AI agent için ayrı bir product catalog mu gerekiyor?

Ne oldu?

JD Sports’un Algolia ile yaptığı çalışma yalnızca e-commerce sitesine AI destekli search eklemekten ibaret değil. Algolia’nın 22 Eylül tarihli duyurusuna göre JD Sports, 2024’ten beri kullandığı altyapıyı agentic commerce stratejisinin de temeline yerleştiriyor. Algolia Professional Services ile yürütülen çalışma, MACH mimarisine geçişi ve search altyapısının kurulmasını da kapsıyor.

Duyuruda Algolia, “governed intelligence layer” olarak tanımlanıyor. Web sitelerine hizmet veren retrieval katmanının artık JD Sports’un AI agent’ına da hizmet ettiği açıkça belirtiliyor. Aynı catalog ve ranking mantığı kullanılıyor; merchandising kuralları JD Sports ekibinin kontrolünde kalıyor.

Bu yaklaşımı kabaca şöyle okuyorum:

Product Catalog → Retrieval Layer → Storefront / AI Agent

Algolia ayrıca search trend’lerini, inventory değişimlerini ve merchandising fırsatlarını belirlemek için AI kullanıldığını aktarıyor. Dynamic Re-Ranking, gerçek zamanlı tıklama ve dönüşüm sinyalleriyle ürün sıralamasını ayarlıyor; ekibin belirlediği merchandising kuralları içinde çalışıyor ve değişiklikler görülebiliyor, geri alınabiliyor.

Algolia’nın JD Sports için bildirdiği sonuçlar şöyle: 2024’teki uygulamadan bu yana search revenue %22, ürün listeleme sayfalarının tıklama oranı %73 artmış. Dynamic Re-Ranking için ayrıca tıklama oranında %2,2, sepete ekleme oranında %4, dönüşüm oranında %4 artış bildiriliyor. Bunlar bağımsız araştırma sonuçları veya AI agent’ın tek başına yarattığı kazanımlar değil; şirketlerin mevcut product discovery altyapısına ilişkin açıkladığı sonuçlar.

Neden önemli?

Commerce platformlarında ürünün gerçeğini tutan bilgiler var: product, variant, attribute, price ve inventory. Ama product discovery biraz farklı bir problem.

Müşteri “Siyah, yağmurda giyebileceğim ama çok outdoor görünmeyen bir ayakkabı istiyorum” dediğinde yalnızca catalog kayıtlarını döndürmek yeterli değil. Hangi ürünlerin bu ihtiyaca uygun olduğunu anlamak, sonra hangi sırayla gösterileceklerine karar vermek gerekiyor. Merchandising kuralları dikkate alınmalı, inventory kontrol edilmeli, belki personalization uygulanmalı.

Bugüne kadar bu problemin önemli bölümünü storefront search için çözdük. AI agent’lar aynı product catalog’u kullanmaya başladığında ise yeni bir soru ortaya çıkıyor: Product catalog’u agent’a açmak yeterli mi? JD Sports örneğinin ilginç tarafı bence burada.

Benim yorumum

Burada catalog ile product discovery intelligence arasında bir ayrım yapmak gerektiğini düşünüyorum. Commerce platformu ürünün gerçeğini tutabilir. Ama ürünün özelliklerini, fiyatını ve stok durumunu bilmek, müşterinin belirli bir ihtiyacı için hangi ürünün daha anlamlı olduğunu tek başına söylemiyor.

Bu nedenle mimariyi şöyle düşünmek bana daha doğru geliyor:

Commerce Core → Product Intelligence → Interfaces

Interfaces tarafında storefront, mobil uygulama, AI agent, marketplace veya mağazadaki satış danışmanına yardımcı olan bir POS assistant olabilir. Buradaki önemli nokta, yeni bir AI interface geldiğinde yeni bir commerce gerçeği yaratmamak.

Her AI agent için ayrı catalog oluşturmak, ayrı ranking mantığı kurmak ve ayrı merchandising kuralları yönetmek, uzun vadede aynı problemi yeniden parçalamak anlamına gelebilir. Unified commerce tarafında yıllardır farklı kanalların arkasında ortak product, pricing, inventory ve order gerçeği oluşturmaya çalışıyoruz. AI agent’ların ortaya çıkması bu prensibi daha önemli hale getiriyor.

Ama ortak commerce state tek başına yeterli olmayabilir. Çünkü agent’ın ürün datasıyla birlikte, o ürünlerin belirli bir ihtiyaç karşısındaki anlamına da ihtiyacı var. Burada ikinci bir katman belirginleşiyor. Ben buna şimdilik Product Retrieval Intelligence demeyi anlamlı buluyorum. Bu adlandırma, yazıdaki mimari ayrımı anlatmak için kullandığım bir ifade; Algolia’nın tanımladığı resmi bir terim değil.

Bu katmanın görevi product catalog’un yerine geçmek değil. Catalog ürünün ne olduğunu biliyor. Retrieval intelligence ise belirli bir ihtiyaç karşısında hangi ürünlerin neden uygun olduğunu çözmeye çalışıyor. Bir Commerce Product Owner olarak burada yalnızca agent’ın hangi API’yi çağırdığına bakmazdım. Merchandiser’ın değiştirdiği bir kuralın storefront ile agent’ın önerilerine nasıl yansıdığını da görmek isterdim.

Ortak katman kullanmak, her interface’in aynı ürünleri aynı sırayla göstermesini zorunlu kılmayabilir. Sohbette açıklanması gereken öneriyle kategori sayfasında gösterilen liste farklı olabilir. Benim için ortak olması gereken şey, bu kararların dayandığı ürün gerçeği ve yönetilen kurallar. Interface’e göre deneyim değişebilir; pricing ve inventory için ayrı doğrular oluşmamalı.

Algolia’nın 15 Eylül tarihli MCP Server duyurusu da bu açıdan ilginç. Şirket, güncel product catalog, pricing, inventory, merchandising kuralları ve business context’e erişimi ortak retrieval altyapısı üzerinden AI uygulamalarına açmayı anlatıyor. Product search ve catalog context, standart araçlar olarak sunuluyor. Bunu JD Sports’un MCP kullandığına dair bir iddia olarak değil, aynı mimari yaklaşımı destekleyen ayrı bir örnek olarak okuyorum.

Protokolden bağımsız olarak beni ilgilendiren, commerce intelligence’ın interface’ten bağımsız hale gelmesi. Aynı product context’ini yarın ChatGPT, başka bir shopping agent veya merchant’ın kendi asistanı kullanabilir. Her biri product discovery problemini baştan çözerse, ortak commerce gerçeğini kurmuş olsak bile karar mantığını yeniden parçalayabiliriz.

Agent-readable commerce üzerine önceki yazıda ürün bilgisinin agent tarafından anlaşılabilir olmasını ele almıştım. Buradaki soru onun bir sonraki katmanı: Bu veri ve context, farklı interface’lere hangi ortak product discovery katmanından sunulacak?

Catalog → Product Context → Retrieval Intelligence → Interface

Bence agent-ready commerce’ın product tarafındaki önemli problemlerinden biri burada oluşuyor. Soruyu “AI agent için ayrı bir product catalog nasıl oluştururuz?” diye kurmak yerine, mevcut commerce gerçeğini agent’ın anlayabileceği ve kullanabileceği şekilde nasıl sunacağımıza bakardım. AI için ayrı bir commerce gerçeği yaratmadan, mevcut gerçeği ortak bir intelligence katmanı üzerinden sunabilmek.

Kaynak

Algolia — JD Sports names Algolia to Build its Agentic Commerce Strategy — Kaynak tarihi: 22 Eylül 2026

Algolia — Algolia Launches Production-Grade MCP for Agentic Commerce — Destekleyici kaynak tarihi: 15 Eylül 2026