatGPT veya Perplexity gibi genel‑amaçlı ajanlar daha çok üst‑huni araştırması gibi davranır ve orada bir bahsedilme kazanmanız, kazanılmış medya, atıflar, blog gönderileri ve üçüncü‑taraf yazılarına daha yakındır. Bu unsurları aynı problem olarak gören markalar, yanlış yüzeye yönelik optimizasyon yaparlar.

\”agentic AI\” terimi artık çok çeşitli ürünlere uygulanıyor. Perakendede özellikle, gerçek bir AI ajanını geleneksel kurala dayalı otomasyon ya da üzerine bir üretken AI arayüzü eklenmiş bir analiz platformundan ayıran nedir?

Kural‑tabanlı otomasyon, X gerçekleşirse Y yap demektir. Akıllılığı yoktur ve açıkça programlamadığınız hiçbir şeyi yönetemez. Bir gösterge tablosunun üzerindeki üretken arayüz, aynı statik içgörüyü daha okunaklı hâle getirir. Gerçek bir ajan düşünebilir, planlayabilir, yürütebilir ve ardından sürekli olarak değerlendirme yapıp uyum sağlayabilir; tıpkı eğittiğiniz bir junior analist gibi. Ona bağlam, süreçleriniz, yönergeleriniz ve daha önce verdiğiniz kararları sağlarsınız ve o, bir sonraki kuralın tetiklenmesini beklemek yerine bir hedefe karşı yürütmeye başlar. Benim kullandığım test budur: eğittiğiniz kişi gibi çalışabilir mi, yoksa her zaman statik olan bir şeyin sadece daha hızlı bir versiyonu mu?

Ticaret ekipleri geleneksel olarak envanter, fiyatlandırma, ürün sayfaları, perakende medyası, arama performansı ve binlerce ürün üzerindeki rekabet faaliyetlerini izleyen kişilerle çalışır. Bu operasyonel boşlukların hangileri bugün otonom AI ajanları için en uygun ve insan kararının hâlâ zor yer aldığı alanlar nerelerdir?

Bunu, bir kararın ne kadar yargı gerektirdiği ve ne kadar etki yarattığına göre 2×2 bir matris olarak düşünüyorum. Düşük yargı gerektiren işler doğrudan ajana devredilir. Yüksek yargı veya yüksek etki gerektiren işler ise bir insanın stratejik rehberlik sağlamasını ve sonucu denetlemesini gerektirir. Pratikte, bu, uzun kuyruklu SKU’larınızı ve uzun kuyruklu perakendecilerinizi, bir yıldır kimsenin dokunmadığıları, önce otomatik pilot’a almanız anlamına gelir; çünkü bir hatanın yayılma alanı düşüktür. En iyi SKU’larınız ve en iyi perakendecileriniz insan katmanını korur ve bu katman sadece denetim için değil; ajanın nasıl eğitileceği içindir. Bir şey yakaladığınızda, ona ne yapması gerektiğini ve nedenini söylersiniz; bu geri bildirim, zamanla daha iyi olmasını sağlar, sadece sürekli ortalama kalmaktan daha iyidir.

Özel ajanlar, izole hedeflere göre optimize ederlerse kendi sorunlarını yaratabilirler. Bir medya ajanı stokları tükenmekte olan bir ürün için reklamı artırabilir, bir fiyatlandırma ajanı ise marjı feda ederek dönüşümü iyileştirebilir. Birden fazla ajanın, markanın daha geniş ticari hedeflerine yönelmesini ve sadece bireysel metriklerini optimize etmesini nasıl sağlarsınız?

Tam da bu yüzden bağımsız ajanlar seti yerine bir orkestratör oluşturduk. Bizimkine Ally diyoruz ve hedefi satış artışı, tek bir kanalın metriği değil. Fırsat ve risklerin nerede olduğunu belirler, ödünleşmeleri değerlendirir ve ardından görev ajanlarına, medya, içerik ve fiyatlandırma ajanlarına belirli görevler atar; aynı bilgiyi hepsiyle paylaşarak kimsenin yalnız başına optimize etmesini engeller. Bu katman olmadan, sorudaki başarısızlık senaryosunu tam olarak yaşarsınız: envantere dair görünürlüğü olmadığı için stokları tükenmekte olan bir ürün için harcama yapan bir medya ajanı.

Perakende verileri genellikle perakendeci portalları, reklam platformları, envanter sistemleri, ürün bilgi sistemleri ve dahili analiz araçları arasında parçalanmıştır. Başarılı agentik perakende için veri kalitesi ve veri birleştirme ne kadar önemlidir ve AI ajanlarına daha fazla özerklik vermek, eksik ya da hatalı verileri daha tehlikeli hâle getirir mi?

Verileri doğru biçime, gerçek anlamsal yapıya ve uygun bir ontolojiye, sadece yan yana duran ham akışlar yerine, sokmak burada yapılan işin büyük bir kısmını oluşturur. Birçok ekip, bir şeyi ChatGPT’ye yükleyebileceğinizi ya da mevcut sistemlerin üzerine bir ajan bağlayabileceğinizi düşünür ve elde edilen sonuç tutarsız olur; bazen çalışır, bazen de halüsinasyon üretir ve buna güvenmenin bir yolu yoktur. Özerklik bunu daha da kötüleştirir, iyileştirmez, çünkü kötü veriyle çalışan bir insan genellikle hatayı eyleme geçmeden yakalar. Kötü veriyle çalışan bir ajan ise hatayı hemen, ölçekli bir şekilde, kimse fark etmeden uygular.

Markalar AI ajanlarıyla daha rahat hale geldikçe, hangi eylemlerin otonom olarak yürütülebileceğine ve hangilerinin hâlâ insan onayı gerektirdiğine nasıl karar vermelidir? \”AI önerir\”den \”AI harekete geçer\”e geçiş pratikte nasıl bir süreçtir?

Bu, bir anda değil, kademeli olarak ilerlemelidir. Çoğu ekip, otomatikleşmiş işlemlerin yaklaşık %10, onay gerektirenlerin ise %90’ı ile başlar. Geri bildirim döngüsü çalıştıkça, insanlar ajanı düzelttikçe ve ajan bu düzeltmeyi uyguladıkça, güven artar ve bu oran hem eylem hacmi hem de otomatikleştirilen değerin yönünden %20 ve %80’e, ardından daha da ilerler. Bu ilerlemenin başlangıç noktası, düşük etkili işler, uzun kuyruklu SKU’lar ve zaten aktif olarak yönetmediğiniz perakendecilerdir; ve yalnızca geçmiş performans kanıtlandığında, daha yüksek etkili ve daha yüksek yargı gerektiren kararlara genişler.

Perakende medyası geleneksel olarak reklam harcamalarına geri dönüş gibi metriklere yoğun bir şekilde odaklanmıştır, ancak reklamların gerçekten artı satışlar yaratıp yaratmadığını belirlemeye yönelik ilgi artmaktadır. Yapay zeka, markaların artı değer, kârlılık ve reklam bütçelerinin nerelere tahsis edileceği konularında daha iyi kararlar almalarına nasıl yardımcı olabilir?

Markalar ölçümle aşırı derecede büyülenebilir. Bir çeyrek için derin bir artı değer çalışması yürütmek titiz bir çaba gibi görünebilir, ancak piyasa genellikle çalışmanın tamamlanma zamanına kadar ilerlemiş olur. Ben, ekiplerin pratik bir dizi sezgi geliştirmesini ve bunları daha hızlı uygulamasını görmek isterim: eğer organik olarak zaten yüksek sıralamadaysanız, daha fazla teklif vermeyin; zaten alacağınız bir satış için ödeme yapıyorsunuz demektir. Eğer organik olarak düşük sıralamadaysanız, o zaman reklam harcaması gerçekten değerini kazanır. Piyasada ürününüzün varlığını bilmeyen bir kitle varsa, onları eğitmek için orada harcama yapın. Bir doların artı olarak 1,48 mi yoksa 1,68 mi getirdiği konusunda tartışmak, harekete geçmemek anlamına gelen zamandır. Eyleme daha hızlı ulaşmak ve sayının mükemmel doğrulukta değil, yön olarak doğru olmasını kabul etmek, satışları gerçekten artırır.

Alışverişçi tarafı yapay zeka ajanları keşif, karşılaştırma ve satın alma süreçlerini giderek daha fazla üstlenirken, marka tarafı ajanları içerik, fiyatlandırma, reklam ve envanteri yönetiyorsa, sonunda makinelerin bir işlemin her iki tarafını da etkilediği bir ortam ortaya çıkabilir. Bu ortamda e-ticaretin nasıl görüneceğini düşünüyorsunuz ve bu AI destekli satın alma sistemlerine karşı görünmez hâle gelen markalarla kazanan markalar arasında nihai olarak neyi ayıracak?

Bir an önce ajanların birbirleriyle otonom olarak işlem yapacağı bir geleceğe doğru ilerlediğimizi düşünmüyorum. Bunun yerine, hem alıcı hem de satıcı tarafında insanlar ve ajanların birlikte satın alma yaptığı, ajanların karşılaştırma ve öneri işini yürüttüğü, insanların hâlâ nihai kararı verdiği bir senaryo görüyorum; aynı model marka tarafında da geçerli: ajanlar yürütürken insanlar stratejiyi belirler ve önemli kararları onaylar. Bu dünyada, fiziksel ürünün hâlâ iyi olması gerekir; ne kadar optimizasyon yapılırsa yapılsın kötü bir ürünü kurtarmaz. Bundan sonraki ayırıcı faktör bağlamdır: bir ajanın işiniz hakkında ne kadar bağlamı, ne kadar öğrendiği ve ne kadar geri bildirim aldığı. Bu, aptalca hatalar yapan bir ajanı, marka sesinizi ve stratejinizi yeterince anlayıp gerçek kararlarla güvenilir kılan bir ajandan ayıran şeydir. Kazanan markalar, ajanlara iyi bir bağlam ve çalışan bir geri bildirim döngüsü sağlamayı temel iş olarak görenlerdir; bu adımı atlayanlar ise görünmez hâle gelenlerdir.

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular CommerceIQ adresini ziyaret etmelidir.