Tedarikçi Tekliflerini Analiz Eden Yapay Zekâ Ajanı: 2026'da Satın Alma Otomasyonu ve Fiyat Analitiği

AI agent for automated analysis of supplier quotations, price comparison, offer history, supplier evaluation, and procurement analytics.

Satın Alma için Yapay Zekâ Startup Fikri: PDF, Excel, Fotoğraf ve Mesajların İşlenmesi, Ürünlerin CRM ile Eşleştirilmesi ve Tedarikçi Fiyat Analizi

İçerik

Satın alma departmanı her gün tedarikçilerden ticari teklifler (TT) alır. Bazıları Excel'de, diğerleri PDF'de ve yine diğerleri WhatsApp'ta bir fiyat listesinin fotoğrafı olarak ulaşır. Her birinin açılması, okunması, verilerin bir tabloya girilmesi, veritabanında doğru ürünün bulunması ve önceki fiyatlarla karşılaştırılması gerekir. Haftada 30-100 TT ile bu artık operasyonel bir iş değildir — uzmanların zamanının sistemik bir kaybıdır.

Tron Pool Energy, bu işi devralan bir AI temsilcisi geliştirdi: tedarikçilerden gelen her formatta TT'leri otomatik olarak okur, ürünler ve fiyatlar hakkındaki verileri çıkarır, bunu CRM ürün veritabanına bağlar ve analitik için teklif geçmişini biriktirir. Satın alma uzmanı kararı verir — AI bunun için gerekli tüm bilgileri toplar.

Bu makalede: bu aracın blogdaki diğer AI çözümlerinden farkı nedir, temsilcinin tam işlevselliği, pratik bir vaka çalışması ve bir uygulama SSS'si.

1. Önemli Yönlendirme: Bu Satış İçin Yapay Zeka ile Aynı Şey Değildir

Tron Pool Energy blogu zaten satış departmanı için AI araçlarını ele aldı: müşteriler için TT oluşturma, CRM sohbetinde yanıtlar için AI co-pilot, AI destek asistanı. Hepsi "şirket → müşteri" yönünde çalışır. Bu makale tam tersi yönle ilgilidir: "tedarikçi → satın alma departmanı". Farklı departmanlar, farklı süreçler, farklı analitikler.

Satışlarda AI ile satın almada AI: temel farklar
Parametre Satışlarda AI (önceki makaleler) Satın almada AI (bu makale)
Veri akış yönü Şirket → Müşteri (giden) Tedarikçi → Şirket (gelen)
Departman Satış, destek, satış öncesi Satın alma, tedarik
AI'ın neyi işlediği Müşteri istekleri, özetler, yanıtlar Teklifler, fiyat listeleri, tedarikçi koşulları
Sonuç Müşteriye TT, yanıt, potansiyel müşteri Teklif tabanı, fiyat geçmişi, analitik
Ana metrik Yanıt hızı, dönüşüm Optimum satın alma fiyatı, tasarruf
Karar verici Satış müdürü Satın alma uzmanı

2. Tedarikçi TT'lerinin Manuel Olarak İşlenmesi Neden Sistemik Bir Sorundur?

Bir şirket onlarca ve yüzlerce tedarikçiyle çalışır. Her biri teklifleri kendi formatında ve kendi hızında gönderir. Satın alma çalışanı şunları yapmak zorunda kalır:

  1. Her e-postayı veya mesajı manuel olarak açmak
  2. Ek biçimini anlamak (PDF, Excel, tarama, fiyat fotoğrafı)
  3. Ürün ve fiyat verilerini tablolara manuel olarak aktarmak
  4. Veritabanında gerekli ürünü aramak ve adları eşleştirmek
  5. Dinamikleri karşılaştırmak için ayrı ayrı bir fiyat geçmişi tutmak

Sonuç tahmin edilebilirdir: veri aktarımı sırasında hatalar, birleşik bir teklif tabanının olmaması, satın alma kararları birikmiş analitiğe değil en son fiyat listesine göre alınır. Bu arada, en karlı satın alma dönemleri verilere dayalı değil, sezgisel olarak belirlenir.

3. AI Temsilcisinin Yapabildikleri: Tam İşlevsellik

3.1. Herhangi bir formattaki gelen TT'lerin analizi

Temsilci şirketin e-postasına ve mesajlaşma programlarına bağlıdır. Gelen tüm mesajlar otomatik olarak analiz edilir: sistem, e-postanın veya dosyanın bir tedarikçinin ticari teklifi olup olmadığını belirler. Değilse, yoksayar. Evet ise veri çıkarmayı başlatır.

AI tarafından işlenen gelen TT formatları
Format İşleme yöntemi Çıkarılanlar
Metin e-postası / mesaj NLP — metin analizi Ürün adı, fiyat, tedarikçi, tarih, koşullar
PDF belgesi PDF ayrıştırma + NLP Tüm belge alanları, fiyat tabloları, koşullar
Excel / CSV tablosu Yapılandırılmış verileri ayrıştırma Fiyat listesi satırları: ürün kodu, ad, fiyat, hacim
Resim / fiyat fotoğrafı OCR + NLP Fotoğraftaki metnin tanınması, ardından ayrıştırma
Taranan belge OCR + yapılandırma Taramadan gelen metin, anahtar alanların çıkarılması

3.2. CRM ürün veritabanıyla otomatik eşleştirme

Veri çıkarımından sonra AI, TT'deki ürün adlarını şirketin CRM'deki ürün tabanıyla eşleştirir. Tedarikçiler aynı ürünü farklı şekilde adlandırır — temsilci bunu hesaba katar: anahtar kelimelere, kodlara, kategoriye göre karşılaştırır. Eşleştirme güveni eşiğin altındaysa, "human-in-the-loop" tetiklenir: çalışan bağlantıyı onaylar veya düzeltir.

3.3. Her ürün için teklif geçmişi ve tedarikçi tablosu

Her teklif CRM'deki ilgili ürüne eklenir. Her öğe için alınan tüm tekliflerin bir tablosu oluşturulur: tarih, tedarikçi, fiyat, koşullar. Uzman yalnızca en son teklifi değil, tüm teklif geçmişini görür — kim neyi, ne zaman ve hangi fiyata teklif etti.

3.4. Fiyat ve mevsimsellik analitiği

Birikmiş veritabanına dayalı olarak AI her ürün için analitik oluşturur:

  1. Fiyat değişim grafikleri: dinamiklerde minimum, maksimum, ortalama fiyat
  2. Tedarikçi karşılaştırması: belirli bir ürün için en iyi koşulları kim sunuyor
  3. Mevsimsellik analizi: karlı satın alma dönemleri, mevsime göre fiyat eğilimleri
  4. Uzun vadeli eğilimler: bir ürün için bir dönem boyunca fiyat artışı veya düşüşü

4. Temsilci Nasıl Çalışır: Tedarikçi TT'sinden Analitiğe Yolculuk

Tam TT işleme döngüsü — 9 adım:

  1. Tedarikçi bir TT gönderir. E-posta veya mesaj — fark etmez. Ekli mesaj otomatik olarak sisteme girer.
  2. AI bir bildirim alır. Temsilci alındıktan hemen sonra analiz sürecini başlatır.
  3. Belge türünü tanıma. Sistem belirler: bu bir TT mi yoksa normal bir mesaj mı? Normalse yoksayar.
  4. Veri çıkarma. AI okur: ürün adı, fiyat, tedarikçi, tarih, teslimat koşulları.
  5. CRM tabanı ile eşleştirme. Temsilci, şirketin dahili veritabanında ilgili ürünü arar.
  6. Eşleştirme doğrulaması. AI'ın güveni eşiğin altındaysa, görev onay için bir çalışana gider.
  7. Teklifi ekleme. TT, CRM'de ürüne eklenir: tarih, tedarikçi, fiyat.
  8. İstatistikleri güncelleme. Sistem analitiği yeniden hesaplar: ortalama fiyat, dinamikler, aralık.
  9. Satın alma departmanı karar verir. Uzman tekliflerin ve analitiklerin tüm resmini görür — ve optimum tedarikçiyi seçer.

5. Vaka Çalışması: Avusturyalı Toptan ve Perakende Şirketi (Alkollü İçecekler)

Durum. Avusturyalı bir şirket, alkollü içeceklerin toptan ve perakende ticaretini yapmaktadır. Çok sayıda tedarikçiyle çalışıyor — şarap imalathaneleri, distribütörler, ithalatçılar. Ürünler için ticari teklifler günlük olarak çeşitli formatlarda geliyor: PDF fiyat listeleri içeren e-postalar, Excel tabloları, WhatsApp'taki fiyat listesi fotoğrafları, metin mesajları. 6 kişilik bir satın alma departmanı gelen TT'leri manuel olarak işliyordu: verileri Excel'e aktarıyor, ürün çeşitleriyle eşleştiriyor ve ayrı bir fiyat kaydı tutuyordu. Birleşik bir fiyat geçmişi veritabanı olmadan, karlı satın alma dönemlerini belirlemek veriye değil, yöneticinin sezgisine dayanıyordu.

Tron Pool Energy neleri uyguladı (8 hafta):

  1. AI temsilcisi şirketin kurumsal e-postasına ve WhatsApp Business'a bağlandı.
  2. Gelen TT'lerin tüm formatlarını işler: PDF, Excel, görseller, taramalar, metin.
  3. Dahili CRM ile entegre edildi: her teklif otomatik olarak bir ürün öğesine bağlanır.
  4. Tedarikçileri karşılaştırma yeteneği ile her ürün için teklif geçmişini biriktirir.
  5. Fiyat analitiği: minimum, maksimum ve ortalama değerlere sahip dinamik grafikler, satın alma mevsimselliğinin analizi.
Lansmandan 3 ay sonraki sonuçlar
Metrik Uygulamadan önce Uygulamadan sonra Değişim
1 TT için işlem süresi Manuel 15-30 dakika Otomatik olarak < 2 dakika −%90
Günde işlenen TT 20-30 (ekibin manuel sınırı) 100+ (sınır yok) ×3–5 kapasite
Veri aktarımındaki hatalar %5-8 (insan faktörü) <%0,5 (çalışan kontrolü) -%85 hata
Ürün fiyat geçmişi varlığı Yok (veya dağınık tablolarda) İlk günden itibaren tam geçmiş Sıfırdan %100'e
En iyi fiyatı bulma süresi 1-2 saat (tablolarda arama) Anında (CRM ürün kartında) −%95
Mevsimsel indirimleri belirleme Sezgisel olarak Analitik verilere dayanarak Niteliksel sıçrama

Ek etki: mevsimsellik analitiği sayesinde şirket, hangi belirli tedarikçilerin hangi dönemlerde en uygun koşulları sunduğuna dair verileri ilk kez aldı. Bu, satın alma stratejilerini ayarlamalarına ve optimum dönemlerde planlanan siparişlerin hacmini artırmalarına olanak sağladı.

6. Tedarikçi TT'lerini İşlemek İçin AI Temsilcisine Kimlerin İhtiyacı Var

Şirket profili ve tipik kullanım durumları
Şirket türü Sorun AI temsilcisinin sağladığı
Toptan satış ve dağıtım ticareti 100+ tedarikçi, farklı formatlar, birleşik veritabanı yok Tüm tekliflerin otomatik toplanması, tek tip fiyat geçmişi
Perakende ve zincirler (FMCG) Mevsimsel teklifler, fiyat dinamikleri, ihaleler Karlı satın alma dönemleri analitiği, tedarikçi karşılaştırması
Üretim (hammaddeler) PDF ve Excel'deki fiyatlar, ERP'ye manuel aktarım Otomatik veri doldurma, terminolojiyle eşleştirme
İnşaat ve geliştirme İhale teklifleri, tahminler, taşeron fiyatları Tekliflerin yapılandırılması, kalem kalem karşılaştırma
HoReCa ve catering 20-50 tedarikçiden haftalık fiyat listeleri Manuel mutabakat olmadan her menü öğesi için güncel fiyatlar
İthalatçılar ve acenteler Yabancı dillerde, farklı para birimlerinde teklifler Çok dilli işleme, dönüştürme ve veri birleştirme

7. Dürüst Olmak Gerekirse: Avantajlar ve Büyüme Noktaları

Tedarikçi TT'lerini analiz etmek için AI temsilcisinin artıları ve büyüme noktaları
Avantajlar Büyüme noktaları (uygulama sırasında çözülür)
Herhangi bir TT formatını işler: PDF, Excel, fotoğraf, tarama, metin İlk ürün eşleştirme kurulumu satın alma departmanının katılımını gerektirir
Tüm tekliflerin geçmişi ilk günden itibaren otomatik olarak birikir OCR kalitesi tarama kalitesine bağlıdır (kötü tarama = düşük doğruluk)
Fiyat ve mevsimsellik analizleri gerçek zamanlı olarak kullanılabilir Standart dışı teklifler (karmaşık koşullar, indirimler) için — insan kontrolü
Satın almacıları veri aktarımı için değil, analitik için serbest bırakır CRM'deki ürün tabanının düzenli olarak güncellenmesini gerektirir
Eşleştirmeden emin olunmadığında "Human-in-the-loop" Çok dilli TT'ler, dil modellerinin ek ayarlanmasını gerektirir

Özet: Sezgiye Değil, Veriye Dayalı Satın Alma

Bir tedarikçi seçme kararı verilere dayanmalıdır: fiyat geçmişi, teklif dinamikleri, mevsimsel modeller. Bu veriler manuel olarak toplandığı sürece eksik veya güncel olmayacaktır. AI temsilcisi, tedarikçilerden gelen TT akışını yapılandırılmış analitik bir veritabanına dönüştürür — otomatik olarak, gerçek zamanlı olarak, aktarım hataları olmadan. Tron Pool Energy bu tür anahtar teslimi çözümleri uygular: OCR tanımasını ayarlamaktan CRM'nizle tam entegrasyona ve analitik gösterge panelleri oluşturmaya kadar.

Tedarikçi TT'lerinin işlenmesini otomatikleştirmek ister misiniz? Satın alma sürecinizin denetimini talep edin

FAQ

  • Tedarikçi aynı ürünü veritabanımızdakinden farklı bir şekilde adlandırırsa ne olur?

    İnsan doğrulamalı eşleştirme mekanizması tam olarak bu nedenle mevcuttur. AI, adları anahtar kelimelere, eşanlamlılara, kodlara ve kategorilere göre karşılaştırır. Eşleştirme güveni belirlenen bir eşiğin altındaysa, görev onay için satın almacıya gönderilir. Onaylandıktan sonra sistem bu eşleşmeyi hatırlar ve bir dahaki sefere otomatik olarak yapar.

  • Bu AI temsilcisi, TT oluşturmak için kullanılan AI temsilcisinden nasıl farklıdır?

    Temelde farklı bir yön: TT oluşturma için AI temsilcisi (blog makalesi 17'de açıklanmıştır), şirketin müşterilerine gönderdiği belgeleri oluşturur. Bu temsilci, tedarikçilerin şirkete gönderdiği belgeleri analiz eder. Farklı departmanlar (satış vs satın alma), farklı görevler, farklı analitikler — her ikisi de "TT" terimiyle çalışsa da.

  • Yabancı dillerdeki TT'lerle çalışmak mümkün mü?

    Evet. Temsilcinin üzerine inşa edildiği dil modelleri birçok dili destekler. Bu, özellikle uluslararası tedarikçilerle çalışan şirketler için geçerlidir. Ek olarak, para birimi dönüştürme ayarlanabilir: temsilci, doğru karşılaştırma için tüm fiyatları tek bir para birimine getirir.

  • Bir tedarikçi tek bir Excel dosyasında 200 kalemlik bir TT gönderirse ne olur?

    Temsilci, çok satırlı fiyat listelerini tamamen işler: her öğe için verileri satır satır çıkarır, CRM tabanıyla eşleştirir ve teklifi her bir ilgili ürüne ekler. Dosyanın işlenmesi, saatlerce süren manuel veri aktarımının aksine saniyeler sürer.

  • AI, bir e-postanın normal bir mesaj değil de ticari bir teklif olduğunu nasıl belirler?

    Sınıflandırma modülü mesaj içeriğini analiz eder: fiyat listelerinin varlığı, ürünlerin ve fiyatların belirtilmesi, karakteristik biçimlerdeki ekler. Temsilci düzenli operasyonel e-postaları (onaylar, sorular, anlaşmalar) yok sayar. Sınıflandırma eşiği, uygulama sırasında belirli bir şirketin özel iletişimine uyacak şekilde ayarlanır.

AI Agent for Sales Department
Hazır Çözümler

Satış ekibi için AI ajanı: satış yöneticileri anlaşmaları 3 kat daha hızlı nasıl kapatıyor?

Yapay zeka, satış ekiplerinin daha kısa sürede daha fazla anlaşma kapatmasına nasıl yardımcı oluyor? Bir AI ajanının bilgi aramayı, yanıtları ve ticari teklifleri hazırlamayı nasıl otomatikleştirdiğini, presale aşamasında satış yöneticilerini nasıl desteklediğini ve müşterilerle yapılan rutin işleri nasıl azalttığını inceliyoruz.

2026-08-20

AI Assistant for Customer Support and Presales
Hazır Çözümler

Müşteri Desteği ve Presales için AI Asistanı: İşletmeler 2026'da İletişimi Nasıl Otomatikleştiriyor? ⚡️

Müşteri desteği için AI asistanı, işletmelerin taleplere 7/24 yanıt vermesine, potansiyel müşterileri nitelendirmesine, ticket oluşturmasına ve presales süreçlerini otomatikleştirmesine yardımcı olur. Temel kullanım senaryolarını, entegrasyon kanallarını, bir SaaS şirketi örneğini, uygulama sonuçlarını ve AI asistanının devreye alınma aşamalarını inceliyoruz.

2026-08-25