Alfy

Proje Hakkında

Alfy, Türkiye ve bölgesindeki VIP şoförlü araç kiralama pazarında dijital dönüşümü hedefleyen kapsamlı bir full-stack mobil platformdur. Proje, Flutter ile geliştirilen cross-platform mobil uygulama ve Node.js tabanlı ölçeklenebilir backend mimarisinden oluşmaktadır. Geleneksel şoförlü araç kiralama hizmetlerinin telefon ve email üzerinden yürütülen yavaş ve güvenilmez süreçleri, Alfy ile tamamen dijitale taşındı. Uygulama üç temel kullanıcı segmentine hizmet eder: (1) Kurumsal müşteriler — toplantı transferleri, havalimani karşılamaları ve günlük şoförlü araç ihtiyaçları, (2) Özel etkinlik organizatörleri — düğün, gala ve VIP etkinlikler için premium araç ve şoför tahsisi, (3) Bireysel kullanıcılar — özel günler, şehirlerarası yolculuklar ve lüks deneyim arayanlar. Her segment için özelleştirilmiş araç filosu sunulur: sedan (Mercedes E-Class, BMW 5 Serisi), SUV (Range Rover, BMW X5), VIP van (Mercedes V-Class) ve lüks (Mercedes S-Class, BMW 7 Serisi). Platformun en güçlü yönü full-stack yaklaşımdır: Flutter ile tek codebase'den iOS ve Android uygulaması, Node.js + Express.js backend ile RESTful API, Socket.IO ile gerçek zamanlı şoför konum takibi ve Firebase ile push notification altyapısı. Bu entegre mimari sayesinde rezervasyon oluşturma, şoför atama, canlı takip ve ödeme süreçleri kesintisiz bir deneyim sunar. Google Maps entegrasyonu ile araç konumu gerçek zamanlı harita üzerinde gösterilir, tahmini varış süresi trafik verisine göre dinamik olarak güncellenir. Şoför değerlendirme sistemi ile her yolculuk sonrası 5 yıldız puanlama ve yorum yapılabilir — bu veriler şoför kalite kontrol sürecinde kullanılır. Ödeme sistemi güvenli gateway entegrasyonu ile kredi kartı ve kurumsal fatura desteği sunar. 30.000+ indirme ve 8.000+ aylık aktif kullanıcı ile Alfy, VIP ulaşım segmentinde güvenilir ve yenilikçi bir dijital çözüm olarak konumlanmıştır.

Özellikler

Süreç

Zorluklar & Çözümler

Teknik Detaylar

Uygulama Flutter 3.19 ve Dart 3.3 ile geliştirildi, BLoC + Clean Architecture katmanlı mimari üzerine inşa edildi. Backend Node.js 20 LTS + Express.js + Socket.IO + MongoDB + Redis stack'i üzerinde çalışır. Flutter Mimari Katmanları: Presentation Layer: BLoC pattern ile reactive UI. Her ekran BlocBuilder/BlocListener ile state dinler. Google Maps widget, custom painter ile overlay animasyonları. Material Design 3 tema sistemi ile tutarlı görsel dil. Domain Layer: UseCase sınıflar ile is mantığı kapsülleme — CreateReservationUseCase, TrackDriverUseCase, RateDriverUseCase, CalculatePriceUseCase. Repository interface'leri bu katmanda tanımlanır, implementasyon Data layer'da. Data Layer: Repository implementasyonları, remote (API) ve local (Hive) data source'lar. Dio HTTP client ile interceptor pattern — auth token ekleme, retry logic (3 deneme, exponential backoff), response caching. Hive ile offline-first yaklaşım: rezervasyon geçmişi, favori şoförler ve kullanıcı tercihleri local'de saklanır. Socket.IO Entegrasyonu: socket_io_client Flutter paketi ile gerçek zamanlı iletişim. Bağlantı yönetimi: auto-reconnect (5 deneme, 2s-16s exponential backoff), heartbeat 25s, transport upgrade (polling → websocket). Event'ler: 'driver_location' (şoför GPS), 'trip_status' (durum değişikliği), 'eta_update' (tahmini süre), 'chat_message' (şoför-müşteri mesajlaşma). Her event StreamController'a aktarılır, BLoC'lar subscribe olur. Google Maps Katmani: google_maps_flutter plugin üzerinde custom ClusterManager — Supercluster algoritması ile zoom seviyesine göre marker gruplama. Custom marker: Canvas API ile araç kategorisi ikonu + şoför puanı badge. Animated polyline: AnimationController ile rota üzerinde hareket eden araç ikonu. Geofence: geolocator paketi ile müşteri lokasyona yaklaştığında auto-trigger. Node.js Backend: Express.js REST API — JWT auth, rate limiting (express-rate-limit), request validation (Joi). MongoDB + Mongoose ODM ile veri katmanı. Redis ile session cache, Socket.IO adapter (horizontal scaling) ve fiyat hesaplama cache. PM2 ile process management, cluster mode ile multi-core kullanımı. CI/CD Pipeline: GitHub Actions ile automated build — Flutter analyze + test + build (iOS .ipa + Android .aab). Fastlane ile App Store Connect ve Google Play Console otomatik upload. Backend: Docker container, AWS ECS deployment.

Araştırma Notları

Piyasa Araştırması ve Bulgular: Global Şoförlü Araç Kiralama Pazarı: - Global chauffeur service pazarı: $68.2B (2024), %6.8 CAGR büyüme — 2032'de $115B'a ulaşması bekleniyor - Türkiye ride-hailing pazarı: $0.56B (2024), VIP segment %18 pay ile en hızlı büyüyen alt kategori - Kurumsal ulaşım harcamaları: Türkiye'de yıllık $2.1B (özel şoför, taksi, transfer toplam) - VIP transfer talebi pandemi sonrası %85 arttı — hijyen ve özel araç tercihi kalıcı davranış değişikliği oldu - Dijital rezervasyon oranı: %23 (2020) → %51 (2024) — hızla dijitalleşme Rakip Analizi: Mevcut çözümler: Uber Black/Comfort (sınırlı araç seçeneği, şoför kalitesi tutarsız), BiTaksi (VIP odaklı değil), geleneksel rent-a-car firmaları (telefon bazlı, dijital deneyim zayıf). VIP segmentinde dedicated mobil platform Türkiye'de yok — Alfy bu boşluğu dolduran first-mover. Uluslararası Benchmarklar: - Blacklane (Almanya, $100M+ revenue): Premium chauffeur servisi, 50+ ülke, ortalama %32 kar marji - Wheely (UK/Rusya): Lüks segment odaklı, driver quality scoring sistemi ile fark yaratmış - Careem (BAE): VIP kategorisi toplam gelirin %22'si, en yüksek marjli segment Hedef Kitle Segmentasyonu: 1. Kurumsal Müşteriler (%45): CEO transferleri, müşteri ağırlama, havalimani karşılama — fatura ve raporlama önceliği 2. Özel Etkinlikler (%25): Düğün, gala, özel kutlama — araç görselligi ve dekorasyon seçenekleri önceliği 3. Bireysel Premium (%20): İş insanları, influencer'lar — hız ve konfor önceliği 4. Turist VIP (%10): Uluslararası ziyaretçiler — dil desteği ve güvenlik önceliği Kullanıcı Araştırması (40+ Anket + 6 Derinlemesine Görüşme): - %78'i 'fiyat şeffaflığı' birinci öncelik — önceden net fiyat görmek istiyor - %65'i 'şoför kalitesi garantisi' — puanlama sistemi ve profil bilgisi beklentisi - %58'i 'gerçek zamanlı takip' — şoförü haritada görmek güven veriyor - %71'i mevcut VIP hizmetlerdeki telefon bazlı rezervasyonu 'çağdışı' buluyor

Tasarım Süreci

Tasarım süreci 5 ana fazda yürütüldü: Faz 1 — Keşif ve Müşteri Araştırması (3 hafta): Mevcut VIP şoförlü araç kiralama firmaları ile 6 görüşme yapıldı — en büyük operasyonel sorun: telefon bazlı rezervasyonların %30'u iptal oluyor (yanlış anlama, unutma, iletişim kopukluğu). 40+ kişilik online anket ile müşteri beklentileri analiz edildi. Rakip uygulamalar (Uber, Blacklane, Wheely) detaylı UX audit'ten geçirildi. En önemli bulgu: VIP müşteri segmenti 'hız' ve 'güven' odaklı — minimum adimda rezervasyon ve şoför bilgisi şeffaflığı kritik. Faz 2 — Bilgi Mimarisi ve Kullanıcı Akışı (2 hafta): Rezervasyon akışı 4 adima sadeleştirildi: (1) Konum + Tarih/Saat, (2) Araç Kategorisi Seçimi, (3) Şoför Tercihi + Ek Hizmetler, (4) Ödeme ve Onay. Tab bar yapısı: Ana Sayfa (hızlı rezervasyon), Yolculuklarim (geçmiş + aktif), Bildirimler, Profil. Ana sayfada 'Hemen Çağır' (anlık) ve 'Rezervasyon Yap' (ileri tarih) iki ana aksiyon butonu — kullanıcı 2 dokunuşta süreci başlatabilir. Faz 3 — Wireframe ve Prototip (2.5 hafta): Figma'da 3 konsept hazırlandı: (A) Harita-öncelikli (Uber benzeri), (B) Katalog-öncelikli (araç vitrin görünümü), (C) Hibrit (harita + alt panel araç seçimi). 10 kişilik A/B guerilla test sonucu: Konsept C en yüksek görev tamamlama oranı (%92) — kullanıcılar hem konumlarını haritada görmek hem de araç seçeneklerini görsel olarak karşılaştırmak istiyor. Bottom sheet pattern ile harita + araç katalogu entegrasyonu optimal çözüm oldu. Faz 4 — Yüksek Sadakatli Tasarım (2 hafta): Teal-cyan renk paleti: güven, profesyonellik ve modernlik çağrışımı. Flutter Material Design 3 tema sistemi ile tutarlı görsel dil. Araç kartları: gerçek fotoğraf, kapasite ikonu (yolcu + bavul), özellik chip'leri (WiFi, şarj, su, gazete), net fiyat. Şoför profili: fotoğraf, isim, puan (yıldız), toplam yolculuk sayısı, araç bilgisi. Dark mode baştan tasarlandı — gece yolculukları için kritik. Custom animasyonlar: araç seciminde 3D perspective kaydırma, şoför yaklaşırken pulse animasyonu. Faz 5 — Kullanılabilirlik Testi ve İterasyon (1.5 hafta): 12 katılımcı ile moderasyonlu test (6 kurumsal, 4 bireysel, 2 turist profili). Temel bulgular: (1) Fiyat dökümü yetersiz → detaylı açımlanan maliyet kartı eklendi (baz fiyat + mesafe + süre + ek hizmet), (2) Şoför bekleme süresi belirsiz → 'Tahmini X dakika' canlı geri sayim eklendi, (3) İptal politikası görülmüyordu → rezervasyon ozetinde açık metin + checkbox onay. Son iterasyon sonrası görev tamamlama oranı %87'den %96'ya yükseldi, ortalama rezervasyon süresi 2.1 dakikadan 1.4 dakikaya düştü.

Sonuçlar & Etki

Alfy, 8 aylık geliştirme süreci sonrası başarılı bir lansman gerçekleştirdi: Kullanıcı Metrikleri: - 8.000+ aylık aktif kullanıcı (MAU) — aylık %30 organik büyüme - 30.000+ kümülatif indirme (iOS + Android toplam) - App Store'da 4.7 / Google Play'de 4.6 puan - D7 retention oranı: %35 (ulaşım kategorisi ortalaması %22) - Ortalama oturum süresi: 5.2 dakika - iOS/Android kullanıcı dağılımı: %55 iOS, %45 Android İş Etkisi: - Rezervasyon tamamlama süresi: telefon ile 8-12 dakikadan uygulama ile 90 saniyeye düşürüldü (%85 iyileşme) - Müşteri memnuniyeti: NPS 74 (VIP ulaşım sektoru ortalaması 45) - Şoför atama süresi: ortalama 3.5 dakika (manuel süreçte 25+ dakika) - Tekrar kullanım oranı: %52 (kurumsal segmentte %71) - Aylık ortalama 1.200+ tamamlanan yolculuk - Şoför iptal oranı: %4.2 (sektor ortalaması %12) Teknik Performans: - Crash-free oranı: %99.6 (Firebase Crashlytics, her iki platform) - App boyutu: iOS 42MB, Android 38MB - Cold start süresi: iOS <1.2s, Android <1.5s - Socket.IO bağlantı başarı oranı: %99.1 (reconnect dahil) - API yanıt süresi: p95 < 180ms - Şoför konum güncelleme gecikmesi: ortalama 1.8 saniye Kullanıcı Yorumları: - 'Şoför takibi mükemmel, tam zamanında geldi. Uber konforunu VIP araçlarla yaşıyorsunuz.' — iOS, 5 yıldız - 'Kurumsal toplantı transferlerimiz için vazgeçilmez oldu. Rezervasyon süreci çok hızlı.' — Android, 5 yıldız - 'Fiyatlar şeffaf, sürpriz yok. Araç seçenekleri geniş.' — iOS, 4 yıldız

Öğrenilen Dersler

Bu proje boyunca full-stack Flutter + Node.js geliştirmede birçok değerli teknik ders çıkarıldı: Flutter ile Gerçek Zamanli Harita Performansı: Google Maps Flutter plugin'i native SDK kadar performanslı değil — özellikle 50+ marker ve animasyonlu polyline'larda frame drop yaşanabiliyor. Çözüm: marker clustering ile gorunen marker sayısını 15-20'ye sınırlamak, custom marker'lari BitmapDescriptor.fromBytes ile önceden render etmek (her seferinde Canvas çizmek yerine cache'lemek) ve polyline noktalarıni Douglas-Peucker algoritması ile sadeleştirmek. Bu optimizasyonlar sonrası 60fps sabit performans elde edildi. Socket.IO + Flutter State Management: Socket.IO event'lerini doğrudan BLoC'a baglamak state tutarsızlığına yol acabiliyor — özellikle reconnect sonrası eski event'lerin tekrar işlenmesi problemi. Çözüm: Socket event'lerini önce bir SocketService katmanında filtrelemek (timestamp kontrolu, duplicate detection) ve ardindan StreamController üzerinden BLoC'a aktarmak. Bu ara katman hem test edilebilirligi artırdı hem de socket bağlantı yönetimini UI'dan tamamen ayirdi. Node.js Backend Ölçekleme: Socket.IO ile horizontal scaling yapmak için Redis Adapter zorunlu — varsayılan in-memory adapter tek sunucuda çalışır, ikinci instance eklediginde room'lar sync olmaz. Bunu production'da öğrendik ve 2 saatlik kesinti yaşadık. Ders: WebSocket tabanlı sistemlerde ilk günden Redis/NATS gibi message broker planlamak gerekir. BLoC Pattern Disiplini: BLoC'lari çok küçük parçalamak (örneğin her buton için ayrı BLoC) yönetim karmaşıklığını artırıyor, çok büyük tutmak ise test edilebilirligi düşürüyor. Ideal ölçek: ekran başına 1 ana BLoC + gerekiyorsa 1-2 alt Cubit. Bu projede 14 BLoC ve 8 Cubit ile optimal denge bulundu. BLoC event'lerinin isimlendirmesinde 'verb + noun' convention'i (LoadReservations, SubmitRating, UpdateLocation) tutarlılık sağladı. Cross-Platform UI Farklılıkları: Flutter 'write önce, run anywhere' vaadine rağmen platform-spesifik ayarlamalar gerekiyor. iOS'ta Cupertino back gesture, Android'de predictive back gesture farklı çalışır. Status bar rengi, safe area inset'leri ve keyboard davranışı platformlar arası farklılık gösterir. Platform.isIOS kontrolleri ile 12 noktada platform-spesifik davranış tanımlandı.