İçeriğe git

Çapraz Referans Arama Motoru Nedir? B2B Katalogda Doğru Parçayı Bulmak

Tarih: 2 Eylül 2026
Yazar: TecnoNest
Kategoriler: Yazılım
B2B Katalog Mühendisliği

Çapraz referans arama motoru, bir ürünün farklı üreticilerdeki karşılıklarını birbirine bağlayan ve alıcının elindeki herhangi bir numaradan doğru ürüne ulaşmasını sağlayan arama sistemidir. Yedek parça, rulman, filtre, bağlantı elemanı ve hidrolik gibi B2B kataloglarda kullanılır. Alıcı orijinal ekipman (OEM) numarasını, bir rakibin kodunu ya da yıllar önceki bir katalogdaki referansı yazar; sistem bunu kendi ürününüzle eşleştirir.

Kulağa basit geliyor: iki numarayı eşleştir, ürünü göster. Zorluk eşleştirmede değil, eşleştirilecek veride. Tek bir ürün çok sayıda numarayla anılabilir, her numara birkaç farklı biçimde yazılabilir ve alıcının hangisiyle geleceğini önceden bilemezsiniz.

Asıl sorun: alıcı sizin kodunuzu bilmiyor

B2B parça satışında tuhaf bir asimetri vardır. Siz ürünlerinizi kendi stok kodunuzla tanırsınız. Alıcının elinde ise sökülmüş parçanın üzerindeki numara vardır, ya da bugüne kadar çalıştığı tedarikçinin kodu.

Bu numaranın sizin sisteminizde bir karşılığı yoksa, alıcı ürününüzü bulamaz. Ürün depoda durur, fiyatı rekabetçidir, kalitesi yerindedir. Bulunamadığı için satılmaz.

Katalog sitelerinde kaybın tipik biçimi budur: trafik gelir, arama yapılır, sonuç dönmez, ziyaretçi çıkar. Sonuçsuz arama oranı yüksek bir katalogda sorunun önemli bir kısmı çoğu zaman ürün gamında değil, referans verisindedir.

Çapraz referans verisi nasıl bir şeydir?

Zihindeki resim şudur: bir tablo, solda benim kodum, sağda muadili. Gerçek yapı bundan dağınıktır.

Tek bir ürün dört ayrı numara ailesiyle anılabilir:

  • Firmanın kendi stok kodu
  • OEM numaraları — aynı parça birden fazla araç üreticisine ayrı numarayla verilebildiği için tek ürüne birden çok OEM kodu düşer
  • Rakip ve muadil üretici referansları
  • Eski katalog numaraları ve yazım varyasyonları: tireli, tiresiz, boşluklu, baştaki sıfırlı ve sıfırsız hâlleri

Yani ilişki bire bir değil, çoktan çoğadır. Birkaç bin kalemlik bir gamda toplam referans sayısı, kalem sayısının kat kat üstüne çıkabilir. Aynı zamanda bir referans birden fazla ürününüze işaret eder — farklı uzunluk, farklı kaplama, farklı diş yapısı.

Bu ikinci durum önemli. Arama tek sonuç döndürmek zorunda değildir; doğru davranış çoğu kez "birkaç aday buldum, hangisi" demektir. Sayfa işaretlemesi tarafında schema.org, ürünün kendi kimliği için mpn (üretici parça numarası) ve GTIN alanlarını, işlevce benzer ürünler arasındaki bağ için de isSimilarTo özelliğini sunar. Bu alanlar katalog yapısını arama motorlarının makine olarak okuyabileceği biçime çevirir; ama muadil ilişkisinin doğruluğunu işaretleme değil, arkasındaki veri belirler.

İşin zor kısmı arama değil, veri

Çapraz referans projelerinde emeğin çoğu arama motorunu kurmaya değil, arayacağı veriyi hazırlamaya gider. Arama katmanı bu işin kolay tarafıdır.

Tipik bir katalog verisi Excel dosyalarında yaşar ve yıllar içinde birkaç kişinin elinden geçmiştir. Aynı OEM numarası bir satırda 1K0-615-301, diğerinde 1K0615301, üçüncüsünde 1KO615301 yazılıdır — sonuncusunda rakam 0 yerine büyük O harfi vardır ve bunu gözle ayırt edemezsiniz. En sık karışan çiftler 0/O, 1/I ve 5/S gibi birbirine benzeyen karakterlerdir.

Normalizasyon dediğimiz iş budur: aynı numaranın bütün yazım biçimlerini tek bir kanonik forma indirmek. Unicode'un UAX #15 belgesi, aynı karakterin farklı kodlanmış biçimlerini tek biçime indiren standart normalizasyon formlarını tanımlar; parça numarasında buna ek olarak tire ve boşlukların, gerekiyorsa baştaki sıfırların da ayıklanması gerekir. Bunu yapmadan kurduğunuz arama, verinin dağınıklığını kullanıcıya devreder.

Bu yüzden arama yazılımı çoğu zaman işin kısa kısmıdır. Referans verisini temizlemek ve doğrulamak genellikle daha uzun sürer ve bu işin büyük bölümü firmanın kendi katalog ekibine düşer. Bunu baştan söylemeyen bir teklif gerçekçi değildir.

Yanlış eşleşme, sonuç bulamamaktan pahalıdır

Burada net bir duruş alalım: çapraz referans verisinde eksik olmak, yanlış olmaktan iyidir.

Alıcı aradığını bulamazsa telefon açar. Yanlış parçayı bulursa sipariş verir, parça birkaç gün sonra gelir, takılmaz. Bunun bedeli kargo değildir — montaj için ayrılmış zaman, duran bir araç ya da duran bir hat, ve bir daha aynı katalogda arama yapmayacak bir müşteridir.

Bu yüzden yaklaşık eşleşmede cömert davranmak tehlikelidir. Doğru kurgu, toleransı arama tarafında geniş, eşleşme iddiası tarafında dar tutmaktır: küçük yazım hatalarını affet, ama iki parçanın muadil olduğunu ancak veri öyle diyorsa söyle.

Sonuçsuz aramalar kataloğun en değerli verisidir

Çoğu firma arama kayıtlarını tutmaz. Tutanlar da çoğu zaman yalnızca en çok aranan ürünler raporuna bakar.

Asıl değer diğer listede: sonuç dönmeyen aramalarda. Bu liste üç şeyi birden söyler. Referans verinizdeki boşlukları — ürün elinizde var ama o numarayla bağlanmamış. Gamınızdaki gerçek talep boşluklarını — piyasa sizde olmayan bir parçayı sizden arıyor. Ve pazarın hangi numaralandırma sistemini kullandığını.

Bu, tahmine değil kayda dayalı bir ürün geliştirme girdisidir. Bu yüzden sonuçsuz arama raporu, katalog ve ürün gamı kararlarında düzenli olarak bakılan bir kaynak olmayı hak eder.

Çok dilli katalogda ne değişir?

İhracat yapan bir katalogda çeviri işin küçük parçasıdır. Parça numaraları dilden bağımsızdır; çevrilmesi gereken ürün adları, teknik tanımlar ve kategori isimleridir.

Kritik nokta şudur: veri modeli çok dilliliği baştan taşımalıdır. Tek dilli kurulmuş bir kataloğa sonradan yeni diller eklemek çoğu zaman veri modelini baştan ele almak demektir. Bugün tek pazarda çalışıyor ama ileride ihracat düşünüyorsanız bu kararı ertelemeyin; sonradan yapılan geçiş, baştan kurulan yapıdan genellikle daha pahalıya gelir.

Yapay zeka bu işin neresinde?

Dürüst cevap: sanılandan dar bir yerde, ama olduğu yerde çok işe yarıyor.

Parça numarası araması anlamsal bir arama değildir. Tek karakteri farklı iki parça numarası, birbirinin yerine takılamayan iki ayrı parçayı gösterebilir. Burada istediğiniz şey kesinlik ve normalizasyondur; dil modelinin "yakın anlamlı" bulması değil. Bu ayrımı kavramayan projeler, klasik dizin aramasının daha iyi çözdüğü bir sorunu gereksiz karmaşıklıkla çözmeye çalışır. RAG ve vektör arama mimarisinin nerede işe yarayıp nerede yaramadığını ayrı bir yazıda ele aldık.

Yapay zekanın gerçekten kazandırdığı dört alan şunlar:

  • Dağınık tedarikçi belgelerinden ve PDF kataloglardan referans verisi çıkarmak — el emeğinin en yoğun olduğu yerlerden biri burasıdır
  • Aynı parçayı tarif eden farklı ürün açıklamalarını eşleştirip aday muadiller önermek (kararı insan verir)
  • Serbest metinle gelen talebi anlamak: "golf 7 ön fren diski 312 mm" cümlesini filtrelere çevirmek
  • Teknik tanımları birden fazla dile tutarlı terminolojiyle taşımak

İkinci maddedeki "aday" kelimesi önemli. Muadil ilişkisi ticari bir taahhüttür; modelin önerisi doğrulanmadan kataloğa girmemelidir. Bu tür bir doğrulama akışını yapay zeka ajanlarıyla kurmak mümkün, ama onay noktası insanda kalır.

Aramanın iyi olması için arkasındaki verinin canlı olması gerekir — statik bir dışa aktarımla çalışan katalog, güncel olmayan bilgiyi hızlı sunmaktan öteye geçmez. Bu yüzden katalog verisinin ERP gibi ana kaynakla entegre çalışması önemlidir; otomotiv yan sanayiinde ERP entegrasyonlu ve parça numarasıyla arama yapılabilen bir kataloğa örnek olarak Vaden projemize bakabilirsiniz. Ürün verisini arama motorlarına açık biçimde işaretlemek için Google'ın ürün yapısal veri belgeleri başlangıç noktasıdır.

Kurmadan önce cevaplanması gerekenler

Bir çapraz referans arama motoru planlarken şu beş soruya net cevap veremiyorsanız, henüz yazılım aşamasında değilsiniz:

  • Referans verisi bugün nerede duruyor ve kim bakıyor?
  • Bir muadil ilişkisini kim onaylıyor — teknik ekip mi, satış mı?
  • Kaç farklı numaralandırma sistemiyle karşılaşıyorsunuz?
  • Katalog ekibi veriyi hangi araçla güncelleyecek? Excel'den toplu aktarım şart mı?
  • Aynı sorguya birden fazla ürün uyduğunda ne göstermek istiyorsunuz?

Sonuncusu en çok atlananıdır ve arayüzün tamamını belirler.

Sıkça Sorulan Sorular

Çapraz referans ne demek?

Çapraz referans, bir üreticinin parça numarasının başka bir üreticideki karşılığıdır. Otomotiv ve endüstriyel yedek parçada aynı işlevi gören bileşenler her firmada farklı kodla anıldığı için, alıcının elindeki numarayı satıcının kataloğuna bağlayan bir eşleşme tablosuna ihtiyaç duyulur.

OEM numarası nedir?

OEM (Original Equipment Manufacturer) numarası, parçanın araç veya makine üreticisi tarafından verilen orijinal koddur. Pek çok yedek parça alıcısı bu numarayla arama yapar, çünkü sökülen parçanın üzerinde ya da servis belgesinde bu kod yazılıdır.

Çapraz referans arama motoru kurmak ne kadar sürer?

Süreyi belirleyen asıl etken yazılım değil, referans verisinin durumudur. Veri derli topluysa ve tek bir yerde duruyorsa proje görece kısa sürer; dağınık Excel dosyalarına yayılmışsa veri hazırlığı tek başına yazılımdan uzun sürebilir. Gerçekçi bir planlama için önce veriye bakmak gerekir.

Küçük bir ürün gamı için de gerekli mi?

Ürün sayısı tek başına belirleyici değildir. Belirleyici olan, alıcının sizin kodunuzu bilip bilmediğidir. Birkaç yüz kalemlik bir gamda bile alıcılar OEM numarasıyla geliyorsa çapraz referans araması işe yarar; müşterileriniz sizin katalog kodunuzu ezbere biliyorsa öncelik başka yerdedir.

Site içi arama ile çapraz referans araması aynı şey mi?

Değil. Site içi arama metin eşleştirir; ürün adında veya açıklamasında geçen kelimeleri bulur. Çapraz referans araması ise numaralar arasında kurulmuş ilişkileri takip eder ve alıcının yazdığı kod sizin kataloğunuzda hiç geçmese bile doğru ürüne ulaşır. İkisi birbirinin yerine geçmez, birlikte çalışır.

Bu tür bir platformu daha önce kurduk; beş dilli bir B2B katalog ve OEM çapraz referans araması üzerine kurulu bu vakayı portfolyomuzda inceleyebilirsiniz. Kataloğunuzun referans verisini konuşmak ve nereden başlanacağını netleştirmek isterseniz hizmetlerimize göz atabilir, bizimle iletişime geçebilirsiniz.

Son güncelleme:


Bültenimize Abone Olun

×