Karar zekâsı2026-11-12

Talep tahmini nedir? Yöntemleri, örnekleri ve doğruluğu

Talep tahmini, bir ürünün belirli bir dönemde ve kanalda ne kadar satılacağını öngörme işidir. Başlıca yöntemler, adım adım bir örnek, doğruluğun nasıl ölçüldüğü ve yapay zekânın değiştirdikleri.

Talep tahmini nedir? Yöntemleri, örnekleri ve doğruluğu

Talep tahmini, bir ürünün belirli bir dönemde ve belirli bir kanalda ne kadar satılacağını geçmiş veri ve bilinen etkenlerle öngörme işidir. Sipariş, üretim, stok, kampanya ve bütçe kararlarının hepsi bu tek sayıya dayanır; bu yüzden talep tahmini bir raporlama işi değil, bir karar girdisidir.

Talep tahmini neden önemlidir?

Tahmin yüksek çıkarsa fazla stok oluşur: depoda bekleyen ürün, bağlanan nakit ve sezon sonunda derin indirim. Düşük çıkarsa satış kaçar: tükenen beden, boş raf, rakibe giden müşteri. İki hatanın da maliyeti vardır ama farklı yere yazılır. Fazla stok finansın, kaçan satış satışın tablosunda görünür. İyi bir talep tahmini bu iki maliyet arasındaki dengeyi bilinçli kurmayı sağlar.

Talep tahmininin türleri nelerdir?

Tahminler iki eksende ayrılır. Birincisi ufuk: kısa vadeli tahmin (haftalık yeniden sipariş, mağaza transferi), orta vadeli tahmin (sezon planı, üretim siparişi) ve uzun vadeli tahmin (kapasite, yeni mağaza, yeni kategori). İkincisi seviye: tek ürün, ürün grubu, kategori, kanal ya da mağaza. Ufuk uzadıkça tahmin daha üst seviyede yapılır; haftalık sipariş ürün ve beden ister, sezon planı kategori ve ürün grubu ister.

Talep tahmini yöntemleri nelerdir?

Yöntemler kabaca üç aileye ayrılır: uzman görüşüne dayanan nitel yöntemler, geçmiş satışın kendi örüntüsünü okuyan zaman serisi yöntemleri ve satışı fiyat, kampanya gibi etkenlerle açıklayan nedensel yöntemler. Makine öğrenmesi bu ailelerin üçünden de beslenir.

YöntemNasıl çalışırNe zaman uygundur
Uzman görüşü, DelphiSatış, ürün ve planlama ekiplerinin tahmini birleştirilirGeçmişi olmayan yeni ürün ya da kategori
Hareketli ortalamaSon birkaç dönemin ortalaması bir sonraki dönem için kullanılırDurağan, mevsimselliği zayıf ürünler
Üstel düzeltme, Holt-WintersYakın döneme daha çok ağırlık verir; trend ve mevsimsellik eklenebilirMevsimsel ve trendi olan ürünler
ARIMASerinin kendi geçmişiyle ilişkisini modellerUzun ve düzenli geçmişi olan seriler
Regresyon (nedensel)Satışı fiyat, kampanya, hava gibi etkenlerle açıklarEtkisi ölçülmek istenen değişkenler varsa
Makine öğrenmesiÇok sayıda sinyali ve benzer ürünleri birlikte öğrenirÇok ürün, çok kanal, kısa ürün ömrü

Üstel düzeltmenin trend ve mevsimsellik içeren sürümü Holt ve Winters'ın 1950'lerin sonu ve 1960'taki çalışmalarına, ARIMA yaklaşımı ise Box ve Jenkins'in 1970 tarihli kitabına dayanır. Yöntemlerin ayrıntılı ve ücretsiz bir anlatımı için Hyndman ve Athanasopoulos'un Forecasting: Principles and Practice kitabı iyi bir başlangıçtır.

Talep tahmini örneği: bir triko kategorisi

Kadın triko kategorisi son dört haftada 400, 420, 380 ve 440 adet satmış olsun (örnek rakamlar). Dört haftalık hareketli ortalama gelecek hafta için 410 adet der. Ama takvimde ilk soğuk hafta var ve geçen yıl aynı haftada kategori belirgin biçimde sıçramış. Hareketli ortalama bunu göremez; mevsimselliği olan bir üstel düzeltme modeli görür. Aynı hafta bir kampanya da planlandıysa, kampanyanın etkisini ayrıca hesaba katan nedensel bir model gerekir.

Örnek tek bir şeyi gösterir: doğru yöntem, ürünün davranışına ve kararın ufkuna göre seçilir. Tek bir yöntemi bütün kataloğa uygulamak, bir kısmında sistematik hata demektir.

Talep tahmininin doğruluğu nasıl ölçülür?

En yaygın ölçü MAPE'dir: tahmin ile gerçekleşen arasındaki farkın, gerçekleşene oranının ortalaması. Düşük hacimli ürünlerde yanıltır; iki adet satan üründe bir adetlik sapma yüzde elli hata gibi görünür. Bu yüzden perakendede hacimle ağırlıklandırılmış WMAPE daha sık kullanılır. Üçüncü ölçü sapma yönüdür (bias): tahmin sürekli yüksekte mi, sürekli düşükte mi kalıyor? Sürekli yüksek tahmin fazla stok, sürekli düşük tahmin kaçan satış üretir.

Doğruluk, kararın verildiği seviyede ölçülmelidir. Sipariş ürün grubu seviyesinde veriliyorsa beden seviyesindeki hata o kararı doğrudan etkilemez.

Yapay zekâ talep tahminini nasıl değiştiriyor?

Üç şey değişti. Birincisi sinyal sayısı: satış geçmişinin yanında fiyat, kampanya takvimi, iade, hava ve arama trendi aynı modelde okunabiliyor. İkincisi geçmişi olmayan ürün: model yeni ürünü benzer ürünlerin davranışından öngörebiliyor. Üçüncüsü kendini düzeltme: sapma izleniyor ve model her dönem gerçekleşenle güncelleniyor.

Ama asıl fark teknikte değil, kullanımda. Bir tahmin rapor olarak kalırsa kimse ona göre davranmaz. S0 Forecast satış, iade, rakip ve sezon verisini tek öngörüde birleştirir ve öngörüyü S0 Supply'ın sipariş önerisine, S0 Ecom'un katalog planına ve S0 Finance'ın bütçesine bağlar. Tahmin bir karara dönüştüğünde ve sonucu ölçüldüğünde karar zekâsı döngüsünün bir parçası olur. Moda perakendesinde bunun nasıl kurulduğunu yapay zekâ ile talep tahmini yazısında adım adım anlattık.

Talep tahminine nereden başlanır?

Tek bir kategori ve tek bir karar seçin: örneğin haftalık yeniden sipariş. Bugünkü tahmininizin doğruluğunu WMAPE ve sapma yönüyle ölçün; ölçmediğiniz şeyi iyileştiremezsiniz. Sonra tahmini doğrudan o karara bağlayın ve sonucu geri yazın. Kendi verinizde bu akışı görmek için demo isteyebilirsiniz.

Kısa cevaplar

Talep tahmini ile satış tahmini aynı şey mi?

Tam olarak değil. Satış tahmini gerçekleşecek satışı, talep tahmini müşterinin almak isteyeceği miktarı öngörür. Stok tükendiğinde satış düşer ama talep düşmez; bu yüzden stoksuz haftalar düzeltilmeden yapılan tahmin talebi olduğundan düşük gösterir.

En iyi talep tahmini yöntemi hangisi?

Tek bir en iyi yöntem yoktur. Durağan ürünlerde basit yöntemler yeterlidir; mevsimsel ürünlerde üstel düzeltme, çok ürün ve kısa ömürlü katalogda makine öğrenmesi öne çıkar. Seçim, ürünün davranışına ve kararın ufkuna göre yapılır.

Talep tahmini için ne kadar geçmiş veri gerekir?

Mevsimselliği görmek için en az iki sezonluk veri tipik bir başlangıçtır. Geçmişi olmayan yeni ürünlerde ürünün kendi geçmişi yerine benzer ürünlerin davranışı kullanılır.

Talep tahmini Excel ile yapılabilir mi?

Az sayıda ürün ve basit yöntemler için yapılabilir. Ürün, beden, kanal ve sinyal sayısı arttığında elle güncellenen tablo hem yavaşlar hem de sapmayı izlemeyi zorlaştırır.

Özet

  • Talep tahmini, bir ürünün belirli dönem ve kanaldaki satışını öngörür ve sipariş, stok, bütçe kararlarının girdisidir.
  • Yöntemler nitel, zaman serisi ve nedensel olarak üçe ayrılır; makine öğrenmesi üçünden beslenir.
  • Doğruluk WMAPE ve sapma yönüyle, kararın verildiği seviyede ölçülür.
  • Tahmin ancak bir karara bağlandığında ve sonucu ölçüldüğünde değer üretir.
Demoyu planla →