Data Science & Counterfeit Detection • 2025
Sahte ürünlerin dijital pazarlardaki en erken göstergesi, fiyat anomalisidir. Aynı SKU’nun bölgesel veya zamansal fiyat hareketleri, anormal bir düşüş gösterdiğinde genellikle sahte ya da gri pazar kaynaklı bir aktivite sinyali üretir. Veri bilimi, bu anomalileri tespit ederek markaları proaktif koruma altına alır.
1. Fiyat Anomalisi Nedir?
Bir ürünün (SKU) belirli bölgelerde, platformlarda veya zaman aralıklarında beklenmedik fiyat sapması göstermesidir. Örneğin, normal fiyatı 1000 TL olan bir ürünün aynı hafta içinde farklı pazaryerlerinde 600–650 TL’ye düşmesi, sahte veya yetkisiz tedarik riskine işaret eder.
“Fiyat, sahteciliğin en sessiz ama en güvenilir göstergesidir.”
2. Anomali Tespitinin Temel Mantığı
Veri bilimi, bu tür sapmaları tespit etmek için istatistiksel modelleme ve makine öğrenmesi yöntemlerini kullanır:
- Z-Score Analizi: Ortalama fiyattan 2 veya 3 standart sapma farklı olan değerler anomali kabul edilir.
- IQR (Interquartile Range): Alt ve üst çeyrek dilim dışındaki fiyatlar şüpheli kabul edilir.
- Isolation Forest: Özellikle çok değişkenli veri setlerinde (bölge, tarih, satıcı puanı, stok miktarı vb.) izolasyon temelli tespit.
- LSTM (Time Series Forecasting): Zaman serisi üzerinde tahmin edilenden belirgin sapmalar anomali olarak etiketlenir.
3. Veri Kaynakları
- Pazaryeri API’leri (Amazon, Trendyol, AliExpress, Temu)
- Satıcı geçmişi ve fiyat geçmişi (price history endpoints)
- Rakip markalar ve benzer SKU fiyatları
- Currency / region exchange verileri (bölgesel fiyat farklarını normalize etmek için)
4. Model Akışı: Anomali Pipeline
| Aşama | Açıklama | Teknoloji / Yöntem |
|---|---|---|
| Veri Toplama | API ve web kaynaklarından SKU fiyat verisi | Python, Scrapy, REST API |
| Temizleme ve Normalizasyon | Döviz, tarih ve platform bazında normalize etme | Pandas, NumPy |
| Anomali Tespiti | Z-Score, Isolation Forest, LSTM modelleri | Scikit-learn, PyOD, TensorFlow |
| Uyarı & Raporlama | Anomali eşiğini aşan SKU’lar için alert | Power BI, Looker Studio, Slack Bot |
5. Uygulama Örneği
B10’un geliştirdiği “PriceShield” sistemi, günlük 100.000’den fazla SKU’yu izleyerek bölgesel fiyat dağılımlarını analiz eder. Model, her SKU için anomaly_score üretir:
{
"sku": "B10-COS-2025",
"mean_price": 999.00,
"current_price": 649.00,
"z_score": -3.42,
"region": "TR-West",
"anomaly_score": 0.91,
"flag": "high-risk"
}
“Bir SKU ne kadar ucuzsa, sahte olma ihtimali o kadar artmaz; ama fiyat sapması kadar sistematik bir uyarı yoktur.”
6. Bölgesel Sapma ve Risk Skoru
Her SKU için Price Variance Index (PVI) hesaplanır. Bu skor, ürünün fiyat kararlılığını ölçer.
| PVI Aralığı | Durum | Yorum |
|---|---|---|
| 0.0 – 0.2 | Stabil | Fiyat farkı yok / piyasa tutarlı |
| 0.2 – 0.5 | Uyarı | Bölgesel kampanya, stok farkı olabilir |
| 0.5 – 1.0 | Kritik | Sahte veya yetkisiz satıcı riski |
7. 2025 Trendleri: Predictive Counterfeit Detection
- AI modelleri artık yalnızca anomaliyi değil, neden oluştuğunu da açıklıyor (Explainable AI / SHAP).
- Blockchain bağlantılı SKU kimlikleri, orijinal ürün fiyat verisini zincir üzerinden doğruluyor.
- Graph-based fraud detection: Satıcı bağlantı ağları üzerinden koordineli fiyat manipülasyonu tespiti.
Fiyat sapmalarını erkenden fark edin, sahteciliği başlamadan durdurun.
B10 Digital Agency, markalar için veri tabanlı fiyat analizi, anomaly detection ve counterfeit izleme çözümleri sunar.
