Retail'de fiyatı tek başına optimize etmek yeterli mi?

Ne oldu?

Radian, 22 Eylül’de Merchandising Planning Suite’ini genişlettiğini duyurdu. Şirketin açıklamasına göre platform; assortment, base price, promotion, shopper marketing ve space management yeteneklerini ortak bir data foundation üzerinde bir araya getiriyor. Dolayısıyla duyurunun iddiası yalnızca bu işlerin aynı arayüzde görünmesi değil: Bir assortment değişikliği space plan’ı bilgilendiriyor, base price değişikliği promotional calendar ile birlikte değerlendiriliyor, promotion ise yalnızca kendi satış artışıyla değil category üzerindeki incremental etkisiyle ele alınıyor.

Radian, AI’ın analiz hızlandırdığını, fırsatları görünür kıldığını ve senaryoları sınadığını söylüyor. Her önerinin dayandığı data ve varsayımların izlenebilir olduğunu; son planı deneyimli retail uzmanlığı ve insan yargısının şekillendirdiğini belirtiyor. Şirket bunu otonom biçimde karar veren bir sistem olarak değil, merchandiser’ın kararını destekleyen hibrit bir yaklaşım olarak anlatıyor.

Bu duyurudan ayrı olarak Radian’ın Ağustos ayında yayımladığı Promotion Planning Portal açıklaması, retailer ve supplier ekiplerinin teklifleri ortak çalışma alanında değerlendirmesini, tahmini sonuçları incelemesini ve onaylanan kampanyaları yeniden veri girmeden uygulamaya aktarmasını tarif ediyor. Bu, Radian’ın promotion işbirliğiyle ilgili daha önceki ürün duyurusu; Eylül’deki beş alanlı suite genişlemesiyle aynı duyuru değil.

Neden önemli?

Retail sistemlerinde pricing, promotion, assortment, inventory ve space planning’i ayrı capability’ler olarak kurmak anlaşılır. Her biri farklı iş kurallarına, verilere ve operasyon ekiplerine sahip. Ancak bir alandaki öneri diğerlerinin koşullarını göz ardı ederse, tek domain için iyi görünen sonuç retailer’ın bütünü için iyi olmayabilir.

Örneğin bir AI belirli bir üründe fiyat düşüşünün talebi artıracağını hesaplayabilir. Ürün zaten kampanya takvimindeyse, eldeki stok sınırlıysa veya assortment’tan çıkmak üzereyse aynı fiyat kararı beklenen faydayı sağlamayabilir. Mağazada yeterli space bulunmaması da talep artışının karşılanmasını zorlaştırabilir. Bu örnekler Radian duyurusunda ölçülmüş sonuçlar değil; farklı karar alanlarının neden ortak context’e ihtiyaç duyabileceğini anlatmak için kullandığım senaryolar.

Benim yorumum

Bence buradaki daha büyük mesele AI değil, decision architecture. Commerce platformlarını çoğunlukla transaction capability’leri etrafında tasarlıyoruz: Product | Price | Promotion | Inventory | Order. Bunları ayrı servis ve domain’lerde tutmak mimari açıdan doğru olabilir. Fakat capability’leri ayrıştırmak ile kararları bağımsızlaştırmak aynı şey değil.

Bir Price Service kendi başına çalışabilir; Promotion Service başka bir yerde olabilir. Ama “Bu ürünün fiyatını yüzde 8 düşürelim mi?” kararı yalnızca pricing domain’ine ait olmayabilir. Promotion takvimi, talep, stok, margin, assortment ve space gibi başka context’ler kararı değiştirebilir. İnsan merchandiser bu bilgileri ayrı ekranlardan zihninde birleştiriyordu. AI’a “Bu category’nin margin’ini artır” dediğimizde, yalnızca Pricing API’ına erişmesi yeterli olmayabilir; kararın dayandığı bağlamı da değerlendirmesi gerekir.

Bu, composable commerce’ın yanlış olduğu veya servislerin yeniden tek platformda birleşmesi gerektiği anlamına gelmiyor. Transaction architecture ayrışmış kalabilir: Catalog | Pricing | Promotion | Inventory | Order. Bunların üzerinde farklı domain’lerden context toplayan, alternatifleri karşılaştıran ve sonuçları görünür kılan bir karar katmanı düşünülebilir. Ben buna şimdilik Decision Intelligence demeyi anlamlı buluyorum. Bu Radian’ın resmi ürün kategorisi değil; Radian duyurusundan hareketle yaptığım mimari çıkarım.

Böyle bir katmanın ilk görevi işlemi gerçekleştirmek olmayabilir. Önce context toplar, senaryo oluşturur, alternatifleri değerlendirir ve recommendation üretir. Sonrasında merchant approval’ı ve ilgili domain’in mevcut action servisi devreye girer. İşletim döngüsünü de Radian’ın tanımlı mimarisi olarak değil, kendi merchant operations modelim olarak Observe → Simulate → Decide → Approve → Execute → Measure biçiminde düşünebiliriz.

Bu çerçeve, Amazon Seller Assistant’ın operasyon capability’lerini farklı interface’lere açması konusundan da ayrılıyor. Oradaki soru merchant’ın işini hangi arayüzden yapacağı ve capability’ye nasıl ulaşacağıydı. Burada ise aksiyona karar vermeden önce pricing, promotion, assortment, inventory ve space bilgilerinin aynı karar bağlamında nasıl değerlendirileceğini konuşuyoruz.

Commerce platformlarında capability’leri bağımsızlaştırmak doğru mimari olabilir. Ancak ticari kararların birbirinden bağımsız olduğunu varsaymak giderek zorlaşıyor. AI’ın asıl rolü bu capability’leri yeniden birleştirmek değil, aralarındaki karar bağlamını anlayabilmek olabilir.

Kaynaklar

Radian — Radian Extends Its Merchandising Planning and Analytics Capabilities with Hybrid AI — Kaynak tarihi: 22 Eylül 2026.

Radian — Radian Launches Collaborative Promotion Planning Portal for Retailers and Suppliers — Kaynak tarihi: 4 Ağustos 2026.