Kazanimlar:
- Ciro, marj, dönüşüm, sepet büyüklüğü ve stok devir hızı gibi KPI'ları yapay zeka desteğiyle yorumlayıp raporlayabilme
- Ham satış verisinden yönetim özeti, anomali tespiti ve aksiyon önerisi taslağı çıkarabilme
- Yapay zekanın ürettiği analiz ve grafik yorumlarının kaynak veriyle ve hesapla doğrulanması gerektiğini kavrayabilme
Perakendede veri boldur ama içgörü nadirdir. Kasadan, e-ticaretten, stoktan her gün binlerce satır akar; asıl mesele bu ham veriyi "ne oluyor, neden oluyor, ne yapmalı?" sorularının cevabına çevirmektir. Bu ünitede yapay zekayı, ham satış verisinden yönetim özeti, KPI yorumu, anomali tespiti ve aksiyon önerisi üreten bir analist olarak kullanacaksınız. Yine altın kural geçerli: yapay zekanın ürettiği her sayı ve yorum, kaynak veriyle ve hesapla doğrulanmalıdır.
Temel kavramlar:
KPI (Key Performance Indicator - Anahtar Performans Göstergesi): İşin sağlığını özetleyen kritik ölçüler. Perakendede başlıcaları: ciro, brüt marj, dönüşüm oranı, ortalama sepet, stok devir hızı.
Dönüşüm oranı (conversion rate): Mağazaya giren/siteyi ziyaret eden kaç kişinin satın aldığı. 100 ziyaretçiden 4'ü aldıysa dönüşüm %4.
Ortalama sepet (basket size): İşlem başına düşen ortalama harcama.
Stok devir hızı (inventory turnover): Stoğun bir dönemde kaç kez döndüğü (satılıp yenilendiği). Yüksek = verimli nakit kullanımı.
Anomali: Verideki beklenmedik sıçrama veya düşüş; genellikle bir sorunun veya fırsatın erken sinyali.
Perakende KPI panosu
KPI
Ne söyler
Düşerse olası neden
Ciro
Toplam iş hacmi
Trafik/dönüşüm/fiyat düşüşü
Brüt marj
Satışın kârlılığı
Aşırı indirim, maliyet artışı
Dönüşüm oranı
Ziyaretin satışa dönüşü
Stoksuzluk, fiyat, deneyim sorunu
Ortalama sepet
İşlem başı değer
Çapraz satış zayıf, kampanya bitti
Stok devir hızı
Nakit verimliliği
Fazla/ölü stok
İade oranı
Ürün/beklenti uyumu
Yanlış içerik, kalite sorunu
İpucu: Tek KPI'ya bakıp karar vermeyin. Ciro artarken marj düşüyorsa, satışı indirimle "satın almışsınız" demektir. KPI'ları birlikte okuyun.
Yapay zeka ham veriyi nasıl özete çevirir?
Bir satış tablosunu (tarih, kategori, adet, ciro, iade) verip şunları isteyebilirsiniz:
- Özet: En iyi/en kötü performans, dikkat çeken değişimler.
- Karşılaştırma: Bu dönem vs. geçen dönem, mağaza vs. mağaza.
- Anomali: Beklenmedik sıçrama/düşüşler ve olası nedenleri.
- Aksiyon: Her bulgu için tek cümlelik öneri.
Yapay zeka bunu dakikalar içinde yapar; ama kritik: sayıları kendisi hesaplarken hata yapabilir. Bu yüzden çıktıdaki toplamları, yüzdeleri ve trendleri kaynak veriyle doğrulayın.
Anomali tespiti: erken uyarı
Bir günün cirosunun aniden yarıya inmesi; bir kategorinin iade oranının iki katına çıkması; bir mağazanın diğerlerine benzemeyen düşüşü. Bunlar veri hatası, stoksuzluk, fiyat yanlışı veya operasyonel sorunun sinyali olabilir. Yapay zeka bu sapmaları işaretler ama nedenini varsayar, doğrulamaz. "Ciro düştü çünkü stoksuzdunuz" bir hipotezdir; siz stok verisine bakıp doğrularsınız.
Dikkat: Yapay zeka bazen olmayan bir "trend" veya "neden" uydurabilir (halüsinasyon). Bir yorumu aksiyona çevirmeden önce "bu veride gerçekten görünüyor mu?" diye kaynağa dönün.
Adım adım analiz
- Anonim, temiz veri hazırla: Kişisel bilgi yok; tarih, kategori/SKU, adet, ciro, marj, iade.
- Soruyu netleştir: "Ne oldu?" (özet), "neden?" (kök neden), "ne yapmalı?" (aksiyon).
- Özet ve anomali istet: Sadece verideki sayıya dayanma kuralıyla.
- Doğrula: Toplam ve yüzdeleri elle/tabloyla kontrol et; nedenleri kaynak veriyle sına.
- Aksiyona çevir: Doğrulanmış bulguları önceliklendirip karar al.
Mini vakalar
Vaka 1 — Anomali erken uyarı: Bir zincir mağazada bir şubenin cumartesi cirosu haftalık ortalamasının %55 altında çıkıyor. Yapay zeka bunu anomali olarak işaretliyor. İnceleme, o gün POS (kasa) sisteminin 3 saat çöktüğünü ortaya çıkarıyor; ciro kaybı gerçek değil, kayıt sorunu. Rapor düzeltiliyor, teknik arıza kayda alınıyor. Yapay zeka "talep düştü" deseydi yanlış aksiyon alınacaktı.
Vaka 2 — Ciro-marj çelişkisi: Bir e-ticaret aylık cirosunun %14 arttığını görüp seviniyor. Yapay zeka KPI yorumunda brüt marjın %6 puan düştüğünü, artışın ağır indirimlerle geldiğini gösteriyor. Yönetim indirim yoğunluğunu gözden geçiriyor; "büyüyoruz" yanılsaması yerine kârlı büyümeye odaklanılıyor.
Vaka 3 — Doğrulama halüsinasyonu yakalıyor: Bir analist, yapay zekanın "içecek kategorisi %30 büyüdü" özetini kaynak veriyle karşılaştırıyor; gerçek artış %12. Yapay zeka birkaç haftayı yanlış toplamış. Analist düzeltiyor. Doğrulama adımı olmasa yanlış bir büyüme hikâyesi yönetime sunulacaktı.
Doğru kıyaslama: elmayı elmayla karşılaştırmak
Satış analizinin en sık hatası yanlış kıyaslamadır. Bir haftanın cirosunu bir öncekiyle karşılaştırmak, arada bir resmi tatil, hava olayı veya kampanya varsa yanıltır. Perakendede sağlıklı kıyaslama genellikle benzer dönem üzerinedir: geçen yılın aynı haftası, aynı gün tipi (cumartesi ile cumartesi), aynı kampanya durumu. Yapay zekaya kıyaslama yaptırırken bu bağlamı verin: "geçen haftayla değil, geçen yılın aynı haftasıyla karşılaştır çünkü bu hafta bayram tatili var."
LFL (Like-for-Like / kıyaslanabilir mağaza satışı): Yalnızca en az bir yıldır açık olan mağazaların satışını karşılaştıran ölçüttür. Yeni açılan mağazaların cirosunu toplama katıp "büyüdük" demek yanıltıcıdır; asıl mesele mevcut mağazaların organik olarak büyüyüp büyümediğidir. Zincir yönetiminde LFL, gerçek performansın en dürüst göstergelerinden biridir.
İpucu: Bir sayı size iyi ya da kötü görünüyorsa, "neye göre?" diye sorun. Referans (geçen yıl, hedef, benzer mağaza) olmadan hiçbir KPI tek başına anlam taşımaz. Yapay zekadan yorum isterken referansı da siz verin.
Zayıf prompt / Güçlü prompt
Zayıf prompt:
Bu satış verisini yorumla.
Soru belirsiz; yüzeysel, doğrulanamaz yorum döner.
Güçlü prompt:
Rolün: perakende satış analisti.Veri: Aşağıda son 8 haftanın kategori bazlı ciro, adet, marj veiade sayısı var (anonim).Görev: (1) En iyi ve en zayıf 3 kategori,(2) geçen haftaya göre dikkat çeken 3 değişim,(3) beklenmedik sapma (anomali) var mı, olası nedenini HİPOTEZolarak işaretle, (4) her bulgu için tek cümle aksiyon.Kural: Sadece verideki sayıya dayan, dışarıdan bilgi ekleme.Hesapladığın yüzdeleri göster ki doğrulayabileyim.Biçim: madde madde, en fazla 250 kelime. Veri: [yapıştır]
Kopyalanabilir prompt şablonları
1) Haftalık yönetim özeti
Aşağıdaki anonim haftalık satış verisinden yönetim özeti çıkar:en iyi/zayıf kategoriler, önemli değişimler, 3 aksiyon önerisi.Sadece verideki sayıyı kullan, yüzdeleri göster. Veri: [yapıştır]
2) KPI hesaplama ve yorum
Bu veriden şu KPI'ları hesapla: ciro, brüt marj %, ortalama sepet,iade oranı. Geçen dönemle karşılaştır ve her birinin ne anlamageldiğini tek cümleyle yorumla. Hesabı göster. Veri: [yapıştır]
3) Anomali tespiti
Aşağıdaki günlük/haftalık seride beklenmedik sıçrama veya düşüşvar mı? Her anomaliyi işaretle ve OLASI nedenini hipotez olarak(kanıt değil) belirt, hangi veriyle doğrulanmalı yaz. Veri: [yapıştır]
4) Çıktı doğrulama
Az önce ürettiğin özetteki tüm sayısal iddiaları listele. Her biriiçin hangi satırlardan/kolonlardan geldiğini göster ki kaynakveriyle karşılaştırabileyim. Emin olmadıklarını işaretle.
Sık yapılan hatalar
- Tek KPI'ya bakmak: Ciro-marj-dönüşümü birlikte okumamak yanıltır.
- Sayıları doğrulamamak: Yapay zeka toplam/yüzde hatası yapabilir.
- Hipotezi gerçek sanmak: "Neden" çoğu zaman varsayımdır; kaynağa dönün.
- Halüsinasyon trendine güvenmek: Veride olmayan artış/desen uydurulabilir.
- Anonimleştirmeyi atlamak: Rapor verisi de kişisel bilgi içerebilir.
- Aksiyonsuz rapor: Bulgu aksiyona bağlanmazsa analiz boşa gider.
Özetle
İyi satış analizi ham veriyi "ne oldu, neden, ne yapmalı" cevaplarına çevirir. KPI'ları birlikte okuyun; ciro artarken marja bakın. Yapay zeka özet, KPI yorumu ve anomali tespitini hızlandırır ama sayıları hesap hatası yapabilir ve nedenleri uydurabilir. Her sayıyı ve yorumu kaynak veriyle doğrulayıp aksiyona çevirin.
Uygulama görevi
Son 8 haftanın kategori bazlı ciro, marj ve iade verisini anonim bir tabloya alın. "1) Haftalık yönetim özeti" ile özet çıkarın, "3) Anomali tespiti" ile sapmaları bulun, ardından "4) Çıktı doğrulama" promptuyla sayıları kaynak veriyle karşılaştırın.
Kontrol listesi
- [ ] Rapor verisini anonimleştirdim.
- [ ] KPI'ları birlikte (ciro + marj + dönüşüm) okudum.
- [ ] Yapay zekanın hesapladığı sayıları doğruladım.
- [ ] Anomalilerin nedenini kaynak veriyle sınadım.
- [ ] Hipotez ile kanıtı ayırdım.
- [ ] Her bulguyu bir aksiyona bağladım.