Sepet analizi (market basket analysis), müşterilerin hangi ürünleri aynı işlem, sipariş veya adisyon içinde birlikte satın alma eğiliminde olduğunu anlamak için kullanılan bir analiz yöntemidir. Özellikle perakende, e-ticaret ve restoran gibi çok sayıda ürün hareketinin bulunduğu yapılarda; çapraz satış, kampanya, ürün yerleşimi, menü tasarımı ve stok planlama gibi kararları destekler.
Sepet analizinin temel mantığı
Sepet analizinin amacı yalnızca “iki ürün birlikte satılıyor mu?” sorusunu yanıtlamak değildir. Asıl amaç, bu birlikteliğin ne kadar yaygın olduğunu, bir ürün seçildiğinde diğer ürünün görülme ihtimalinin nasıl değiştiğini ve gözlenen ilişkinin tesadüfi beklentinin üzerinde olup olmadığını anlamaktır.
Bu değerlendirmede en sık kullanılan kavramlar support, confidence ve lifttir. Support iki ürünün birlikte görülmesinin genel işlem hacmi içindeki yaygınlığını, confidence bir ürün seçildiğinde diğerinin görülme eğilimini, lift ise bu ilişkinin ürünlerin bağımsız görülme olasılığına göre ne kadar anlamlı olduğunu gösterir.
Önemli nokta, bu ölçülerin tek başına nedensellik göstermemesidir. İki ürünün birlikte görülmesi, birinin diğerini satın aldırdığı anlamına gelmez. Sonuçlar; fiyat, kampanya, kanal, şube, müşteri segmenti ve dönem etkileriyle birlikte değerlendirilmelidir.
Power BI ile sepet analizi nasıl ele alınır?
Aşağıdaki örnekte Power BI üzerinde oluşturulmuş bir sepet analizi raporu yer alıyor. Buradaki amaç belirli bir ürün seçildiğinde, aynı işlem içinde görülen diğer ürünlerin davranışını karşılaştırabilmektir.
Analizin arkasındaki düşünce oldukça basittir: seçilen ürünün bulunduğu işlemler ayrı bir bağlamda değerlendirilir, ardından aynı işlemlerde görülen diğer ürünler bu bağlamla karşılaştırılır. Böylece yalnızca satış miktarına değil, ürünlerin birbirleriyle olan davranışsal ilişkisine odaklanılır.
Veri modeli neden önemlidir?
Bir ürün seçildiğinde aynı işlemde satılan diğer ürünleri analiz edebilmek için ürün boyutunun ikinci bir rol üstlenmesi gerekir. Bunun için ürün tablosunun ikinci bir kopyası veya benzer bir rol-playing yaklaşımı kullanılabilir. Böylece “seçilen ürün” ile “birlikte satılan ürün” aynı fact tablo üzerinde farklı filtre bağlamlarında ele alınabilir.
DAX tarafında ise temel işlem hacmi, seçilen ürünün işlem bağlamı ve birlikte gerçekleşen işlemler ayrı ayrı hesaplanır. Support, confidence ve lift gibi göstergeler bu temel ölçülerden türetilir. Burada esas değer, formülü ezberlemekten çok hangi filtre bağlamının hangi iş sorusunu temsil ettiğini doğru kurmaktır.
Sepet analizi hangi kararları destekler?
Sepet analizinin iş değeri, ürün ilişkilerini karar süreçlerine taşıyabilmesidir. Birlikte satın alınan ürünler çapraz satış önerilerinde, paket kampanyalarda, mağaza veya menü yerleşiminde ve stok planlamasında kullanılabilir. Aynı analiz şube, kanal veya müşteri segmenti bazında tekrarlandığında davranış farklılıkları da görünür hale gelir.
En sağlıklı yaklaşım, sepet analizi sonuçlarını satış hacmi, kârlılık, stok durumu, kampanya etkisi ve müşteri segmenti gibi diğer göstergelerle birlikte değerlendirmektir. Böylece yalnızca “hangi ürünler birlikte satılıyor?” değil, “bu ilişki işletme açısından ne ifade ediyor?” sorusuna da cevap verilebilir.
Power BI üzerinde benzer analitik modellerin kurulması, veri modelinin iyileştirilmesi veya performans sorunlarının giderilmesi için BI & Power BI Danışmanlığı hizmetimizi inceleyebilirsiniz. Perakende odaklı kullanım senaryoları için ayrıca Perakende & Mağazacılık çözümlerine göz atabilirsiniz.