Bir perakende yöneticisi düşünün: raf ömrü kısa ürünlerde stok fazlası var, rakipler fiyat kırmış, müşteri trafiği öğleden sonra düşüyor. Geleneksel yaklaşımda bu üç değişkeni aynı anda gözetmek neredeyse imkânsız — ya marjı korursunuz ya satış hızını. Oysa havayolu sektörü bu denklemi uzun süredir farklı çözüyor: koltuk fiyatları doluluk oranına, rezervasyon öncesi geçen süreye ve rakip tarifelere göre sürekli yeniden hesaplanıyor. Bu mantığın diğer sektörlere taşınması, makine öğrenmesi tabanlı dinamik fiyatlama tartışmasının merkezinde duruyor.
Dinamik fiyatlama, özünde bir optimizasyon problemidir. Sabit bir fiyat yerine, belirli değişkenlerin anlık durumuna göre fiyatın algoritmik olarak güncellenmesi söz konusudur. Bu değişkenler tipik olarak üç kategoride toplanır: talep sinyalleri (trafik yoğunluğu, sepete ekleme oranı, geçmiş satış verileri), stok durumu (mevcut miktar, tedarik süresi, bozulma riski) ve rekabet verisi (rakip fiyatları, kampanya dönemleri). Makine öğrenmesi bu noktada devreye giriyor; çünkü söz konusu değişkenler arasındaki ilişki doğrusal değil, tarihsel veriyle öğrenilmesi gereken karmaşık bir örüntü barındırıyor. Regresyon modellerinden karar ağaçlarına uzanan çeşitli algoritmalar, bu örüntüleri veri üzerinden çıkarmak için kullanılıyor.
Havayolu ve otelcilik sektörlerinde ‘gelir yönetimi’ adıyla onlarca yıldır uygulanan bu yaklaşım, son birkaç yılda e-ticaret platformlarının gündemine girdi. Amazon’un ürün sayfalarında fiyat güncellemelerinin çok kısa aralıklarla gerçekleştiği artık sektörde bilinen bir gerçek. Benzer mantık, araç kiralama, etkinlik biletleme ve hatta elektrik perakendeciliğinde de işliyor. Türkiye’deki e-ticaret altyapısının gelişmesiyle birlikte yerli platformlar da bu tartışmayı yakından izliyor; ancak uygulama henüz büyük ölçekli oyuncularla sınırlı.
Somut faydalar üç başlıkta özetlenebilir. Birincisi, marj koruması: stok fazlası oluşmadan önce fiyat kademeli düşürülerek hem satış hızı korunuyor hem de sert indirim ihtiyacı azalıyor. İkincisi, talep yönetimi: yoğun dönemlerde fiyat artışı ile talep dengeleniyor, böylece lojistik ve üretim kapasitesi daha verimli kullanılıyor. Üçüncüsü, rekabet tepkimesi: rakibin fiyat hamlesi manuel takip yerine otomatik olarak algılanıp yanıtlanabiliyor. Bu üç etki birleştiğinde, özellikle hızlı dönen stok kategorilerinde gelir artışı ve maliyet düşüşü aynı anda mümkün hale geliyor.
Ancak teknik uygulanabilirlik tek başına yeterli değil. Bir modelin iyi çalışması için yeterli hacimde temiz tarihsel veri gerekiyor; bu da küçük ölçekli işletmelerin önündeki ilk engel. Günde birkaç yüz işlem yapan bir KOBİ, algoritmanın öğrenmesi için gereken veri yoğunluğuna kısa sürede ulaşamıyor. İkinci engel teknik altyapı: fiyat değişikliklerinin anlık olarak satış kanalına yansıması için ERP ile satış platformu arasında sağlam bir veri akışı şart. Üçüncü engel ise organizasyonel: fiyatlandırma kararını bir algoritmaya bırakmak, satış ve pazarlama ekiplerinde ciddi direnç yaratıyor. ‘Patron fiyatı belirler’ anlayışının hâkim olduğu şirket kültürlerinde bu geçiş özellikle zorlu.
Müşteri algısı riski ayrı bir başlık olarak ele alınmayı hak ediyor. Havayolunda yolcu koltuk fiyatının değiştiğini kabulleniyor çünkü bu sektörde beklenti böyle şekillenmiş. Oysa aynı müşteri, dün 50 liraya aldığı ürünü bugün 70 liraya görünce markaya olan güveni sarsılabiliyor. Bu riski yönetmenin yolu şeffaflık ve tutarlılık: hangi koşullar altında fiyatın değişeceğini müşteriye önceden çerçevelemek, ani ve açıklanamaz sıçramaları önlemek. Bazı platformlar ‘fiyat kilitleme’ veya ‘sepet garantisi’ gibi mekanizmalarla bu gerilimi dengelemeye çalışıyor.
Dinamik fiyatlamayı değerlendiren bir yönetici için karar kriterleri şu şekilde sıralanabilir: önce veri olgunluğunu ölçün — en az 12 aylık, SKU bazında temiz satış verisi olmadan model kurmak anlamsız. Sonra entegrasyon maliyetini hesaplayın; ERP ve satış kanalı arasındaki veri köprüsü çoğu zaman yazılım lisansından daha pahalıya çıkıyor. Son olarak müşteri tabanınızın fiyat değişkenliğine toleransını test edin; B2B satışlarda sözleşmeli fiyatlar baskın olduğu için dinamik modelin uygulama alanı doğal olarak daralıyor. Bu üç soruya net yanıt veren işletme, dinamik fiyatlamadan gerçek getiri elde edebilir; diğerleri için mevcut süreçleri olgunlaştırmak öncelikli adım olmaya devam ediyor.