Kazanimlar:
- Metrekare verimliliği, reyon sıcaklığı ve müşteri akışını yapay zeka desteğiyle analiz edip yerleşim önerileri üretebilme
- Planogram, çapraz satış ve kategori kümeleme mantığını yapay zeka ile taslak halinde tasarlayabilme
- Yapay zeka önerilerinin mağaza gerçeği, güvenlik ve mevzuatla (ör. tütün/alkol teşhir kuralları) doğrulanması gerektiğini kavrayabilme
Bir mağazanın metrekaresi para demektir. O metrekareye ne koyduğunuz, müşterinin nasıl dolaştığı, hangi ürünün göz hizasında durduğu; hepsi satışı doğrudan etkiler. Fiziksel mağazada "sanal vitrin optimizasyonu" yoktur ama benzer bir bilim vardır: kategori yönetimi ve reyon planlama. Bu ünitede yapay zekayı, satış ve alan verisinden yerleşim önerileri üreten bir analist olarak kullanacaksınız. Yine kritik uyarı: yapay zeka bir taslak sunar; güvenlik, mevzuat ve mağaza gerçeğiyle doğrulamak sizin işinizdir.
Temel kavramlar:
Planogram: Bir reyondaki her ürünün hangi rafta, hangi yükseklikte, kaç yüz (facing) ile duracağını gösteren görsel yerleşim planıdır.
Facing (yüz): Bir ürünün rafta öne bakan yüzeyi. Daha çok yüz, daha çok görünürlük ve daha az stoksuz görünme demektir.
Metrekare verimliliği: Bir reyonun veya kategorinin, kapladığı alan başına ürettiği ciro/kârdır. "Bu rafın her metrekaresi ayda kaç TL kazandırıyor?" sorusunun cevabıdır.
Reyon sıcaklığı (hot/cold zones): Müşterinin yoğun geçtiği "sıcak" bölgeler ile az uğradığı "soğuk" bölgeler. Sıcak bölge değerli ürünlere, soğuk bölge trafik yaratmayan zorunlu ürünlere ayrılır.
Müşteri akışının temel mantığı
Çoğu müşteri mağazaya girince sağa yönelir, çevre boyunca (perimeter) dolaşır. Bu yüzden:
- Giriş bölgesi (dekompresyon): Müşteri henüz "alışveriş moduna" geçmemiştir; buraya kritik ürün değil, karşılama/kampanya konur.
- Göz hizası rafı: En değerli alan; yüksek marjlı veya hedef ürünler buraya.
- Alt/üst raflar: Daha az görülür; fiyat odaklı veya niş ürünler.
- Kasa önü: Dürtüsel (impulse) küçük ürünler; bekleme anında sepete eklenir.
- Zorunlu ürünler (süt, ekmek): Genellikle en dipte; müşteri onlara giderken tüm mağazayı görür.
İpucu: Yapay zekaya mağaza planınızı ve kategori satışlarını verip "hangi kategori sıcak bölgede olmalı, hangisi metrekare verimliliği düşük" diye sorun. Ama önerdiği her taşımayı fiziksel raf ölçüsü ve güvenlikle doğrulayın.
Çapraz satış ve komşuluk (adjacency)
Birlikte kullanılan ürünler yan yana konunca sepet büyür: makarna–salça, cips–gazoz, kahve–filtre. Yapay zeka, birlikte satın alınan ürünleri (sepet analizi) bulup komşuluk önerileri çıkarabilir. Buna market basket analysis (sepet analizi) denir: fişlerdeki ürün birlikteliklerinden "bunu alan şunu da alıyor" desenlerini bulur.
Yerleşim aracı
Ne yapar
Yapay zekanın katkısı
Planogram
Raf yerleşimini planlar
Satışa göre facing ve yer önerisi taslağı
Sepet analizi
Birlikte alınanları bulur
Fiş verisinden komşuluk deseni çıkarır
Metrekare verimliliği
Alan başı kârı ölçer
Düşük verimli reyonları işaretler
Isı haritası (akış)
Müşteri yoğunluğunu gösterir
Sıcak/soğuk bölge yorumu ve öneri
Mevzuat ve güvenlik: pazarlık dışı
Bazı yerleşim kuralları yasadan gelir ve yapay zeka bunları bilmeyebilir:
- Tütün ürünleri: Vitrinde/açıkta teşhir çoğu ülkede/yerde yasaktır; kapalı dolapta tutulur.
- Alkol: Satış saatleri ve teşhir kısıtlarına tabidir.
- Yaş sınırlı ürünler: Çocukların erişebileceği yerlere konmaz.
- Gıda güvenliği: Soğuk zincir ürünleri dolap dışına, ağır ürünler yüksek raflara konmaz (düşme riski).
- Yangın/tahliye: Koridor genişliği ve acil çıkış önü boş kalmalı.
Dikkat: Yapay zekanın "bu ürünü girişe, göz hizasına al" önerisi ticari olarak mantıklı olsa bile mevzuata aykırıysa uygulanamaz. Her planogramı yerel kurallarla süzün.
Adım adım yerleşim analizi
- Veriyi topla: Kategori/SKU satışı, kapladığı raf uzunluğu, marj, sepet birliktelikleri, mağaza krokisi.
- Verimliliği hesaplat: Hangi kategori alanına göre az kazandırıyor?
- Komşuluk önerisi al: Sepet analizinden çapraz satış fırsatları.
- Taslak planogram üret: Sıcak bölge, göz hizası, facing önerileri.
- Süz ve uygula: Mevzuat, güvenlik, fiziksel gerçek ve müşteri deneyimiyle doğrula, mağaza ekibiyle uygula.
Mini vakalar
Vaka 1 — Metrekare verimliliği: Bir markette şarküteri reyonu, satış alanının %12'sini kaplıyor ama cironun sadece %5'ini üretiyor. Yapay zeka verimlilik analizinde bunu işaretliyor. Reyon %8'e daraltılıp boşalan sıcak alana yüksek marjlı atıştırmalık geliyor. Üç ayda kategori metrekare verimliliği %22 artıyor; şarküteri satışı ise daralmaya rağmen neredeyse sabit kalıyor.
Vaka 2 — Çapraz satış komşuluğu: Bir yapı market, sepet analizinde matkap alanların %38'inin aynı fişte matkap ucu da aldığını buluyor ama iki ürün farklı koridorlarda. Yapay zeka komşuluk önerisiyle uçları matkabın yanına aldırıyor. Uç satışı 6 haftada %27 artıyor; ek ciro kalıcı hale geliyor.
Vaka 3 — Mevzuat süzgeci kurtarıyor: Bir bakkal, yapay zekaya "en çok kazandıran ürünleri girişe, göz hizasına koy" dedirtiyor. Öneri listesinde sigara da çıkıyor. Sorumlu, mevzuat süzgecinde bunu yakalayıp öneriden çıkarıyor; açıkta teşhir yasağı ihlali ve cezası önleniyor.
Zayıf prompt / Güçlü prompt
Zayıf prompt:
Mağazamı nasıl dizeyim?
Veri, kroki ve kısıt yok; genel geçer klişe döner.
Güçlü prompt:
Rolün: kategori ve reyon planlama uzmanı.Veri: Aşağıda kategorilerin aylık cirosu, marjı ve kapladığı rafmetresi var. Ayrıca sepet analizinden birlikte alınan ürün çiftleri.Mağaza girişten kasaya sağdan dolaşımlı.Görev: (1) metrekare verimliliği düşük 3 kategoriyi işaretle,(2) sıcak bölgeye taşınmalı 2 kategori öner,(3) 2 çapraz satış komşuluğu öner.Kısıt: Tütün ve alkol teşhir kurallarına aykırı öneri verme;soğuk zincir ürünlerini dolap dışına önerme.Önerileri gerekçesiyle tablo yap.Veri: [yapıştır]
Kopyalanabilir prompt şablonları
1) Metrekare verimliliği analizi
Aşağıdaki kategorilerin ciro, marj ve kapladığı raf metresinikullanarak metrekare verimliliğini hesapla. En verimli ve enverimsiz 3'er kategoriyi listele. Tablo ver. Veri: [yapıştır]
2) Çapraz satış komşuluğu
Aşağıdaki birlikte alınan ürün çiftlerinden (sepet analizi) reyonkomşuluğu önerileri çıkar. En güçlü 5 birlikteliği ve önerilenyerleşimi ver. Veri: [yapıştır]
3) Taslak planogram
Şu kategori için raf yerleşimi taslağı öner: hangi ürün gözhizasında, hangisi altta/üstte, facing dağılımı ne olsun?Marj ve satış hızını temel al. Mevzuat kısıtlarını [belirt].Ürün listesi: [yapıştır]
4) Mevzuat/güvenlik süzgeci
Aşağıdaki yerleşim önerilerini mevzuat ve güvenlik açısındandenetle: tütün/alkol teşhiri, yaş sınırı, soğuk zincir, koridorve acil çıkış. Uygulanamaz olanları işaretle. Öneri: [yapıştır]
Sık yapılan hatalar
- Sadece ciroya bakmak: Alanı çok kaplayıp az kazandıran kategori verimsizdir; metrekare verimliliğine bakın.
- Mevzuatı yapay zekaya güvenmek: Tütün/alkol/yaş kuralları insan tarafından süzülmeli.
- Fiziksel gerçeği ihmal etmek: Raf ölçüsü, ürün ağırlığı, koridor genişliği önerinin uygulanabilirliğini belirler.
- Çapraz satışı zorlamak: İlgisiz ürünleri yan yana koymak müşteriyi şaşırtır; veriye dayanın.
- Müşteri deneyimini unutmak: Aşırı optimizasyon labirent gibi mağaza yaratıp memnuniyeti düşürebilir.
- Bir kez kurup unutmak: Yerleşim sezonla ve satışla düzenli gözden geçirilmeli.
Özetle
Mağaza yerleşimi bir alan-verimliliği ve müşteri-akışı bilimidir. Yapay zeka satış, marj ve sepet verisinden verimlilik, komşuluk ve planogram taslakları üretir. Ama tütün/alkol teşhiri, güvenlik ve fiziksel gerçek pazarlık dışıdır; her öneriyi mevzuat ve mağaza gerçeğiyle süzüp uygulayın.
Uygulama görevi
Mağazanızdaki kategorilerin aylık cirosunu, marjını ve kapladığı raf metresini bir tabloya alın. "1) Metrekare verimliliği analizi" ile en verimsiz kategorileri bulun, sepet verinizle "2) Çapraz satış komşuluğu" önerileri çıkarın. Son olarak tüm önerileri "4) Mevzuat/güvenlik süzgeci"nden geçirin.
Kontrol listesi
- [ ] Kategori ciro, marj ve alan verisini topladım.
- [ ] Metrekare verimliliğini hesapladım.
- [ ] Sepet analizinden çapraz satış komşuluğu çıkardım.
- [ ] Tütün/alkol/yaş ve güvenlik kurallarını süzdüm.
- [ ] Fiziksel raf gerçeğini doğruladım.
- [ ] Yerleşimi düzenli gözden geçirme planı kurdum.