Kısa cevap: Satın alma müdürü tedarikçi araştırmasına giderek daha sık bir yapay zekâ aracına sorduğu soruyla başlıyor ve teklif istenecek kısa liste o cevapta oluşuyor. Endüstriyel üreticiler için AI görünürlüğü, kapasite, tolerans, sertifika ve teslim süresinin açık, doğrulanabilir ve dış kaynaklarla tutarlı biçimde yayımlanmasına bağlı.
Konya’da hidrolik silindir üreten bir firma düşünün. Kırk yıllık geçmiş, yeni devreye alınmış bir üretim holü, CE ve ISO 9001 belgeleri, Almanya’ya düzenli sevkiyat. Web sitesinde üç yüzü aşkın ürün kodu var.
Bir tarım makinesi üreticisinin satın alma müdürü, mevcut tedarikçisinin teslim süreleri uzayınca alternatif arıyor. Google’a geçmeden önce ChatGPT’ye yazıyor:
Karar sorusu · Keşif
“Türkiye’de 20 ton kapasiteye kadar özel ölçü hidrolik silindir üreten, CE belgeli ve 6 haftada teslim edebilen üreticiler hangileri?”
Cevapta dört firma var. Konya’daki üretici listede yok, oysa sorudaki her kriteri karşılıyor.
Senaryo kurgusal, ama bu sahneyle her gün karşılaşılıyor. Satın alma müdürü o dört firmadan teklif isteyecek; beşinciyi aramak için bir sebebi yok. Üretici, fırsatın varlığından haberdar olmadan elenmiş oluyor. Satış ekibinin raporunda kaybedilen bir teklif de görünmüyor, çünkü teklif hiç istenmedi.
Satın alma müdürü AI’a hangi soruları soruyor?
Endüstriyel satın almada yapay zekâya sorulan sorular dört aşamada toplanıyor. Her aşama farklı bir bilgi istiyor ve üretici her birinde ayrı ayrı elenebiliyor.
- Keşif: “Türkiye’de otomotiv tecrübesi olan alüminyum basınçlı döküm firmaları hangileri?”
- Eleme: “Bunlardan hangisi IATF 16949 belgeli ve küçük seri üretimi kabul ediyor?”
- Doğrulama: “[Firma] hakkında ne biliyorsun? Hangi sektörlere çalışıyor?”
- Risk: “[Firma A] ile [Firma B] arasında teslim güvenilirliği açısından fark var mı?”
Klasik SEO çalışması bu dört aşamadan yalnızca ilkine yakın duruyor. Eleme, doğrulama ve risk sorularında model bir sayfayı sıralamıyor; firmayı sorudaki kriterlerle eşleştiriyor ve eşleşmenin kanıtını arıyor.
Recro bu sorulara karar sorusu diyor: Alıcının bir tedarikçiyi listeye alma veya listeden çıkarma kararını doğrudan etkileyen soru. Anahtar kelimeden farkı, içinde bir eşik taşıması. “Hidrolik silindir üreticisi” bir konu; “6 haftada teslim eden, CE belgeli hidrolik silindir üreticisi” bir eleme.
Katalog sitesi eleme sorusuna neden cevap veremiyor?
Endüstriyel web siteleri çoğunlukla ürün kodu mantığıyla kurulur: Ürün grubu, alt grup, teknik çizim PDF’i. Satış mühendisinin telefonda üç dakikada anlattığı bilgiler ise sitede yoktur. Minimum sipariş adedi, işlenebilen en büyük parça ölçüsü, tolerans aralığı, kalıp süresi, düzenli sevkiyat yapılan sektörler.
Bir dil modeli tedarikçi önerirken tam da bu cümleleri arar. “Hassas işleme alanında uzman” ifadesi hiçbir soruya cevap vermez. “±0,01 mm tolerans, 1.200 mm’ye kadar parça boyu, 50 adetten başlayan seri” ifadesi eleme sorusunu doğrudan karşılar.
Sahada en sık gördüğümüz üç yapı sorunu:
- Sertifikalar görsel olarak yüklenmiş; belge adı, kapsamı ve geçerlilik tarihi metinde geçmiyor.
- Kapasite bilgisi yalnızca PDF katalogda duruyor; sayfa metninde karşılığı yok.
- Referanslar bir logo duvarı olarak gösterilmiş; hangi sektöre hangi parçanın hangi hacimde gittiği anlatılmamış.
Recro bu durumu İçerik GAP’i olarak sınıflandırıyor. Firma bilgiye sahip, fakat bilgiyi AI’ın okuyup alıntılayabileceği biçimde yayımlamamış. Çözüm çoğu zaman yeni içerik üretmekle başlamaz. Önce mevcut bilginin yeniden yapılandırılması gerekir.
Kısa listeye girmek seçilmek için yeterli mi?
Keşif sorusunda görünmek ilk eşiği aşmak demek. Asıl kayıp çoğu zaman doğrulama ve risk sorularında yaşanıyor.
Satın alma müdürü kısa listedeki firmaları tek tek sorduğunda model, firmanın kendi sitesinden çok üçüncü taraf kaynaklara yaslanır: Fuar katılımcı listeleri, sektör derneklerinin üye sayfaları, ihracatçı birlikleri kayıtları, teknik yayınlar, yerel haber siteleri, çalışanların LinkedIn profilleri. Dışarıda tutarlı bir iz yoksa model ya genel ve temkinli bir cevap verir ya da rakibi daha net tarif eder.
Bu açığa Otorite GAP’i diyoruz. Hangi dış kaynakların bu sinyali taşıdığını 30 kanallık kaynak ve sinyal haritasında ayrıntılı olarak ele aldık. Üretici kendi sitesinde güçlü görünür; dış kaynaklarda ise hiç yer almaz ya da eski unvanı, eski adresi ve on yıl önceki ürün gamıyla geçer. Model bu çelişkiyi çözmeye uğraşmaz, daha tutarlı sinyal veren firmayı önerir.
Yöneticilerin burada yaptığı yaygın okuma hatası şu cümlede saklı: “Bizi sektör zaten tanıyor.” Sektörün tanıması, deneyimli satın alma müdürlerinin hafızasındaki bilgidir. AI’ın tanıması ise yayımlanmış ve birbiriyle tutarlı kaynakların toplamıdır. Yeni atanmış bir satın alma müdürü, başka sektörden gelen bir proje mühendisi ya da yabancı bir alıcı yalnızca ikincisine erişebilir.
Aynı fabrika üç karar vericiye nasıl farklı görünür?
Endüstriyel tedarik kararını tek kişi vermez. Satın alma müdürü fiyat ve teslime, kalite müdürü sertifika ve izlenebilirliğe, proje mühendisi teknik yeterliliğe bakar. Üçü de yapay zekâya farklı soru sorar ve farklı kanıt arar.
| Karar verici | Tipik karar sorusu | Aradığı kanıt | Sık görülen açık |
|---|---|---|---|
| Satın alma müdürü | “6 haftada teslim edebilen alternatif tedarikçiler” | Teslim süresi, kapasite, minimum sipariş | Teslim süresi sitede hiç geçmiyor |
| Kalite müdürü | “IATF 16949 belgeli, PPAP süreci yürüten döküm firmaları” | Belge kapsamı, ölçüm altyapısı, izlenebilirlik | Belgeler görsel; kapsam yazılı değil |
| Proje mühendisi | “İnce cidarlı alüminyum parçada hangi üretici çalışabilir?” | Malzeme, tolerans, örnek parça | Teknik yetkinlik vaka olarak anlatılmamış |
Aynı firma satın alma sorusunda listede yer alıp kalite sorusunda kaybolabilir. Kalite müdürünün onayı olmadan tedarikçi onaylanmadığı için ilk görünürlük sonuca dönüşmez.
Recro’nun Persona GAP Analizi bu dağılımı ölçer: Markanın hangi karar vericiye göründüğünü, hangisine görünmediğini ve farkın hangi eksik kanıttan kaynaklandığını.
Yabancı alıcı AI’a sorduğunda ne görüyor?
İhracat yapan üreticiler için Türkçe görünürlük resmin yarısı. Hollandalı bir OEM’in satın alma uzmanı soruyu İngilizce sorar:
Karar sorusu · Keşif · EN
“Precision CNC machining suppliers in Turkey with aerospace experience and AS9100 certification.”
Bu sorunun cevabı firmanın İngilizce sayfalarına, İngilizce dış kaynaklara ve uluslararası fuar kayıtlarına dayanır. Pek çok üreticinin İngilizce sitesi Türkçe sitenin kısaltılmış çevirisidir; kapasite tabloları çevrilmemiş, referans sayfası hiç açılmamış olabilir.
Sonuçta aynı firma Türkçe sorguda listeye girip İngilizce sorguda kaybolabiliyor. Bu fark ölçülmeden ihracat pazarlamasına ayrılan bütçe, hangi dilde karşılık bulduğu bilinmeden harcanıyor. Aynı örüntüyü tekstil tedarikçilerinin yabancı markalar karşısındaki sinyal açıklarında da gözlemledik.
Bu açık her üretici için aynı ağırlıkta mı?
Hayır. Üç durumda AI görünürlüğünün yeni satışa etkisi sınırlı kalır:
- Cironun büyük kısmı uzun yıllara yayılan iki üç ana müşteriden geliyor ve yeni müşteri kazanımı hedef değilse.
- Tedarikçi seçimi kapalı bir onaylı tedarikçi listesiyle yapılıyor ve listeye giriş yalnızca saha denetimiyle mümkünse.
- Ürün bayi ağı üzerinden son kullanıcıya ulaşıyor ve alıcı üreticiyi hiç araştırmıyorsa.
Bu durumlarda bile doğrulama sorusu geçerliliğini koruyor. Onaylı tedarikçi listesine aday gösterilen bir firma için kalite ekibinin soracağı ilk soru, firmanın dış kaynaklardaki izini ortaya çıkarır. Yeni müşteri kazanımı büyüme planının parçasıysa keşif sorusundaki görünürlük doğrudan teklif hacmine bağlanır.
Recro bu boşluğu nasıl görünür kılar?
Recro İçgörü Modeli, üreticinin satış ekibinin göremediği anı simüle eder: Alıcının yapay zekâya soru sorduğu ve kısa listenin oluştuğu anı. Markanın görünmediği her soru için eksik sinyal İletişim, İçerik veya Otorite GAP’i olarak sınıflandırılır ve aksiyona çevrilir.
Tek simülasyon · 4 kilit sütun · 90+ adım
Recro’yu ayıran, her marka için sıfırdan kurulan dört sütundur. Dördü, 90+ adımlı tek bir simülasyonun ayaklarıdır; her sütun bir sonrakinin girdisini üretir.
- Persona oluşturucu: Markanın gerçek alıcılarını temsil eden, sektörüne ve satış yapısına özel karar verici profilleri.
- Soru oluşturucu: Bu kişilerin satın alma yolculuğunda yapay zekâya soracağı, markaya özel karar soruları.
- Rapor oluşturucu: Cevapları markanın hedefleri ve rakipleriyle birlikte, dayandıkları kaynaklarla okuyan rapor.
- Aksiyon önerisi oluşturucu: Sektöre özgü sinyal açıklarını kapatan, önceliklendirilmiş aksiyon listesi.
Örnek bulgu formatı · temsili
- Soru: Eleme · Kalite müdürü · Türkçe
- Durum: Marka, çalıştırmaların küçük bir kısmında listede yer alıyor.
- Rakip: Öne çıkan rakip, belge kapsamını ve ölçüm laboratuvarını metin olarak yayımlıyor.
- Sınıf: İçerik GAP’i
- Aksiyon: Kalite sayfasında belge kapsamı, CMM kapasitesi ve PPAP süreci metin olarak yazılır.
Yönetim bu çıktıyla üç soruya cevap bulur: Hangi karar vericiye görünmüyoruz? Rakip hangi kanıtla öne geçiyor? Önce hangi sayfayı, hangi dış kaynağı düzeltmeliyiz?
Yönetici özeti
- Satın alma müdürünün yapay zekâya sorduğu soru, teklif talebinden önce kısa listeyi belirliyor. Listede olmayan üretici kaybı raporlarında hiç görmüyor.
- Endüstriyel firmalarda açık genellikle bilgi eksikliğinden doğmuyor. Kapasite, tolerans ve sertifika bilgisi var; AI’ın okuyabileceği biçimde yayımlanmamış.
- Satın alma, kalite ve mühendislik farklı sorular soruyor. Görünürlük her karar verici için ve ihracatçılarda her dil için ayrı ölçülmeli.
Sık sorulan sorular
Endüstriyel bir üretici AI cevaplarında görünüp görünmediğini nasıl anlar?
Tek bir soruyu bir kez sormak yanıltıcı sonuç verir; cevaplar araca, dile ve sorunun ifadesine göre değişir. Persona bazlı karar sorusu setlerini birden fazla araçta tekrarlı çalıştırmak ve sonuçları aşamalara göre ayırmak gerekir. Ölçümde kullanılan kriterleri AI görünürlük ölçümü yazısında açıkladık.
Teknik veriyi sitede yayımlamak rakibe bilgi vermek olmaz mı?
Kapasite aralığı, tolerans sınıfı ve belge kapsamı rakibin zaten tahmin edebildiği bilgiler. Fiyat ve müşteriye özel çizimler yayımlanmaz. Paylaşılan bilgi, alıcının eleme kriterine cevap verecek düzeyde tutulur.
Google’da üst sıralardayız; bu AI görünürlüğü için yeterli mi?
Tek başına yeterli olmaz. Arama sıralaması bir sayfanın sorguyla ilişkisini ölçer. AI önerisi ise firmanın kriterleri karşıladığına dair kanıtın açıklığına ve dış kaynaklardaki tutarlılığa bağlıdır. İkisi örtüşebilir, birbirini garanti etmez.
Düzenlemelerin etkisi ne kadar sürede görülür?
Web araması yapan araçlarda site içi düzenlemeler görece hızlı yansıyabilir. Dış kaynaklardaki tutarlılığın oturması ve bilginin modellerin eğitim verisine girmesi daha uzun sürer. Kesin süre araca ve sektöre göre değişir.
Recro çalışması hangi üreticiler için anlamlı?
Yeni müşteri kazanımını büyüme planına koymuş, B2B satış yapan ve tedarikçi seçiminin araştırmayla başladığı pazarlarda çalışan üreticiler için. İhracat hedefi olan firmalarda Türkçe ve İngilizce ölçüm birlikte yapılır.
Satın alma müdürünüz yarın yapay zekâya tedarikçi sorduğunda cevapta hangi firmalar olacak? Recro, sektörünüzdeki karar sorularını simüle ederek bunu teklif süreci başlamadan gösterir.
Karar sorusu simülasyonu talep edin →
Bu yazı yapay zekâ desteğiyle hazırlanmış ve Mehmet Semih İpek kontrolünde yayınlanmıştır.
