WordPress için RAG

WordPress’in kendi araması neden yetmiyor?

WordPress’in yerleşik araması, yazılan kelimeleri başlık ve içerikte arar. “İade nasıl yapılır” yazan ziyaretçi, sayfanızın başlığı “Cayma hakkı ve geri gönderim” ise boş sonuçla karşılaşabilir. Kelime aynı değildir ama anlam aynıdır.

Sorun yalnız arama kutusunda değil. Ziyaretçiler aynı soruyu WhatsApp’tan, iletişim formundan ve canlı destekten tekrar tekrar sorar. Cevap çoğu zaman sitenizde bir yerde yazılıdır. Sadece bulunamaz.

RAG tam olarak nedir?

RAG (Retrieval-Augmented Generation), Türkçede “bilgi getirmeyle desteklenmiş üretim” diye anılır. Terim, Lewis ve arkadaşlarının 2020’de yayımladığı makaleyle yaygınlaştı. Fikir basittir: dil modeline soruyu tek başına sormak yerine, önce ilgili belgeleri bulup soruyla birlikte vermek.

WordPress’te akış şöyle işler:

1. Hazırlık: Yazı, sayfa, ürün ve SSS içerikleri anlamlı parçalara bölünür.
2. Embedding: Her parça bir embedding modeliyle sayısal bir vektöre çevrilir. OpenAI’ın embeddings rehberi bu vektörlerin metinler arasındaki anlam yakınlığını ölçtüğünü anlatır.
3. Saklama: Vektörler pgvector, Qdrant veya Supabase gibi bir vektör veritabanına yazılır.
4. Arama: Ziyaretçinin sorusu da vektöre çevrilir, en yakın parçalar bulunur.
5. Cevap: Bulunan parçalar soruyla birlikte bir dil modeline (OpenAI, Anthropic Claude, Google Gemini) verilir. Model cevabı bu parçalara dayanarak yazar.

Ayrıntılı tanım için RAG nedir sayfamıza bakabilirsiniz.

Klasik arama, chatbot ve RAG arasındaki fark ne?

Konu	WordPress araması	Kural tabanlı chatbot	RAG asistanı
Neye göre bulur	Kelime eşleşmesi	Önceden yazılmış senaryo	Anlam yakınlığı
Yeni içerik	Hemen görünür	Senaryo elle güncellenir	Yeniden indekslenince görünür
Cevap biçimi	Bağlantı listesi	Sabit metin	İçerikten derlenmiş açıklama
Yanlış cevap riski	Düşük (cevap vermez)	Düşük ama kapsam dar	Var; kaynak gösterimi ve devirle azaltılır
Kurulum ve işletme	Hazır	Orta	İndeks, model ve izleme gerekir

RAG her durumda doğru tercih değildir. Elli sayfalık bir kurumsal sitede iyi bir menü ve SSS sayfası çoğu zaman yeter. Önce mevcut arama kayıtlarınıza ve destek taleplerinize bakın; sorular gerçekten tekrar ediyorsa RAG düşünmeye değer. RAG, dokümanları, ürün kataloğu veya blog arşivi büyüyen ve sık soru alan sitelerde anlam kazanır.

WordPress sitelerinde nerede işe yarar?

• Site içi arama: Ziyaretçi sorusunu kendi cümlesiyle yazar, ilgili sayfalar ve kısa bir özet gelir.
• Müşteri desteği: Kargo, iade, kurulum ve fiyatlandırma gibi tekrar eden sorular, sitedeki gerçek metne dayanarak cevaplanır.
• WooCommerce ürün keşfi: “Kuru cilt için kokusuz bir krem” gibi bir soru, ürün açıklamalarına göre eşleştirilir.
• Ekip içi bilgi: Prosedür, politika ve teklif şablonları özel bir indekste tutulur, yalnız yetkili kullanıcılar sorgular.

Türkiye’deki e-ticaret sitelerinde en sık sorulan konular kargo süresi, iade şartları, taksit seçenekleri ve fatura bilgisidir. Bu bilgiler genellikle sitede yazılıdır ama farklı sayfalara dağılmıştır. RAG asistanı bu dağınık bilgiyi tek bir cevapta toplar ve her cevabın altında ilgili sayfanın bağlantısını gösterir. Böylece ziyaretçi WhatsApp hattınıza yazmadan önce cevabı sitede bulabilir. Cevabı bulamadığında da konuşmayı aynı hatta, bağlamıyla birlikte devretmek mümkündür.

Kurulumda hangi kararlar sonucu belirler?

Ne indekslenecek? Taslaklar, şifreli sayfalar, üye içerikleri ve form kayıtları varsayılan olarak dışarıda kalmalıdır. İndekse girecek içerik türlerini açıkça seçin.

Parçalama nasıl yapılacak? Çok küçük parçalar bağlamı kaybeder, çok büyükler alakasız metin taşır. Başlık yapısına göre bölmek WordPress içeriğinde genellikle iyi çalışır. Anthropic’in Contextual Retrieval yazısı, her parçaya ait olduğu belgenin kısa bağlamını eklemenin arama isabetini artırdığını gösteriyor.

İndeks nasıl güncel kalacak? Yazı kaydedildiğinde tetiklenen bir WordPress kancası (save_post) veya düzenli bir görev, değişen içeriği yeniden işler. Eski bir fiyatı söyleyen asistan, hiç cevap vermeyenden daha zararlıdır.

Cevap nasıl denetlenecek? Asistan her cevabın altında kaynak bağlantısını göstermeli. Bulduğu parçalarda cevap yoksa “bilmiyorum” demeli ve kullanıcıyı formunuza veya WhatsApp Business hattınıza yönlendirmelidir.

Veri nerede işlenecek? Ziyaretçi sorusu yurt dışındaki bir model sağlayıcısına gidiyorsa bu bir veri aktarımıdır. Soruda kişisel veri olabileceğini varsayın. Sağlayıcı seçimini ve aydınlatma metnini KVKK açısından hukuk danışmanınızla birlikte değerlendirin.

Başarıyı nasıl ölçersiniz?

Genel bir yüzdeye güvenmek yerine kendi verinize bakın. Kurulumdan önceki ve sonraki dönemi şu ölçütlerle karşılaştırın:

• Destek kanallarına gelen tekrar eden soru sayısı
• Asistanın “bilmiyorum” deyip devrettiği soru oranı
• Cevabın altındaki kaynak bağlantısına tıklanma
• Kullanıcıların olumsuz geri bildirim verdiği cevaplar

Son iki ölçüt, içeriğinizdeki eksikleri de gösterir. Asistanın sık takıldığı konu, genellikle sitede hiç yazılmamış bir konudur. Bu konuları her ay bir listeye dökmek, içerik ekibinize hazır bir yazı planı verir. Asistan böylece yalnız soru cevaplamaz, sitenizdeki boşlukları da gösterir.

Maliyet neye bağlıdır?

Fiyat vermeden maliyetin nereden geldiğini anlatmak mümkün. Bir WordPress RAG kurulumunun dört gider kalemi vardır.

Birincisi, embedding. İçerik her eklendiğinde veya değiştiğinde parçalar yeniden vektöre çevrilir. Bu, içerik hacmiyle orantılı ve çoğu sitede küçük bir kalemdir. İkincisi, dil modeli çağrıları. Her soru bir model çağrısı demektir. Ziyaretçi sayısı arttıkça en hızlı büyüyen kalem budur. Daha küçük bir modelle başlamak ve yalnız zor sorularda büyük modele geçmek maliyeti dengeler. Üçüncüsü, vektör veritabanının barındırılması. Mevcut bir PostgreSQL üzerinde pgvector kullanmak, ayrı bir servis kurmaktan genellikle daha ekonomiktir. Dördüncüsü, kötüye kullanım. Herkese açık bir sohbet kutusu botların hedefi olabilir. Oturum başına soru sınırı, sık sorulan sorular için önbellek ve Cloudflare Turnstile gibi bir doğrulama, faturanın beklenmedik biçimde büyümesini önler.

Bu kalemleri tasarım aşamasında kendi trafiğinizle hesaplamak, sürprizleri ortadan kaldırır.

Corrplus’ta nasıl yaklaşıyoruz?

Bu mimariyi önce kendimiz için kurduk. Kendi ürünümüz Promptor, WordPress’e sitenin içeriğini tanıyan bir yapay zeka asistanı getirir ve WooCommerce ile çalışır. Müşteri projelerinde indekse girecek içeriği, parçalama ve güncelleme yöntemini, model sağlayıcısını ve KVKK değerlendirmesini tasarım aşamasında yazılı hale getiriyoruz. Sonra gerçek sorularla test edilmiş bir ilk sürüm teslim ediyoruz. Ayrıntılar için RAG kurumsal bilgi asistanı ve WordPress ve web platformu geliştirme sayfalarımıza bakabilirsiniz.