Bu tez çalışmasında, promosyon talebini etkileyen faktörler incelenerek, gıda dışı hızlı tüketim ürünlerinin promosyon dönemlerindeki talep artışını tahmin etmeyi amaçlayan çoklu doğrusal regresyon modelleri geliştirilmiştir. Regresyon modelleri, AAA Süpermarketleri’nin iş birliği ile geliştirilmiş olup, firmanın pilot olarak belirlenen bir mağazasındaki satış ve pazarlama verileri kullanılarak test edilmiştir. Firma yetkilileriyle yapılan ikili görüşmelerde, firmanın promosyon talebinin tahmin edilmesi için planlanmış özel bir sürecinin olmadığı anlaşılmıştır. Promosyonların sipariş ve envanter yönetimi, kayıt altına alınan sistematik talep tahmin değerleri yerine, tamamen firmadaki uzman kişilerin sezgisel ve deneyimsel olarak aldıkları kararlara dayanmaktadır. Firma tarafından kayıt altına alınan promosyon talep tahmin değerleri olmadığı için, regresyon modelinden elde edilen tahmin değerlerinin başarısını, firmanın tahmin performansı ile karşılaştırmak mümkün olmamıştır. Bunun yerine, elde edilen sonuçların kıyaslanması için iki farklı yol izlenmiştir.
Kullanılan kıyaslama yöntemlerinden ilki, elde edilen sonuçların geçmiş dönemde yapılan benzer araştırmaların sonuçları ile karşılaştırılmasıdır. Önceki çalışmalarla karşılaştırıldığında, geliştirilen model hem daha az promosyon gözlemi hem de daha az değişken kullanarak diğer modellerin sonuçlarına yakın bir performans göstermiştir. Ne var ki, kıyaslanan çalışmaların farklı ülkelerde ve farklı ürünler üzerinde uygulanmış olması, bu kıyaslama yönteminin doğruluğunu sorgulatmaktadır.
Diğer bir kıyaslama yöntemi olarak da ürünün önceki promosyonundaki yükseltme faktörünün mevcut promosyon için tahmin değeri olarak kullanıldığı alternatif bir senaryo belirlenmiştir. Böyle bir senaryonun belirlenmesinde, perakende sektöründeki yaygın yargısal tahmin yaklaşımlarından birinin önceki promosyona bakmak olması önemli rol oynamıştır. Yapılan karşılaştırmada geliştirilen modelin alternatif senaryodan çok daha iyi bir performans gösterdiği görülmüştür.
Herhangi bir kıyaslama yapmadan, firmanın ihtiyaçları açısından değerlendirildiğinde ise yaklaşık %33 olarak bulunan regresyon modelinin hata yüzdesinin yüksek olduğu söylenebilir. Firmanın etkin bir biçimde envanterini yönetebilmesi, kayıp satışları ve envanter tutma maliyetlerini azaltabilmesi için bundan daha isabetli bir promosyon talep tahmini performansına ihtiyacı vardır. Bunun yolu da, geliştirilen modelin zayıf yönlerini tespit ederek, bu zayıflıkları gidermekten geçmektedir.
Uygulanan regresyon modeli ile elde edilen tahminlerin hata yüzdesinin yüksek olması iki temel gerekçe ile açıklanabilir. Bunlardan ilki, tahmin modelinde promosyon talebinde etkili olduğu bilinen ve literatürde yer alan pek çok değişkenin yer almamış olmasıdır. Teşhir yöntemi, promosyon mekanizması, tüketici profili, marka özellikleri gibi bilgilerin firmadan edinilmesi çok zor olduğundan ya da mümkün olmadığından bu bilgilerle ilgili değişkenler modele dahil edilememiştir. Bunun yanında, tanıtım yöntemi (insert) ve mağaza özellikleri (tek mağaza) gibi bilgiler de veri kümesindeki tüm promosyonlar için özdeş olduğundan, bu bilgilerle ilgili değişkenlerin modele eklenmesine gerek kalmamıştır. Yüksek tahmin hatasının ikinci gerekçesinin de firmanın incelenen mağazada, incelenen ürün için promosyon sırasında stoksuz kaldığı durumlar olduğu düşünülmektedir. Stokların yeterli olduğu durumlarda promosyon satışının promosyon talebine eşit olduğu söylenebilir ancak stoksuz kalınan durumlarda promosyon ürününe olan talep aslında o ürünün gerçekleşen satış miktarından daha fazladır. Böyle durumlarda da regresyon modelinin promosyon satışını, promosyon talebi gibi algılaması ve buna göre regresyon katsayılarını belirlemesinin hata yüzdesini artırdığı düşünülmektedir. Benzer şekilde, promosyon olmayan dönemlerde stoksuz kalınması durumunda ise taban satış gerçek talebi yansıtmamakta, bu da yükseltme faktörünün doğru olarak hesaplanamamasına neden olmaktadır.
Literatürde promosyon süresinin promosyonun satış performansına etkisiyle ilgili pek fazla deneysel çalışma bulunmamaktadır. Bu çalışmada, normalden uzun süren promosyonların, ortalama promosyon satış performansını düşürdüğü gözlemlenmiştir.
Bu çalışmadaki regresyon modellerden birinde yüzde indirim miktarı yedi farklı dilime ayrılarak nominal bir değişken grubu olarak tanımlanmıştır. Bu şekilde, farklı
için potansiyel eşik ve doyma noktaları tespit edilmek istenmiştir. Elde edilen katsayılar; Gupta ve Cooper (1992) ile van Heerde ve diğ. (2002) tarafından öne sürülen yüzde indirim miktarının bir eşik değeri olduğu iddiasını desteklememektedir. Eşik değeri açısından elde edilen katsayılar, Peters (2012)’ın bulgularıyla da çelişmektedir. Bu karşılaştırma sonucunda, gıda dışı hızlı tüketim ürünlerinin saklanabilir olma özelliğinden dolayı en küçük fiyat indiriminde bile satışlarının kuvvetli biçimde arttığı çıkarımı yapılmıştır. Ayrıca, %60 indirim düzeyinden sonra regresyon katsayısının durağan hale geldiği tespit edilmiştir. Bu durağanlık, Gupta ve Cooper (1992) ile Van Heerde ve diğ. (2002) tarafından iddia edilen doyum noktasının varlığını desteklemekle birlikte, bu seviyenin söz konusu çalışmalarda bulunan seviyelerden daha yüksek olduğunu öne sürmektedir. Öte yandan, bu durum tüketici kaynaklı bir doyumdan ileri gelebileceği gibi, firmanın çok yüksek seviyede indirim yapılan promosyon ürünlerine olan talebi tam olarak karşılayamamasından da kaynaklanabilir. Mağazalarda yeterli miktarda stok tutulmasına rağmen bu durumla karşılaşılıyorsa, süpermarketin incelenen kategoriler için %60 ve üzerindeki oranlarda indirim yapmasının çok faydalı olmadığı sonucu çıkarılabilir.
Elde edilen regresyon denklemi sadece belirlenen ürün kapsamına, mağazaya ve firmaya özgü bir denklemdir. Bu nedenle elde edilen denklemin olduğu gibi farklı ürün grupları, farklı mağazalar ya da farklı firmalar için genelleştirilmesi anlamlı olmayacaktır. Buna karşın, uygulanan tahmin yöntemi; farklı süpermarket, mağaza ya da farklı ürün grupları tarafından eldeki değişkenlerin yeniden gözden geçirilmesi ve modelin uygulanan vakaya uyarlanması halinde kullanılabilir. Öte yandan, firmanın oluşturulan bu modelin çıktılarına olduğu gibi bağlı kalmaması, şirketteki uzmanların sezgilerini ve modelde yer almayan diğer bilgileri kullanarak gerektiğinde elde edilen tahmin değerleri üzerinde düzeltmeler yapmaları önerilmektedir
KAYNAKLAR
Abraham, M. M., & Lodish, L. M. (1987). Promoter: An automated promotion evaluation system. Marketing Science, 6(2), 101-123
Ailawadi, K.L., Harlam, B.A., César, J., Trounce, D. (2006). Promotion Profitability for a Retailer: The Role of Promotion, Brand, Category, and Store Characteristics. Journal of Marketing Research, Vol. 43, No. 11, pg. 518-535.
Ali, Ö. G., Sayın, S., van Woensel, T., & Fransoo, J. (2009). SKU demand forecasting in the presence of promotions. Expert Systems with
Applications, 36(10), 12340-12348
Bell, D. R., Chiang, J., & Padmanabhan, V. (1999). The decomposition of promotional response: An empirical generalization. Marketing
Science, 18(4), 504-526.
Blattberg, R.C. and Neslin, S.A. (1990). Sales Promotion, Prentice Hall, New Jersey.
Blattberg, R. C., Briesch, R., & Fox, E. J. (1995). How promotions work.
Marketing Science, 14(3 supplement), G122-G132.
Bolton, R. N. (1989). The relationship between market characteristics and promotional price elasticities. Marketing Science, 8(2), 153-169 Box, G. E., Jenkins, G. M., & Reinsel, G. C. (2011). Time series analysis:
forecasting and control (Vol. 734). Wiley.
Bunn, D., Wright, G. (1991). Interaction of judgemental and statistical forecasting methods: issues & analysis. Management Science, 37(5), 501-518. Bunn, D. W., & Vassilopoulos, A. I. (1999). Comparison of seasonal estimation
methods in multi-item short-term forecasting. International Journal of
Forecasting, 15(4), 431-443.
Chatfield, C. (2004). The analysis of time series, an introduction. Third edition. Chapman & Hall, London.
Chen, S. F. S., Monroe, K. B., & Lou, Y. C. (1998). The effects of framing price promotion messages on consumers' perceptions and purchase intentions. Journal of Retailing, 74(3), 353-372.
Christen, M., Gupta, S., Porter, J. C., Staelin, R., & Wittink, D. R. (1997). Using market-level data to understand promotion effects in a nonlinear model. Journal of Marketing Research, 322-334.
Cooper, L.G., Baron, P., Levy, W., Swisher, M., & Gogos, P. (1999). Promocast: A new forecasting method for promotional planning. Marketing
Dinter, W.W.A. van (2011). Promotion process in Grocery Supply Chains at Sligro Food Group N.V. Master Thesis.
Divakar, S., Ratchford, B.T., Shankar, V. (2005). CHAN4CAST: A Multichannel, Multiregion Sales Forecasting Model and Decision Support System for Consumer Packaged Goods. Marketing Science, Vol. 24, No. 3, pg. 334-350.
Donselaar, K. van, Woensel, T. van, Broekmeulen, R., & Fransoo, J. (2004), Improvement opportunities in retail logistics, in: Doukidis, G.J. & Vrecholopoulos, A.P. (Eds.), Consumer driven electronic transformation: apply new technologies to enthuse consumers, Berlin,
Springer.
Euromonitor International. (2012). Grocery Retailers in Turkey. Industry Report. Fader, P. S., & Lodish, L. M. (1990). A cross-category analysis of category
structure and promotional activity for grocery products. The Journal
of Marketing, 52-65
Field, A. (2005). Discovering statistics using SPSS. Third edition. SAGE
Publications. London.
Foekens, E. W., SH Leeflang, P., & Wittink, D. R. (1999). Varying parameter models to accommodate dynamic promotion effects. Journal of
Econometrics, 89(1), 249-268.
Gujarati, D. (1995), Basic Econometrics, (3rd ed.), McGraw-Hill, New York
Gupta, S., & Cooper, L. G. (1992). The discounting of discounts and promotion thresholds. Journal of consumer research, 401-411
Hair, J.F., Black, W.C., Babin B., Anderson, R., & Tatham, R. (2006).
Multivariate Data Analysis, (6th ed.). Upper Saddle River, NJ: Prentice Hall
Heerde, H.J. van, Leeflang, P.S.H., & Wittink, D.R. (2002). How promotions work: SCAN*PRO based evolutionary model building, Schmalenbach
Business Review, Vol. 54, No. 3, pg. 198 – 220
Heuvel, F.P. van den (2009). Action products at Jan Linders Supermarkets. Master
Thesis.
Kotler, P., & Armstrong, G. (2009). Principles of marketing. Pearson Education. Leeflang, P. S., & Wittink, D. R. (1996). Competitive reaction versus consumer
response: Do managers overreact?. International Journal of Research
in Marketing, 13(2), 103-119
Makridakis, S., Hibon, M., & Moser, C. (1979). Accuracy of forecasting: An empirical investigation. Journal of the Royal Statistical Society. Series
A (General), 97-145
Makridakis, S. (1988). Metaforecasting: Ways of Improving Forecasting Accuracy and Usefulness. International Journal of Forecasting, Vol. 4, No. 3, pg. 467-491.
Peters, J. (2012). Improving the promotional forecasting accuracy for perishable items at Sligro Food Group BV. Master Thesis
Poel, M.J. Van der (2010). Improving the promotion forecasting at Unilever, Netherlands. Master Thesis.
Raju, J. S. (1992). The effect of price promotions on variability in product category sales. Marketing Science, 11(3), 207-220
Rekabet Kurumu. (2012). Türkiye HTM Perakendeciliği Sektör İncelemesi Nihai Rapor. Ankara
Schrijver, B.G.F. (2009). Forecasting for promotion items at Metro Cash & Carry Netherlands. Master Thesis.
Silva-Risso, J. M., Bucklin, R. E., & Morrison, D. G. (1999). A decision support system for planning manufacturers' sales promotion calendars.
Marketing Science, 18(3), 274-300
Silver, E. A., Pyke, D. F., & Peterson, R. (1998). Inventory management and
production planning and scheduling (3rd edition). New York: Wiley
Srinivasan, S. S., & Anderson, R. E. (1998). Concepts and strategy guidelines for designing value enhancing sales promotions. Journal of Product &
Brand Management, 7(5), 410-420
Taylor, J. C., & Fawcett, S. E. (2001). Retail on‐shelf performance of advertised items: An assessment of supply chain effectiveness at the point of purchase. Journal of Business Logistics, 22(1), 73-89
Wilson, J. H., and B. Keating. (2002). Business Forecasting with Accompanying
Excel- Based Forecast XTM Software. Boston: McGraw-Hill
Wittink, D.R., Addona, M.J., Hawkes, W.J., Porter, J.C. (1988). SCAN*PRO: The estimation, validation and use of promotional effects based on scanner data. Internal paper, Cornell University.
EKLER
EK A: Pareto analizi ile hızlı ve yavaş hareket eden ürünlerin ayrıştırılması EK B: LN dönüşümlerine ait histogramlar
EK C: Standartlaştırılmış artık değerler histogramı ve P-P çizimi (Model-2 için) EK D: Bağımlı değişken LN(YF)’nin standardize kestirim değerleri ile standardize artık değerlerinin serpme çizimi (Model-2 için)
EK E: Kısmi regresyon çizimleri (Model-1 için)
EK F Model-1 Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 8 (Constant) 1,387 ,126 10,980 ,000 Yüzde İndirim 2,122 ,112 ,516 18,993 ,000 LN (Önceki YF) ,337 ,027 ,324 12,420 ,000 Önceki Promosyon X Insert Önce ,008 ,001 ,148 5,840 ,000 Aynı Ürün Grubundaki Promosyonel Ürün Sayısı -,015 ,003 -,156 -5,243 ,000 LN (Taban Satış) -,143 ,024 -,164 -6,009 ,000 Promosyon Süresi (Hafta) -,145 ,037 -,100 -3,968 ,000 Yaz Dönemi ,100 ,034 ,076 2,930 ,003 Kozmetik -,092 ,037 -,075 -2,491 ,013
Model-2 Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 15 (Constant) 1,156 ,111 10,405 ,000 LN (Önceki YF) ,371 ,027 ,357 13,901 ,000 50-59 % İndirim 1,251 ,086 ,501 14,604 ,000 60-69 % İndirim 1,263 ,091 ,489 13,888 ,000 Önceki Promosyon 1 Insert Önce -,312 ,036 -,227 -8,696 ,000 30-39 % İndirim ,770 ,067 ,563 11,497 ,000 40-49 % İndirim ,846 ,073 ,460 11,533 ,000 20-29 % İndirim ,554 ,064 ,452 8,679 ,000 Aynı Ürün Grubundaki Promosyonel Ürün Sayısı -,016 ,003 -,165 -5,495 ,000 10-19 % İndirim ,363 ,067 ,243 5,413 ,000 LN (Taban Satış) -,127 ,024 -,145 -5,348 ,000 3 Hafta Promosyon -,131 ,037 -,090 -3,513 ,000 Kozmetik -,106 ,037 -,085 -2,852 ,004 Yaz Dönemi ,090 ,034 ,068 2,617 ,009 Önceki Promosyon 3 Insert Önce -,238 ,090 -,065 -2,653 ,008 Önceki Promosyon 2 Insert Önce -,119 ,059 -,051 -2,007 ,045
Model-3 Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 8 (Constant) 1,143 ,157 7,267 ,000 Yüzde İndirim 1,804 ,169 ,449 10,690 ,000 LN (Önceki YF) ,395 ,042 ,383 9,480 ,000 3 Hafta Promosyon -,160 ,062 -,108 -2,565 ,011
Önceki Promosyon 1 Insert Önce -,301 ,067 -,193 -4,460 ,000 Aynı Ürün Grubundaki Promosyonel Ürün Sayısı -,015 ,003 -,188 -4,286 ,000 Yaz Dönemi ,205 ,055 ,156 3,740 ,000 LN (Taban Satış) -,112 ,044 -,105 -2,547 ,011 Kozmetik -,101 ,047 -,084 -2,144 ,033 Model-4 Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 7 (Constant) 1,248 ,125 9,966 ,000 Yüzde İndirim 2,349 ,152 ,530 15,492 ,000 LN (Önceki YF) ,324 ,036 ,314 9,032 ,000
Önceki Promosyon 1 Insert Önce -,316 ,043 -,246 -7,352 ,000 LN (Taban Satış) -,134 ,029 -,151 -4,602 ,000 Aynı Ürün Grubundaki Promosyonel Ürün Sayısı -,020 ,005 -,125 -3,760 ,000
Önceki Promosyon 3 Insert Önce
-,240 ,102 -,077 -2,366 ,018
Önceki Promosyon 2 Insert Önce
ÖZGEÇMİŞ
Ad Soyad: Gökhan SÜRMELİ
Doğum Yeri ve Tarihi: Üsküdar, 03.04.1988 E-Posta: gokhansur@gmail.com
Lisans: Doğuş Üniversitesi Endüstri Mühendisliği Mesleki Deneyim:
Aralık 2010 – (…) Araştırma Görevlisi, İTÜ İşletme Mühendisliği Bölümü
TEZDEN TÜRETİLEN YAYINLAR/SUNUMLAR
Sürmeli G., 2013: Searching for Discount Threshold and Saturation Levels During Promotions at a Supermarket Chain. International Symposium on Business and