Kazanimlar:
- Koleksiyon, ürün yelpazesi planı (line plan), fiyat mimarisi ve ürün kategorisi dengesini kavrayıp yapay zekayı senaryo ve boşluk analizi için kullanabilme
- Bir sezonu kategori, fiyat ve renk açısından dengeli bir line plan taslağına yapay zeka desteğiyle dönüştürüp eksik ve fazlaları görebilme
- Yapay zekanın önerdiği ürün karmasının bir başlangıç senaryosu olduğunu, gerçek satış, marj ve kapasite verisiyle doğrulanması gerektiğini ayırt edebilme
Güzel tek parçalar bir koleksiyon yapmaz. Bir koleksiyon, birbiriyle konuşan, birbirini tamamlayan, birlikte bir mağazayı ve bir sezonu dolduran bir sistemdir. Bu sistemi tasarlayan araca ürün yelpazesi planı (line plan) denir: sezonda hangi ürünlerin, hangi kategorilerde, hangi fiyatlarda, hangi renklerde ve kaç seçenekle yer alacağını gösteren yapılandırılmış plan. Line plan, koleksiyonun "iskeletidir"; tek tek ürünler ise onun üzerine giydirilen ettir.
Koleksiyon planlamada birkaç kavram belirleyicidir. Kategori dengesi: üst giyim, alt giyim, dış giyim, elbise, aksesuar gibi grupların oranı. Fiyat mimarisi: giriş, orta ve üst fiyat seviyelerinin dağılımı — müşteri her bütçede bir şey bulabilmeli, marj korunmalı. Genişlik ve derinlik: kaç farklı model (genişlik) ve her modelin kaç renk/beden seçeneği (derinlik). Taşıyıcı ürünler ve moda ürünleri: her sezon satan güvenli "temeller" ile riskli ama dikkat çeken "moda parçaları" dengesi. Bu dengeler yanlışsa, koleksiyon ya sıkıcı ya dağınık, ya pahalı ya marjsız olur.
Yapay zeka line plan'da ne yapar
Line plan aslında bir senaryo ve denge problemidir ve yapay zeka bu tür yapılandırma işlerinde iyi bir taslak ortağıdır. Bir konsept ve hedefler verildiğinde: kategori dağılımı taslağı önerir, fiyat seviyelerine göre ürün sayısı senaryoları üretir, koleksiyondaki boşlukları (eksik kategori, eksik fiyat aralığı) işaret eder, renk-kategori matrisi kurar, taşıyıcı/moda ürün dengesini görünür kılar.
Ama kritik sınır şudur: yapay zeka sizin gerçek verinizi bilmez. Hangi ürünün geçen sezon ne kadar sattığını, marjınızı, üretim kapasitenizi, tedarikçinizin MOQ'sunu (minimum order quantity — bir modelin üretilebilmesi için gereken en düşük sipariş adedi) bilmez. Önerdiği karma bir başlangıç senaryosudur; gerçek satış, marj ve kapasite verisiyle doğrulanmadan uygulanamaz. Yapay zeka dengeyi görünür kılar; dengeyi sizin veriniz kurar.
İpucu: Yapay zekaya line plan yaptırırken elinizdeki geçmiş satış özetini (anonim, genel oranlar hâlinde) verin. "Geçen sezon dış giyim %20 satışın %35'ini yaptı" gibi bir bağlam, çıktıyı hayalden gerçeğe yaklaştırır.
Adım adım: hedeften line plan'a
Adım 1 — Hedefleri koy. Sezon için ciro/adet hedefi, kategori öncelikleri, fiyat aralığı ve konsept. Bunlar çerçevedir.
Adım 2 — Kategori iskeletini kur. Hangi kategoriler, hangi oranlarda. Yapay zekaya bir taslak dağılım önerttirin.
Adım 3 — Fiyat mimarisini yerleştir. Her kategoride giriş/orta/üst fiyat seviyelerine ürün dağıtın.
Adım 4 — Genişlik ve derinlik ata. Kaç model, her model kaç colorway/beden. MOQ ve kapasiteyi gözetin.
Adım 5 — Boşluk analizi ve doğrulama. Yapay zekaya planı verip eksik/fazlaları sorun; sonra gerçek satış ve marj verisiyle her satırı sınayın.
Aşağıdaki tablo basit bir line plan taslağını örnekler:
Kategori
Model sayısı
Fiyat seviyesi
Colorway
Rol
T-shirt
6
Giriş
3
Taşıyıcı
Gömlek
5
Orta
2
Karma
Ceket
3
Üst
2
Moda
Elbise
4
Orta-üst
2
Moda
Aksesuar
4
Giriş
2
Tamamlayıcı
Üç mini vaka
Vaka 1 — Boşluğun görünür olması. Bir marka, sezon planını yapay zekaya verip boşluk analizi istedi. Yapay zeka "orta fiyatta dış giyin yok; müşteri giriş ve üst arasında boşlukta kalıyor" dedi. Ekip bunu satış verisiyle kontrol etti, doğruydu ve iki orta fiyat ceket ekledi. Yapay zeka boşluğu gösterdi, insan veriyle teyit edip doldurdu.
Vaka 2 — Veriden kopuk plan. Bir ekip, yapay zekanın önerdiği "dengeli" karmayı geçmiş satışına bakmadan uyguladı. Yapay zeka her kategoriye eşit ağırlık vermişti; oysa markanın satışının yarısı tek bir kategoriden geliyordu. Sezon, güçlü kategoride yetersiz, zayıf kategoride fazla ürünle geçti; stok dengesizleşti. Ders: genel denge, sizin gerçek satış deseninizin yerini tutmaz.
Vaka 3 — MOQ tuzağı. Bir tasarımcı, yapay zekanın önerdiği geniş colorway planını sevdi: her modelde 4 renk. Ama tedarikçinin MOQ'su her renk için yüksekti; 4 renk üretmek stok ve nakit bağladı, bazı renkler satmadı. Ders: colorway derinliği MOQ ve satış hızıyla dengelenmelidir; yapay zeka bunu bilmez.
Dört kopyalanabilir şablon
1) Kategori iskeleti taslağı:
Sezon konseptim: [konsept]. Hedef kitle: [...].Geçen sezon satış oranlarım (anonim): [kategori: pay].Görev: Bu sezon için bir kategori dağılımı taslağı öner(kategori | önerilen model sayısı | gerekçe).Bu bir başlangıç senaryosu; gerçek veriyle ben ayarlayacağım.
2) Fiyat mimarisi dağıtıcı:
Kategorilerim ve model sayılarım: [liste].Fiyat seviyelerim: giriş [aralık], orta [aralık], üst [aralık].Görev: Her kategoriyi giriş/orta/üst seviyelere dağıt;her seviyede müşterinin seçenek bulmasını ve marj dengesini gözet.Tablo olarak ver. Marjı ben doğrulayacağım.
3) Boşluk (gap) analizi:
İşte taslak line plan'ım: [tablo].Görev: Boşluk analizi yap. (1) Eksik kategori/fiyat/renk var mı?(2) Fazla/tekrar eden var mı? (3) Taşıyıcı-moda ürün dengesi nasıl?Her tespiti gerekçelendir. Kararı ben satış verimle vereceğim.
4) Colorway ve derinlik dengeleyici:
Line plan'ım: [modeller + öngörülen colorway sayısı].Kısıtlarım: MOQ [değer], hedef stok devir hızı [not].Görev: Colorway derinliğini gözden geçir; hangi modelde renk azaltmak/artırmak mantıklı olur, gerekçesiyle öner.MOQ ve satış hızını dengele; kesin kararı ben vereceğim.
Zayıf prompt / Güçlü prompt
Zayıf prompt:
Bana bir koleksiyon planı yap.
Hedef, veri ve kısıt yok; çıktı genel ve markadan kopuk bir liste olur.
Güçlü prompt:
Rolün: bir koleksiyon planlama asistanı.Sezon: yaz, konsept "hafif şehirli". Kitle: 25-40 kadın, orta segment.Hedef: 30 model, kategori dengesi ve orta fiyat ağırlıklı.Geçen sezon (anonim): elbise satışın %30'u, gömlek %25, dış giyim %10.Kısıt: MOQ nedeniyle model başına en fazla 3 colorway.Görev: Kategori iskeleti + fiyat dağılımı + boşluk analizi taslağı üret.Bu bir başlangıç senaryosu; satış, marj ve kapasiteyle ben doğrulayacağım.
İkinci istem yapay zekaya gerçek çerçeveyi verir; çıktı yine gerçek veriyle doğrulanır.
Sık yapılan hatalar
- Genel dengeyi kendi satış deseninin yerine koymak. Her kategoriye eşit ağırlık, güçlü kategoriyi zayıflatır.
- Boşluk analizini veriyle teyit etmemek. Yapay zekanın gördüğü boşluk gerçek olmayabilir; satışla kontrol edilir.
- Colorway derinliğini MOQ'dan koparmak. Fazla renk stok ve nakit bağlar; satmayan renk zarar yazar.
- Marjı unutmak. Fiyat mimarisi yalnızca müşteri değil marj dengesidir; yapay zeka marjınızı bilmez.
- Planı bitmiş sanmak. Line plan bir senaryodur; satış, kapasite ve tedarikle canlı biçimde ayarlanır.
Dikkat: Yapay zekanın önerdiği "dengeli" bir line plan, sizin gerçek satış, marj ve üretim gerçeğinizle çakışmadan uygulanamaz. Denge kâğıtta değil, verinizde gerçekleşir.
Özetle
Line plan, koleksiyonun iskeletidir: hangi ürünün, hangi kategoride, fiyatta, renkte ve kaç seçenekle yer alacağını gösterir. Kategori dengesi, fiyat mimarisi, genişlik-derinlik ve taşıyıcı-moda ürün dengesi belirleyicidir. Yapay zeka bu yapılandırmada iyi bir taslak ortağıdır: dağılım senaryoları üretir, boşlukları gösterir, matris kurar. Ama sizin gerçek satış, marj, kapasite ve MOQ verinizi bilmez; önerdiği karma bir başlangıç senaryosudur. Süreç hedef koymak, kategori iskeleti kurmak, fiyat mimarisi yerleştirmek, genişlik-derinlik atamak ve boşluk analizi ile doğrulamaktır. Dengeyi yapay zeka görünür kılar, sizin veriniz kurar.
Uygulama görevi
Bir sezon için hayali ya da gerçek bir marka seçin. (1) Hedefleri (adet, kategori önceliği, fiyat aralığı) yazın. (2) "Kategori iskeleti taslağı" ile bir dağılım üretin (varsa anonim satış oranı verin). (3) "Fiyat mimarisi dağıtıcı" ile fiyat seviyelerine ürün dağıtın. (4) "Boşluk analizi" ile eksik/fazlaları çıkarın. (5) "Colorway dengeleyici" ile MOQ'yu gözeterek renk derinliğini ayarlayın ve yapay zekanın önerisinden hangi satırı gerçek veriyle neden değiştirdiğinizi yazın.
Kontrol listesi
- [ ] Kategori dengesini kendi satış desenimle kontrol ettim.
- [ ] Fiyat mimarisinde hem müşteri seçeneğini hem marjı gözettim.
- [ ] Boşluk analizini satış verisiyle teyit ettim.
- [ ] Colorway derinliğini MOQ ve satış hızıyla dengeledim.
- [ ] Line plan'ı bitmiş değil, canlı bir senaryo olarak ele aldım.
- [ ] Nihai ürün karması kararını gerçek veriyle insan olarak verdim.