Tahminleyici analitik, geçmiş verileri ve istatistiksel veya makine öğrenimi modellerini kullanarak bir sonraki ayın talebi, hangi müşterilerin satın almayı bırakabileceği veya hangi potansiyel müşterilerin dönüşme olasılığının daha yüksek olduğu gibi nelerin olabileceğini tahmin eder. Yerel veya küçük bir işletme için gerçekçi başlangıç noktası, zaten sahip olduğunuz verilere dayanan ve her ay gerçeklerle kontrol edilen basit bir tahmindir.
Küçük bir işletme gerçekçi olarak neyi tahmin edebilir?
Büyük perakendeciler milyonlarca işlem üzerinde talep modelleri çalıştırır. Bir fırın, diş kliniği veya yerel mobilya mağazasının verileri çok daha azdır, bu yüzden daha mütevazı sorulara ihtiyaçları vardır. İyi ilk adaylar:
- Stok ve personeli planlamak için en iyi ürün veya hizmetlere yönelik haftalık veya aylık talep.
- Geçmiş müşterilerden hangilerinin tekrar ziyaret veya yeniden sipariş zamanının geldiği.
- Hangi sorguların ödeme yapan müşteriye dönüşme olasılığının daha yüksek olduğu.
- Açılış saatlerini ve promosyonları planlamak için haftanın gününe göre beklenen rezervasyonlar.
- Mevsimsel modellere dayalı olarak önümüzdeki birkaç ay için nakit akışı.
Bunların her biri bir karara dönüşür: daha fazla un sipariş et, bu 30 müşteriyi ara, Salı günleri daha geç aç. Eğer bir tahmin bir kararı değiştirmiyorsa, onu oluşturmaya değmez.
Önce hangi verilere ihtiyacınız var?
Çoğu küçük işletme, bir satış noktası sistemi, rezervasyon yazılımı, e-ticaret platformu, muhasebe yazılımı ve Google Analytics arasında dağılmış ilk model için yeterli veriye zaten sahiptir. İş, bunları temiz bir tabloya getirmektir.
Minimum veri kontrol listesi
- Mevsimselliğin görünür olması için tarihleriyle birlikte en az bir ila iki yıllık satış veya rezervasyonlar.
- Zaman içinde tutarlı kalan ürün veya hizmet tanımlayıcıları.
- Tekrar satın alma tahminleri istiyorsanız, anonim olanlar da dahil olmak üzere müşteri kimlikleri.
- Olağandışı olayların kaydı: kapanışlar, büyük promosyonlar, fiyat değişiklikleri, yerel tatiller.
Olağandışı olaylarla ilgili notlar, insanların düşündüğünden daha önemlidir. Mağazanızın tadilat nedeniyle üç hafta kapalı olduğunu bilmeyen bir model, bu düşüşü gerçek bir talep düşüşü olarak değerlendirecektir.
Hangi araçlar uygun fiyatlıdır?
Başlamak için bir veri bilimi ekibine ihtiyacınız yok. Farklı çaba seviyelerinde seçenekler:
- Elektronik tablo tahmini: Excel’in FORECAST.ETS işlevi ve Tahmin Sayfası veya Google E-Tablolar eklentileri, mevsimsel zaman serilerini şaşırtıcı derecede iyi yönetir.
- Yerleşik platform özellikleri: Shopify, Square, birçok rezervasyon aracı ve CRM, panellerinde tahminler veya müşteri öngörüleri sunar.
- Veri eşiklerini karşılayan siteler için satın alma olasılığı ve kayıp olasılığı gibi Google Analytics 4 tahminleyici metrikleri.
- Yüklenen bir CSV üzerinde analiz çalıştırabilen kodsuz makine öğrenimi araçları ve AI asistanları, modelleri keşfetmek için kullanışlıdır.
- Daha özel bir şey için Prophet veya scikit-learn gibi Python kütüphanelerini kullanan serbest çalışan bir analist.
Sorunuzu yanıtlayan en düşük seviyeden başlayın. Bir seviye yukarı çıkmak yalnızca basit yöntem sınırına ulaştığında mantıklıdır.
Bir tahminin iyi olup olmadığını nasıl kontrol edersiniz?
En basit test holdout’tur. Tahmini, örneğin üç ay öncesine kadar olan verileri kullanarak oluşturun, ardından son üç ay için tahmin ettiklerini gerçekte olanlarla karşılaştırın. Eğer çok uzaksa, planlama için güvenmeden önce bunu bilirsiniz.
Ayrıca “geçen yılın aynı ayı” veya “son dört haftanın ortalaması” gibi saf bir temel ile karşılaştırın. Saf tahmini geçemeyen süslü bir model tutmaya değmez. Hatayı her ay basit bir sayfada takip edin: tahmin edilen, gerçek, fark.
Küçük işletmeler hangi hataları yapar?
Üçü sıklıkla ortaya çıkar. Birincisi, neye dayandığını bilmeden bir panel tahminine güvenmektir; çok az müşteri üzerine inşa edilmiş bir kayıp puanı gürültü olabilir. İkincisi, yeni bir rakip, mağazanın dışındaki yol çalışmaları veya teslimat ücretlerindeki bir değişiklik gibi satış geçmişinizdeki hiçbir modelin göremeyeceği dış faktörleri görmezden gelmektir. Üçüncüsü, sahibinin asla açmadığı ayrı bir araçta yaşadığı için kimsenin kullanmadığı bir şey inşa etmektir.
Tahminleri kararların alındığı yerde tutun: haftalık sipariş sayfasında, personel çizelgesinde veya satış görevlisinin her sabah kontrol ettiği CRM görünümünde.
Alien Road küçük işletmeler için tahminleyici analitiği nasıl uygular
Tipik bir çalışmada keşif, sahibinin her hafta verdiği kararlar ve her birinin kullanabileceği verilerle başlar. Genellikle her şeyi modellemeye çalışmak yerine, genellikle stok planlaması veya kaybedilen müşterileri yeniden etkinleştirme gibi bir kararı seçeriz.
Kurulum, satış noktası, rezervasyon veya e-ticaret sisteminden verileri temiz bir tabloya çekmek, olağandışı olayları işaretlemek ve bir holdout testinde saf bir temeli geçen en basit modeli oluşturmak anlamına gelir. Pazarlama kullanımları için çıktıyı, CRM’de hatırlatma e-postası bekleyen müşteriler listesi gibi bir eyleme bağlarız.
Ölçüm, tahminleri her ay gerçeklerle karşılaştırır ve hatırlatılan müşteriler arasındaki yeniden sipariş oranı ile hatırlatılmayan küçük bir grup arasındaki fark gibi eylemin iş sonucunu takip eder. Sahibine raporlama kısadır: tahmin ne kadar doğruydu, onunla ne yapıldı ve devam ettirilmeli mi.
Daha fazla yatırım yapma zamanı ne zamandır?
Basit model her hafta kullanıldığında, hatası açıkça para kaybına neden olduğunda ve daha fazla veri biriktirdiğinizde daha gelişmiş bir modeli düşünmeye değer. Örneğin, birkaç lokasyonu olan bir mağaza, genel tahmin güvenilir olduğunda şube bazında tahminlerden faydalanabilir. Bir sonraki adımı hırs değil, hacim büyümesi yönlendirmelidir.
Tahminleyici analitik yerel pazarlamaya nasıl yardımcı olur?
Pazarlama genellikle küçük bir işletmenin en hızlı getiriyi gördüğü alandır. Rezervasyon verileriniz çoğu müşterinin yaklaşık sekiz haftada bir geri döndüğünü gösteriyorsa, bir model kimin geciktiğini işaretleyebilir ve sabit bir aylık toplu gönderim yerine doğru anda SMS veya e-posta ile kısa bir hatırlatma gider.
Mevsimsel tahminler reklam bütçelerine de yardımcı olur. Bahar talebinin Mart başında artmaya başladığını bilen bir bahçe merkezi, Google Ads ve Meta bütçelerini zirve başlamadan birkaç hafta önce artırabilir, başlamasını bekleyip tepki vermek yerine. Google İşletme Profili içgörülerindeki yerel arama etkinliği, örneğin aramalar ve yol tarifi istekleri, tahminle karşılaştırmak için başka bir sinyal verir.
Bu hafta nereden başlamalı
En iyi on ürün veya hizmetiniz için iki yıllık aylık satışları bir elektronik tabloya aktarın. Olağandışı olaylar için bir sütun ekleyin. Önümüzdeki üç ayı tahmin etmek için tablonun yerleşik tahmin işlevini kullanın.
Kullanmadan önce test edin: son üç ayı gizleyin, tahmin edin ve gerçekte olanlarla ve “geçen yılın aynı ayı” ile karşılaştırın. Tahmin kazanırsa, bir sonraki siparişiniz veya personel planınız için kullanın ve ay kapandığında gerçek sonucu kaydedin.
Okumaya devam edin: Yapay Zekâ Optimizasyonu · Yapay Zekâ Optimizasyonu