E-ticaret operasyonlarında kararlar genellikle iki şekilde alınır: ya geçmiş deneyimlere güvenerek sezgisel olarak, ya da bir sorun ortaya çıktığında tepki vererek. Ancak bu iki yöntem, büyüyen bir operasyonu yönetmek için yeterli değildir.
Sezgi, belli bir noktaya kadar işe yarar. Ancak dört pazaryerinden sipariş alan, üç kargo firmasıyla çalışan ve yüzlerce ürünü yöneten bir operasyon için ‘bana öyle geliyor’ kararları hem pahalıya mal olur hem de büyütülemez. Reaktif yaklaşım ise genellikle sorunlar ortaya çıktıktan sonra devreye girer: stok bitmiş, teslimat gecikmiş ve müşteri şikayet etmiş olur.
İşte bu noktada veri odaklı karar almanın önemi ortaya çıkar. Doğru fulfillment verileri, operasyonunuzda neyin işe yaradığını ve neyin yaramadığını gösterir. Ayrıca, bir sonraki adımı zamanında planlamanıza yardımcı olur. Bu rehberde, hangi fulfillment verisinin hangi kararı etkilediğini ve bu verileri nasıl okuyup uygulayabileceğinizi anlatıyoruz.
Table of Contents
Neden Çoğu E-Ticaret Markası Verisini Kullanmıyor?
Buradaki paradoks şudur: E-ticaret operasyonları çok fazla veri üretir. Her sipariş, kargo hareketi, iade ve stok güncellemesi bir veri noktasıdır. Ancak bu verilerin çoğu ya farklı sistemlerde olduğu için erişilemiyor, ya ham halde olduğu için yorumlanamıyor, ya da sadece geçmişe dönük rapor olarak sunulduğu için harekete geçilemiyor.
Bunun pratik sonucu şudur: birçok marka verisini ancak bir sorun yaşandıktan sonra inceler. Stok tükenmesi oldu, kargo gecikmesi arttı veya iade oranı yükseldi — ve o zaman veri açılır, neyin nerede yanlış gittiği anlaşılmaya çalışılır.
Proaktif veri kullanımı ise tam tersini gerektirir: veri, sorun olmadan önce düzenli aralıklarla okunur; eşik değerleri tanımlanır; bu eşikler aşıldığında alarm üretilir. Bu yaklaşım için özel bir yapay zekâ sistemine ihtiyaç yoktur. İyi tanımlanmış metrikler, erişilebilir bir dashboard ve kararların kime ait olduğu konusunda netlik yeterlidir.
Stok Kararları: Hangi Veri Ne Söylüyor?
Stok yönetimi, e-ticaret operasyonlarında en maliyetli hataların yapıldığı alandır. Fazla stok, nakit akışını ve depo kapasitesini tüketir; yetersiz stok ise satış kaybına ve müşteri memnuniyetsizliğine yol açar. Bu iki hata da önlenebilir, ancak doğru veriyi doğru zamanda okumak gerekir.
Günlük Satış Hızı ve Kalan Stok Günü
Stok yönetiminde en temel ama en az takip edilen metrik, kalan stok günüdür: mevcut stok miktarının ortalama günlük satış hızına bölünmesiyle elde edilir. Sonuç, bu tempoda kaç gün daha satış yapılabileceğini gösterir.
Bu metriği yalnızca toplam stok için değil, SKU bazında izlemek gerekir. Genel tabloda stok sağlıklı görünürken tek bir popüler ürün birkaç gün içinde tükenebilir. Kalan stok günü 14 günün altına düştüğünde tedarik sürecini başlatmak için bir eşik olarak kullanılabilir; 7 günün altı ise acil yenileme sinyalidir.
Bu sayıyı haftalık Excel tablosundan değil, gerçek zamanlı WMS verisinden takip etmek çok önemlidir. Çünkü satış hızı kampanya dönemlerinde, pazaryeri öne çıkarmalarında veya sosyal medya etkisiyle aniden değişebilir. Geçen haftanın ortalamasına göre alınan stok kararı, bugünkü durumu yansıtmayabilir.
Ürün Bazlı Iade Oranı
İade oranı genellikle tek bir yüzdeyle raporlanır ve ‘kabul edilebilir’ bir oranla karşılaştırılır. Ancak bu yöntem, önemli bir bilgiyi gizler: Hangi SKU’ların iade oranı ortalamanın çok üzerinde?
Ürün bazlı iade oranı iki farklı sorunu işaret edebilir. Birincisi, ürün kalitesi veya ürün açıklamasıyla ilgili bir sorun: müşteri beklediğiyle örtüşmeyen bir ürün alıyorsa, bu operasyon sorunu değil, ürün veya içerik sorunudur. İkincisi, moda veya elektronik gibi kategorilerde yapısal “deneme alışverişi” davranışı: aynı ürünü birden fazla seçenek olarak sipariş edip birisini seçip diğerlerini iade etme.
Her iki durumda da ürün bazında iade verilerini incelemek, hem doğru aksiyonları almayı (örneğin ürün açıklamasını iyileştirmek veya iade sürecini optimize etmek) hem de gerçek stok ihtiyacını hesaplamayı sağlar. İade oranı yüksek bir SKU’nun net satış talebini doğru ölçmek, o ürünün stok kararını doğrudan etkiler.
Stok Dönüş Hızı
Stok dönüş hızı, belirli bir dönemde stokun kaç kez yenilendiğini gösterir. Yüksek dönüş hızı genellikle olumlu bir işarettir, ancak çok yüksek olması stok tükenme riskini artırır.
Bu metrik, kategoriye ve sezona göre değişir ve yıllık değil, aylık veya üç aylık dönemlerde takip edilmelidir. Dönüş hızı düşen ürünler atıl stok adayıdır ve kampanya ya da fiyat ayarlaması için sinyal verir. Dönüş hızı beklenmedik şekilde artan ürünler ise stok açığı riskini önceden gösterir.
Kargo ve Teslimat Kararları: Doğru Metrikleri Okumak
Kargo performansı, müşteri deneyiminin en belirgin kısmıdır. Ancak çoğu operasyonda kargo verisi ya sadece toplam gecikmeler olarak izlenir ya da yalnızca şikayet geldiğinde incelenir. Aslında kargo verisi, çok daha fazla karar desteği sunar.
Kargo Firması Bazlı Teslimat Performansı
Birden fazla kargo firmasıyla çalışan markalar için en kritik soru şudur: hangi firma, hangi bölgede ne kadar başarılı? Bu soruya yalnızca “toplam zamanında teslimat yüzdesi” verisinden yanıt veremezsiniz. Bölge, ürün ağırlığı ve sipariş yoğunluğuna göre kırılmış bir performans verisi gerektirir.
Bu ayrıntılı analiz bazı net sonuçlar ortaya çıkarır. Örneğin, bir kargo firması İstanbul içindeki siparişlerde başarılı olabilir, ancak Anadolu’ya gönderilerde geride kalabilir. Başka bir firma hafif paketlerde hızlıyken, ağır kolilerde gecikebilir. Bu örüntüler sezgisel olarak bilinse de, verilerle netleştirilmeden sistemli yönlendirme kararları almak mümkün değildir.
Sipariş hedef bölgesine veya ürün ağırlık bandına göre otomatik kargo yönlendirmesi, tam olarak bu veriyle mümkün hâle gelir. Kural “şehir dışı siparişler için X firması, şehir içi için Y firması” biçiminde tanımlanabilir; ancak bu kuralın veriye dayanması gerekir, sezgiye değil.
Günlük Sevkiyat Hacmi ve Cut-Off Performansı
Kaç sipariş günlük cut-off saatinden önce paketlendi ve teslim edildi? Bu oran, hem operasyonun kapasitesini hem de cut-off yönetiminin etkinliğini ölçer.
Cut-off performansı sadece ortalama olarak değil, günlere göre dağılımıyla da takip edilmelidir. Pazartesi günleri cut-off sağlanırken, Cuma öğleden sonra sağlanmıyorsa bu bir operasyonel örüntüdür. Hafta sonu biriken siparişler Pazartesi yoğunluğu oluşturuyorsa, bu da kapasite planlaması için önemli bir veridir. Bu bilgiler olmadan sadece ‘bazen gecikiyoruz’ farkındalığı olur; neden ve ne zaman sorularına cevap bulunamaz.
İlk Denemede Teslimat Oranı
Kargoya verilen her paketin müşteriye ilk denemede ulaşıp ulaşmadığı, fazla izlenmeyen ama oldukça açıklayıcı bir metriktir. İlk deneme başarısızlıkları hem ek maliyet hem de gecikme üretir.
Başarısız ilk teslimatlar genellikle üç nedenden kaynaklanır: hatalı veya eksik adres bilgisi, müşterinin bilgilendirilmemesi ve teslimat zamanının uyuşmaması. Bu nedenleri ayırt edebilmek için başarısız teslimatlarda sebep kaydı tutulmalıdır. Neden verisi olmadan sadece oranı iyileştirmeye çalışmak, sorunun kökenine inmeden yüzeysel çözüm aramak olur.
Operasyonel Kapasite Kararları: Zamanında Görünen Sinyaller
Operasyonel kapasite sorunları, genellikle ortaya çıkmadan önce veriyle sinyal verir. Bu sinyalleri zamanında okumak, sorunlara tepki vermek yerine önceden plan yapmayı sağlar.
Sipariş Hazırlama Süresi Trendi
Ortalama sipariş hazırlama süresi, siparişin sisteme girişinden kargoya teslim edilmesine kadar geçen zamanı gösterir ve operasyonun sağlığının temel göstergesidir. Bu metriğin hem değeri hem de zaman içindeki değişimi önemlidir.
Ortalama hazırlama süresi haftalık olarak 2 saatten 3,5 saate çıkmaya başladıysa bu bir kapasite sinyalidir. Yoğun sezon beklenmeden, personel artırılmadan veya süreç değiştirilmeden bu artış devam ederse cut-off süreleri kaçırılabilir. Trendi erken fark etmek, erken müdahale etmeyi sağlar.
Hata Oranı ve Hata Tipi Dağılımı
Sipariş hataları, yanlış ürün, eksik parça veya yanlış adres gibi durumlar, iki şekilde takip edilmelidir: toplam hata oranı ve hata tipi dağılımı.
Toplam hata oranı normalin üzerindeyse bir sorun olduğu anlaşılır. Ancak hangi hata tipinin arttığı, müdahalenin nereye yapılacağını gösterir. Yanlış ürün hataları artıyorsa, picking sürecinde sorun olabilir; muhtemelen benzer görünen SKU’lar karışıyordur. Yanlış adres hataları artıyorsa, sipariş sisteminde veya adres doğrulamada sorun vardır. Eksik parça hataları artıyorsa, paketleme kalite kontrolünde eksiklik olabilir.
Bu kırılım olmadan “hata oranımız arttı” tespiti doğru müdahaleye götürmez.
Depo Doluluk Oranı ve Yerleşim Verimliliği
Depo doluluk oranı yalnızca alan yönetimi için değil, operasyonel hız için de kritik bir veridir. Aşırı doluluk picking sürelerini uzatır, yanlış konumlandırma hatasını artırır ve yeni stok kabulünü yavaşlatır.
Bu metriğin önemli bir yönü, hızlı satılan ürünlerin en kolay ulaşılabilir yerlerde olup olmadığıdır. Satış hızı yüksek SKU’lar uzak raflarda bulunuyorsa, her sipariş için harcanan yürüme süresi artar. Bu, görünmeyen bir verimlilik kaybıdır ve zamanla günde onlarca dakikaya ulaşabilir. Stok yerleşimini satış hızı verisiyle düzenli olarak gözden geçirmek, ek personel veya ekipman yatırımı yapmadan picking verimliliğini artırabilir.
İade Süreci Kararları: Geriye Dönük Değil, İleriye Dönük Okumak
İade verileri genellikle sadece geçmişe dönük incelenir: bu ay kaç iade geldi, kaçı kabul edildi gibi. Oysa iade verileri doğru şekilde analiz edildiğinde, hem operasyonel iyileştirme hem de ürün kararları için önemli bilgiler sağlar.
İade Süresi ve Yeniden Stoklama Hızı
İade süreci, müşterinin iade başlatmasından ürünün tekrar satışa hazır hale gelmesine kadar geçen zamanı kapsar ve hem müşteri memnuniyetini hem de stok verimliliğini etkiler. Uzun iade işlemleri iki maliyet doğurur: müşteri geri ödemesini beklerken deneyimi kötüleşir, satışa hazır ürün ise depoda bekleme süresi mi, nakliye süresi mi, inceleme süresi mi yoksa karar verme süreci mi? Hangi adımda tıkanıklık olduğunu bilmeden, genel olarak ‘iade süresini kısaltalım’ demek işe yaramaz.m” hedefi eyleme dönüşmez.
Ürün Durumu Dağılımı
İade gelen ürünlerin yüzde kaçı yeniden satışa uygun, yüzde kaçı satılamaz durumda? Bu oranın trendi, hem paketleme kalitesi hem de müşteri kitlesi hakkında bilgi taşır.
Satılamaz iade oranı artıyorsa bunun iki nedeni olabilir: ürün sevkiyat sırasında hasar görüyor olabilir (paketleme sorunu) veya müşteriler ürünü kullanıp iade ediyor olabilir (kötüye kullanım). Bu iki durum çok farklı çözümler gerektirir ve ürün durumu kaydı olmadan ayırt edilemez.
Veri Odaklı Karar Almanın Operasyonel Altyapısı
Yukarıda ele alınan tüm metrikler belirli bir altyapı gerektirir: verilerin tek bir sistemde toplanması, erişilebilir biçimde sunulması ve belirli eşiklerin aşıldığında aktif uyarı üretmesi.
Tek merkez, dağınık veri değil: pazaryeri, kargo, WMS ve muhasebe verilerinin farklı platformlara dağılmış olması, veriyi operasyonun içinde görünür kılar. Bu sistemlerin tek bir platformda entegre edilmesi — fiCommerce’in fiPlatform altyapısının sağladığı tam da budur — veriye ulaşım süresini günlerden dakikalara indirir.
Anlık erişim, gecikmeli raporlardan daha değerlidir. Haftalık veya aylık raporlar sadece geçmişi gösterir. Operasyonel kararlar için gerçek zamanlı ya da en azından günlük veri erişimi gereklidir. Kalan stok günü bugün 6’ya düştüyse, bunu haftaya öğrenmenin bir anlamı yoktur.
Eşik tabanlı uyarılar önemlidir. Tüm metrikleri sürekli izlemek pratik değildir. Her metrik için kritik eşikler belirlemek ve bu eşikler aşıldığında otomatik bildirim almak, operasyonu sürekli takip etmeden kontrol altında tutar. ‘Kargo firması X’in zamanında teslimat oranı %90’ın altına düştü’ veya ‘SKU Y’nin kalan stok günü 10’un altına indi’ gibi uyarılar, dikkatinizi verimli kullanmanızı sağlar.
Hangi Veriye Önce Bakmalısınız?
Her operasyonun kendine özgü zayıf noktaları olabilir. Ancak başlangıç olarak, şu beş metriği haftalık olarak düzenli takip etmek, e-ticaret fulfillment operasyonlarının çoğunda anlık görünürlük sağlar:
Birincisi, SKU bazında kalan stok günü; bu, kritik ürünlerde stok tükenmesini önceden görmenizi sağlar. İkincisi, kargo firması bazında zamanında teslimat oranı; bu, yönlendirme kararlarını veriye dayandırır. Üçüncüsü, günlük cut-off performansı; bu, kapasite sorunlarını erken fark etmenizi sağlar. Dördüncüsü, sipariş hata tipi dağılımı; bu, müdahalenin nereye yapılacağını gösterir. Beşincisi ise iade süresi ve yeniden stoklama hızı; bu metrik hem müşteri deneyimini hem de stok verimliliğini etkiler.
Bu beş metrik, operasyonun her yönünü kapsamaz; ancak düzenli olarak takip edildiğinde, çoğu büyük sorunu daha başlangıç aşamasında fark etmenizi sağlar.
Fulfillment verileri, doğru sistem ve doğru metriklerle takip edildiğinde, operasyonu reaktif yönetimden proaktif planlamaya taşır. Bu dönüşüm için büyük bir teknoloji yatırımı veya veri bilimi ekibi gerekmez. Gerekli olan, entegre bir altyapı, tanımlı metrikler ve bu metrikleri düzenli olarak takip edip aksiyon almayı alışkanlık haline getiren bir operasyon kültürüdür.
