Rasyonel Fiyattan Algoritmik Rasyonaliteye: Yapay Zekâ Destekli Fiyatlandırmada Davranışsal Dönüşüm
DOI:
https://doi.org/10.63556/tisej.2026.1796Anahtar Kelimeler:
Yapay Zeka- Algoritmik Fiyatlama- Davranış ekonomisi- Fiyat adaleti- Etik YönetişimÖz
Yapay zekâ temelli ekonomilerin güncel aşamasında fiyatlama, artık yalnızca klasik iktisadi rasyonalite sınırları içinde işlememekte, bunun yerine giderek davranışsal ve algoritmik bir yapıya evrilmektedir. Dijitalleşmenin, otomasyonun ve veri odaklı karar sistemlerinin hız kazanmasıyla birlikte fiyat oluşumu, basit bir arz–talep dengesinin ötesine geçmiş ve tüketici psikolojisi, etik kaygılar ve algoritmik yönetişim mekanizmalarıyla iç içe geçmiş çok boyutlu bir sürece dönüşmüştür. Bu kavramsal çerçevede çalışma, yapay zekâ temelli fiyatlama modellerinin tüketici davranışları, algılanan fiyat adaleti, güven düzeyi ve rekabetin niteliği üzerindeki etkilerini kuramsal bir yaklaşım ve kapsamlı bir literatür incelemesi yoluyla ele almaktadır. Elde edilen bulgular, algoritmik fiyatlamanın gelir maksimizasyonu ve piyasa etkinliği açısından önemli katkılar sunduğunu, ancak aynı zamanda şeffaflık eksikliği, veri gizliliği sorunları ve yetersiz etik denetim nedeniyle toplumsal refah açısından yeni kırılganlıklar da yarattığını göstermektedir. Bu çerçevede dijital ekonomilerin sürdürülebilir geleceği, yalnızca etkinlik artışlarına değil, aynı zamanda hesap verebilirlik, etik duyarlılık ve insan merkezli yönetişim ilkeleri üzerine inşa edilen fiyatlama sistemlerinin geliştirilmesine bağlıdır.
Referanslar
Adams, J., Fang, M., Liu, Z., and Wang, Y. (2025). The Rise of AI Pricing: Trends, Driving Forces, and Implications for Firm Performance. Federal Reserve Bank of San Francisco Working Paper 2024-33. https://doi.org/10.24148/wp2024-33
Al Sulaie, S. (2025). AI-Based Dynamic Pricing Models for İnsurance in Fintech Ecosystems. In Proceedings of the 2025 International Conference on Metaverse and Current Trends in Computing (ICMCTC). IEEE. https://doi.org/10.1109/ICMCTC62214.2025.11196517
Almahadeen, L., Rathod, M. K., Sulaiman, S. F., Deepika, K., Teltumbade, G. R., & Saravanakumar, R. (2025). Artificial İntelligence and Dynamic Pricing Strategies: Enhancing Competitiveness in E-Commerce. In Proceedings of the 2025 3rd International Conference on Smart Systems for Applications in Electrical Sciences (ICSS-ES). IEEE. https://doi.org/10.1109/ICSSES64899.2025.11009613
Araf, M. S. I., Hoque, S. F., Chowdhury, M. A., Rahman, M., & Alam, M. Z. (2024). Can AI-Based Pricing Achieve Sustainability? A systematic Review from Business, Customer & Policymaking Perspectives. SSRN. https://doi.org/10.2139/ssrn.5079413
Ariyarathna, B. M. N. D. S., Karunathilake, D. N. M., Perera, L. A. M. D., Dissanayaka, J. W. D. S. S. M., & Dassanayake, D. M. G. T. (2024). Quixellaı: E-Commerce Sales Growth Optimization Service. In Proceedings of the 2024 8th International Conference on Business and Information Management (ICBIM) (pp. 47–52). IEEE. https://doi.org/10.1109/ICBIM63313.2024.10823406
Asker, J., Fershtman, C., & Pakes, A. (2021). Artificial İntelligence and Pricing: The İmpact of Algorithm Design (NBER Working Paper No. 28535). National Bureau of Economic Research. https://doi.org/10.3386/w28535
Brown, Z. Y., & MacKay, A. (2021). Competition in Pricing Algorithms (NBER Working Paper No. 28860). National Bureau of Economic Research. https://doi.org/10.3386/w28860
Das, P., Pervin, T., Bhattacharjee, B., Karim, M. R., Sultana, N., Khan, M. S., Hosien, M. A., & Kamruzzaman, F. (2024). Optimizing Real-Time Dynamic Pricing Strategies in Retail and E-Commerce Using Machine Learning Models. The American Journal of Engineering and Technology, 6(12), 163–177. https://doi.org/10.37547/tajet/Volume06Issue12-15
Dodds, W. B., Monroe, K. B., & Grewal, D. (1991). Effects of price, brand, and store information on buyers' product evaluations. Journal of Marketing Research, 28(3), 307–319.
Evas, T. (2020). European framework on ethical aspects of artificial intelligence, robotics and related technologies: European added value assessment (PE 654.179). European Parliamentary Research Service (EPRS), European Parliament. https://doi.org/10.2861/94107
Ganti, R., Sustik, M., Tran, Q., & Seaman, B. (2018). Thompson Sampling for Dynamic Pricing. arXiv preprint arXiv:1802.03050. https://arxiv.org/abs/1802.03050
Hernandez, A. C., Masaryk, D., Mecir, J., & Saliminejad, S. (2024). Optimal Pricing of Configurable Products Using Machine Learning. In Proceedings of the 2024 11th IEEE Swiss Conference on Data Science (SDS) (pp. 97–106). IEEE. https://doi.org/10.1109/SDS60720.2024.00022
İbiş, S. (2024). Yiyecek İçecek İşletmelerinde Yapay Zekâ Tabanlı Pazarlama. Sakarya Üniversitesi İşletme Enstitüsü Dergisi, 6(2), 197–210. https://doi.org/10.47542/sauied.1510772
Kahneman, D. (2011). Thinking, fast and slow. Farrar, Straus and Giroux.
Kaplan, A., & Haenlein, M. (2019). Siri, Siri, in my hand: Who’s the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence. Business Horizons, 62(1), 15–25. https://doi.org/10.1016/j.bushor.2018.08.004
Kaplan, A., & Haenlein, M. (2020). Rulers of the world, unite! The challenges and opportunities of artificial intelligence. Business Horizons, 63(1), 37–50. https://doi.org/10.1016/j.bushor.2019.09.003
Kristiansson, J. (2023). Double Machine Learning for Insurance Price Optimization, (Master’s thesis, KTH Royal Institute of Technology, School of Industrial Engineering and Management). TRITA-ITM-EX 2023:295. https://www.diva-portal.org/smash/get/diva2:1770434/FULLTEXT01.pdf
Kumari, A., & Kumar, M. S. (2024). Dynamic Pricing: Trends, Challenges and New Frontiers. In Proceedings of the 2024 IEEE International Conference on Contemporary Computing and Communications (InC4) (pp. 1–9). IEEE. https://doi.org/10.1109/INC460750.2024.10649341
Kurniati, I., & Sulistiwaty. (2023). Pemanfaatan Machine Learning Untuk Price Optimation Dengan Menggunakan Model Artificial Neural Network. Jurnal Elektro & Informatika Swadharma (JEIS), 3(2), 83–93. https://doi.org/10.56486/jeis.vol3no2.363
Kuruca, Y., Üstüner, M., & Şimşek, I. (2022). Dijital pazarlamada yapay zekâ kullanımı: Sohbet robotu (Chatbot). Medya ve Kültür: Kültürel Çalışmalar ve Medya Dergisi, 2(1), 88–113.*
Li, Z. (2022). Affinity-based algorithmic pricing: A dilemma for EU data protection law. Computer Law & Security Review, 46, 105705. https://doi.org/10.1016/j.clsr.2022.105705
Namlı, E., Ünlü, R., & Gül, E. (2019). Fiyat Tahminlemesinde Makine Öğrenmesi Teknikleri Ve Doğrusal Regresyon Yöntemlerinin Kıyaslanması: Türkiye’de Satılan İkinci El Araç Fiyatlarının Tahminlenmesine Yönelik Bir Vaka Çalışması. Konya Mühendislik Bilimleri Dergisi, 7(4), 806–821. https://doi.org/10.36306/konjes.654952
Nunan, D., & Di Domenico, M. L. (2022). Value creation in an algorithmic world: Towards an ethics of dynamic pricing. Journal of Business Research, 150, 451–460. https://doi.org/10.1016/j.jbusres.2022.06.032
Oteri, O. J., Onukwulu, E. C., Igwe, A. N., Ewim, C. P.-M., Ibeh, A. I., & Sobowale, A. (2023). Artificial Intelligence in Product Pricing and Revenue Optimization: Leveraging Data-Driven Decision-Making. International Journal of Multidisciplinary Research and Growth Evaluation, 4(1), 842–851. https://doi.org/10.54660/.IJMRGE.2023.4.1-842-851
Peniaha, N. (2025). AI-Based Pricing Agents for Tendering Applications in Logistics (Bachelor’s thesis, Ukrainian Catholic University, Faculty of Applied Sciences). https://github.com/Nazarii638/AI-Based-Pricing-Agents-for-Tendering-Applications-in-Logistics
Pillai, K. A. (2023). AI-Driven Dynamic Pricing Strategies for Subscription Features: Leveraging Artificial Intelligence for Real-Time Pricing Optimization. International Journal of Computer Engineering and Technology (IJCET), 14(3), 98–103. https://iaeme.com/Home/issue/IJCET?Volume=14&Issue=3
Seele, P., Dierksmeier, C., Hofstetter, R., & Schultz, M. D. (2021). Mapping the Ethicality of Algorithmic Pricing: A Review of Dynamic and Personalized Pricing. Journal of Business Ethics, 170(4), 697–719. https://doi.org/10.1007/s10551-019-04371-w
Spann, M., Bertini, M., Koenigsberg, O., Zeithammer, R., Aparicio, D., Chen, Y., Fantini, F., Jin, G. Z., Morwitz, V., Popkowski Leszczyc, P., Vitorino, M. A., Yalcin Williams, G., & Yoo, H. (2024). Algorithmic Pricing: Implications for Consumers, Managers, And Regulators. National Bureau of Economic Research, NBER Working Paper No. 32540. https://doi.org/10.3386/w32540
Thota, V., Nagalakshmi, M., Kiran Kumar, M., Sanoj Kumar, S., Momin, U., & Mishra, P. (2024). E-Commerce Management and AI-Based Dynamic Pricing: Revenue Optimization Strategies. Migration Letters, 21(S4), 168–177. https://doi.org/10.59670/ml.v21iS4.7157
Valldosera Grifoll, C. (2025). AI-driven dynamic pricing (Master’s thesis, Politecnico di Milano, School of Industrial and Information Engineering).
Varian, H. R. (2010). Intermediate microeconomics: A modern approach (8th ed.). W. W. Norton & Company. ISBN 978-0-393-93424-3
Weinmann, M., Schneider, C., & vom Brocke, J. (2016). Digital Nudging. Business & Information Systems Engineering, 58(6), 433–436. https://doi.org/10.1007/s12599-016-0453-1
Yılmazel, S. E. (2024). Pazarlamada yapay zekâ dönüşümleri (pp. 1–23). In Pazarlama çalışmaları. Yaz Yayınları.
Zhao, Z., Jiang, F., & Yu, Y. (2025). Contextual Dynamic Pricing: Algorithms, Optimality, and Local Differential Privacy Constraints. arXiv preprint arXiv:2406.02424. https://arxiv.org/abs/2406.02424
İndir
Yayınlanmış
Sayı
Bölüm
Lisans
Telif Hakkı (c) 2026 Üçüncü Sektör Sosyal Ekonomi Dergisi
Bu çalışma Creative Commons Attribution-NonCommercial 4.0 International License ile lisanslanmıştır.
