100 Fikir/Agentic Platform/#010

Akıllı İkame

Ürün stokta yoksa agent saniyeler içinde müşterinin kabul edeceği en iyi alternatifi seçsin.

Fikir #010 / 100 Web uygulaması İç Ekip Agentic Platform AI destekli
Fikir

Problem → Çözüm

Problem

Sipariş toplanırken ürün tükenmişse toplayıcı ya kullanıcıyı arıyor ya da rastgele bir ürün koyuyor; bu hem süreyi uzatıyor hem de iade ve şikâyete dönüşüyor. Yanlış ikame NPS’i en çok düşüren nedenlerden biri.

Çözüm

Stok tükenmesi olayı geldiğinde bir LangGraph agent’ı müşterinin geçmişini, ürünün özelliklerini, fiyat farkını ve depodaki stoğu inceler; en olası kabul edilecek ikameyi seçer, müşteriye onay push’u gönderir, cevap gelmezse politikaya göre karar verir.

Ürün

Temel özellikler

1Çok kriterli ikameMarka sadakati, paket boyutu, fiyat farkı, diyet etiketleri ve stok birlikte değerlendirilir.
2Müşteri onayı30 saniyelik push ile “Bunu koyalım mı?” sorusu; cevap yoksa güvenli varsayılan.
3Fiyat korumasıDaha pahalı ikamede fark müşteriye yansıtılmaz, Getir üstlenir (eşik dahilinde).
4Operasyon paneliDepo bazında en sık tükenen ürünler ve ikame kabul oranları.
AI katmanı

Yapay zeka nerede devreye giriyor?

Durum makinesi olarak kurgulanmış bir LangGraph agent’ı birden fazla aracı çağırır; kabul olasılığını bir sınıflandırıcı puanlar.

  • LangGraph state machine: get_customer_history → find_candidates → score_acceptance → notify_customer → finalize
  • XGBoost kabul modeli: geçmiş ikame kararlarından öğrenilmiş “müşteri bunu kabul eder mi?” olasılığı
  • Aday üretimi pgvector ürün embedding’leri ile; kararlar ve gerekçeler LangSmith’te izlenir
Mimari

Nasıl çalışır?

Stok OlayıKafka • item.out_of_stock
İkame AgentLangGraph • tool calling
Aday Üretimipgvector ürün benzerliği
Kabul ModeliXGBoost • SageMaker endpoint
BildirimPush + toplayıcı el terminali
PanelNext.js operasyon paneli
Teknoloji

Stack

Arayüz

Next.jsTailwind CSSTanStack Table

Backend

Python 3.12FastAPIaiokafka

AI / ML

LangGraphClaude HaikuXGBoostLangSmith

Veri

KafkaPostgreSQL + pgvectorRedis

Altyapı & DevOps

Kubernetes (EKS)SageMakerArgoCD
Go-to-market

Pazarlama & lansman

1
İç lansman: “Sıfır yanlış ikame”Depo ekiplerine haftalık kabul oranı liderlik tablosu ve ödül.
2
Müşteri iletişimi“Eksik ürün yerine sevdiğin alternatif” mesajıyla güven odaklı uygulama içi bilgilendirme.
3
Tedarikçi raporuTükenen ürünlerin markalarına aylık kayıp satış raporu; stok planlamasına girdi.
Ölçüm

Başarı metrikleri (hedef)

%87ikame kabul oranı (önce %61)
-45 sntükenen ürün başına toplama süresi
-%38ikame kaynaklı şikâyet
Teslimat

MVP yol haritası

Hafta 1-2Kabul modeli18 aylık ikame kararlarıyla XGBoost eğitimi ve offline AUC ölçümü.
Hafta 3-4Agent + araçlarLangGraph akışı, müşteri onay push’u ve el terminali entegrasyonu.
Hafta 5-8Pilot depolarİstanbul’da 10 depoda canlı pilot, panel ve fiyat koruma politikası.
Fİ
Fatih İnci — Full Stack Software Engineer

Bir fikri production’a taşırken ilk sorum şu: ölçülebilir mi ve mevcut sistemi bozmadan nasıl açılır? Yaklaşık 4 yıl, ayda yüz milyonlarca CDN isteği alan bir embed script üzerinde çalıştım. Kademeli geçiş ve gerçek test kapsamı benim için vazgeçilmez. Remote çalışmaya hazırım.