"Yapay zekâyla mı sıralayalım, kurallarla mı?" sorusu çoğunlukla ikisinden biri kazanmak zorundaymış gibi sorulur. Uygulamada ise ikisi farklı sorulara yanıt verir ve hangi büyüklükte olursa olsun bir mağazanın her ikisine de uygun koleksiyonları vardır.
Sıralama kuralı nelerde iyidir
Sıralama kuralı bir formüldür. Haftalık satış, dönüşüm oranı, stok ve pazardaki gün sayısı gibi sinyalleri alır ve bir puana dönüştürür. Hangi sinyallerin ne kadar sayılacağına siz ya da sizin adınıza biri karar verir.
Güçlü yanları da buradan gelir:
- Öngörülebilirdir. Kuralı okuyup bir ürünün neden bulunduğu yerde olduğunu bilirsiniz.
- Politikayı taşır. "Yeni gelenler kategorisinde en yeni en başta." "Stok eritme kategorisinde en yüksek indirim en başta." Bunlar keşif değil, karardır ve bir kural onları tam olarak ifade eder.
- İlk günden çalışır. Bir kuralın aylarca geçmişe değil, bugünün verisine ihtiyacı vardır.
- Savunması kolaydır. Bir marka yöneticisi bir ürünün neden yer değiştirdiğini sorduğunda yanıt tek cümledir.
Zayıf yanı aynı madalyonun öbür yüzüdür. Bir kural yalnızca içine koyduğunuzu bilir. Sezon, kabanlar için çoraplara göre daha önemliyse kural bunu kendisi keşfetmez. Birinin fark edip ikinci bir kural yazması gerekir.
Model nelerde iyidir
Bir makine öğrenmesi modeli ağırlıkları sizden almaz. Onları verinizden öğrenir: fiyatın, indirimin, stoğun, markanın, kategorinin, sezonun, rengin, tazeliğin, görüntülenmelerin, sepete eklemelerin ve satışların mağazanızda taleple nasıl ilişkili olduğunu. Ardından her ürün için bir puan tahmin eder.
- Birçok sinyali aynı anda tartar; kimsenin bir formüle yazmayacağı kombinasyonlar da buna dahildir.
- Uyum sağlar. Yeni veriyle yeniden eğitim, kimse bir şeyi düzenlemeden talepteki kaymaları yakalar.
- Mağazaya özgüdür. Merchandiser'da her mağazanın, yalnızca o mağazanın ürünleri ve performansıyla eğitilen kendi modeli vardır. Bir ev eşyası mağazasında satan şey, bir moda mağazasının sıralamasına sızmaz.
Bedelleri de gerçektir. Bir modelin öğrenebileceği kadar geçmişe ihtiyacı vardır ve "bu ürün neden üçüncü sırada?" sorusunun yanıtı bir kuraldaki kadar derli toplu değildir.
Hangisi nereye uyar
| Koleksiyon | Daha uygun olan | Neden |
|---|---|---|
| Yeni gelenler | Kural | Asıl mesele politikadır: en yeni en başta. |
| Stok eritme ve outlet | Kural | Neyi eriteceğinize siz karar verirsiniz: indirim, stok ya da eskilik. |
| Kampanya sayfaları | Pinler ve bir kural | Kampanya ürünleri bellidir; gerisi basit bir sıraya uyar. |
| Büyük ana kategoriler | Model | Çok ürün, çok sinyal, bol veri. |
| Yeni bir mağaza veya trafiği az bir kategori | Kural | Bir modelin öğrenebileceği geçmiş çok az. |
| Marka sayfaları | İkisi de olur | Çoğu zaman bir kural yeterlidir; marka büyükse model yardımcı olur. |
Örüntü şu: ne istediğinizi bildiğiniz yerde kural, neyin işe yaradığını öğrenmek istediğiniz yerde model kullanın.
Ortak noktaları
Hangisini seçerseniz seçin, birkaç şey geçerli olmalıdır.
Bulunabilirlik ikisinde de yer almalıdır. Satın alınamayan bir ürün, sayıları ne kadar iyi olursa olsun en üstte olmamalıdır. Bir kural talebi beden bulunabilirliğiyle çarpmalıdır. Merchandiser AI bunu tasarımı gereği yapar: her tahmin, ürünün bedenlerinden stokta olanların oranıyla ağırlıklandırılır. Bunun neden önemli olduğunu Bedeni Kırık Ürünler yazısında okuyabilirsiniz.
Pinler ikisinin de üstündedir. Sabitlenen ürün kuralda da modelde de yerini korur. Kararlarınız, otomatik sıranın itiraz edebileceği bir şey değildir.
Öncelikleriniz modele eklenebilir. Model talebi tahmin eder; marj hedeflerinizi ya da öne çıkarmak istediğiniz sezonu bilmez. Merchandiser'da ürünler, modelin tahminine eklenen bir öne çıkarma (boost) değeri taşıyabilir; işinizin öncelikleri yapay zekâyla sıralanan bir koleksiyona bu yolla girer.
İkisi de önizlenmelidir. Bir koleksiyonu birinden diğerine geçirmeden önce ortaya çıkan sıraya bakın. Merchandiser'da sıralama sayfası önizlemeyi gösterir ve siz kaydedene kadar mağazada hiçbir şey değişmez.
Nasıl başlanır
- Önce her koleksiyonu makul bir kurala bağlayın. Bu tek başına elle sıralamayı ortadan kaldırır ve bulunabilirliğin hesaba katılmasını sağlar.
- Performans verisinin birikmesini bekleyin.
- Büyük ve yoğun kategorileri birer birer modele geçirin ve önizlemeleri karşılaştırın.
- Politikanın açık olduğu yerlerde kuralları koruyun.
- Mağaza değiştikçe seçimi gözden geçirin: yeni bir kategori kuralla başlar, büyümüş bir kategori ise modele hazır olabilir.
Merchandiser'ın modelinin nasıl çalıştığı, nelerden öğrendiği ve neyi tahmin ettiği Merchandiser AI sayfasında anlatılır.