Sınırlı raf, sınırsız ürün seçeneği. Hangi SKU'lar yer alacak ve her birine ne kadar yer? Klasik retail OR problemi: assortment + shelf-space.
Kısaca
Tanıdık geliyor mu?
- Mağazada 3000 SKU var, raf 1800'e yetiyor; satın alma müdürü her ay 'gelmeyenler'le 'çıkanlar' arasında pazarlık yapıyor.
- E-ticaret kategori sayfasında 200 ürün listelenmiş; ilk 20'si ciroyu yapıyor, son 50'si ayda 0-1 sipariş alıyor ama panel haftalık değişiyor.
- Yeni ürün tedarikçi getiriyor; rafa koymak için hangi mevcut ürünü çıkarmak gerektiğine kategori müdürü tahminle karar veriyor.
- Marka A 'rafımı genişletin' diyor, marka B 'görünürlüğüm düştü' diyor; her ikisi de listing fee teklif ediyor.
- Mağazaya göre ürün listesi farklı olmalı diyoruz ama 50 mağaza için 50 ayrı liste tutmak imkansız.
- Sezon değişiminde 200 ürünü değiştirmek gerekiyor; eldeki stokun gelecek sezona aktarılması veya iskonto satışı arasında karar veriliyor.
- Müşteri rafta aradığı ürünü bulamıyor ve yan markaya geçiyor (substitution); biz bu kaybı ölçemiyoruz.
Niye önemli?
Nasıl çözülür?
Teknik derinlik
Nasıl çözülür?
Teknik derinlikTek satırla: Müşterinin aradığını bulamayınca yan ürüne geçtiği (substitution) gerçeğini hesaba kat — çıkardığın az satan SKU’nun ardından sadece o ürünün cirosu değil, ikame zincirindeki ürünlerin de cirosu kayabilir. Tersine, çok satanın raf payını genişletmek bütün kategorinin marjını artırır.
Bu problem operasyon araştırması (matematik ve bilgisayarla iş kararı veren disiplin) literatüründe iki ana başlık altında çalışılır: Assortment Planning Problem (APP) — hangi ürünler listeye girer; Shelf-Space Allocation Problem (SSAP) — listede olan her ürüne ne kadar yer ayrılır. Modern formülasyonlar ikisini ortak çözer (Joint Assortment + Shelf-Space). Çözüm üç aşamalı:
1. Modelleme. Her SKU için: baz talep (rafa konursa beklenen satış), raf esnekliği (space elasticity — alan arttıkça satış nasıl artar), ikame matrisi (substitution — X yoksa müşterinin Y’ye geçiş olasılığı), marj, raf hacmi (kaç birim sığar), tedarik kısıtları (minimum sipariş, tedarikçi anlaşması). Mağaza/kategori için: toplam raf alanı, kategori başına minimum SKU sayısı, marka çeşitlilik kuralları.
2. Çözücü ile karar. Tek mağaza-tek kategori (50-500 SKU adayı): MIP veya CP formülasyonu makul sürede çözer. Çok mağaza-çok kategori: Lagrangean ayrıştırma veya sezgisel (greedy + local search). Multinomial logit (MNL — ‘müşteri bu üç ürün arasında hangisini seçer’ olasılığını modelleyen yöntem) tabanlı talep modeli ile beklenen ciroyu maksimize eden assortment seçimi. Çıktı: listede tutulacak SKU listesi + her birine ayrılan raf sayısı (facing count).
3. Saha entegrasyonu. Çıktı planogram (raf yerleşim çizimi) ve assortment listesi olarak mağaza yöneticisine ve kategori müdürüne iletilir. Mağaza-bazlı varyasyon destekleniyorsa her mağaza için ayrı çıktı. POS (satış noktası) veriyle haftalık geri besleme kurulur — gerçek satış vs. tahmin, model yeniden kalibre edilir. E-ticaret tarafında listing sıralaması + kategori sayfası tasarımı otomatik güncellenir.
Alternatifler
Manuel + hesap tablosu + kategori müdürü deneyimi
ÜcretsizÜcretsiz
Kim için: Tek mağaza veya 2-3 kategori, ürün sayısı düşük
- + Sıfır maliyet
- + Yerel hassasiyet — kategori müdürü mağaza hakkını biliyor
- + Hızlı karar, esnek
- − 5+ mağaza ve 500+ SKU'da takip imkansız
- − Substitution etkisi modellenmemiş
- − Tedarikçi baskısı (slotting fee) kararı çarpıtıyor
- − Bilgi kişisel, ekip değişiminde kaybolur
Yerel kategori yönetim yazılımı
Kurumsal25.000–100.000 TRY lisans + 5.000–15.000 TRY/yıl bakım (TR pazar gözlemi)
Kim için: Orta perakendeci (10-50 mağaza), planogram odaklı
- + Planogram görselleştirme + listing araçları
- + Türkçe destek, POS entegrasyon
- + Hızlı uygulama
- − Optimum algoritma genelde yok, kural tabanlı
- − Substitution / space elasticity desteği zayıf
- − Mağaza-bazlı varyasyon zor
Uluslararası category management + assortment optimization yazılımı
Kurumsal30.000–250.000 EUR lisans + 10.000–40.000 EUR/yıl
Kim için: Büyük perakende zinciri, çok kategorili e-ticaret
- + MNL talep modeli, MIP/CP optimizasyon
- + Mağaza kümeleme (clustering) + lokalize listing
- + AB test entegrasyonu
- − Pahalı
- − Kurulum 6-12 ay
- − POS veri kalitesi şart, kalitesizse fayda azalır
Açık-kaynak çözücüler + özel uygulama
Açık KaynakLisans ücretsiz; iç geliştirme 12-20 hafta veya 350K-1M TRY danışmanlık
Kim için: Teknoloji ekibi olan e-ticaret/perakende, özel kategori kuralları
- + Lisans yok, tam özelleştirme
- + POS verisiyle direkt entegrasyon
- + MNL ve choice modelling açık kaynak kütüphaneler var
- − İç data scientist + OR kapasitesi şart
- − Veri kalitesine bağımlılık çok yüksek
- − Bakım sürekli
Tavsiye
Çözüm görüşmesinde sor
- Substitution etkisini (X olmadığında müşterinin Y'ye geçiş olasılığı) modeller misiniz? MNL veya benzer choice modeli kullanıyor musunuz?
- Space elasticity (raf alanı → satış ilişkisi) konfigüre edilebilir mi?
- Mağaza kümeleme (clustering) yapıyor musunuz; her küme için ayrı assortment önerebiliyor mu?
- Planogram çıktısı doğrudan mağazaya ekran/yazıcı ile iletiliyor mu?
- AB test desteği var mı? Pilot mağaza grubu nasıl seçiliyor?
- Tedarikçi anlaşmaları (minimum SKU, slotting fee, exclusivity) kısıt olarak girebiliyor muyum?
- POS entegrasyonu nasıl? Haftalık veri akışı otomatik mi?
- Bizimle çalışmayı bırakırsak SKU ana verisi, assortment geçmişi ve planogram verisini nasıl alırız?
Teknik detay
Editör notu
Bu problem halk dilinde “kategori yönetimi”, “ürün gamı kararı”, “planogram” diye anılır. Akademik literatürde iki ayrı problem olarak çalışılır: Assortment Planning Problem (APP) ve Shelf-Space Allocation Problem (SSAP). Modern formülasyonlar ikisini birlikte (Joint Assortment + Shelf-Space) çözer. İki kavramın aynı olmadığını bilmeden bir yazılım firmasıyla görüşmeye gidersen, “planogram yaparız” cevabıyla yetinirsin — gerçekte ihtiyacın olan substitution etkisini modelleyen assortment optimizasyonudur.
Sektörde en sık atlanan nokta: ikame etkisi (substitution). Bir ürünü çıkardığında bunu satan müşterilerin tamamı kaybedilmez — bir kısmı yan markaya geçer, bir kısmı kaybedilir. Yazılım, bu geçiş matrisini modelliyor mu yoksa “ortalama satış” rakamıyla mı çalışıyor? İkisinin farkı tipik %30+ tahmin sapması demektir.
Adım adım yol — KOBİ için
Aşama 1 — Önce ölç, sonra plan. En az 12 hafta POS verisi: SKU bazında günlük/haftalık satış, kategori bazında ciro, mağaza bazında ürün dağılımı, stockout süresi. Müşteri kart verisi varsa basket analizi (hangi ürünler birlikte satılıyor).
Aşama 2 — Bilgi sermayesini çıkar. SKU ana verisi (boyut, marj, tedarikçi kısıtları), substitution gözlemi (stockout dönemlerinde ne satıldı), tedarikçi anlaşmaları, kategori hedefleri (büyüme, marj, çeşitlilik).
Aşama 3 — Pilot. 8-12 hafta, 1-3 kategori ve 5-10 mağaza ile başla. Başarı kriterleri önceden belirlenmiş: kategori marjı +%3 minimum, stockout süresi -%20 minimum, atıl SKU oranı -%40 minimum.
Aşama 4 — Yaygınlaştırma. 3-6 ayda tüm kategori ve mağazalara. Aylık review döngüsü kurulur — gerçek satış vs. tahmin, yeni listing kararları.
Riskler — ne yanlış gidebilir
- Veri kalitesizliği. POS verisi eksik (stockout dönemleri “sıfır satış” görünür ama gerçekte talep var) → talep tahmini yanılır. Çözüm: stockout dönemlerini ayıklama, lost sales rekonstrüksiyonu.
- Tedarikçi baskısı. Marka A “rafımı genişlet” diyor, slotting fee teklif ediyor — yazılım çıktısı bu baskıya direnemiyorsa anlamsızlaşır. Tedarikçi sözleşmesi kararları kısıt olarak girilmeli.
- Substitution modeli yanlış. MNL parametreleri kalibrasyona muhtaç; pilot mağazada A/B test ile doğrulanmalı.
- Tek tedarikçiye bağımlılık. SKU geçmişi ve planogram verisi kritik bilgi sermayesi. Sözleşmede standart format export şart.
Çözüm yöntemine teknik bakış
| Yaklaşım | Tipik ölçek | Çözüm süresi | Garantili optimum? |
|---|---|---|---|
| MIP (joint assortment + space) | 50-200 SKU adayı, tek mağaza | dakikalar | Evet (limit içinde) |
| MNL choice model + greedy assortment | 100-1000 SKU adayı | dakikalar | Hayır, %95+ optimum |
| Lagrangean ayrıştırma (çok mağaza) | 50-200 mağaza × 500 SKU | saatler | Hayır, %95-98 |
| Kural-tabanlı (rank by margin × velocity) | Çoğu yerel yazılım | anlık | Hayır, %75-85 |
| ML tabanlı (uplift modeling + A/B) | E-ticaret büyük | sürekli | Hayır, deneysel |
Hedef fonksiyonu seçimi:
- Hedef 1 — Toplam beklenen marj: Standart hedef.
- Hedef 2 — Maksimum ciro: Marja değil hacme öncelik verildiğinde.
- Hedef 3 — Kategori büyüklüğü dengeleme: Çeşitlilik için."
- Hedef 4 — Stockout minimum: Müşteri deneyimi öncelikliyse.
Multi-objective için weighted sum veya hiyerarşik yaklaşım. İdeali: A/B test ile gerçek alan ölçümü.
Akademik kaynaklar
Sayfanın frontmatter’ında sources alanında listelidir.
Kaynaklar
- Corstjens, M. ve Doyle, P. (1981). A model for optimizing retail space allocations. Management Science, 27(7), 822–833. Shelf-space allocation klasik makalesi.
- Kök, A. G., Fisher, M. L. ve Vaidyanathan, R. (2008). Assortment planning: Review of literature and industry practice. Retail Supply Chain Management, 99–153. Modern assortment planning özet.
- Talluri, K. ve van Ryzin, G. (2004). Revenue management under a general discrete choice model of consumer behavior. Management Science, 50(1), 15–33. MNL tabanlı assortment teorisi.
- Türkiye İstatistik Kurumu — Perakende Satış Endeksi (aylık). TR perakende ciro trendi referansı.
- YÖK Tez Merkezi — anahtar kelime: ‘ürün gamı’ veya ‘raf düzeni’ — TR akademisinden 25+ yüksek lisans / doktora tezi. tez.yok.gov.tr
Sözlük
- Assortment Planning
- Bir perakende mağazasında veya e-ticaret kategorisinde hangi ürünlerin listede yer alacağını belirleyen optimizasyon problemi.
- Shelf-Space Allocation
- Listede olan her ürüne raftan ne kadar yer (kaç facing) ayrılacağını talep ve marja göre belirleyen optimizasyon problemi.
Benzer problemler
Aynı Tedarikçiden Onlarca SKU Geliyor — Hangi SKU'yu Hangi Sıklıkta Sipariş Edeyim ki Kamyon ve Stok Maliyeti Birlikte Minimum Olsun?
Aynı tedarikçiden 50-500 SKU alan KOBİ toptancı, ithalatçı veya üretici için sayfa — tipik olarak 3-15 ana tedarikçiyle çalışırsın. Her hafta aynı soru: bu tedarikçiden bugün hangi ürünler sipariş edilsin, hangileri gelecek haftaya kalsın? Her ürün için ayrı sipariş tetiklenirse aynı tedarikçiye haftada üç kamyon, üç gümrük dosyası çıkar; oysa bir kamyon, bir gümrük, bir hazırlık masrafı doğru gruplamayla tek seferde paylaşılır. Manuel planlama 50 SKU'yu aşınca dağılır: bazı haftalar yarım kamyon, bazı haftalar üst üste üç sipariş — sabit masraflar birim başına %5-15 ürün maliyeti olarak geri döner.
Hangi Ürünü Hangi Rafa Koysam, İşçi Siparişi Hangi Rota Üzerinden Toplasın?
Bir e-ticaret deposunda ya da omnichannel perakende dağıtım merkezinde 15.000-200.000 ürün kodu (SKU) stoklanır ve günde 2K-30K sipariş hattı toplanır. Bir toplayıcı işçi sipariş başına 200-800 m yürür, günde toplam 15-30 km mesafe kat eder. Bu yürümenin %50-70'i değer-katmayan zamandır. İki bağlı karar verilmelidir: (a) **raf yerleşimi (slotting)** — hangi SKU hangi rafa, hangi yüksekliğe stoklanır; sipariş sıklığı, eş-sipariş örüntüsü ve ergonomik yük dikkate alınarak; (b) **toplama rotası (picking)** — bir sipariş listesi için işçinin koridor sırası ve seçtiği rota kuralı (S-şekli, dönüş, orta-nokta, en-büyük-boşluk, birleşik). Eklenti kararlar: birden çok siparişi tek turda toplama (batch picking), depoyu bölgelere ayırma (zone picking), aktarma noktası ile birleştirme (sort-merge). Her iki karar birlikte çözüldüğünde işçi başına yürüme mesafesi %25-40 azalabilir.