Mevsimsel koleksiyonlu hızlı-moda perakende, taze gıda zinciri veya raf-ömrü kısa ürün satan perakendecide sezon boyunca fiyatın monoton-düşürülerek stoğu boşaltma kararı: ne zaman, ne yüzde indirim. Akademik literatürde Markdown Pricing — Smith-Achabal (1998), Bitran-Mondschein (1997), Caro-Gallien (2012).
Kısaca
Tanıdık geliyor mu?
- 200-1.000 SKU mevsimsel koleksiyonlu hızlı-moda perakende zinciriyiz; her sezon (yaz/kış) yeni koleksiyon geliyor, 4-12 hafta sonra satılmayan stoğu kapatmak gerek — 'her hafta %10 indirim arttır' kuralıyla yapıyoruz, optimumdan ne kadar uzaktayız bilmiyoruz.
- Şehir-içi 30-100 mağazalı giyim-ayakkabı-aksesuar zinciriyiz; sezon-sonu satılmayan stok %20-35 oranında dead-stock'a dönüşüyor, hurda fiyata satıyor ya da bağışlıyoruz.
- Taze gıda zinciri (manav, fırın, kasap, hazır yemek) işletmecisiyiz; günlük ürünleri raf-ömrü sonuna doğru indirimle eritmek gerek — '18:00'dan sonra %30 indirim' rule-based, hangi ürünün ne kadar saatte ne kadar indirimle eriyeceği analiz edilmiyor.
- E-ticaret perakendeciyiz; modaya bağlı SKU'larda fiyat günlük güncellenebilir — ama 'hangi gün hangi fiyat' kararını planlamacı sezgisel veriyor, talep-fiyat elastikiyetini sayısallaştırmıyoruz.
- Sezon ortasında bir rakip aniden %40 indirim açtı; biz cevap olarak %30 indi indirdik ama hangi SKU'da hangi yüzde optimumdu, geç mi/erken mi tepki verdik — ölçemiyoruz.
- Marka-imaj sorunu yaşıyoruz: 'çok indirim premium imajı yıpratır' yönetim endişesi var ama 'ne kadar indirim sezon-sonu dead-stock'un kabul edilebilir sınırını verir' sayısal olarak yanıtlanmamış.
- Her sezon-sonu kapanışında 'bu sezonun gerçek kâr-marjı ne çıktı' raporu sezgisel — markdown timing optimum olsaydı ne kadar fazla kazanırdık simülasyonu yok.
- Tek-tedarikçi perakende fiyat yönetim yazılımına bağımlıyız; içinde 'markdown optimizasyonu' modülü olduğu söyleniyor ama hangi akademik yaklaşım (Smith-Achabal, Bitran-Mondschein, Bayesian) kullandığı şeffaf değil.
Niye önemli?
Nasıl çözülür?
Teknik derinlik
Nasıl çözülür?
Teknik derinlikTek cümlede: Sezon başında her SKU için talep-fiyat elastikiyeti (1% indirim kaç % talep artırır) tahmini çıkar, sezon sonuna kadar kalan haftalar üzerinde dinamik programlama (geri-induction — sondan başa) ile her hafta için fiyat seç — toplam kâr (sezon-sonu kalan stok geri-kazanım değeri dahil) maksimum, marka-imaj koruyan max-indirim tavanı altında.
Bu problem yöneylem araştırması (matematik ve bilgisayar kullanarak işletme kararı çözen disiplin) ve perakende literatüründe Markdown Pricing (indirim fiyatlandırma) ya da Dynamic Pricing for Perishables (bozulabilir/sezon-sonu dinamik fiyatlama) olarak çalışılır. Akademik temeller 1990’ların sonu - 2000’lerin başında atılmıştır: deterministik dinamik programlama, Poisson talepli stokastik DP, kapsamlı tarama çalışmaları ve hızlı-moda perakendecilerinde gerçek pilot uygulamalar. Çözüm üç aşamalı:
1. Modelleme — sezon takvimi + talep-fiyat eğrisi + monoton-düşüş kısıdı. Veri girdileri: (a) sezon takvimi — başlangıç tarihi (örn. yaz koleksiyonu Mart, kış koleksiyonu Eylül), bitiş tarihi (4-12 hafta sonrası), haftalık ya da günlük karar noktaları, (b) SKU verisi — her SKU için başlangıç stoku (mağaza + depo toplamı), tam-fiyat (sezon başı liste fiyatı), maliyet, kategori (modaya-duyarlı/temel, sezon-özel/sürekli, perakendeciye-özel/üretici-marka), (c) talep-fiyat eğrisi — her SKU için tam-fiyatta beklenen haftalık talep + fiyat elastikiyeti (1% fiyat düşüşü kaç % talep artırır); elastikiyet eski-sezon verisinden (en az 4-8 sezon geçmişi) regresyon ile veya benzer-ürün analoji ile tahmin edilir, (d) dead-stock geri kazanım değeri — sezon-sonu satılmayan stoğun maliyet üstü / altı kalanı (hurda fiyat, bağış değeri, atık maliyeti), (e) kısıtlar — markdown adımı (örn. %10, %20, %30, %40, %50 paneli), maksimum indirim cap (imaj-koruma — örn. ≤%50), markdown monoton (fiyat zamanla düşer, geri çıkmaz; bu Revenue Management’ten temel farkı), minimum-fiyat (maliyet altı satılmaz, ya da satılır ama ne kadar). Karar değişkenleri: her SKU × her hafta için fiyat (markdown yüzdesi paneli arasından seçim), ya da daha basit formülasyonda ’ne zaman ilk indirim, ne yüzde, ikinci ne zaman, ne yüzde’. Hedef: sezon boyunca toplam kâr maksimum = ∑_{SKU, hafta} (fiyat - maliyet) × satış[SKU, hafta] + sezon-sonu dead-stock geri kazanım.
2. Çözüm — deterministik, stokastik, Bayesian. Deterministik dinamik programlama — talep eğrisi deterministik kabul edilir, geri-induction (sondan başa) her hafta için optimum fiyat hesaplanır; basit ve hızlı, tek-SKU + tek-mağaza ölçeğinde manuel hesaplanabilir; her SKU için ayrı çözülür (multi-product etkileri yok sayılır). Stokastik dinamik programlama — talep Poisson, fiyat hafta-sonu güncellenir, optimum geri-induction politikası kurulur; orta ölçekte (50-300 SKU) çözücü ile dakikalar içinde çözülür. Multi-product MIP (Mixed-Integer Linear Programming — bir kısım değişkeni 0/1 bir kısmı sürekli olan eniyileme) — kannibalizasyon etkileri (X SKU’da indirim Y SKU’nun satışını da etkiler) hesaba katılır; sezon-takvimi + SKU paneli + markdown paneli üzerinde MIP, ticari ya da olgun açık-kaynak çözücüler dakikalar-saatler içinde çözer (200-1.000 SKU). Bayesian dynamic pricing + Thompson sampling (her hafta gerçek satışla elastikiyet tahmini güncellenir, exploration-exploitation — yeni fiyat dene + iyi bilineni kullan — dengesi kurulur); e-ticaret günlük yeniden-fiyatlama için modern yaklaşım. Heuristic markdown + simulation — basit rule (örn. ‘satış hızı x altına düştüğünde %20 indirim’, ‘sezon sonuna 3 hafta kala %30 indirim’) simülasyon ile test edilir, akademik optimum kadar iyi olmasa da uygulama-basitliği için pratisyenlerce sevilen ara çözüm. End-of-season disposal policy (sezon-sonu elden çıkarma politikası) — sezon-sonu kalan stoğun nereye gideceği (outlet, bağış, atık, sonraki-sezon carry-over) ayrı karar; markdown modelinde geri-kazanım-değeri olarak input.
3. Saha entegrasyonu — fiyat panel + onay akışı + sezon-sonu kalibrasyon. Çıktı dört-katmanlı: (a) haftalık fiyat öneri paneli — her SKU × her hafta için önerilen fiyat, beklenen satış, beklenen sezon-sonu stok, kâr-marjı katkısı; mağaza yöneticisi ve kategori müdürü görür, (b) markdown takvim görseli — Gantt benzeri görsel: hangi SKU hangi hafta hangi yüzde indirimle; sezon başında onaylanır, ETA’daki sapmalarda revize edilir, (c) rakip-fiyat takip raporu — günlük ya da haftalık rakip-fiyat sinyali, sapma >%X olduğunda alarm + öneri-revizyon tetiklenir, (d) sezon-sonu performans + kalibrasyon raporu — gerçekleşen satış vs tahmin, talep-fiyat elastikiyeti sapması, dead-stock oranı, kâr-marjı; bu rapor bir sonraki sezonun modelini günceller. Üst-katman entegrasyon: ürün yönetim sistemi (PIM — SKU katalog), kasa sistemi (POS — gerçek satış verisi), e-ticaret platformu (online fiyat API), depo/mağaza stok sistemi (WMS), kategori müdürü onay akışı. Onay akışı kritik: optimum öneri otomatik uygulanmaz, kategori müdürü onay verir (özellikle %X üstü değişiklikler için); imaj-koruma ve marka-pozisyonu insan-kararı kalır. Sezon-sonu komitesi (yılda 4 kez — her sezon-sonunda): gerçek vs plan kâr-marjı, dead-stock oranı, elastikiyet kalibrasyonu, sonraki-sezon modeli için öğrenilenler.
Alternatifler
Manuel + spreadsheet markdown kuralı
ÜcretsizSıfır lisans
Kim için: Küçük perakende (tek mağaza, <100 SKU/sezon), basit koleksiyon
- + Sıfır yazılım maliyeti
- + Kategori müdürünün saha bilgisi öne çıkar
- + Tek-rakam markdown kuralı (örn. 4-haftada-%10, 6-haftada-%20, 8-haftada-%30) hızla uygulanabilir
- + Onay süreci kısa
- − 100 SKU üstü ölçekte SKU-bazlı zaman-fiyat eğrisi manuel kurulamaz
- − Talep-fiyat elastikiyeti tahmin edilmez, sezgisel
- − Dead-stock oranı %20-35 — optimum kuralla -%20-30 mümkün ama ölçümlenmez
- − Rakip-fiyat takibi gecikmeli — manuel saha turu / online tarama
- − Sezon-sonu kalibrasyon (gerçek vs plan analizi) yazılı değil
Açık-kaynak çözücü + özel markdown modeli
Açık KaynakLisans ücretsiz; iç geliştirme 12-24 hafta veya 500K-1.5M TRY danışmanlık
Kim için: Teknoloji ekibi olan orta perakende, PIM/POS ile entegrasyon istenen yerlerde
- + Lisans bedeli yok
- + Deterministik ve stokastik markdown çizelgeleri ile bayes-tabanlı dinamik fiyatlama yaklaşımları açık-kaynak literatürde olgun
- + Talep-fiyat elastikiyeti modeli işletmenin kendi verisinden kalibre
- + Multi-product cannibalization modülü genişletilebilir
- + Kod açık — şeffaflık denetlenebilir
- − İçeride OR uzmanı + veri-bilimi ekibi + entegrasyon ekibi şart
- − Akademik prototipten saha sistemine taşıma süresi 6-12 ay
- − Onay akışı + kullanıcı arayüzü ayrı geliştirilmeli
- − Bakım sorumluluğu işletmede
Perakende fiyat yönetim yazılımı — markdown modüllü
Kurumsal400K-2M TRY lisans + 150K-600K TRY/yıl bakım (TR pazar gözlemi)
Kim için: Orta-büyük perakende zinciri (mağaza 30-150, SKU 500-3.000/sezon), PIM/POS/e-ticaret entegre
- + Markdown modülü hazır (deterministik dinamik program kütüphanesi veya benzeri içeride)
- + PIM + POS + e-ticaret + WMS entegre
- + Onay akışı + rakip-fiyat takibi entegre
- + Operasyonel destek + eğitim
- + Türkçe arayüz, yerel destek
- − Hangi akademik yaklaşım kullanıldığı şeffaf olmayabilir
- − Talep-fiyat elastikiyeti kalibrasyon modeli 'kara kutu' — pazarlık edilmeli
- − Yüksek lisans + uzun (9-15 ay) kurulum
- − TR perakende mevzuatına özelleştirme proje süresi ekler
- − Tek-tedarikçi lock-in riski
Uluslararası perakende OR platformu + özel markdown modeli
Kurumsal1-4M EUR lisans + 300K-1M EUR/yıl bakım (büyük perakende platformlarında)
Kim için: Büyük perakende zinciri (mağaza 150+, SKU 3.000+/sezon, çoklu-ülke + e-ticaret + çoklu-marka)
- + Deterministik markdown DP + stokastik markdown DP + bayes-tabanlı dinamik fiyatlama + keşif-değerlendirme örneklemesi entegre
- + Multi-product cannibalization modülü olgun
- + Çoklu-kanal koordinasyon (mağaza + e-ticaret + outlet)
- + Rakip-fiyat scrape + sinyal modülü zengin
- + Şeffaf metodoloji — kâr-marjı ve dead-stock kazanç hesapları bağımsız uzman tarafından doğrulanabilir
- − Yüksek lisans + uzun (12-24 ay) kurulum
- − TR perakende mevzuatına özelleştirme proje süresi ekler
- − OR uzman ekibi + saha entegrasyon ekibi şart
- − Geniş kapsam — orta ölçek aşırı olabilir
Tavsiye
Çözüm görüşmesinde sor
- Markdown optimizasyon altyapısı hangi yaklaşımı kullanıyor — deterministik dinamik program, Poisson talepli stokastik dinamik program, bayes-tabanlı öğrenme + keşif-değerlendirme örneklemesi, çoklu-ürün MIP, yoksa sezgisel/kural-tabanlı bir motor mu? Hangi varyantın seçildiği belgede yazılı mı?
- Talep-fiyat elastikiyeti nasıl tahmin ediliyor — eski-sezon verisi üzerinden regresyon, benzer-ürün analoji, ya da kullanıcı manuel girer? Tahmin sapması nasıl raporlanır?
- Markdown monoton-düşüş kısıdı (fiyat zamanla düşer, geri çıkmaz) modelde nasıl ifade ediliyor? Geri çıkma istisnaları (kampanya bitti, fiyat eski seviyeye dönsün) destekleniyor mu?
- Multi-product cannibalization (X SKU'da indirim Y SKU'nun satışını da etkiler) modellenir mi, yoksa SKU'lar bağımsız mı çözülür?
- Marka-imaj korumalı maksimum indirim cap (örn. ≤%50) kısıdı destekleniyor mu? Cap altında dead-stock kabul-sınırı nasıl ayarlanır?
- Rakip-fiyat takip modülü var mı — günlük/haftalık rakip-fiyat sinyali otomatik mi entegre, manuel mi girilir? Sinyal-tetikli markdown revizyon önerisi üretiliyor mu?
- Pilot dönemde gerçek operasyonel veri ile (12-16 hafta, bir sezon kapanışı dahil) önceki manuel markdown kuralına kıyasla nasıl bir tasarruf raporu sunulabilir — kâr-marjı +%X, dead-stock -%X, temizleme oranı +%X?
- Sözleşme biterse markdown geçmişi, talep-fiyat elastikiyeti kalibrasyon kaydı, sezon-sonu performans verisi ve algoritma parametre seçimini hangi standart formatta dışa aktarabiliriz?
Teknik detay
Editör notu
Bu problem halk dilinde “sezon-sonu indirim”, “outlet fiyatı”, “clearance”, “stok eritme” diye anılır. Akademik literatürde adı Markdown Pricing ya da Dynamic Pricing for Perishables; klasik referansları Smith-Achabal (1998) deterministic ve Bitran-Mondschein (1997) stokastik formülasyondur. Modern tarama Elmaghraby-Keskinocak (2003), kanonik kitap Talluri-van Ryzin (2004), ünlü uygulama makalesi Caro-Gallien (2012) — bir hızlı-moda perakendecide gerçek pilot ve yayılım.
#006 Revenue Management ile karıştırma: Revenue Management havayolu, otel, etkinlik gibi sabit kapasiteli + raf-ömrü-anı-temelli ürünlerde fiyatı dinamik up-down (talep yüksekken yukarı, düşükken aşağı) ayarlar; kapasite (oda, koltuk) sezon-sonu tükenmiyor, her gün yeniden kullanılıyor. Markdown Pricing stoklu + sezon-bağımlı ürünlerde fiyatı monoton düşüş (zamanla aşağı, geri çıkmaz) ayarlar; stok sezon-sonu sıfırlanmaz, fazlası dead-stock’a döner. İki problem aynı RM kitabında bölüm-komşusu ama farklı matematiksel formülasyonlardır.
#011 Newsvendor ile karıştırma: Newsvendor tek-dönem öncesi sipariş miktarı kararıdır (sezon başında ‘kaç tane sipariş edeyim’); markdown sezon içinde (‘hangi fiyatla satayım, ne zaman indireyim’) kararıdır. İkisi sıralıdır: önce newsvendor sipariş miktarını verir, sonra markdown sezon içinde fiyat trajektörisini ayarlar.
#017 Assortment Planning ile karıştırma: Assortment Planning ‘hangi SKU rafta’ kararıdır (sezon başında listeleme); markdown ‘rafta olan SKU hangi fiyatla satılıyor’ kararıdır (sezon içinde fiyat). Assortment kararı verildikten sonra markdown trajektörisi kurulur.
Sektörde en sık atlanan nokta: talep-fiyat elastikiyeti tahmini. Akademik markdown modelleri talep-fiyat elastikiyetini (1% fiyat düşüşü kaç % talep artırır) girdi alır; pratisyen bu elastikiyeti hesaplamaz, sezgisel kullanır. Caro ve Gallien (2012) bir hızlı-moda perakendede gösterdi: elastikiyet tahmin + dinamik optimum ile clearance kâr-marjı %5-8 arttı; pratisyen rule-based ‘her hafta %10 arttır’ kuralından alınan ek-marjı. Elastikiyet kategori-bazlı (modaya-duyarlı ürünler yüksek elastikiyet, temel ürünler düşük), SKU-bazlı ya da segment-bazlı tahmin edilebilir; eski-sezon verisinden regresyon ile veya benzer-ürün analoji ile kurulur. Tahmin sapması ölçülmedikçe algoritma ‘optimum görünür’ ama sahaya yanlış öneri verir; her sezon-sonu kalibrasyon zorunlu.
İkinci atlanan nokta: monoton-düşüş kısıdının önemi. Markdown literatüründe fiyat zamanla monoton düşer (geri çıkmaz); bu kısıt müşteri-bekleme davranışından gelir — müşteri ‘fiyat ileride düşecek mi’ diye beklerse şimdi alıp pişman olmaz. Geri çıkış istisnaları (kampanya bitti, fiyat eski seviyeye döndü) olur ama akademik temel formülasyon monoton-düşüş kabul eder; bu Revenue Management’tan (fiyat-up-down dinamik) temel matematiksel farkıdır.
Üçüncü atlanan nokta: multi-product cannibalization. Bir SKU’da indirim aynı kategorinin diğer SKU’larının satışını da etkiler (‘indirimli kazak alayım, indirimsiz kazağı bırakayım’). SKU’lar bağımsız çözüldüğünde toplam kâr tahmini yanlış çıkar. Multi-product MIP veya çapraz-elastikiyet matrisi ile modellenir; ölçek arttıkça hesaplama maliyeti büyür ama orta ölçekte hala çözülebilir.
Dördüncü atlanan nokta: marka-imaj kısıdı. Çok-derin indirim premium algısını yıpratır; akademik markdown modeli ‘maksimum indirim cap’ (örn. ≤%50) kısıdı ile bunu ifade eder. Cap altında dead-stock %X kabul edilebilir; cap > %X durumu için outlet kanalına devir veya bağış. Pratisyenler bu dengeyi sezgisel ayarlar, sayısallaştırmaz; akademik formülasyon imaj-koruma vs dead-stock-temizleme trade-off’unu açıkça gösterir.
Adım adım yol — KOBİ için
Aşama 1 — Önce ölç, sonra plan. En az 4-8 sezon geçmiş veri (yaz/kış koleksiyonları): her SKU için haftalık satış miktarı, haftalık fiyat (tam-fiyat + uygulanan markdown yüzdeleri), sezon-sonu kalan stok, sezon-sonu disposition (outlet, bağış, atık), maliyet. Kategori taksonomisi: modaya-duyarlı/temel, sezon-özel/sürekli, perakendeciye-özel/üretici-marka. Rakip-fiyat veri akışı kurulmuş mu — değilse haftalık manuel turlar ile başla.
Aşama 2 — Talep-fiyat elastikiyetini tahmin et. Eski-sezon verisinden kategori-bazlı regresyon: aynı kategorideki SKU’larda fiyat değişimine karşı talep tepkisini ölç. Modaya-duyarlı kategorilerde elastikiyet yüksek (-2 ile -4 arası tipik), temel kategorilerde düşük (-0.5 ile -1.5 arası). Tahmin sapması raporlanır (R² ya da MAPE). Bilgi sermayesi: kategori × markdown-yüzdesi × hafta matrisi.
Aşama 3 — Pilot. 12-16 hafta (bir sezon kapanışı dahil). Bir sub-set (örn. 50-100 SKU, tek-kategori) için Smith-Achabal deterministic markdown öneri sistemini mevcut manuel kurala paralel çalıştır. Karar yine kategori müdüründe; algoritma öneri verir, onay akışı kullanıcı kararı bekler. Başarı kriterleri önceden yazılı: kâr-marjı +%5 minimum, dead-stock -%15 minimum, sezon-sonu temizleme oranı +%20 minimum.
Aşama 4 — Yaygınlaştırma. 12-18 ay sürede tam SKU kapsamı + multi-product cannibalization + rakip-fiyat sinyali + e-ticaret entegrasyonu. Sezon-sonu komitesi (yılda 4 kez): gerçek vs plan kâr-marjı analizi, elastikiyet kalibrasyon güncellemesi (her sezon-sonunda), marka-imaj kısıdı (max indirim cap) revizyonu, sonraki-sezon modeli için öğrenilenler.
Riskler — ne yanlış gidebilir
Talep-fiyat elastikiyeti tahmini sapması. Elastikiyet kategori-bazlı veya SKU-bazlı yanlış tahmin edilmişse algoritma yanlış optimum bulur. Örn. ‘modaya-duyarlı kazak kategorisi elastikiyeti -3’ kabul edilmiş ama gerçek -1.5; algoritma fazla-erken indirim önerir, kâr-marjı erir. Çözüm: her sezon-sonu kalibrasyon (gerçek vs tahmin sapması), kategori-bazlı ayrı kalibrasyon, R² > 0.6 minimum eşik.
Rakip-fiyat takibi gecikmesi. Rakip 1-2 hafta önce indirim açtı, sistem fark etmedi — bizim fiyat rekabetçi olmadığından satış-hızı dramatik düştü, algoritma ’talep zayıf’ yorumlayıp daha-derin indirim önerdi. Çözüm: rakip-fiyat scrape/sinyal modülü günlük, sinyal-tetikli revizyon, kategori müdürü hızlı-onay yetkisi (saatlik).
Marka-imaj yıpranması. Optimum markdown sezon-sonu dead-stock’u tamamen eritir ama bunun için %60-70 indirim önerir; premium algı 1-2 sezonda yıpranır, sezon-sonrası tam-fiyat satış da düşer (uzun-vadeli imaj zararı). Çözüm: maksimum indirim cap (≤%50), cap üstü ürünler outlet/bağış kanalına devir; imaj-koruma vs dead-stock trade-off kategori müdürü ile yazılı belirlenir.
Tek-tedarikçi perakende fiyat yönetim yazılımı lock-in. Sözleşmede “markdown geçmişi, talep-fiyat elastikiyeti kalibrasyon kaydı, sezon-sonu performans verisi, rakip-fiyat sinyal arşivi açık formatta yıllık ihraç” maddesi olmazsa, sağlayıcıyı değiştirmek perakendecinin sezonlar-arası kalibrasyon hafızasını kaybetmesi demektir. Markdown sistemleri 5-15 yıl çalışır — tek-tedarikçi bağımlılığı uzun-vadeli risktir.
Çözüm yöntemine teknik bakış
| Yaklaşım | Tipik ölçek | Çözüm süresi | Garantili optimum? |
|---|---|---|---|
| Manuel kural (‘her hafta %10 arttır’) | Küçük (<100 SKU) | anında | Hayır, %50-70 optimum |
| Smith-Achabal deterministic DP | Orta (100-500 SKU) | saniye-dakika | Evet (deterministik talep kabulu altında) |
| Bitran-Mondschein stokastik DP (Poisson) | Orta (100-500 SKU) | dakika | Evet (Poisson kabulu altında) |
| Multi-product MIP (cannibalization) | Orta-büyük (200-1.000 SKU) | dakika-saatler | Evet (bound içinde) |
| Bayesian dynamic pricing + Thompson sampling | E-ticaret günlük, büyük SKU havuzu | sürekli | Hayır, regret-bound garantili |
| Heuristic markdown + simulation | Tüm ölçek | saniye-dakika | Hayır, pratik kalite |
Hedef fonksiyonu seçimi:
- Hedef 1 — Sezon kâr maksimum: Klasik; markdown + tam-fiyat + sezon-sonu kazanım toplamı.
- Hedef 2 — Kâr-marjı maksimum (yüzde olarak): Premium imaj odaklı.
- Hedef 3 — Dead-stock minimum (sezon-sonu stok temizleme): Sezon-sonu stok kabul-sınırı düşükse.
- Hedef 4 — Çoklu-hedef (kâr + imaj + dead-stock): Pareto-cephe veya ağırlıklı toplam.
Markdown varyantları — sahaya göre seç:
- Klasik Markdown (Smith-Achabal): Tek-SKU + tek-mağaza, deterministik talep eğrisi, geri-induction DP.
- Stokastik Markdown (Bitran-Mondschein): Poisson talep, stokastik DP, beklenen kâr maksimizasyonu.
- Multi-product Markdown: Cannibalization etkili, MIP veya çapraz-elastikiyet matrisi.
- Multi-store Markdown: Mağazalar-arası stok transferi + lokal-fiyat farklılaştırma.
- Online/E-ticaret Markdown: Bayesian learning + Thompson sampling, günlük yeniden-fiyatlama.
- Promosyon Tabanlı Markdown: İndirim sürekli değil, kampanya pencerelerinde; sezon-takvimi + kampanya kalendar.
- Markdown + End-of-season Disposition: Sezon-sonu outlet/bağış/carry-over kararı entegre.
- Markdown + Stok Yeniden-Dağıtım: Mağazalar-arası stok transfer + markdown birlikte optimize.
Akademik kaynaklar
Sayfanın frontmatter’ında sources alanında listelidir. Smith ve Achabal (1998) ile Bitran ve Mondschein (1997) Management Science — markdown pricing’in iki temel referansı; Elmaghraby ve Keskinocak (2003) Management Science kapsamlı tarama; Talluri ve van Ryzin (2004) kanonik kitap; Caro ve Gallien (2012) Operations Research — bir hızlı-moda perakendede gerçek pilot, OR uygulama literatüründe çok ünlü. INFORMS Interfaces ve Operations Research arşivlerinde perakende markdown uygulamalarına ait çok sayıda saha çalışması mevcuttur.
Kaynaklar
- Smith, S. A. ve Achabal, D. D. (1998). Clearance pricing and inventory policies for retail chains. Management Science, 44(3), 285-300. Markdown pricing’in temel empirik çalışması (ABD büyük perakende zincirlerinde).
- Bitran, G. R. ve Mondschein, S. V. (1997). Periodic pricing of seasonal products in retailing. Management Science, 43(1), 64-79. Poisson talepli stokastik dinamik program formülasyonu.
- Elmaghraby, W. ve Keskinocak, P. (2003). Dynamic pricing in the presence of inventory considerations: Research overview, current practices, and future directions. Management Science, 49(10), 1287-1309. Stok-değerlendirmeli dinamik fiyatlama kapsamlı tarama.
- Talluri, K. T. ve van Ryzin, G. J. (2004). The Theory and Practice of Revenue Management. Springer. Revenue management kanonik referans kitabı (markdown bölümü dahil).
- Caro, F. ve Gallien, J. (2012). Clearance pricing optimization for a fast-fashion retailer. Operations Research, 60(6), 1404-1422. Bir hızlı-moda perakendede gerçek pilot + yayılım — OR uygulama literatüründe çok ünlü.
- YÖK Tez Merkezi — anahtar kelime: ‘markdown’, ‘sezon-sonu fiyatlama’, ‘dynamic pricing’ — TR akademisinden 15+ tez. tez.yok.gov.tr
Sözlük
- Markdown Pricing
- Mevsimsel ya da raf-ömrü kısa ürünlerde satış dönemi boyunca tipik olarak monoton-düşen bir fiyat trajektörisi belirleyerek kâr-marjı ile sezon-sonu dead-stock riski arasındaki dengeyi kuran perakende OR pratiği.
- Raf-Ömrü Kısa Ürünler için Dinamik Fiyatlama
- Ürünün değerinin zamanla azaldığı (taze gıda, moda, yeni-jenerasyon elektronik, otel odası / uçak koltuğu) ve fiyatın buna göre uyarlanması gereken — monoton-düşen ya da up-down — geniş OR fiyatlama problem sınıfı.
- Gelir Yönetimi
- Sabit kapasiteli ve kısa raf ömürlü ürünlerde (otel odası, uçak koltuğu, etkinlik bileti) talebe göre dinamik fiyat belirleme.
- Newsvendor
- Bozulabilir veya tek dönemli ürün için optimum sipariş miktarını fire ve kayıp satış maliyetlerinin dengesinden hesaplayan klasik problem.
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.
Hangi Ürünü Listeye Koyayım, Hangi Rafı Hangisine Vereyim?
30-200 mağazalı perakende KOBİ ya da 500-5.000 SKU'lu e-ticaret operatörü için yazıldı. Her ay 'hangi ürün rafta kalacak, hangisine ne kadar yer vereceğiz, yeni gelen tedarikçiye yer açmak için hangisini çıkaracağız' kararıyla yüzleşiyorsanız buradasınız. Sezgisel listeleme ve elle planogram, kategori marjının önemli bir kısmını sessizce eritir: çok satanın rafı dar kalır, atıl SKU yer işgal eder, ikame etkisi (müşteri aradığını bulamayınca rakibe gitmesi) ölçülemez. Mağaza-kategori bazlı sistematik bir karar süreci, 50M TRY cirolu bir kategoride yıllık 2-6M TRY marj farkı yaratır.