Data Department, bir içecek şişeleyicisi için hangi satış noktalarındaki soğutucuların düşük performans göstereceğini, şirketin kendi değerlendirme döngüsünden önce tahmin eden bir makine öğrenmesi modeli geliştirdi. Böylece saha ekipleri soğutucuyu başka noktaya taşımak ya da satış çabasını yoğunlaştırmak için daha erken harekete geçebilir. Model %99 doğruluğa ulaştı; tahmini yıllık satış artışı yaklaşık %2,35.
Karar neydi?
Hızlı tüketim (FMCG) sektöründeki içecek şirketleri bakkallara, kafelere ve restoranlara markalı soğutucular yerleştirir. Soğutucu bir yatırımdır: satın alması, yerleştirmesi ve bakımı maliyetlidir. Bu yatırım, ancak satış noktası yeterli satış hacmine ulaştığında kendini amorti eder.
Şişeleyici, soğutucu performansını belirli bir değerlendirme döngüsüyle zaten inceliyordu. Sorun zamanlamaydı. Bir soğutucunun düşük performans gösterdiği kesinleştiğinde, aylarca potansiyel satış kaybedilmiş oluyordu.
Desteklediğimiz karar basitti: Saha ekipleri şimdi hangi soğutuculara bakmalı ve ne yapmalı? Değerlendirilen iki seçenek vardı:
- Soğutucuyu daha çok satış yapması beklenen başka bir noktaya taşımak.
- O satış noktasına yönelik satış çabasını yoğunlaştırmak.
Ne geliştirdik?
Şirketin kendi değerlendirme döngüsünden önce, hangi satış noktalarındaki soğutucuların düşük performans göstereceğini işaretleyen bir makine öğrenmesi modeli kurduk. Çıktı, saha ekiplerinin doğrudan üzerinde çalışabileceği bir listeydi.
| Unsur | Bu projede anlamı |
|---|---|
| Tahmin | Bu noktadaki soğutucu düşük performans gösterecek mi? |
| Zamanlama | Şirketin olağan değerlendirme döngüsünden önce |
| Kullanıcılar | Satış noktalarından ve soğutuculardan sorumlu saha ekipleri |
| Aksiyonlar | Soğutucuyu taşımak ya da noktaya yönelik satış çalışması yapmak |
Modelin değeri zamanlamasından kaynaklanır. Bir sonraki değerlendirmenin zaten ortaya koyacağı sonucu teyit eden bir tahminin katkısı sınırlıdır. Daha erken elde edilen bir tahmin ise saha ekiplerine harekete geçmek için zaman kazandırır.
Sonuçlar
- Soğutucusu düşük performans gösterecek satış noktalarını, şirketin kendi değerlendirme döngüsünden önce işaretlemede %99 doğruluk.
- Düşük performanslı soğutuculara daha erken müdahale ile yıllık satışlarda tahmini ~%2,35 artış. Bu rakam bir tahmindir.
Çıkardığımız dersler
Belirleyici olan, erken harekete geçmektir. Şişeleyici düşük performanslı soğutucuları nasıl bulacağını zaten biliyordu. Makine öğrenmesinin kattığı şey zamandı: bir sonraki değerlendirmeden sonra değil, önce harekete geçme imkânı.
Her tahmini bir aksiyona bağlayın. Bir aksiyona bağlanmayan uyarı, tek başına sonuç üretmez. Çıktıyı saha ekiplerinin gerçekten yapabileceği iki işe, taşıma ya da satış çalışmasına göre kurguladık; böylece liste doğrudan iş planına dönüştü.
Doğruluğu bağlamıyla okuyun. %99 doğruluk güçlü bir sonuçtur. Bu tür her modelde, hangi hatanın işletme için daha önemli olduğu konusunda işletmeyle mutabık kalırız: gözden kaçan bir düşük performanslı nokta mı, yoksa sağlıklı bir noktaya gereksiz saha ziyareti gönderen yanlış alarm mı? Bu tercih modelin varsayılan ayarlarına bırakılmamalı, iş gerekçesiyle yapılmalıdır.
Getiriyi gerçekçi biçimde tahmin edin. ~%2,35'lik rakam, erken müdahalenin ne kazandırabileceğine dair bir tahmindir. Genel olarak böyle bir tahmini ölçülmüş bir sonuca dönüştürmenin yolu, saha ekiplerinin satış noktalarının bir bölümünde tahminlere göre çalıştığı kontrollü bir testtir.
Satış noktası bazında bu tür tahminler perakende ve e-ticaret ile dağıtım ve lojistik şirketleri için de geçerlidir ve müşteri kaybı (churn) tahmini ve müşteri analitiği çalışmalarımızla aynı yöntemleri kullanır: riskli olanı öngörmek, ardından ne yapılacağına karar vermek.
Sık sorulan sorular
Model neyi tahmin etti?
Hangi satış noktalarındaki soğutucuların düşük performans göstereceğini, şişeleyicinin kendi değerlendirme döngüsü bunu tespit etmeden önce tahmin etti. Saha ekipleri böylece soğutucuları taşımak ya da satış çabasını yoğunlaştırmak için daha erken harekete geçebilir.
%99 doğruluk pratikte ne anlama gelir?
Doğruluk tek başına, modelin hangi tür hataları yaptığını gizleyebilir. Zaman içinde kullanılan her modelde performans yeni verilerle izlenmelidir; bunu yaparken yalnızca doğruluğu değil, işletme için en önemli hata türlerini de izleriz.
~%2,35'lik satış artışı nasıl hesaplandı?
Bu rakam, düşük performanslı soğutuculara daha erken müdahale edilmesinden beklenen yıllık satış artışına dair bir tahmindir ve tahmin olarak sunuyoruz.