Tecof • 15 Eylül 2026
AI ile Stok Tahmini: Talep Öngörüsü Nasıl Yapılır?
Kısaca
Talep tahmini, geçmiş satış verisine ve bilinen dış etkenlere bakarak bir ürünün önümüzdeki dönemde kaç adet satacağını sayıyla ifade etme işidir. Yapay zeka bu işi icat etmedi; ölçeklenebilir hale getirdi. Bir mağaza sahibi otuz ürünün talebini kafadan kestirebilir, üç bin ürünü kestiremez. Modelin değeri, tek bir ürünü insandan daha isabetli tahmin etmesinde değil, üç bin ürünü her gün aynı disiplinle tahmin etmesindedir. 2026 itibarıyla soru "yapay zeka talebi bilebilir mi" değil, "hangi ürün grubunda hangi yöntemi, hangi hata payıyla kabul ediyoruz" sorusudur.
Salı sabahı 09.15. Kasım kampanyası öncesi satın alma toplantısı. Ekran açık, üç bin yedi yüz aktif üründen 212'si son iki haftadır stoksuz; bu 212 ürünün geçen yıl aynı dönemdeki cirosu toplam cironun yüzde 9'u. Aynı ekranda 340 ürün var ki bunlar dokuz aydır depoda duruyor ve kapladıkları alan raf kirasının yüzde 18'ine karşılık geliyor. Satın alma müdürü tek cümle kuruyor: "Yanlış ürünlerden fazla, doğru ürünlerden az aldık."
Sorun para değil, karar yöntemi. O 212 ürünün siparişi geçen yılın toplam satışına bakılarak verilmişti; o 340 ürün ise bir tedarikçi indirimi cazip göründüğü için alınmıştı. İki kararın da arkasında tahmin yok, sezgi var. Talep tahmini kurmak, sezgiyi yasaklamak değil; sezginin nerede haklı, nerede pahalı olduğunu ölçülebilir kılmaktır.
Talep Tahmini Neyi Ölçer, Neyi Ölçmez?
Tahminin ne olduğu konusunda ekipler arasında sessiz bir anlaşmazlık olur ve bu anlaşmazlık genellikle toplantının sonunda ortaya çıkar. Terimleri baştan netleştirmek, sonraki her tartışmayı kısaltır.
Tahmin, hedef ve plan aynı şey değildir
- Tahmin: hiçbir müdahale yapılmazsa ne olacağına dair sayısal beklenti. Tarafsızdır, iyimser ya da kötümser olmaz.
- Hedef: ulaşmak istediğiniz satış rakamı. Tahminden yüksek olabilir; bu bir hata değil, bir niyettir.
- Plan: tahmin ile hedef arasındaki farkı kapatmak için yapacağınız işler — reklam bütçesi, indirim, yeni kanal.
- Sipariş miktarı: tahmin artı emniyet stoğu eksi eldeki stok eksi yoldaki mal. Tahminle aynı sayı değildir.
Bu dördü karıştığında şu olur: hedef, tahmin yerine kullanılır ve depo hedefe göre dolar. Hedefe ulaşılmadığında fazla stok kalır ve kimse bunu tahminin hatası saymaz, çünkü ortada tahmin yoktur.
Hangi veriden başlanır?
İdeal veri seti aramak, hiç başlamamanın en kibar yoludur. Başlangıç için üç şey yeter: ürün bazında günlük satış adedi, ürünün o gün satışta olup olmadığı bilgisi ve fiyat. Üçüncüsü olmadan indirim etkisini ayıklayamazsınız; ikincisi olmadan "satmadı" ile "stok yoktu" ayrımını yapamazsınız ve model, stoksuz günleri talep düşüşü sanır. Bu tek ayrıntı, ilk kurulan tahmin sistemlerinin en sık yaptığı hatadır.
Ufuk ve granülerlik
Tahmin ufku, tedarik süresiyle belirlenir. Yurt içi tedarikçiden 7 günde mal alan bir mağazanın 90 günlük ürün bazlı tahmine ihtiyacı yoktur; 14-21 günlük ufuk yeter. Uzak Doğu'dan 60 günde mal getiren bir mağaza ise 90-120 gün bakmak zorundadır. Granülerlikte de aynı mantık geçerlidir: varyant bazında tahmin en değerlisidir ama en gürültülüsüdür. Haftada 2 adet satan bir varyantta günlük tahmin anlamsızdır; haftalık toplayın.
Klasik Yöntemler ile Makine Öğrenmesi Arasındaki Gerçek Fark
Yapay zeka her ürün için doğru cevap değildir. Hangi ürünün hangi yöntemi hak ettiğini ayırmak, model seçmekten daha çok kazandırır.
Hareketli ortalama ve üstel düzleştirme
Son 4, 8 veya 12 haftanın ortalaması, istikrarlı satan ürünlerde şaşırtıcı derecede iyi çalışır. Üstel düzleştirme buna "yakın haftalar daha önemli" kuralını ekler. Bu yöntemlerin avantajı şeffaflıktır: sayının nereden geldiğini satın alma ekibine bir dakikada anlatırsınız. Katalogun büyük kısmı için bu yeterlidir ve hiçbir model altyapısı gerektirmez.
Makine öğrenmesi modelleri
Gradient boosting ailesi (LightGBM, XGBoost) e-ticaret talep tahmininde hâlâ en pratik seçenektir; derin öğrenme, ancak binlerce ürün ve uzun geçmiş varken fark yaratır. Bu modellerin kazandığı yer, birden çok etkenin aynı anda çalıştığı durumlardır: hafta sonu etkisi, indirim yüzdesi, rakip fiyatı, hava durumu, kampanya günü. Tek başına hiçbiri belirleyici değildir; birlikte belirleyicidirler ve insan bu kombinasyonu üç bin üründe takip edemez.
Yeni ürün ve seyrek satan ürün
Geçmişi olmayan ürün için tahmin yapılmaz, benzetme yapılır: aynı kategoride, benzer fiyat bandında, benzer lansman koşullarında satılmış ürünlerin ilk 8 haftası referans alınır. Seyrek satan ürünlerde (ayda 1-3 adet) ortalama yanıltıcıdır; burada soru "kaç satar" değil, "stoksuz kalma riskini kabul ediyor muyuz" sorusudur.
| Ürün tipi | Örnek | Önerilen yöntem | Tahmin ufku | Beklenen WAPE |
|---|---|---|---|---|
| İstikrarlı çok satan | Temel tişört, siyah | Üstel düzleştirme | 14-28 gün | %15-25 |
| Sezonluk | Mont, bikini | ML + sezon değişkeni | 60-120 gün | %25-40 |
| Kampanyaya duyarlı | Elektronik aksesuar | ML + fiyat/indirim | 14-30 gün | %30-45 |
| Yeni ürün | Lansman koleksiyonu | Benzer ürün analojisi | 8 hafta | %50+ |
| Seyrek satan | Uç bedenler | Servis seviyesi kuralı | Tedarik süresi | Ölçülmez |
Türkiye'ye Özgü Değişkenler
Hazır bir tahmin modelini olduğu gibi almanın sorunu, modelin başka bir ülkenin takvimine göre kurulmuş olmasıdır. Yerel düzeltme, model seçiminden daha çok fark yaratır.
Kampanya takvimi ve bayramlar
Kasım kampanya haftası, yılbaşı, sevgililer günü, okula dönüş ve iki dini bayram; bunların hepsi sabit tarihli değildir. Ramazan ve Kurban Bayramı her yıl on bir gün geriye kayar, dolayısıyla "geçen yıl aynı hafta" karşılaştırması bu dönemlerde yanlış sonuç verir. Modele takvimi hafta numarasıyla değil, bayrama kalan gün sayısıyla verin. Aynı şekilde kamu tatillerinin hafta içine denk geldiği yıllarda kargo akışı değişir; bunu ayrı bir değişken olarak tutun.
Pazaryeri etkisi
Trendyol ve Hepsiburada'da yayınladığınız ürünlerin kendi sitenizdeki talebi pazaryeri kampanya günlerinde ciddi biçimde etkilenir. Pazaryeri bir kategoride kupon verdiğinde kendi sitenizin satışı düşer ve model bunu talep düşüşü sanar. Pazaryeri sipariş verisini ve kampanya günlerini de tahmine dahil edin; iki kanalı ayrı ayrı tahmin edip toplamak, tek bir birleşik tahminden daha isabetli sonuç verir.
Tedarik süresi ve kargo
Tahminin doğruluğu kadar tedarik süresinin değişkenliği de stok kararını belirler. Yurtiçi Kargo ya da Aras Kargo ile teslim süresi 1-3 gün arasında oynarken tedarikçi teslim süresi 5 gün ile 22 gün arasında oynuyorsa asıl risk oradadır. Tedarik süresinin ortalamasını değil, dağılımını ölçün: son 12 ayda bu tedarikçi kaç kez gecikti ve en uzun gecikme kaç gündü? Lojistik ve depo yönetimi rehberinde bu akışın operasyonel tarafını ayrıntılandırmıştık.
Kur ve fiyat değişimi
İthal ürünlerde maliyet arttığında fiyat da artar ve talep düşer. Model fiyatı değişken olarak görmüyorsa, zam sonrası satış düşüşünü "talep azaldı" diye öğrenir ve bir sonraki dönemi düşük tahmin eder. Fiyat ve indirim yüzdesi, tahmin modelinin isteğe bağlı değil zorunlu girdisidir.
Tahmini Ölçmek: Hangi Hata Kabul Edilebilir?
Ölçülmeyen tahmin, geçen yılki tablodan farksızdır. İlk kurulumda en sık atlanan adım, tahminin kendi performansını kaydetmektir.
WAPE, MAPE ve bias
- MAPE: yüzde cinsinden ortalama mutlak hata. Düşük adetli ürünlerde patlar; 1 adet satan üründe 2 adet tahmin yüzde 100 hatadır. Tek başına yanıltıcıdır.
- WAPE: hataların toplamının gerçek satış toplamına bölümü. Adet ağırlıklı olduğu için e-ticarette daha kullanışlıdır; katalog geneli için bunu izleyin.
- Bias: sistematik sapma. Tahmin sürekli gerçeğin üstündeyse pozitif biastır ve deponuz şişer. Hatanın büyüklüğünden önce yönüne bakın.
Pratik kural şudur: WAPE'yi düşürmeye çalışmadan önce bias'ı sıfıra yaklaştırın. Yüzde 30 WAPE ile tarafsız bir tahmin, yüzde 25 WAPE ile sürekli yukarı sapan bir tahminden daha ucuzdur.
Servis seviyesi ve emniyet stoğu
Emniyet stoğu, tahmin hatasına karşı aldığınız sigortadır ve bedava değildir. Ne kadar yüksek servis seviyesi isterseniz, bağladığınız sermaye o kadar artar. Karar, ürünün marjına ve stoksuz kalmanın maliyetine göre verilir: kaybedilen satışın yanında müşteriyi rakibe göndermenin maliyeti de vardır.
| Servis seviyesi | Emniyet katsayısı | Stoksuz kalma olasılığı | Uygun ürün grubu |
|---|---|---|---|
| %90 | 1,28 | 10 dönemde 1 | Uzun kuyruk, düşük marj |
| %95 | 1,65 | 20 dönemde 1 | Standart katalog |
| %98 | 2,05 | 50 dönemde 1 | Çok satan, yüksek marj |
| %99 | 2,33 | 100 dönemde 1 | Vitrin ürünü, reklamı dönen |
Emniyet stoğu, katsayı ile tedarik süresi boyunca oluşan talep sapmasının çarpımıdır. Tedarik süresi uzadıkça sapma büyür; bu yüzden tedarik süresini kısaltmak, modeli iyileştirmekten çoğu zaman daha hızlı sonuç verir.
Tahminin maliyetini hesaplayın
Tahmin sisteminin değeri iki kalemde görünür: stoksuz kalmadan kaybedilen ciro ve fazla stokta bağlanan sermaye. İkisini de aylık olarak yazın. Kaybedilen ciroyu ölçmek için stoksuz geçen gün sayısını, o ürünün stoklu günlerdeki ortalama satışıyla çarpın. Fazla stok için ise dokuz aydan uzun süredir hareketsiz ürünlerin maliyet toplamını alın. Bu iki sayı düşmüyorsa model iyi çalışıyor sayılmaz, WAPE ne derse desin.
Tahmini Sipariş Kararına Çevirmek
Tahmin bir sayıdır; kıymeti, bir eyleme bağlandığında ortaya çıkar. Çoğu projede kırılma noktası burasıdır: model çalışır, ekran güzeldir, satın alma yine Excel'den sipariş açar.
Yeniden sipariş noktası
Formül basittir: tedarik süresi boyunca beklenen talep artı emniyet stoğu. Stok bu seviyenin altına düştüğünde sipariş açılır. Bunu her ürün için hesaplamak bir insanın işi değildir; sistemin işidir. Ürün kodlaması dağınıksa bu hesap da dağınık olur, çünkü aynı ürünün iki farklı kodla iki ayrı stok kaydı olur. Düzgün bir SKU yapısı, tahmin projesinin görünmeyen ön koşuludur.
ERP ve kanal entegrasyonu
Tahmin, stok gerçeğiyle aynı yerde buluşmazsa karar üretmez. Logo, Mikro veya Netsis tarafındaki stok ve satın alma verisi ile mağaza ve pazaryeri satış verisi tek bir tabloda toplanmalıdır. Burada asıl zorluk model değil, eşleşmedir: ERP'deki stok kodu ile pazaryerindeki barkod arasındaki eşleştirme tablosu doğru değilse tahmin de doğru olmaz. API ve entegrasyon yazımızda bu bağlantının nasıl kurulduğunu anlatmıştık; hazır entegrasyon katmanı bu eşleştirmeyi kurulum aşamasında çözer.
Ajanlarla otomatik uyarı ve aksiyon
Tahminin en pratik kullanımı rapor değil, uyarıdır. "Şu 14 ürün tedarik süresi içinde stoksuz kalacak" bildirimi, haftalık bir tahmin raporundan daha çok iş görür. Bir adım ötesi, uyarının eyleme bağlanmasıdır: stoksuz kalacak ürünün reklamının duraklatılması, tedarikçiye sipariş taslağının hazırlanması, satın almaya onay için düşmesi. Yetkiyi prompta değil sisteme yazmak şartıyla bu akış yapay zeka ajanlarına devredilebilir; kararı insan onaylar, hazırlığı ajan yapar. Bu yaklaşımın bütününü ajanik ticaret rehberinde ele almıştık.
30 Günde Talep Tahmini Kurmak
Talep tahmini projelerinin çoğu, veri temizliğinde biter. Aşağıdaki takvim, sıfırdan başlayan bir ekibin dördüncü haftada karar üreten bir sisteme ulaşması için sıralanmıştır.
1-7. gün: veriyi ve stoksuz günleri ayıklayın
Son 24 ayın günlük satış verisini ürün bazında çıkarın. Her gün için ürünün satışta olup olmadığını işaretleyin. Stoksuz günleri talep sıfır olarak değil, "bilinmiyor" olarak işaretleyin. Bu hafta model kurulmaz; veri düzeltilir. İade oranı yüksek kategorilerde net satışı kullanın, brütü değil.
8-14. gün: ürünleri sınıflandırın ve taban tahmin kurun
Katalogu ciro ve satış sıklığına göre dört gruba ayırın. Her gruba yukarıdaki tablodaki yöntemi atayın. Tüm katalog için basit bir hareketli ortalama tahmini üretin ve WAPE'sini ölçün. Bu sayı, bundan sonraki her modelin geçmesi gereken eşiktir; geçemiyorsa daha karmaşık model gereksizdir.
15-21. gün: kampanya ve fiyat değişkenlerini ekleyin
Kampanya günlerini, indirim yüzdesini ve bayrama kalan gün sayısını modele ekleyin. Sadece ilk gruptaki (ciroyu taşıyan) ürünlerde çalışın; katalogun tamamını aynı anda iyileştirmeye çalışmak dördüncü haftaya yetişmemenin en güvenilir yoludur. WAPE'yi taban tahminle karşılaştırın.
22-30. gün: sipariş kararına bağlayın ve devredin
Yeniden sipariş noktasını hesaplayıp haftalık uyarı listesine dönüştürün. Listeyi satın alma ekibine gönderin ve ilk iki hafta kararı insan versin. Her karar için "listeye uyuldu mu, uyulmadıysa neden" notunu tutun. Bu not, bir sonraki ayın en değerli iyileştirme kaynağıdır ve modelin nerede güvenilmez olduğunu WAPE'den daha net gösterir.
Yarın sabah yapabileceğiniz iş şu: son 90 günde stoksuz kalan ürünleri listeleyin, her birinin stoklu günlerdeki ortalama günlük satışını stoksuz gün sayısıyla çarpın ve toplamı alın. Çıkan rakam, tahmin sisteminin size bu çeyrekte kazandırabileceği cironun alt sınırıdır; projeyi savunurken kullanacağınız tek sayı odur. Stok, satış ve tahmin verisinin aynı yerde durduğu bir e-ticaret altyapısında bu hesabı her hafta elle yapmak zorunda kalmazsınız.
Sıkça Sorulan Sorular
Kaç aylık geçmiş veriyle talep tahmini yapılabilir?
Sezonluğu olmayan ürünlerde 6 ay iş görür. Sezonluk ürünlerde en az iki tam sezon, yani 24 ay gerekir; tek sezonla model sezonu öğrenemez, yalnızca trendi öğrenir. Verisi kısa olan ürünlerde kategori ortalamasına yaslanmak, kötü bir modelden daha güvenlidir.
Yüzde kaç hata normaldir?
Tek bir doğru rakam yok; ürün tipine göre değişir. Çok satan istikrarlı ürünlerde yüzde 15-25 WAPE iyi kabul edilir, seyrek satan ürünlerde yüzde 50 bile normaldir. Önemli olan hatanın mutlak büyüklüğü değil, geçen aya göre yönü ve bias'ın sıfıra yakınlığıdır.
Hazır bir araç mı almalıyım, kendi modelimi mi kurmalıyım?
Üç bin ürünün altındaysanız ve verileriniz tek yerde değilse, önce veriyi toplayın; araç kararı sonra gelir. Kendi modelini kurmak, sürekli bakım gerektiren bir taahhüttür: model bir kez kurulup bırakılmaz, her sezon yeniden ölçülür. Bu bakımı üstlenecek kişi yoksa hazır çözüm daha doğrudur.
Kampanya dönemlerinde tahmin neden bozuluyor?
Çünkü kampanya günü, geçmiş verideki normal günlerden farklı bir dünyadır ve model o günü yeterince görmemiştir. Çözüm, kampanya günlerini ayrı bir değişken olarak işaretlemek ve mümkünse kampanya tahminini normal dönem tahmininden ayrı yönetmektir. Kampanya öncesi tahminde indirim yüzdesi en belirleyici girdidir.
Pazaryeri satışlarını kendi sitemle birlikte mi tahmin etmeliyim?
Ayrı tahmin edip toplamak daha isabetlidir, çünkü iki kanalın talep şekli farklıdır: pazaryerinde fiyat ve kampanya baskındır, kendi sitenizde pazarlama ve müşteri sadakati. Ama stok kararını birleşik alın; stok ortaksa tahmin de sipariş noktasında birleşmelidir.
Yeni ürünlerin talebi nasıl tahmin edilir?
Benzer ürün analojisiyle: aynı kategoride, yakın fiyat bandında, benzer tanıtım bütçesiyle çıkmış son 5-10 ürünün ilk 8 haftalık satış eğrisini alın ve ortalamasını başlangıç tahmini yapın. İlk üç haftanın gerçek verisi geldikçe tahmini güncelleyin; lansmanlarda ilk 21 gün, modelden daha bilgilendiricidir.
Tahmin modeli stok fazlasını da azaltır mı?
Evet, ama tek başına değil. Fazla stok genellikle tahmin hatasından değil, minimum sipariş miktarı ve tedarikçi indirimi kararlarından doğar. Model size doğru miktarı söyler; tedarikçi "en az 500 adet" diyorsa karar yine ticari bir karardır. Tahmin bu kararın maliyetini görünür kılar, kararı vermez.
Tahmini kim sahiplenmeli?
Satın alma ya da planlama ekibi. Tahmini kuran ile sonucuna katlanan aynı taraf olmazsa sistem birkaç ay içinde terk edilir. Teknik ekip altyapıyı ve ölçümü sağlar; hangi hatanın kabul edilebilir olduğuna ticari taraf karar verir.
KVKK açısından dikkat edilmesi gereken bir şey var mı?
Talep tahmini ürün bazlı çalıştığı sürece kişisel veri işlemez ve bu en sağlıklı kurulumdur. Müşteri bazında kişiselleştirilmiş tahmine geçildiğinde aydınlatma metni, veri işleyen listesi ve saklama süresi gündeme gelir. Tahmin için müşteri kimliğine ihtiyacınız yoksa veriyi ürün seviyesinde toplayın; veri asgariliği hem uyum hem performans açısından daha iyidir.
Model yanlış tahmin ettiğinde ne yapmalıyım?
Tek bir yanlış tahmine bakıp modeli değiştirmeyin; modeller tekil olaylarda değil, ortalamada iyidir. Ayda bir, en büyük 20 sapmayı inceleyin ve her birinin sebebini yazın. Sebeplerin çoğu modelde değil veride çıkar: kaydedilmemiş kampanya, yanlış eşleşmiş ürün kodu, iade edilmiş toplu sipariş.