TL;DR: Talep tahmini kristal küre değildir; geçmiş satış verinizdeki örüntüleri — mevsimsellik, trend, kampanya etkisi — ayrıştırıp ileriye uzatan bir istatistik işidir. Yapay zeka bu ayrıştırmayı insandan çok daha hızlı ve çok daha fazla üründe yapar. Ama tahmin, veri olan yerde çalışır: yeni ürün, az satan ürün ve ani pazar kırılmaları her modelin kör noktasıdır. Doğru kullanım, tahmini emir değil bilgili bir öneri olarak okumaktır.
İki Uçta Sallanan Satıcı
Stok kararı, çoğu satıcının en pahalı tahmin oyunudur. Az alırsanız tam talep patladığında stoksuz kalırsınız: kaçan ciro bir yana, listeleme sıralamanız da düşer ve geri kazanması haftalar sürer. Çok alırsanız paranız raflarda uyur; depo dolar, kampanya dönemi gelir, nakit yoktur. Çoğu satıcı bu kararı içgüdüyle verir: geçen ay iyi gitti, biraz fazla alayım. İçgüdü tek ürünle uğraşırken fena çalışmaz; ama katalog yüze, kanal üçe çıktığında içgüdünün kapasitesi biter. Tahmin sistemleri tam bu noktada anlam kazanır — sezgiyi değiştirmek için değil, sezginin yetişemediği ölçeği taramak için.
Tahminin İçini Açmak: Sihir Değil, Üç Bileşen
Bir talep tahmin modelinin yaptığı şey özünde basittir: satış grafiğinizi bileşenlerine ayırır.
- Trend: Gürültüden arındırılmış uzun vadeli yön. Ürün büyüyor mu, plato mu yaptı, sönüyor mu? Aylık dalgalanmalar bu eğriyi gözden saklar; model saklayamaz.
- Mevsimsellik: Tekrarlayan döngüler. Yıllık döngü (yazın satan ürün), haftalık döngü (hafta sonu siparişleri), hatta ay içi döngü (maaş haftası etkisi). Model bu ritmi geçmiş yıllardan öğrenir ve ileriye taşır.
- Kampanya/olay etkisi: Büyük indirim dönemlerindeki sıçramalar. İyi bir tahmin kurgusu bu sıçramaları olağan talep sanmaz; ayrı bir etki olarak işaretler. Aksi hâlde model, kasım ayındaki kampanya zirvesini aralık için de bekler ve sizi fazla stoğa sürükler.
Geriye kalan kısım gürültüdür — kimsenin öngöremeyeceği rastgele dalgalanma. Dürüst bir tahmin, bu belirsizliği de söyler: nokta tahmin (gelecek ay 120 adet) değil, aralık (90–150 arası) veren yaklaşım her zaman daha kullanışlıdır, çünkü emniyet stoğu kararınızı o aralığın genişliği belirler.
Kurgusal Bir Sezon Hikâyesi
Üç kanalda outdoor ürünler satan bir satıcı düşünün. İki yıllık satış verisi birikmiş; her mayıs kamp ürünlerinde belirgin bir yükseliş var ama satıcı bunu hep o ay denk gelen kampanyaya bağlamış. Tahmin aracı veriyi ayrıştırınca tablo değişiyor: yükselişin büyük kısmı kampanyadan değil, mevsimsellikten geliyor — kampanya etkisi sanılandan küçük. Bu içgörü iki kararı birden değiştiriyor: satıcı mayıs stoğunu kampanya onayı beklemeden mart sonunda bağlıyor (tedarik süresi altı hafta) ve kampanya indirim derinliğini azaltıyor, çünkü talep zaten gelecek. Aynı araç bir uyarı da veriyor: geçen yıl çıkan yeni termos serisi için tahmin aralığı çok geniş — veri yetersiz. Satıcı orada modeli değil, küçük partili temkinli alımı seçiyor. Sonuç mükemmel bir sezon değil; ama bir önceki yılın iki büyük hatasının — mayıs stoksuzluğu ve gereksiz indirim — tekrarlanmadığı bir sezon.
Küçük Satıcı İçin Gerçekçi Başlangıç Yolu
- Önce veriyi tek yerde toplayın: Tahminin hammaddesi temiz satış geçmişidir. Kanallara dağılmış, iptal ve iadesi ayıklanmamış veriyle hiçbir model doğru çalışmaz. Çok kanallı satışta bu birleştirmeyi otomatik yapan bir panel (örneğin Tekciro) işin en sıkıcı yarısını ortadan kaldırır.
- Her ürüne aynı özeni göstermeyin: Cironuzu taşıyan az sayıda üründen başlayın. Yüz ürünün doksanı için kaba bir ortalama yeterliyken, ilk ondaki bir stoksuzluk gerçekten pahalıdır.
- Tahmini sipariş kararına çevirin: Tahmin tek başına süs verisidir. Formül pratikte şudur: tahmini günlük satış × tedarik süresi + emniyet payı − eldeki stok = sipariş ihtiyacı. Tahmin aralığı genişse emniyet payını büyütün.
- AI'dan bileşen yorumu isteyin: Hazır araç kullanmıyorsanız bile, aylık satış tablonuzu bir dil modeline verip şunu sorabilirsiniz: Bu seride trend, mevsimsellik ve olağan dışı ay var mı? Kampanya yaptığım aylar şunlar; bunların etkisini ayırarak önümüzdeki 3 ay için iyimser/kötümser senaryo kur. Çıktı kesin doğru olmaz ama sezginizi yapılandırır.
- Tahmin-gerçek farkını her ay karşılaştırın: Hangi ürünlerde tahmin tutuyor, hangilerinde sapıyor? Sapma örüntüsü, hem modele hem kendi varsayımlarınıza dair en değerli geri bildirimdir.
Tahmine Güvenmemeniz Gereken Yerler
- Yeni ürün: Geçmişi olmayan ürünün tahmini olmaz; en fazla benzer ürünlerin açılış eğrisinden kıyas yapılır. Burada küçük parti + hızlı tekrar sipariş, büyük tahminden her zaman güvenlidir.
- Az ve düzensiz satan ürünler: Ayda üç-beş adet satan üründe istatistik anlamlı örüntü bulamaz; basit min-max stok kuralı daha sağlıklıdır.
- Kırılma anları: Viral olan ürün, raftan kalkan rakip, ani mevzuat değişikliği — geçmişte izi olmayan hiçbir şeyi model bilemez. Bu sinyalleri insan izler ve tahmini elle ezer.
- Veri kirliliği: Stoksuz kaldığınız dönemler modele talep yokmuş gibi görünür; bu dönemleri işaretlemezseniz model düşük tahmin üretir ve sizi yeniden stoksuzluğa, yani kendi kendini doğrulayan bir döngüye sokar.
Sonuç
Yapay zekalı talep tahmini, geleceği bilen bir kâhin değil; geçmişinizi sizden daha sabırlı okuyan bir analisttir. Mevsimselliği, trendi ve kampanya etkisini ayrıştırır, size veriye göre beklenen tabloyu sunar. Pazarı, tedarikçiyi ve sokaktaki kırılmayı okumak ise hâlâ sizin işiniz. Tahmini öneri olarak alan, aralıkla düşünen ve her ay gerçekle yüzleştiren satıcı için bu ortaklık, stok kararını kumara benzemekten çıkarıp yönetilebilir bir riske dönüştürür.
