E-ticarette MCP: ChatGPT ve Claude ile rakip araştırması

Rakip araştırması bir takip sorusuyla ilerler

Haftalık toplantıdan önce rakiplerin fiyat ve kampanya hareketlerine bakıyorsunuz. Bir ürünün raf sırası değişmiş. Şimdi daha dar bir soru var: Aynı günlerde fiyatında, kampanyasında veya stok durumunda ne olmuş? Bu ürünün geçmişini açıp ilk soruyu yeni bulgularla sürdürmek istiyorsunuz.

ClariShelf MCP’nin kullanım fikri, bu araştırmayı kullandığınız yapay zekâ asistanına taşımak. Asistan, erişim izni verilen ClariShelf araçlarından veri isteyebilir; siz de soruyu daraltabilir, başka bir izlenen ürünle kıyaslayabilir ve sonucu ekibinizin okuyacağı biçime getirebilirsiniz. Bir karşılaştırma tablosu, toplantı gündemi veya kısa inceleme notu aynı araştırmanın farklı çıktıları olabilir.

Üretici marka için burada kazanılan esneklik, kendi sorularını kurabilmektir. E-ticaret ekibi rakiplerin fiyat ve raf hareketlerine, ürün ekibi kendi ürününün konu skorları ile kıyasına bakabilir. Hazırlanan çıktının sırası ve ayrıntı düzeyi, o günün toplantısına göre belirlenebilir.

MCP nedir, bu araştırmada ne yapar?

MCP, Model Context Protocol adının kısaltmasıdır. Yapay zekâ uygulamalarının dışarıdaki araçlara ve veri kaynaklarına bağlanması için kullanılan bir standarttır. ClariShelf bu bağlantıda belirli veri okuma araçları sunar. ChatGPT, Claude veya uyumlu başka bir istemci, sizin yetkilendirdiğiniz bağlantı üzerinden bu araçları çağırabilir.

İş bölümü şöyledir: siz araştırma sorusunu yazarsınız; asistan uygun veri aracını seçer; ClariShelf izin verilen kapsamda sonucu döndürür; asistan bu sonucu okuyup yanıtı oluşturur. Takip sorusunda farklı bir tarih aralığına veya ürüne inmek için yeniden veri isteyebilir. Veri gerektiren bir yanıtta hangi ölçümün kullanıldığını kontrol etmek bu nedenle önemlidir.

MCP bağlantısı ile yapay zekâ modeli ayrı parçalardır. ClariShelf veriyi toplar ve işler; bağlandığınız asistan bu veriyi sizin isteğiniz doğrultusunda inceler. Asistanın genel bilgisiyle bir yorumu tahmin etmesi ve ClariShelf’ten bir ölçüm okuyarak yanıtlaması farklı şeylerdir. Araştırma isteğinde dönemi, kapsamı ve görmek istediğiniz kaynak bağlantılarını belirtmek bu ayrımı korumaya yardımcı olur.

ClariShelf MCP hangi verileri sunar?

İlk MCP sürümü, çalışma alanınızdaki kendi ürünleriniz ve bunlara karşı izlenen rakiplerle başlar. Ürün listesinden alınan kimlikler, sonraki sorgunun hangi ürün için yapılacağını belirler. Böylece asistan araştırmayı hesabınızın erişebildiği veri üzerinden yürütür.

Fiyat ve sıra geçmişi kısa aralıklarda saatlik, daha uzun aralıklarda günlük ayrıntıyla gelir. Bu geçmişte yalnız değişen noktalar listelenebilir. Konu skorları ise haftalıktır. Bir rapor hazırlarken hepsini aynı sıklıkta okunmuş veri gibi ele almamak gerekir; kapsanan dönem ile ilgili okuma zamanını sonuçta görünür tutun.

Bu yüzden veriyi “toplanmış, işlenmiş ve kıyaslanabilir rakip verisi” olarak tanımlıyoruz. İlk sürümde ham müşteri yorumları ve soru metinleri MCP’den dönmez. Kendi ürününüzün konu skorları ve referans seti okunabilir; tek tek rakiplerin bütün yorumlarını açan bir araç bulunmaz. Konu sonucunu daha ayrıntılı incelemek için ilgili ClariShelf ekranına dönülebilir.

ChatGPT veya Claude ile araştırmayı daraltmak

İlk soruyu araştırmanın kapsamı belirlesin: hangi rakipler, hangi dönem ve hangi hareketler? Sonra karşılaştırma biçimini tarif edin. “Rakipleri analiz et” gibi geniş bir istek yerine, fiyat ve raf değişimlerini aynı tarihlerde gösteren bir tablo istemek, gelen yanıtı değerlendirmeyi kolaylaştırır.

İlk tablonun ardından yalnız ilginizi çeken ürünü seçebilirsiniz. Örneğin kampanya hareketi bulunan bir rakibin aynı dönemdeki sıra geçmişini ve ilgili sinyalleri isteyebilirsiniz. Bu ikinci soru, ilk listenin tamamını yeniden özetlemek yerine belirli bir değişimi incelemeye yarar. Yapay zekâdan eksik veriyi tamamlamasını değil, hangi sorunun veriyle cevaplanabildiğini açıklamasını isteyin.

Bu örnekler kopyalanıp uyarlanabilecek araştırma istekleridir; gerçek bir müşteri sohbeti veya ölçülmüş çıktı değildir. Asistanın araç seçimi ve yanıtı kullanılan istemciye göre değişebilir. Dönen tablodaki ürünleri, tarihleri ve bağlantıları kontrol ederek ilerleyin.

Araştırmayı ekibinizin toplantı biçimine çevirmek

Bir marka sahibinin kısa özete, e-ticaret sorumlusunun ürün bazındaki ayrıntıya ihtiyacı olabilir. Aynı ölçümleri iki farklı sırayla sunabilirsiniz. Ekibin kullandığı başlıkları ve rapor biçimini asistana vererek araştırmanın toplantı gündemine nasıl yerleşeceğini tarif edersiniz.

Örneğin toplantı notunun her ürün için “Ne gözlendi?”, “Ne zaman?”, “Dayandığı ölçüm nedir?” ve “Hangi soru açık kaldı?” bölümleri olabilir. Bu biçim, araştırma sırasında okunan veriyle toplantıda söylenen cümle arasındaki bağı korur. Ekibin sorumlusu notu gözden geçirip hangi noktayı ayrıca inceleyeceğine karar verir.

Buradaki özelleştirme, ClariShelf verisinin müşterinin kendi çalışma biçimine katılmasıdır. Şirket içi bir belge de aynı asistanın bağlamında kullanılacaksa o kaynağın erişimi ayrıca yönetilir. ClariShelf MCP yalnız kendi yetkili veri araçlarının çıktısını sağlar; kurumun rapor düzenini ve paylaşım sürecini müşteri belirler.

n8n ile tekrarlanan araştırmayı iş akışına katmak

Aynı araştırmayı her hafta yapıyorsanız n8n gibi MCP araçlarını çağırabilen bir otomasyon ortamında kendi akışınızı kurabilirsiniz. n8n’in MCP Client Tool düğümü dış MCP sunucularının araçlarını ajanlara bağlar. ClariShelf bağlantısı bu akışın veri okuma adımıdır; zamanlayıcı, belge oluşturma, ekip onayı ve paylaşım diğer adımlarda tanımlanır.

Akışı belirli bir araştırma ihtiyacına da uyarlayabilirsiniz. Örneğin seçtiğiniz dönemde kampanya sinyali varsa ilgili ürünün fiyat ve sıra geçmişini okutup yalnız bu ürün için inceleme notu hazırlatabilirsiniz. Böylece her koşuda bütün rakipleri yeniden anlatan uzun bir rapor yerine, ekibin o hafta incelemek istediği değişimlere odaklanan bir taslak oluşur. Koşulu ve rapor düzenini kendi otomasyonunuzda siz belirlersiniz.

Akışı kurarken aynı olayın sonraki raporda tekrar edilmemesini de düşünün: son başarılı çalışmanın ve işlenmiş olay kimliklerinin kaydı tutulmalıdır. Veri okunamadığında veya sonuç sınırına ulaşıldığında bunu raporda görünür bırakın. Böylece ekip, raporda bir hareket bulunmamasıyla o dönemin eksik okunmasını birbirinden ayırabilir.

Bir yanıtı ekiple paylaşmadan önce neyi kontrol etmeli?

Sohbetin akıcı olması, raporun eksiksiz olduğu anlamına gelmez. Asistanın hangi ürünleri seçtiği ve hangi tarihleri okuduğu, sonuç kadar önemlidir. Özellikle kendi ürününüzün konu skorlarıyla bir rakibin fiyat geçmişini birlikte incelerken farklı veri türlerinin dönemlerini ayrı tutun.

Örneğin kampanya ile sıra değişiminin aynı tarihte görülmesi ek bir araştırma sorusu açar; kampanyanın bu değişime neden olduğunu tek başına kanıtlamaz. Benzer biçimde az kanıtlı bir konu skoru, geniş kanıt birikimiyle aynı kesinlikte okunmamalıdır. Eksik veya sınırlı ölçümü raporda görünür bırakmak, sonraki incelemenin nereden başlayacağını gösterir.

Bağlantıdan ilk araştırmaya nasıl geçilir?

ChatGPT ve Claude dış MCP bağlantılarını destekler; bağlantı adımları ve kullanım izinleri istemciye, hesap türüne ve kurum ayarlarına göre değişebilir. Bu nedenle güncel kurulum adımlarını ilgili istemcinin resmî belgesiyle kontrol etmek gerekir. Bu yazının kaynaklarında OpenAI ve Claude’un bağlantı belgeleri yer alıyor.

1. ClariShelf’te Bağlantılar bölümünden kullanılacak istemciyi ve MCP adresini belirleyin. Kullanıcı hesabıyla bağlanma ve API anahtarı seçenekleri istemciye göre farklıdır.
2. Bağlantının hangi çalışma alanını okuyacağını ve istenen yetkiyi kontrol edin. ClariShelf MCP yalnız okuma yapar; hesabın görebildiğinden geniş bir veri alanı açmaz.
3. İlk araştırmada ürün kapsamını ve dönemi dar tutun. Önce izlenen ürünleri, ardından bunlardan birinin hareketlerini isteyin; bağlantı ve araç seçimini kontrol edin.
4. Yanıtı ilgili ClariShelf ekranındaki veriyle karşılaştırın. Sonra rapor biçimini veya kendi otomasyon adımlarınızı ekleyin.

İlk denemenin sonunda elinizde, belirli bir ürün ve dönem için kaynak bağlantıları korunmuş bir araştırma notu olsun. Bu notun ekibinizin sorusuna ne kadar cevap verdiğini değerlendirin. Aynı araştırma tekrarlandığında hangi adımların sabit kaldığı, hangilerinin insan incelemesi istediği daha açık görülür; kendi iş akışınızı bu deneyime göre kurabilirsiniz.

ClariShelf MCP’yi değerlendirmek için demoda izlediğiniz ürün kapsamını ve hazırlamak istediğiniz çıktıyı birlikte ele alabiliriz. Araştırma sorusu, okunan veri ve ekip için hazırlanan not arasındaki yol üzerinden bağlantının işinize nerede gireceğini inceleyebiliriz.