Kazanimlar:
- Geçmiş satış verisi, sezonluk etki ve dış faktörleri birleştirerek yapay zeka desteğiyle SKU bazında talep tahmini taslağı üretebilme
- Tahmin doğruluğunu (MAPE, sapma) yorumlayıp aşırı ve düşük tahminin ticari sonuçlarını ayırt edebilme
- Yapay zekanın ürettiği tahminin bir öngörü olduğunu, nihai sipariş kararının stok maliyeti ve nakit akışıyla birlikte yöneticiye ait olduğunu koruyabilme
Perakendede en pahalı iki hata vardır: gereğinden fazla stok tutup parayı rafta çürütmek, ya da yeterince stok tutmayıp müşteriyi eli boş göndermek. İkisinin de kaynağı aynıdır: kötü talep tahmini. Bu ünitede yapay zekayı, geçmiş satıştan geleceği öngören güçlü bir asistan olarak nasıl kullanacağınızı öğreneceksiniz. Ama baştan söyleyelim: tahmin bir kehanet değil, olasılıklı bir öngörüdür. Yapay zeka size bir sayı verir; o sayıyı sipariş kararına çevirmek sizin işinizdir.
Talep tahmini: Bir ürün veya kategoriden gelecekte ne kadar satılacağını, geçmiş veri ve etkileyen faktörlere bakarak öngörme işidir.
SKU (Stock Keeping Unit): Her farklı ürün-varyant için tutulan tekil stok kodudur. Örneğin "kırmızı, 42 numara spor ayakkabı" bir SKU'dur; aynı modelin 43 numarası ayrı bir SKU'dur.
Tahmini besleyen üç bilgi kaynağı
İyi bir tahmin üç şeyi birleştirir:
- Geçmiş satış (temel): Ürünün son 12-24 ayki haftalık/aylık satışı. Yapay zeka bu seriden bir "normal" seviye çıkarır.
- Sezonluk ve takvim etkileri: Bayram, okul dönemi, yaz-kış, hafta sonu, maaş günü. Örneğin dondurma yazın, çorap kışın artar.
- Dış faktörler: Kampanya, fiyat değişimi, hava durumu, rakip hareketi, açılış/kapanış. Bunlar tahmini yukarı veya aşağı iter.
İpucu: Yapay zekaya sadece "geçen ay 100 sattık" demeyin. "Geçen ay 100 sattık ama %20 indirim vardı ve bayram haftasıydı" deyin. Bağlam olmadan tahmin yanıltıcı olur.
Adım adım tahmin üretimi
- Veriyi hazırla: Anonim, temiz bir tablo: tarih, SKU, satış adedi, fiyat, kampanya var/yok, stok durumu. Stoksuz kalınan günleri işaretleyin; yoksa yapay zeka o günü "talep düşük" sanır.
- Bağlamı ver: Sezon, yaklaşan etkinlikler, planlanan kampanyaları yazın.
- Tahmin iste: SKU veya kategori bazında, belirli bir dönem için tahmin ve bir güven aralığı (en kötü/en iyi senaryo) isteyin.
- Doğruluğu ölç: Geçmiş tahminlerinizi gerçekle karşılaştırın (aşağıda MAPE).
- Karara çevir: Tahmini emniyet stoğu ve bütçeyle birleştirip sipariş kararını siz verin.
Tahmin doğruluğunu okumak: MAPE ve sapma
MAPE (Ortalama Mutlak Yüzde Hata): Tahminlerin gerçek satıştan ortalama yüzde kaç saptığını gösterir. Formülü basitçe: her dönem için |gerçek − tahmin| / gerçek, bunların ortalaması.
- MAPE %10 → tahminler ortalama %10 sapıyor, oldukça iyi.
- MAPE %40 → tahminler güvenilmez, sipariş kararında daha çok tampon (emniyet stoğu) gerekir.
Yön (bias/sapma): Tahmininiz sürekli gerçeğin üstünde mi (fazla stok riski), altında mı (stoksuzluk riski)? Bunu ayrıca izleyin; MAPE yönü göstermez.
Durum
Anlamı
Ticari sonuç
Sürekli yüksek tahmin
Talebi abartıyorsunuz
Fazla stok, indirimle eritme, marj kaybı
Sürekli düşük tahmin
Talebi hafife alıyorsunuz
Stoksuzluk, kaçan satış, memnuniyetsizlik
Yüksek MAPE, dengeli yön
Belirsizlik yüksek
Emniyet stoğunu artır, sık gözden geçir
Düşük MAPE
İsabetli tahmin
Daha yalın stok, daha iyi nakit
Mini vakalar
Vaka 1 — Sezonluğu kaçırmak: Bir market, okul defterini geçen yılın Temmuz satışına bakarak sipariş ediyor (aylık 200 adet). Yapay zekaya "Ağustos-Eylül okul dönemi, geçen yıl bu dönemde satış 4 katına çıktı" bağlamı verilince tahmin 200 yerine 780 adete çıkıyor. Doğru sipariş sayesinde okul döneminde stoksuz kalınmıyor; önceki yıl kaçan tahmini 60.000 TL ciro bu yıl yakalanıyor.
Vaka 2 — Stoksuz günü saymamak: Bir mağaza, popüler bir kahveden 3 hafta stoksuz kalmış. Ham veriye bakan yapay zeka o haftaları "haftada 5 satış" olarak görüyor ve düşük tahmin veriyor. Analist stoksuz günleri işaretleyip "bu haftalar talebi yansıtmıyor" deyince tahmin haftalık 45'e çıkıyor. Gerçek talep ortaya çıkıyor.
Vaka 3 — Kampanya etkisini genellemek: Bir tekstil zinciri, %50 indirimli hafta satışını (600 adet) "normal" kabul edip sürekli 600 sipariş ediyor. Yapay zekaya "bu satış tek seferlik kampanyayla oldu, normal hafta 180" denince tahmin düzeltiliyor. Fazla stok riski ve sonraki markdown zararı önleniyor.
Tahmin ufku: ne kadar ileriyi görebilirsiniz?
Tahmin ufku (forecast horizon): Tahminin ne kadar ilerisi için yapıldığıdır. Kural basittir: ufuk uzadıkça belirsizlik artar. Gelecek haftanın satışını görece isabetli tahmin edersiniz; altı ay sonrasını çok daha geniş bir aralıkla. Bu yüzden tahmin ufkunu sipariş kararının ihtiyacına göre seçin: hızlı tükenen taze ürün için kısa ufuk ve sık güncelleme; uzun tedarik süreli ithal ürün için daha uzun ufuk ve daha geniş emniyet payı.
Bir başka önemli ayrım yeni ürün tahminidir. Yeni bir SKU'nun geçmiş satışı yoktur; bu durumda yapay zekaya benzer ürünlerin (analog) geçmişini, kategori ortalamasını ve lansman planını verirsiniz. "Bu ürünün geçmişi yok; benzer X ve Y ürünlerinin ilk 8 haftasına bakarak bir başlangıç tahmini ver" demek, boşluğu doldurmanın makul yoludur. Ancak yeni ürün tahmini her zaman daha risklidir; ilk haftaların gerçek verisi geldikçe tahmini hızla revize edin.
Dikkat: Tahmini "bir kez yap ve unut" muamelesi yapmayın. Talep tahmini canlı bir süreçtir; her yeni satış haftası tahmini güncellemek için bir fırsattır. En iyi tahminciler en akıllı modeli değil, en sık güncelleyeni kullananlardır.
Zayıf prompt / Güçlü prompt
Zayıf prompt:
Bu ürünün gelecek ay ne kadar satacağını söyle.
Bağlam yok; yapay zeka rastgele bir sayı uydurur.
Güçlü prompt:
Rolün: talep planlama uzmanı.Veri: Aşağıda SKU 4471 için son 18 ayın aylık satış adedi,fiyatı ve o ay kampanya olup olmadığı var.Bağlam: Bu ürün yazlık sandalet; talep Mayıs-Ağustos zirve yapıyor.Gelecek ay Haziran. Planlanan kampanya yok. Fiyat sabit.Görev: Haziran için (1) beklenen satış adedi,(2) en kötü ve en iyi senaryo aralığı,(3) tahmini etkileyen 2 ana faktör.Kural: Stoksuz işaretli ayları talep düşüklüğü sayma.Sadece verilen veriye dayan.Veri: [tabloyu yapıştır]
Kopyalanabilir prompt şablonları
1) SKU bazlı tahmin
Rolün: talep planlama uzmanı. Aşağıdaki anonim aylık satışserisinden [SKU] için gelecek [dönem] tahminini üret.Çıktı: beklenen adet + en kötü/en iyi aralık + 2 varsayım.Stoksuz işaretli dönemleri hariç tut. Veri: [yapıştır]
2) Sezonluk desen çıkarma
Aşağıdaki 24 aylık satış serisinde tekrarlayan sezonluk desenibul. Hangi aylar zirve, hangi aylar dip? Yüzde olarak ortalamayagöre sapmayı ver. Tablo halinde sun. Veri: [yapıştır]
3) Tahmin doğruluğu değerlendirme
Aşağıda geçmiş tahminlerim ve gerçek satışlar var. (1) MAPE'yihesapla, (2) tahminim sürekli yüksek mi düşük mü sapıyor,(3) bunun stok açısından anlamı ne? Adım adım göster.Veri: [tahmin, gerçek sütunları]
4) Kampanya etkisini ayıklama
Aşağıdaki satış serisinde kampanyalı haftalar işaretli. Normal(kampanyasız) talebi tahmin et; kampanya etkisini ayrı bir upliftyüzdesi olarak ver. Böylece normal sipariş seviyesini görmekistiyorum. Veri: [yapıştır]
Sık yapılan hatalar
- Bağlam vermemek: Kampanya, sezon, fiyat değişimi belirtilmezse tahmin yanıltıcı olur.
- Stoksuz günleri talep sayıp saymamak: Stoksuz dönem gerçek talebi gizler; işaretleyin.
- Kampanyalı satışı normal kabul etmek: Tek seferlik yükselişi kalıcı sanmak fazla stoğa yol açar.
- Tek bir sayıya güvenmek: Aralık (senaryo) istemeyip tek noktaya bel bağlamak riski gizler.
- Doğruluğu hiç ölçmemek: MAPE ve yön izlenmezse tahmin gitgide kötüleşir.
- Tahmini doğrudan sipariş yapmak: Nakit, depo ve raf ömrü kontrolü olmadan sipariş vermek.
Özetle
İyi tahmin geçmiş satışı, sezonluğu ve dış faktörleri birleştirir. Yapay zekaya bağlamı (kampanya, sezon, stoksuz günler) mutlaka verin. Tahmin doğruluğunu MAPE ve sapma yönüyle izleyin; yüksek belirsizlikte emniyet stoğunu artırın. Tahmin bir öngörüdür; nihai sipariş kararı bütçe ve kısıtlarla birlikte sizindir.
Uygulama görevi
En çok satan 5 SKU'nuzun son 12-18 ayki satışını anonim bir tabloya alın, stoksuz ve kampanyalı dönemleri işaretleyin. "1) SKU bazlı tahmin" promptuyla gelecek dönem tahmini üretin, ardından "3) Tahmin doğruluğu değerlendirme" ile geçmiş tahminlerinizin MAPE'sini çıkarın. Sonucu kendi sipariş kararınızla karşılaştırın.
Kontrol listesi
- [ ] Satış verimi anonimleştirdim ve temizledim.
- [ ] Stoksuz ve kampanyalı dönemleri işaretledim.
- [ ] Yapay zekaya sezon ve dış faktör bağlamını verdim.
- [ ] Tek sayı değil, senaryo aralığı istedim.
- [ ] MAPE ve sapma yönünü kontrol ettim.
- [ ] Sipariş kararını bütçe ve kısıtlarla ben verdim.