AIM2 çerçevesi: SOR sinir ağları ve XGBoost ile AI destekli tüketici analizleri kullanarak akıllı pazarlama yeniliği — Suudi perakendeciliğinde

Market verileriniz neden önemli

Her alışverişinizde—köşe bakkalından ekmek ve süt alırken ya da hafta sonu alışverişinizi çevrimiçi sepete doldururken—ardınızda dijital ipuçları bırakırsınız. Bu makale, bu ipuçlarının Suudi Arabistan’ın hızlı büyüyen perakende sektöründe nasıl daha akıllı ve adil pazarlamaya dönüştürülebileceğini gösteriyor. Gelişmiş yapay zekayı, insanların çevrelerine nasıl tepki verdiğini açıklayan klasik bir psikoloji modeliyle harmanlayarak yazarlar, süpermarketlerin rahatsız edici değil gerçekten yardımcı hissettiren teklifler göndermesini sağlayacak ve aynı zamanda Vizyon 2030 kapsamında ulusal dijital dönüşüm hedeflerini destekleyecek bir yaklaşım öneriyor.

Basit reklamlardan akıllı sohbetlere

Perakende pazarlaması eskiden herkese tek bir büyük mesaj göndermekle ilgiliydi: aynı TV reklamı, aynı el ilanı, aynı indirim. Alışveriş çevrimiçi ve mobil cihazlara taşındıkça bu dünya değişti. Bugün mağazalar hangi ürünlerin birlikte satılma eğiliminde olduğunu, müşterilerin ne sıklıkta geldiklerini ve fiyat değişikliklerine ne kadar duyarlı olduklarını görebiliyor. Çalışma, bu bilgi selinin yalnızca zekice matematikten daha fazlasını gerektirdiğini; gerçek insanların nasıl düşündüğüne ve hissettiğine dayandırılması gerektiğini savunuyor. Yazarlar, psikolojiden gelen "Uyaran–Organizma–Tepki" (Stimulus–Organism–Response) fikirlerinden hareketle, gördüklerimizin (uyaran) duygularımızı ve düşüncelerimizi (organizma) şekillendirdiğini ve bunun da davranışlarımızı (tepki) yönlendirdiğini belirtiyor. Perakende terimleriyle bu, dijital teklifler ve fiyatların yalnızca kısa vadeli satışlar için değil, müşteri güveni, algılanan değer ve memnuniyet göz önünde tutularak tasarlanması gerektiği anlamına geliyor.

Modern perakende için üç katmanlı bir motor

Makalede yer alan öz, AIM2 adını taşıyan yeni bir çerçevedir; bu ad AI‑Entegre Pazarlama Yenilik Modeli anlamına gelir. AIM2 üç katlı bir motor gibi inşa edilmiştir. Alt katta güçlü algoritmalar Tamimi Markets adlı büyük bir Suudi market zincirinden gelen ham satış verilerini eleyip işler. Bunlar; alışveriş yapanları ekonomi, orta segment ve premium gibi gruplara ayıran kümeleme yöntemleri; birlikte sık satın alınan ürünleri tespit eden desen madenciliği araçları; talep kalıplarını zaman içinde öğrenen sinir ağları; ve gerçek dünya verilerine iyi uyan ağaç tabanlı bir yöntem olan XGBoost algoritmasını içerir. Orta kat, bu algoritma çıktılarının müşterilerin gerçekten gördüğü somut eylemlere dönüşmesini sağlar; örneğin önerilen paketler veya süreli indirimler gibi. Üst kat ise bu eylemlerin güven ve memnuniyet gibi duygulara ve tekrar ziyaretler ile sadakat gibi davranışlara nasıl yansıdığını izleyerek veri ile insan deneyimi arasındaki döngüyü kapatır.

Veriler Suudi alışveriş yapanlar hakkında neler ortaya koydu

Birkaç aylık gerçek işlem kayıtlarını kullanarak araştırmacılar, Suudi market müşterilerinin doğal olarak üç ana harcama stiline ayrıldığını gösteriyor. Ekonomik müşteriler daha seyrek gelir, daha az harcar ve fiyat değişikliklerine ve promosyonlara karşı güçlü tepki verir. Orta segment müşteriler daha dengelidir; premium müşteriler ise daha çeşitli sepetler satın alır, seyahat başına daha fazla harcar ve fiyata daha az duyarlıdır. Sistem ayrıca günlük temel ürünlerle daha üst düzey kombinasyonlar gibi istikrarlı ürün eşleştirmelerini ortaya çıkarır ve bunlar faydalı paketlere dönüştürülebilir. Tahmin söz konusu olduğunda, yapay zeka araçları daha eski yaklaşımları önemli ölçüde geride bırakır: XGBoost modeli, geleneksel regresyona kıyasla fiyatlandırma ve churn (müşteri kaybı) hatalarını yaklaşık %14 oranında azaltır ve basit bir sinir ağına göre doğrulukta yaklaşık %9 daha başarılı olur; sıralama tabanlı sinir ağları ise Ramazan ve Bayram gibi etkinliklere bağlı mevsimsel dalgalanmaları daha iyi yakalar.

Sistemi adil, şeffaf ve uyarlanabilir tutmak

Ham doğruluk ötesinde çerçeve, sorumlu kullanımı hedefleyen güvenlik önlemleri içerir. Yazarlar, yapay zekânın farklı davranış gruplarını—örneğin yüksek ve düşük harcama yapan müşteriler gibi—öngörülen sonuçlar açısından benzer şekilde ele alıp almadığını kontrol eder ve eşitsizlikler çok büyüdüğünde sorunları işaretler. Ayrıca her tahmini en çok hangi değişkenlerin etkilediğini gösteren açıklama araçları kullanırlar; bu, pazarlamacıların sistemin neden belirli bir müşterinin ayrılacağını ya da belirli bir fiyata nasıl tepki verebileceğini düşündüğünü anlamalarına yardımcı olur. Bir geri besleme döngüsü zaman içindeki değişiklikleri izler: müşteri davranışı kayarsa veya adillik ölçüleri saparsa modeller yeniden eğitilir. Bu tasarım, perakende ortamlarının ve tüketici beklentilerinin özellikle hızlı dijital modernizasyon yaşayan bir ülkede sürekli değişen hedefler olduğunu kabul eder.

Günlük alışveriş için anlamı

Uzman olmayanlar için ana mesaj, daha akıllı algoritmaların perakendeciliği hem daha verimli hem de insan odaklı hale getirebileceği—eğer bunlar insanların nasıl düşündüğünü ve hissettiğini göz önüne alan bir anlayışla bağlanırsa—olandır. AIM2 çerçevesinde “zeka” yalnızca bir dahaki alışverişinizi tahmin etmekle ilgili değildir; bu tahminlerin rahatsızlık veya kuşku yerine güven, memnuniyet ve uzun vadeli sadakati teşvik ettiğinden emin olmaktır. Suudi bir süpermarkette elde edilen saha sonuçları, böyle bir sistemin müşterileri anlamlı şekilde segmentlere ayırabildiğini, mantıklı ürün paketleri önerebildiğini ve talep ile churn tahminlerini iyileştirebildiğini; tüm bunları yaparken adillik ve şeffaflık için kontrolleri de dahil ettiğini gösteriyor. Pratik düzeyde bu, market uygulamalarının ısrarcı bir satıcıdan çok yardımcı bir asistan gibi hissettirmesi—bireyler için daha iyi alışveriş deneyimlerini ve ülke için daha geniş dijitalleşme ve sürdürülebilirlik hedeflerini desteklemesi—anlamına gelebilir.

Atıf: Alarfaj, F.K., Badouch, M., Khan, H.U. et al. AIM2 framework for smart marketing innovation using AI driven consumer analytics with SOR neural networks and XGBoost in Saudi retail. Sci Rep 16, 14160 (2026). https://doi.org/10.1038/s41598-026-42787-3

Anahtar kelimeler: Yapay zeka pazarlaması, perakende analitiği, tüketici davranışı, Suudi Vizyonu 2030, kişiselleştirilmiş alışveriş