# Yapay Zekâ Destekli Araç Değerleme Nasıl Çalışır?

> Yapay zekâ destekli araç değerleme sistemleri hangi verileri kullanır, fiyatı nasıl hesaplar? Model mantığı, güven skoru ve klasik yöntemlerden farkları.

**Kaynak:** https://datadeger.com/yapay-zeka-destekli-arac-degerleme-ile-satista-dogruluk-saglayin-2/
**Yayın:** 18 Ağustos 2025 · **Okuma:** 3 dk · **Konu:** Yapay Zekâ, Araç Değerleme, Veri & API
**Yayıncı:** Data Değer — https://datadeger.com/

---

“Yapay zekâ destekli değerleme” ifadesi sektörde sık kullanılıyor ama nasıl çalıştığı nadiren açıklanıyor. Bu yazıda kutunun içini açıyoruz.

## Klasik yöntem ile farkı

 
 
 Klasik yöntem Model tabanlı yöntem 
 
 Temel Sabit tablolar, yüzdesel kurallar Gerçekleşen işlemlerden öğrenme 
 Kilometre etkisi Sabit oran Model ve yaşa göre değişken 
 Hasar etkisi Tutarın sabit yüzdesi Segment ve araç değerine göre farklı 
 Güncelleme Elle, periyodik Veri geldikçe sürekli 
 Belirsizlik Belirtilmez Güven skoru olarak verilir 
 
 
 

Aradaki temel fark şu: klasik yöntem *kural uygular*, model tabanlı yöntem *veriden kural çıkarır*.

## Modele giren veriler

Bir değerleme modelinin girdileri iki grupta toplanır:

### Araca ait özellikler

 

- Marka, model, nesil (kasa), donanım paketi

- Üretim yılı

- Kilometre

- Motor hacmi ve gücü, yakıt türü, şanzıman

- Hasar kaydı tutarı ve türü

- Renk (bazı segmentlerde anlamlı)

### Piyasaya ait özellikler

 

- Aynı model için aktif ilan sayısı ve fiyat dağılımı

- İlanların ortalama yayında kalma süresi

- Gerçekleşen satışların ilan fiyatından sapması

- Bölgesel fiyat farkları

- Mevsimsel talep eğilimi

- Segment bazlı genel fiyat hareketi

İkinci grup, modeli “sabit bir tablo” olmaktan çıkaran şeydir. Piyasa hareket ettiğinde model de hareket eder.

## Veri temizliği: en kritik aşama

Model ne kadar iyi olursa olsun, kirli veriyle çalışırsa kötü sonuç üretir. Bu yüzden ham veri şu aşamalardan geçer:

 

- Normalizasyon: Aynı aracın farklı yazımları tek kayda bağlanır — marka model datası tam da bu işi yapar

- Uç değer temizliği: Yanlış girilmiş fiyat ve kilometre kayıtları elenir

- Mükerrer eleme: Aynı aracın birden çok platformdaki ilanı tekilleştirilir

- Tutarlılık kontrolü: Yıl–kilometre–fiyat üçlüsünde mantıksız kombinasyonlar işaretlenir

> Değerleme sistemlerinin kalitesindeki farkın büyük kısmı, algoritmadan değil veri temizliğinden gelir. Doğru donanım eşlemesi yapılmayan bir sistem, en gelişmiş modeli kullansa bile hatalı sonuç üretir.

## Çıktı: neden tek rakam değil?

İyi bir değerleme sistemi tek bir sayı vermez. Bunun sebebi, gerçek piyasada da tek bir fiyat olmamasıdır:

 

- Alım fiyatı: Galerinin ödeyebileceği üst sınır

- Piyasa fiyatı: Normal sürede satılabilecek fiyat

- Hızlı satış fiyatı: Kısa sürede satmak için gereken fiyat

- Aralık: Alt ve üst sınır

## Güven skoru neyi anlatır?

Her tahminin belirsizliği vardır ve bu belirsizlik her araçta aynı değildir.

 

- Yüksek güven: Çok satan bir model, bol örneklem, dar fiyat dağılımı

- Düşük güven: Nadir model, az örneklem, geniş dağılım veya sıra dışı kombinasyon

Güven skorunu görmek, kullanıcıya “bu sonuca ne kadar yaslanabilirim?” sorusunun cevabını verir. Düşük güvenli sonuçlarda ek doğrulama yapmak gerekir.

## Açıklanabilirlik

Modelin “kara kutu” olmaması, pratikte çok önemlidir. Fiyatı etkileyen faktörlerin katkısını ayrıştırmak:

`"factors": [
 { "name": "km", "impact": -58000 },
 { "name": "damage_record", "impact": -37000 },
 { "name": "trim", "impact": +21000 }
]` 
 Bu döküm sayesinde galerici, müşteriyle konuşurken fiyatı savunabilir. Açıklanamayan bir rakam, pazarlıkta işe yaramaz.

## Sınırları

Hiçbir model her şeyi bilemez. Bilinmesi gereken sınırlar:

 

- Aracın fiziksel durumunu görmez — model verisi girdi olarak alır

- Nadir modellerde örneklem yetersiz kalır

- Ani ve öngörülemeyen piyasa şoklarında gecikme olabilir

- Sıra dışı donanım veya modifikasyonları değerlendiremez

Bu yüzden değerleme, ekspertizin yerine geçmez — **onunla birlikte** kullanılır.

## Özetle

Yapay zekâ destekli değerleme; araç özellikleri ile piyasa verisini birleştirip, gerçekleşen işlemlerden öğrenerek fiyat aralığı üreten bir sistemdir. Kalitesini belirleyen en büyük etken veri temizliğidir. İyi bir sistem tek rakam değil; aralık, güven skoru ve faktör dökümü verir.

## Sıkça Sorulan Sorular

### Model ne sıklıkla güncelleniyor?

Piyasa verisi düzenli olarak işlenir ve fiyat çıktıları buna göre yeniden hesaplanır. Kur hareketi, vergi düzenlemesi gibi ani gelişmelerde ek kalibrasyon yapılır. API yanıtındaki `updated_at` alanı, sonucun hangi veri kesitine dayandığını gösterir.

### Ekspertizin yerini tutar mı?

Hayır ve tutmamalıdır. Değerleme, aracın **beyan edilen** özelliklerine göre piyasa değerini hesaplar; fiziksel durumunu göremez. Doğru kullanım, ikisini birlikte kullanmaktır: değerleme fiyat çerçevesini, ekspertiz ise o çerçeve içindeki düzeltmeleri belirler.

### Nadir bir modelde sonuç güvenilir mi?

Örneklem küçük olduğu için belirsizlik artar — ve sistem bunu size **söyler**. Güven skoru düşük geldiğinde sonucu tek başına referans almayın; benzer segmentteki araçlarla karşılaştırın ve ekspertiz görüşü alın. Sistemin en değerli yanlarından biri, emin olmadığını belirtmesidir.