Pazaryerlerinde Stok ve Fiyat Anomalisi Nasıl Tespit Edilir?

Pazaryeri verilerinde her değişiklik problem değildir. Intelligence sisteminin görevi normal ticari hareket ile inceleme gerektiren anomaliyi ayırmaktır.

Fiyat ve stok değişimlerinin birlikte izlenmesi tek boyutlu alarm sistemlerine göre daha anlamlı sinyaller üretebilir.

Normal Davranışı Tanımlayın

Ürünün geçmiş fiyat aralığı, stok sıklığı ve kampanya davranışı baseline oluşturur.

Fiyat Anomalisi

Çok hızlı düşüş, kısa sürede tekrar eden değişim veya peer seller dağılımından büyük sapma incelenebilir.

Stok Anomalisi

Uzun süre stokta olmayan ürünün yüksek adetle geri gelmesi veya sürekli stock-out yaşaması ayrı sinyal olabilir.

Fiyat + Stok Birlikte

Ani stok artışıyla aynı anda ciddi fiyat düşüşü görülmesi tekil fiyat değişiminden daha güçlü analiz sinyali oluşturabilir.

Peer Comparison

Aynı ürünün diğer satıcılardaki fiyat ve stok davranışı karşılaştırma grubu oluşturur.

Anomaly Score

• Fiyat sapması
• Değişim hızı
• Stok değişimi
• Satıcı geçmişi
• Kampanya bağlamı
• Tekrar sıklığı

False Positive Yönetimi

Kampanya, sezon veya yanlış ürün eşleştirmesi alarmları artırabilir. Uzman geri bildirimi scoring sistemine geri beslenmelidir.

Veriyi Intelligence Katmanına Nasıl Dönüştürmeli?

Pazaryerlerinde Stok ve Fiyat Anomalisi Nasıl Tespit Edilir? konusu için yalnız tekil ekran görüntüsü veya günlük snapshot toplamak yeterli değildir. Özellikle Normal Davranışı Tanımlayın, Fiyat Anomalisi ve Stok Anomalisi aynı veri modelinde zaman boyutuyla ilişkilendirilmelidir. Her observation için platform, seller, product, listing, fiyat, stok durumu ve gözlem zamanı mümkün olduğunca yapılandırılmış alanlarda tutulduğunda değişimin hangi entity’den başladığı geriye dönük analiz edilebilir. Bu yapı anlık kontrol yerine davranış ve trend analizi yapılmasını sağlar.

Veri kalitesi intelligence sisteminin en kritik bileşenlerinden biridir. Yanlış ürün eşleştirme, değişen mağaza isimleri, kampanya fiyatının normal fiyat gibi kaydedilmesi veya eksik seller bilgisi hatalı sonuç üretebilir. Bu nedenle product matching ve seller identity resolution için confidence seviyesi tutulmalı; düşük güvenli eşleşmeler otomatik kesin sonuç yerine review kuyruğuna gönderilmelidir. Uzman tarafından doğrulanan veya reddedilen kayıtlar sisteme geri beslenerek sonraki eşleştirmelerin kalitesi artırılabilir.

Operasyon katmanında ham alert sayısından çok doğrulanmış risk oranı, false positive, yeni seller, tekrar eden seller, fiyat sapmasının süresi, stok anomalisi ve açık vaka çözüm süresi izlenmelidir. Bir sinyal tek başına kritik görünmese bile aynı seller üzerinde fiyat anomalisi, çoklu mağaza ve tekrar eden marka riski birlikte görülüyorsa daha yüksek öncelik üretilebilir. Bu yaklaşım marketplace monitoring sürecini veri toplamadan çıkarıp seller, kanal ve marka davranışını açıklayan karar destek sistemine dönüştürür.

Marketplace Intelligence Kontrol Listesi

• Seller ve listing ayrı entity olarak tutuluyor mu?
• Ürün eşleştirmede confidence değeri var mı?
• Fiyat türleri birbirinden ayrılıyor mu?
• Stok değişimi zaman serisi olarak tutuluyor mu?
• Yeni seller ve tekrar eden seller ayrı izleniyor mu?
• False positive geri bildirimi sisteme işleniyor mu?
• Alert yerine risk ve aksiyon önceliği üretiliyor mu?

Seller, Listing ve Product İlişki Modeli

Pazaryerlerinde Stok ve Fiyat Anomalisi Nasıl Tespit Edilir? kapsamında güvenilir analiz üretebilmek için seller, listing ve product kayıtlarının birbirinden ayrılması gerekir. Aynı satıcı birden fazla listing açabilir; aynı ürün farklı satıcılar tarafından listelenebilir ve aynı mağaza adı zaman içinde değişebilir. Bu nedenle Normal Davranışı Tanımlayın, Fiyat Anomalisi ve Stok Anomalisi gibi sinyaller yalnız görünen metin üzerinden değil, mümkün olduğunda seller ID, listing ID, barkod veya model kodu gibi daha kararlı anahtarlarla ilişkilendirilmelidir. Bu yapı yanlış ürün veya satıcı eşleştirmesinden kaynaklanan analiz hatalarını azaltır.

Kanıt İzi ve Zaman Boyutu

Marketplace verisinin değeri yalnız bugünkü durumu göstermesinde değil, değişimin ne zaman ve nasıl gerçekleştiğini açıklayabilmesindedir. Her kritik observation için gözlem zamanı, platform, seller, listing, ürün, görünen fiyat, stok durumu ve mümkün olduğunda kaynak URL veya teknik kayıt saklanmalıdır. Böylece bir fiyat anomalisi, yeni seller girişi veya stok değişimi geriye dönük doğrulanabilir. Tek günlük snapshot yerine zaman serisi tutulması; olayın kısa süreli kampanya mı, tekrar eden seller davranışı mı yoksa kalıcı kanal değişimi mi olduğunu ayırt etmeyi kolaylaştırır.

Riskten Aksiyona Geçiş

Intelligence sistemi her anomaliyi doğrudan ihlal veya kritik vaka olarak değerlendirmemelidir. Önce veri güveni, tekrar sıklığı, ticari etki, seller geçmişi ve diğer bağımsız sinyaller birlikte değerlendirilmelidir. Düşük güvenli kayıtlar veri doğrulama kuyruğuna, orta riskli kayıtlar uzman incelemesine, yüksek güvenli ve yüksek etkili vakalar ise ilgili marka, e-ticaret veya kanal yönetimi ekibine yönlendirilebilir. Bu ayrım alarm yorgunluğunu azaltır ve ekibin gerçekten aksiyon gerektiren olaylara odaklanmasını sağlar.

• Seller ID ile mağaza adını ayrı tutun
• Listing ID ile ürün kimliğini birbirine karıştırmayın
• Product matching için güven seviyesi saklayın
• Observation zamanını zorunlu alan yapın
• Kanıt URL veya kaynak kaydını koruyun
• Tekil alarm yerine tekrar ve ticari etkiyi ölçün
• Uzman doğrulamasını risk scoring sistemine geri besleyin

Sıkça Sorulan Sorular

Anomali her zaman risk midir?

Hayır. Anomali yalnız normal davranıştan sapmayı gösterir ve bağlamla doğrulanmalıdır.

Fiyat ve stok neden birlikte analiz edilmeli?

İki sinyal aynı anda değiştiğinde olayın ticari bağlamı daha görünür olabilir.

AI şart mı?

Hayır. İstatistiksel threshold ve rule-based sistemler de etkili olabilir.

False positive nasıl azaltılır?

Kampanya bağlamı, doğru ürün eşleştirme ve uzman geri bildirimi kullanılabilir.