Rakip Fiyat İzlemenin Görünmeyen Kalbi: Ürün Eşleştirme Nasıl Çalışır?

Aynı ürün her sitede farklı görünür. Senkrondata'nın rakip fiyat verisini güvenilir kılan katmanlı ürün eşleştirme yaklaşımını anlatıyoruz.

Bir perakendeci "rakibim bu ürünü ne kadara satıyor?" sorusunu sorduğunda, aslında çok daha zor bir soruyu cevaplamış olmayı bekler: "Rakibin sitesindeki şu ürün, benim kataloğumdaki hangi ürün?"

Kulağa basit gelir ama değildir. Aynı ayakkabı bir sitede "Erkek Spor Ayakkabı Beyaz 42 Numara", başka bir sitede "Unisex Sneaker - White/42" olarak listelenir. Barkod bazen eksik, bazen yanlış girilmiş, bazen ambalaj farkı yüzünden farklıdır. Bir kozmetik ürünü 3'lü paket halinde bir yerde, tekli başka bir yerde satılır — fiyat karşılaştırması bu ikisini birbirine karıştırırsa sonuç yanıltıcı, hatta zararlı olur.

Rakip fiyat izlemenin kalitesi, göründüğünden çok daha fazla oranda bu tek soruya bağlıdır: doğru ürünü doğru ürünle eşleştirebiliyor musunuz?

Neden bu, işin en kritik parçası

Fiyat karşılaştırma motorları, kampanya optimizasyonu, dinamik fiyatlama kararları — hepsi eşleştirmenin üstüne kurulur. Eşleştirme yanlışsa, üstüne inşa edilen her şey yanlıştır: yanlış ürünle kıyaslanan bir fiyat, "rakip ucuz" derken aslında farklı bir ürünü işaret ediyor olabilir. Bu da yanlış fiyat kararına, kaybedilen marjına ya da gereksiz yere agresif fiyatlandırmaya yol açar.

Sorunu büyüten şey ölçek: yüzlerce satış kanalı, milyonlarca ürün, her gün değişen fiyatlar. Bu ölçekte eşleştirmeyi elle yapmak mümkün değil — ama tamamen otomasyona bırakmak da riskli, çünkü otomasyonun hata payı ölçekle birlikte büyür. Çözüm, tek bir "sihirli algoritma" değil, katmanlı bir yaklaşım.

Tek algoritma yok: katmanlı bir yaklaşım

Senkrondata'nın altyapısında ürün eşleştirme, farklı güven seviyelerinde çalışan birkaç katmandan oluşur. Her katman, bir öncekinin çözemediği durumu devralır.

Katman 1 — Kesin kimlik

Bir ürünün benzersiz bir tanımlayıcısı (barkod/GTIN gibi) her iki tarafta da mevcut ve doğruysa, eşleştirme aslında bir arama problemine döner: aynı kimliği taşıyan kaydı bul. Bu katman hızlı, ölçeklenebilir ve yüksek güvenlidir — belirsizlik neredeyse sıfırdır. Mümkün olduğunda her zaman ilk tercih budur.

Sorun şu ki bu ideal durum her zaman gerçekleşmez: barkod eksik olabilir, kaynakta hatalı girilmiş olabilir, ya da bazı kategorilerde (özellikle tekstil ve moda gibi varyant-yoğun ürünlerde) barkod pratiği hiç standartlaşmamıştır.

Katman 2 — Akıllı benzerlik

Kesin kimlik yoksa, sistem ürünün diğer sinyallerine bakar: isim, marka, kategori, temel öznitelikler (renk, beden, paket adedi gibi). Metinsel benzerlik teknikleriyle olası adaylar bir havuzda toplanır ve puanlanır — amaç, "muhtemelen aynı ürün" olanları geniş bir kümeden hızlıca daraltmaktır.

Bu katman kasıtlı olarak toleranslıdır: ucuz ve hızlı çalışıp aday havuzunu küçültmesi, ince kararı bir sonraki katmana bırakması beklenir.

Katman 3 — Bağlamsal / yapay zekâ destekli karar

Daraltılmış aday havuzu, insan muhakemesine yaklaşan bir katmana devredilir. Bu katman ismin ötesine geçip bağlamı değerlendirir: "3'lü paket" ile "tekli" ürünü ayırt eder, cinsiyet/beden/renk gibi ürünü gerçekten farklı kılan detayları hard-constraint gibi ele alır, sadece yüzeysel metin benzerliğine kanmaz. Ucuz katmanın elediği geniş havuzu, pahalı ama isabetli bir kararla sonuçlandırmak — bu iki katmanlı yaklaşımın (hızlı eleme + akıllı karar) temel mantığıdır.

Katman 4 — Uzman onayı

Otomasyonun güvenle karar veremediği ya da özellikle kritik ürünlerde, eşleştirme bir uzman tarafından gözden geçirilip onaylanır. Bu katman bir "yedek" değil, sistemin bilinçli bir güven ağıdır: otomasyon nerede belirsizse, insan orada devreye girer.

Bu dört katman birbirini dışlamaz — bir eşleşme aynı anda birden fazla sinyalle desteklenebilir (örneğin hem kural bazlı hem de kısmen otomatik). Önemli olan, hangi katmanın hangi eşleşmeyi ürettiğinin her zaman izlenebilir olması — böylece bir sorun çıktığında "bu eşleşme neye dayanıyordu?" sorusuna her zaman cevap verilebilir.

Doğruluğu koruyan ilkeler

Katmanlar ne kadar akıllı olursa olsun, birkaç ilke ihlal edilirse sonuç güvenilmez olur:

• Varyantı yok saymamak. Paket adedi, hacim, beden, renk gibi detaylar "küçük fark" değil, farklı üründür. Bu tür detaylarda tolerans sıfıra yakın tutulur.
• Yanlış pozitiften kaçınmak, yanlış negatiften daha önceliklidir. Emin olunmayan bir eşleşmeyi hiç kurmamak, yanlış bir eşleşmeyi kurmaktan daha güvenlidir — çünkü yanlış eşleşme sessizce yanlış fiyat kararına dönüşür.
• Her eşleşmenin bir kaynağı vardır. Otomatik mi, kural bazlı mı, yapay zekâ destekli mi, yoksa manuel mi kurulduğu kayıt altına alınır; bu da denetlenebilirlik ve hata ayıklama için kritiktir.

Ölçek ve tazelik

Eşleştirme bir kere kurulup unutulan bir şey değildir. Kataloglar değişir, yeni ürünler eklenir, rakip siteler ürün sayfalarını günceller. Bu yüzden eşleştirme sürekli çalışan bir süreçtir ve sonuçları, günlük fiyat karşılaştırma raporlarını besleyen ayrı bir analitik katmana aktarılır — böylece milyonlarca eşleşme üzerinde çalışan raporlama, operasyonel veritabanını yormadan, güncel ve hızlı kalır.

Sonuç

Rakip fiyat izlemenin görünen yüzü basit bir tablo ya da gösterge panelidir. Ama o tablonun güvenilirliği, arka planda çalışan eşleştirme mantığının kalitesine bağlıdır. Senkrondata'da bu mantığı tek bir algoritmaya değil, kesin kimlikten başlayıp akıllı benzerlik ve yapay zekâ destekli değerlendirmeden geçen, gerektiğinde uzman gözüyle onaylanan katmanlı bir yaklaşıma dayandırıyoruz — çünkü doğru fiyat kararı, ancak doğru ürün eşleştirmesinin üzerine kurulabilir.

Rakip fiyat verinizin arkasındaki eşleştirme mantığına güvenmek istiyorsanız, Senkrondata ekibiyle konuşun.