Sezonluk Talep Tahmini ve AI ile Stok Yönetimi: Fazla Stok Yakmadan Satış Yapmanın Yolu
Her Ramazan öncesi fazla sipariş verip her yaz sezonu kapanışında ölü ürün listesiyle baş başa kalanlar için: ABC analizi, JIT ve yapay zeka tahmin modelleriyle stoğu kâra dönüştürmenin pratik rehberi.
Deponuzda Yatan Para Sizi İflas Ettirebilir
Türkiye'deki e-ticaret işletmelerinin yüzde altmışından fazlası yılın en az iki döneminde ciddi stok dengesizliği yaşıyor: ya raflar boş kalıyor ve sipariş karşılanamıyor, ya da depo doluyor ve sermaye donup kalıyor. Sorunun teknik adı talep tahmini hatası; pratik adı ise nakit akışı kabusu. Kurban Bayramı öncesi kuruyemiş sipariş verip sonra Ağustos sıcağında raf ömrü dolmak üzere ürünlere bakan bir gıda satıcısı bunu çok iyi bilir.
Sezonluk dalgalanmayı yönetmek, bir takvim hazırlamaktan çok daha fazlasını gerektirir. Doğru araçlar, doğru analiz çerçevesi ve artık erişilebilir hale gelen yapay zeka tahmin modelleri bir arada kullanıldığında tablo köklü biçimde değişiyor.
ABC Analizi: Her Ürüne Eşit Davranmak En Büyük Hata
ABC analizi, envanter yönetiminin temel taşlarından biridir. Mantık basit:
| Kategori | Ürün Sayısı (Tipik) | Satış Katkısı |
|---|---|---|
| A | %10–15 | %70–80 |
| B | %25–30 | %15–20 |
| C | %55–65 | %5–10 |
A sınıfı ürünler az sayıda ama gelirin büyük çoğunluğunu üretiyor. Bu ürünler için günlük stok takibi, tedarikçi ile çerçeve anlaşma ve yedek stok tamponu zorunluluk. C sınıfı ürünler ise deponuzun büyük bölümünü işgal ederken cirosunun küçük bir dilimini oluşturuyor; buradaki fazlalık sermayenizi eritiyor.
Pratik uygulama: WooCommerce, Shopify veya Shopizayn gibi platformlarda son 12 aylık satış verisini çekerek ürünleri bu üç sınıfa ayırın. Sonra kendinize şunu sorun: C listesindeki hangi ürünleri SKU portföyünden çıkarırsam müşteri kaybetmem? Yanıt genellikle sizi şaşırtır.
ABC'yi Sezonlukla Birleştirmek
Statik ABC analizi tek başına yeterli değil. Yazın A sınıfında olan güneş kremi, Ocak ayında D sınıfına düşüyor. Bu nedenle analizinizi en az iki ya da dört dönemlik yuvarlayan pencerelerle güncellemeniz gerekiyor. Araç olarak Google Sheets ile başlayabilir, ilerledikçe Netsis, Logo Tiger veya Mikro gibi ERP sistemlerinin raporlama modüllerine geçebilirsiniz.
Sezonluk Talep Tahmini: Veriyi Doğru Okumak
Türkiye'de e-ticareti etkileyen başlıca sezonsal dönemler şunlar:
- Ramazan ve Bayram öncesi – Gıda, tekstil, ev tekstili, kuruyemiş kategorilerinde 3–5 kat talep artışı
- Okul dönemi (Eylül) – Kırtasiye, çocuk giyim, teknoloji aksesuarları
- Kış-yaz geçiş (Mart–Nisan) – Spor ekipmanları, bahçe ürünleri, dış giyim tasfiyesi
- Singles' Day (11.11), Kasım kampanyaları, Yılbaşı – Elektronik ve kişisel bakım dorukta
Talep tahmini yaparken yalnızca kendi satış geçmişinize bakmak yeterli değil. Google Trends, Trendyol ve Hepsiburada kategori verilerini, hatta Google Search Console'daki organik arama trafik artışlarını da gözlemleyin. Bir ürün için arama hacmi yüzde kırk artmaya başladıysa iki ya da üç hafta içinde satış baskısı gelecektir; bu size tedarik için zaman penceresi verir.
JIT (Just-In-Time) Envanteri: Türkiye Koşullarında Çalışır mı?
Just-in-time, Japon üretim sistemlerinden doğan bir felsefe: stoku minimum tutun, tedarik zincirini hızlandırın, depo maliyetini sıfıra yaklaştırın. Teoride mükemmel; pratikte Türk e-ticaret ortamında bazı sınırlar var.
JIT'in işe yaradığı durumlar:
- Tedarikçi deponuz aynı şehirde veya aynı gün kargo yapabiliyor
- Ürün talebi nispeten istikrarlı, ani spike'lar nadir
- Kendi deponuz değil, 3PL veya dropshipping modeli kullanıyorsunuz
JIT'in zorlandığı durumlar:
- Tedarikçi Çin, Hindistan gibi uzak coğrafyalarda (6–10 haftalık sevkiyat süreleri)
- Kampanya dönemlerinde stok garantisi alınamıyor
- Kur volatilitesi tedarikçi fiyatlarını anlık değiştiriyor
Çözüm çoğunlukla hibrit bir yapı: A sınıfı ürünler için güvenlik tamponu stoku tutun (genellikle 2–3 haftalık satış), B ve C için JIT prensiplerini uygulayın. KuveytTürk POS veya iyzico üzerinden aldığınız anlık satış verisini tedarikçi sipariş döngülerinizle senkronize ederseniz bu dengeyi çok daha kolay kurarsınız.
AI ile Satış Tahmini: Artık Küçük İşletmeler İçin de Erişilebilir
Yapay zeka destekli talep tahmini artık yalnızca Amazon ve Migros gibi devlerin ayrıcalığı değil. Birkaç pratik araç:
Tableau + Einstein Analytics (Salesforce): Orta ve büyük ölçekli işletmeler için güçlü ama öğrenme eğrisi yüksek.
Inventory Planner: Shopify, WooCommerce ve BigCommerce entegrasyonları var. Sezonsal pattern'ları otomatik algılıyor, sipariş noktalarını hesaplıyor. Aylık 99–299 dolar bandında.
Trengo / Zoho Inventory ile entegre modeller: Türkçe destek sunan ve yerel pazar dinamiklerini anlayan yapılar.
Google'ın Vertex AI AutoML: Kendi satış verinizi yükleyip özelleştirilmiş tahmin modeli kurmak isteyenler için; teknik altyapı gerektiriyor ama sonuçlar güçlü.
AI modellerinin gerçek değeri, çoklu değişkeni aynı anda işlemesinde: geçen yılki satış verisi, bu yılki arama trendi, kampanya takvimi, hava durumu (evet, mevsimsel ürünlerde hava durumu tahmin doğruluğunu yüzde on beşe kadar artırıyor) ve kur değişimi. İnsan analisti bu faktörleri ayrı ayrı incelediğinde bağlantıları kaçırır; model kaçırmaz.
Ölü Ürün ve Fazla Stok: Zararı Durdurun
Fazla stok biriktiğinde ilk refleks indirim kampanyası açmak oluyor. Bu yanlış değil ama yeterince stratejik de değil. Birkaç seçenek:
- Sezon sonu bundle: Yavaş hareket eden C ürünleri, A ürünleriyle paketleyerek ekstra değer hissi yaratın
- B2B kanal: Ürünlerinizi Trendyol GO veya Getir Şirket gibi toptan platformlara sürun
- Flash sale: Özellikle Perşembe-Cuma dilimlerinde sınırlı süreli indirim; aciliyet algısı dönüşümü artırır
- Raf ömrü dolmadan bağış: Gıda ürünleri için Gıda Bankası iş birlikleri hem vergisel avantaj hem kurumsal itibar sağlar
KVKK perspektifinden not: Müşteri geçmiş sipariş verisine dayalı hedefli kampanya gönderimi yaparken açık rıza şartını atlamamanız gerekiyor. Segmentasyon için satın alma verisini kullanmak meşru amaç kapsamında değerlendiriliyor, ancak profilleme e-postası göndermeden önce üyelik sözleşmenizde bu kapsamı açıkça belirtmeniz öneriliyor.
Somut Bir Senaryo: Tekstil Satıcısı Örneği
Ankara merkezli bir tekstil e-ticaret işletmesi geçen yıl Ekim'de kış koleksiyonu için 3.000 adet kazak stokladı. ABC analizine göre A sınıfı olan 12 renk-beden kombinasyonu Kasım'da tükendi; ancak C sınıfındaki 8 kombinasyon toplam stoğun yüzde kırkını oluşturuyordu ve Mart'a kadar sadece yüzde yirmi satıldı. Yapay zeka tahmin modeliyle yeniden analiz yapıldığında o 8 kombinasyon için öngörülen satış adedi, elle yapılan tahminin sadece yüzde ellisi çıkıyordu. Bir sonraki sezonda bu kombinasyonlar için sipariş miktarı yüzde altmış kırpıldı; kış sonu depoda ölü stok kalmadı ve nakit akışı sekiz hafta erken düzeldi.
Shopizayn ile Stok Yönetimini Merkezileştirin
Stok yönetimini otomatize etmenin en büyük engeli genellikle araçlar arasındaki kopukluk: satış verisi bir yerde, tedarikçi iletişimi başka bir yerde, muhasebe ayrı bir sistemde. Shopizayn, entegre envanter paneli, sezonluk rapor şablonları ve AI destekli talep tahmin modülleriyle bu kopukluğu ortadan kaldırıyor. Denemek için kredi kartı gerekmez; mağazanızı birkaç dakikada kurabilir, ilk üç ay boyunca stok takip özelliklerini ücretsiz test edebilirsiniz. Sezon değişmeden önce bir adım önde olmak istiyorsanız şimdi başlamak en iyi zamanlama.