Ürün Puanlama Algoritması

Ürünlerinizin performansını merak ediyorsunuz. Ayrıca, geliri artırmak için ürün yelpazenizi nasıl yönetebileceğiniz konusunda endişeleriniz var. İşte tüm sorularınızın cevapları, blogumuzu inceleyin ve ürün puanlama algoritmamız hakkında bilgi edinin.

Ürün yönetiminde yaygın problemler

Profesyonellerin şirketlerinin performansını değerlendirirken akıllarında birçok soru olabilir. Ve bu sorulardan bazıları, web sitelerinde, uygulamalarda ve pazarlama kanallarında satılan ürünlerin verimliliğini artırmaya yönelik önemli adımlar düşünülürken daha faydalıdır.

Her ekibin cevabını merak edebileceği bazı “genel” sorular şunlardır: Stok yönetimini düşünürken hangi e-ticaret metriklerine odaklanmalıyız? Hangi ürünler daha değerlidir? Aynı ürün yelpazesini koruyarak gelirlerimizi nasıl artırabiliriz? Ürünlerimizin pazarlama kampanyalarını optimize etmek için hangi kilit metriklerimizi belirlemeliyiz? Web sitemizde veya uygulamamızda ürün listelememizi nasıl belirlemeliyiz? Evet, haklısınız! AnalyticaHouse Veri Bilimi & İçgörüler Ekibi, yukarıdaki gizemli soruların ve daha fazlasının cevabını verebilecek başka sihirli bir algoritmaya sahip: Ürün Puanlama Algoritması. Bu yazıda bu algoritmanın yapısını ve dijital pazarlama sektöründeki uygulamalarını ele alacağız.

Algoritma nasıl oluşturuldu?

Her web sitesi ve uygulamada renkler, bedenler, ürün türleri, sezon/sezon dışı, hedef cinsiyetler, hedef yaş grupları vb. çeşitli boyutlara göre farklılaşan birçok ürün grubu varyantı vardır. Ürün Puanlama Algoritması sayesinde elimizdeki verinin derinliğine bağlı olarak ürünlerin ve ürün varyantlarının her detayını analiz edebiliriz. Bu analiz için minimum veri gereksinimi, ürünlerin işlem verileri ve mevcut stok bilgileridir. İşlem verilerini analiz ederken şu metriklere odaklanıyoruz: satın alma sayısı, toplam adet, gelir, ortalama fiyat vb. Tabii ki kullanıcı/oturum bazlı veriler elimizde olduğunda bu analiz daha da ilginç hale gelir. Bu durumda şu ek önemli metrikleri de ekleyebiliriz: ürün detay görüntülemeleri, sepete ekleme, alıcı sayısı, ürüne bakan kullanıcı sayısı, gelir/ürün detay görüntülemeleri, işlem/ürün detay görüntülemeleri vb. Bu metrikler gösterdikleri sonuçlara göre bölümlere ayrılabilir;
Geliri destekleyen metrikler : satın alma sayısı, toplam adet, gelir, ortalama fiyat, gelir/ürün detay görüntülemeleri, işlem/ürün detay görüntülemeleri Müşteri ilgisini gösteren metrikler : ürün detay görüntülemeleri, sepete ekleme, alıcı sayısı, ürüne bakan kullanıcı sayısı, gelir/ürün detay görüntülemeleri

Metrik tanımları

• satın alma sayısı: İşlem sayısı
  
  
• Toplam adet:  Satın alınan ürünlerin sayısı
  
  
• Gelir: Toplam gelir tutarı
  
  
• Ortalama Fiyat: Ürünlerin ortalama fiyatı
  
  
• gelir/ürün detay görüntülemeleri: Her bir ürün için ürün detay görüntülemesi başına gelir
  
  
• işlem/ürün detay görüntülemeleri: Dönüşüm oranı (ürün detay görüntülemelerine göre)
  
  
• sepete ekleme: Sepete eklenen toplam ürün sayısı
  
  
• alıcı sayısı: İlgili ürünü satın alan toplam müşteri sayısı
  
  
• ürüne bakan kullanıcı sayısı: İlgili ürünü görüntüleyen toplam kullanıcı sayısı
  
  

Modelin uygulanması

Algoritma her ürün seviyesine uygulanabilir ve hem büyük resmi hem de küçük detayları gösteren içgörüler sağlayabilir.

Aşağıdaki örnek, bir e-ticaret şirketi için kategori/ürün seviyesini göstermektedir;

• Seviye 1: Ayakkabılar/Çantalar
  
  
• Seviye 2: Ayakkabılar
  
  
• Seviye 3: Spor Ayakkabılar
  
  
• Seviye 4: X Markasının Spor Ayakkabıları
  
  
• Seviye 5: X Markasının Beyaz Spor Ayakkabıları
  
  
• Seviye 6: X Markasının 38 Numara Beyaz Spor Ayakkabıları
  
  

Ürün puanı nasıl hesaplanır?

temelde iki bölümden oluşur. İlk bölüm, yukarıda tartıştığımız metrikleri kullanarak alt seviyelerin (ör. X Markasının 38 Numara Beyaz Spor Ayakkabıları) üst seviyelerin (ör. X Markasının Spor Ayakkabıları) toplamındaki oranını hesaplamaya dayalıdır ve bu kısmı bir örnekle açıklayacağız. İkinci bölüm ise ürünlerin mevcut stok bilgilerine bağlıdır ve bu bölüm, kısa ve uzun vadeli stok yönetimini dikkate aldığımızda çok önemlidir. 

Yukarıdaki örnek, sepete ekleme ve satılan adet metriklerine ek olarak anlık stok puanı (stok varsa 1, yoksa 0) kullanarak ürün puanı hesaplamasını göstermektedir. Bu örnekte, seviye 6’nın seviye 5 toplamındaki dağılımı (sepete ekleme ve satılan adet metrikleri için) ve stok puanı, seviye 6’nın ürün puanının üç çarpanı olarak kullanılmıştır. 


Her satırın (her kırılımın, bu örnekte seviye 6) puanı hesaplandıktan sonra, daha yüksek seviyenin (bu örnekte seviye 5) puanı hesaplanır. Seviye 5 için tüm kırılımların puanı toplanır ve sonuçta seviye 5’in toplam puanı elde edilir. Örneğin; X markasının Beyaz Spor Ayakkabıları için toplam puan şu şekilde hesaplanabilir: 0,0747 + 0,0245 + 0,0036 + 0,0028 + 0,0251 + 0,0000 = 0,131. Bu örnekte X markasının Siyah Spor Ayakkabıları en yüksek puana (0,193) sahipken, X markasının Kırmızı Spor Ayakkabıları en düşük puana (0,071) sahiptir.

Sonuçları nasıl kullanabiliriz?

Bu analiz en alt seviyeden en üst seviyeye kadar tüm seviyelere uygulanabilir. Ve tabii ki, bu analiz daha önce bahsettiğimiz ek metriklerle genişletilebilir ve sonuçlar daha ayrıntılı hesaplanabilir. Ayrıca, ekibimizin geliştirdiği bir diğer dikkat çekici algoritma olan Değişken Önem Analizi’ni kullanarak ürün puanı hesaplama adımında her bir metriğin önemini değiştirebiliriz. Son olarak, analiz sonuçları pazarlama kampanyaları için ürün beslemelerini (product feed) otomatik olarak güncellemek amacıyla kullanılabilir.