Promosyon Etkisi Nasıl Tahmin Edilir? Kampanya Türleri ve Etki Hesabı

Kısaca: Kampanya haftasına ait satış raporları çoğunlukla olumlu bir tablo ortaya koymaktadır. Ancak izleyen haftalardaki satış düşüşü bu tabloya genellikle yansımaz. Hızlı tüketimde kampanyalar satışların önemli bir bölümünü oluşturmakla birlikte, kampanya haftasındaki artışın tamamı ek talep sayılamaz; artışın bir kısmı kampanya sonrası haftalardan öne çekilmiş satıştır. Ayrıca her kampanya türü talebi farklı biçimde etkilemektedir: fiyat indirimi hızlı ve kısa süreli bir sıçrama yaratırken, örnekleme veya reklam kampanyaları etkisini daha yavaş ve daha uzun sürede gösterir. Bu yazıda promosyon etkisinin bileşenleri, kampanya türlerine göre talebe etkiler, etkinin hesaplanma yöntemleri ve modellemede kullanılan araçlar ele alınmaktadır. Sektörün genel planlama sorunları Hızlı Tüketimde (FMCG) Talep Planlama ve S&OP: 5 Kritik Konu başlıklı yazıda ayrıca incelenmiştir.

Promosyon Etkisi Hangi Bileşenlerden Oluşur?

Promosyon etkisi, bir kampanyanın talepte yarattığı değişimin tamamıdır. Planlama açısından bu değişimin tek bir rakamla ifade edilmesi yeterli değildir; çünkü her bileşen planın farklı bir noktasını etkilemektedir.

Baz talep, kampanya olmasaydı gerçekleşecek satıştır. İstatistiksel tahmin modelinin üretmesi gereken katman budur ve plana temel olarak girer. Brüt artış (uplift), kampanya döneminde baz talebin üzerinde gerçekleşen satıştır; üretim ve sevkiyat planına baz talebin üzerine eklenen ayrı bir katman olarak yansıtılır. Brüt artış, kampanyanın başarısı hakkında ilk izlenimi verir; ancak tek başına yanıltıcıdır.

Öne çekme (pull-forward), tüketicinin ve kanalın kampanya sırasında ileri tarihli ihtiyacını da satın alması nedeniyle sonraki haftalardan çekilen satıştır. Sonucu kampanya sonrası düşüştür ve bu nedenle izleyen haftaların tahmini baz talebin altına çekilmelidir. Stoklanabilir ürünlerde ve derin indirimlerde düşüş belirgindir; çabuk bozulan ürünlerde sınırlı kalır. Kanal stoklaması ise distribütör ve geleneksel kanala yapılan kampanya yüklemelerinin tüketiciye satıştan önce gerçekleşmesidir; sell-in ile sell-out arasındaki zaman farkı bu nedenle ayrıca izlenmelidir.

Bu bileşenler birlikte okunduğunda, kampanyanın gerçek katkısı brüt artıştan öne çekmenin ve kampanya sonrası düşüşün çıkarılmasıyla bulunan net ek satıştır. Planlama kararları (üretim miktarı, kapasite, malzeme, stoklama) bu üç katmanın ayrı ayrı doğru tahmin edilmesine dayanır.

Kampanya Türleri Talebi Nasıl Farklı Etkiler?

Uygulamada "kampanya" tek tür değildir ve her türün talep üzerindeki etki profili (artışın şiddeti, süresi, sonrasındaki düşüş ve kalıcılığı) farklıdır. Tek bir kampanya katsayısı kullanılması, bu nedenle tahminde sistematik sapmalara yol açmaktadır. Başlıca kampanya türleri ve talep üzerindeki tipik etkileri aşağıda ele alınmıştır.

Geçici fiyat indirimi: En yaygın türdür. Etki kampanya haftasında hızlı ve yüksek bir sıçrama olarak görünür, indirim derinliği arttıkça büyür. Stoklanabilir ürünlerde kampanya sonrası düşüş belirgindir.

Çoklu alım kampanyaları (3 al 2 öde, ikinci ürüne indirim): Sepet büyüklüğünü artırır, ancak artışın önemli bölümü tüketimin artmasından değil, stok yapılmasından kaynaklanır. Bu nedenle kampanya sonrası düşüş süresi tek ürün indirimine göre daha uzundur.

Hediye ürün ve paket (bundle) kampanyaları: Fiyat indirimi içermediğinden talep artışı genellikle daha ılımlıdır. Planlamada asıl dikkat edilecek nokta, hediye veya paket içindeki ek ürünün de tedarik ve stok planına dahil edilmesidir.

Teşhir, katalog ve broşür kampanyaları: Fiyat değişmeden görünürlükle talep artırılır. Etki, teşhirin satış noktalarında gerçekten uygulanma oranına bağlıdır; uygulama oranı planlanandan düşükse beklenen artış gerçekleşmez.

Kupon, sadakat puanı ve geri ödeme kampanyaları: Etki yalnızca kuponu veya puanı kullanan müşteri kesiminde ortaya çıkar. Kullanım oranı belirsiz olduğundan tahmin aralığı geniştir ve etki zamana yayılabilir.

Reklam ve dijital pazarlama kampanyaları: Etki çoğunlukla gecikmeli ve yayılıdır; kampanya bitiminden sonra da bir süre sürebilir. Reklam yoğunluğu ile satış arasındaki ilişki doğrusal değildir ve belirli bir düzeyden sonra getiri azalmaktadır.

Örnekleme ve lansman kampanyaları: Deneme amaçlı dağıtım kampanya sonrası düşüşe değil, aksine ürünü deneyen müşterilerin tekrar alımına yol açabilir. Bu durumda etki geçici olmayıp baz talebin kalıcı olarak yükselmesi biçiminde görülür.

Distribütör ve kanal kampanyaları (ticari koşullar, hacim primleri): Etki önce sell-in verisinde görünür. Tüketici satışı çoğunlukla gecikmeli gerçekleştiğinden, kanal stoku kampanya boyunca şişer ve sonraki dönemde siparişler düşer.

Sezon sonu tasfiye kampanyaları: Amaç stok eritmektir. Talep sıçrar, ancak marj düşüktür ve sonraki sezonun baz talebini etkileyebilir.

Bu nedenle kampanya kütüphanesinde her kampanyanın türü, mekaniği, kanalı ve süresi ayrı alanlar olarak saklanmalı; etki hesapları tür bazında yapılmalıdır. Aynı kampanya türü farklı kategorilerde de farklı sonuç verebilmektedir.

Kampanyaların Etkileri Nasıl Hesaplanabilir?

Kampanya etkisinin hesaplanmasının temel mantığı basittir: etki, gerçekleşen satış ile kampanya olmasaydı gerçekleşecek satış arasındaki farktır. Güçlük, ikinci değerin hiçbir zaman doğrudan gözlenememesidir. Bu nedenle kampanya olmasaydı beklenen satışın (baz talebin) ayrıca tahmin edilmesi gerekir.

Konu bir örnek üzerinden açıklanabilir. Haftalık baz talebi 1.000 koli olan bir ürünün bir hafta süreyle kampanyaya alındığı varsayılmaktadır (rakamlar açıklama amaçlıdır). Kampanya haftasında 2.600 koli satılmış, kampanya sonrası birinci ve ikinci haftada ise 800 ve 850 koli satılmıştır. Brüt artış 2.600 − 1.000 = 1.600 kolidir. Kampanya sonrası iki haftadaki düşüş (1.000 − 800) + (1.000 − 850) = 350 koli olduğundan net ek satış 1.600 − 350 = 1.250 koli olarak hesaplanır. Kampanya sonrası düşüş, brüt artışın yaklaşık beşte biri kadardır.

Net ek satışın değerlendirilmesinde yalnızca miktar değil, finansal sonuç da dikkate alınır. Net ek satışın marjı, kampanyanın maliyetiyle (indirim tutarı, teşhir bedeli, ek lojistik) karşılaştırılır. İndirim kampanya olmasaydı da satılacak baz miktarın tamamına uygulanıyorsa, net ek satış yeterince yüksek olmadığında kampanya zarar üretebilir. Bu nedenle hem kampanyanın finansal değerlendirmesi hem de sonraki benzer kampanyaların tahmini, brüt artışa değil net ek satışa dayandırılmalıdır.

Hesaplamada Kullanılan Yöntemler

Baz talep çıkarma yöntemi: Kampanya dönemleri geçmiş serilerden arındırılarak baz talep istatistiksel olarak tahmin edilir; etki, gerçekleşen ile bu tahmin arasındaki fark olarak bulunur. Uygulaması en kolay yöntemdir, ancak sonuç baz talep tahmininin kalitesine bağlıdır.

Kontrol grubu karşılaştırması: Kampanyanın uygulandığı mağazalar, müşteriler veya bölgeler ile uygulanmadığı benzer birimlerin satış değişimleri karşılaştırılır. Kampanya öncesi ve sonrasındaki farkların farkı alınarak (farkların farkı yöntemi) sezonsal ve genel etkiler dışlanır. Mümkün olduğunda en güvenilir sonucu veren yaklaşımdır.

Regresyon modelleri: Satış miktarı; fiyat, indirim oranı, teşhir, reklam yoğunluğu ve sezonsallık gibi açıklayıcı değişkenlere bağlanır. Katsayılar, her değişkenin etkisini ve fiyat esnekliğini (fiyat yüzde kaç değiştiğinde talebin yüzde kaç değiştiği) verir. Yeterli sayıda ve çeşitli kampanya geçmişi gerektirir.

Benzer kampanyalar (analog yaklaşım): Yeni kampanyanın etkisi, aynı mekanik, kanal ve ürün grubunda yapılmış geçmiş kampanyaların ortalaması ve dağılımı esas alınarak türetilir. Geçmişi olmayan yeni mekanikler için başlangıç noktası sunar.

Kampanya sonrası düşüşün modellenmesi: Düşüşün büyüklüğü ve süresi, kampanya türüne ve ürünün stoklanabilirliğine göre öğrenilir. Modelde kampanyadan sonraki dönemler için ayrı gecikmeli değişkenler tanımlanarak düşüş açıkça tahmine yansıtılır.

Yöntem seçimi veri durumuna bağlıdır. Çok sayıda kampanya geçmişi varsa regresyon veya makine öğrenmesi, uygulama için kontrol birimleri ayrılabiliyorsa kontrol grubu karşılaştırması, geçmişi olmayan yeni mekaniklerde ise analog yaklaşım öne çıkar. Uygulamada çoğu zaman yöntemler birlikte kullanılır ve sonuçlar birbirini doğrulamak için karşılaştırılır.

Kampanya Tahmini Nasıl Kurulur?

• Geçmişi arındırın: Kampanya haftaları ve ardından gelen düşüşler geçmiş satışlardan ayrılmalı, böylece temiz bir baz talep serisi elde edilmelidir.
• Kampanya kütüphanesi oluşturun: Her kampanya için tür, mekanik (indirim oranı, çoklu alım, ekstra teşhir), kanal, süre, dönem ve gerçekleşen net artış kayda alınmalıdır.
• Türe özgü etki profili çıkarın: Artışın şiddeti, süresi, kampanya sonrası düşüşü ve kalıcılığı kampanya türüne göre ayrı ayrı belirlenmelidir.
• Katmanları ayrı tutun: Baz talep ve kampanya katmanının sistemde ayrı versiyonlar olarak saklanması önerilmektedir. Hangi katmanın yanıldığı ancak bu şekilde ölçülebilir.
• Kanal stoğunu izleyin: Distribütöre ve geleneksel kanala yapılan kampanya yüklemeleri tüketiciye satıştan önce gerçekleşmektedir. Bu nedenle sell-in ile sell-out arasındaki farkın ayrıca takip edilmesi gerekir.

Kampanya Sonrası Analiz Neden Gereklidir?

Kampanya bitiminden iki üç hafta sonra bir değerlendirme yapılması önerilmektedir. Bu değerlendirmede tahmin edilen brüt artış, öne çekme ve net ek satış gerçekleşen değerlerle karşılaştırılır. Sapmanın nedeni (teşhirin uygulanmaması, rakibin eş zamanlı kampanyası, stoksuzluk) kütüphaneye işlenmelidir. Stoksuzluk yaşanan bir kampanyada gerçekleşen satış talebi yansıtmamaktadır; bu tür kampanyaların artışı kütüphanede "eksik ölçülmüş" olarak işaretlenmelidir.

Kampanya tahminlerinde uygulamada en sık karşılaşılan sorun sistematik iyimserliktir. Kampanyanın hedefe ulaşacağı genellikle varsayılır, ancak sonuçlar geriye dönük olarak nadiren incelenir. Kampanya katmanının sapması ve yanlılığı ayrıca ölçüldüğünde bu iyimserlik görünür hale gelmektedir (bkz. Tahmin Sapması Nasıl Ölçülür ve Yorumlanır? Yanlılık (Bias) ve Yüzde Sapma Göstergeleri).

Asıl ölçülmesi gereken, kampanya haftasındaki toplam satış miktarı olmayıp;
kampanya yapılmasaydı gerçekleşmeyecek olan net ek satış miktarıdır

Kampanya Takvimi S&OP'ye Nasıl Bağlanır?

Uygulamada sıkça görülen bir durum, kampanya bilgisinin üretim tarafına kapasite planlandıktan sonra ulaşmasıdır. Bunun önlenmesi için kampanya takviminin en az S&OP ufku kadar ileriye dönük hazırlanması ve talep gözden geçirme toplantısında onaylanması önerilmektedir. Kapasite veya malzeme kısıtı olan dönemlerde kampanyanın zamanlaması, tedarik gözden geçirmesinde bir seçenek olarak değerlendirilir. Kampanyayı birkaç hafta kaydırmak çoğu zaman fazla mesaiden veya fasondan daha düşük maliyetlidir. Kampanya kararlarında kullanılabilecek seçenekler S&OP Döngüsünde Hangi Toplantıda Hangi Karar Verilir? Takvim, Karar Mantığı ve Senaryolar başlıklı yazıda ele alınmıştır.

Teknoloji ve Dijitalleşme: Kampanya Etkilerinin Modellenmesinde Kullanılan Araçlar

Bir promosyonun sonucu tek bir değişkene bağlı değildir. İndirim oranı, teşhir, katalog, sezonsallık ve rakip faaliyeti aynı anda etkili olmaktadır. Bu kadar çok değişkenin elle değerlendirilmesi güçtür. Kampanya etkilerinin modellenmesinde veri altyapısından senaryo araçlarına kadar farklı katmanlarda teknolojiden yararlanılmaktadır.

Veri Altyapısı ve Promosyon Kütüphanesi

Modelleme, verinin doğru toplanmasına bağlıdır. Kurumsal Kaynak Planlama (ERP) sistemleri fiyat, promosyon takvimi ve sevkiyat geçmişinin kaynağıdır. Satış noktası verisi ve Elektronik Veri Değişimi (EDI) ile alınan sell-out ve kanal stoku verisi, kampanyanın tüketiciye ulaşan etkisini görünür kılar. Ticari promosyon yönetimine ayrılmış araçlar ise kampanyanın mekaniğini, bütçesini ve takvimini yapılandırılmış kayıt olarak tutarak kampanya kütüphanesini besler. Her promosyonun ürün, müşteri, kanal ve dönem bazında eksiksiz kayıtlı olması modellemenin ön koşuludur.

İstatistiksel ve Ekonometrik Modeller

Regresyon, fiyat esnekliği modelleri ve dış değişkenli zaman serisi modelleri (örneğin kampanya göstergesinin dış değişken olarak eklendiği otoregresif modeller), kampanya etkisinin açıklanabilir ve yorumlanabilir biçimde tahmin edilmesini sağlar. Katsayılar, indirim oranındaki bir artışın talebi ne kadar artırdığını doğrudan sayısal olarak verdiği için planlamacı ve pazarlama ekibi tarafından kolay anlaşılır.

Makine Öğrenmesi Yöntemleri

Makine Öğrenmesi (ML), veriden örüntü öğrenerek tahmin üreten yöntemlerin genel adıdır. Rastgele orman ve gradyan artırma gibi ağaç tabanlı modeller ile yapay sinir ağları; fiyat, teşhir, takvim, hava ve kanal gibi çok sayıda değişkenin doğrusal olmayan ve birbiriyle etkileşen etkilerini birlikte öğrenebilmektedir. Çok sayıda ürün ve kampanyayı tek bir model altında ele alabildiğinden, kampanya geçmişi sınırlı olan ürünlerde diğer ürünlerden öğrenilen örüntülerden yararlanılabilir. Modelin neden o tahmini verdiğinin gösterilmesini sağlayan açıklanabilirlik teknikleri, sonucun satış ve pazarlama ekibince kabul edilmesi için gereklidir.

Deney Tasarımı ve Nedensel Analiz

Etkiyi gerçekten kampanyanın yarattığını göstermenin en güvenilir yolu kontrollü deneydir. Seçilen test mağazalarında kampanya uygulanırken benzer kontrol mağazalarında uygulanmaz; iki grubun farkı kampanyanın etkisi olarak okunur (A/B testi, farkların farkı). Tüm mağazalarda eş zamanlı kampanya yapılan durumlarda ise kampanyanın olmadığı durumu, geçmişteki benzer birimlerin ağırlıklı birleşimiyle oluşturan sentetik kontrol yöntemleri kullanılabilir.

Senaryo ve Optimizasyon Araçları

Kampanya etkisi tahmin edildikten sonra "ne olursa" analizi için senaryo araçları kullanılır: farklı indirim oranları, süreler veya kanal kombinasyonları denenerek net ek satış, marj ve kapasite yükü karşılaştırılır. İleri Planlama ve Çizelgeleme (APS) sistemleri ve optimizasyon yöntemleri, kampanya takvimini kapasite ve malzeme kısıtlarıyla birlikte değerlendirerek uygulanabilir bir plan önerebilir. Karar, satış, pazarlama ve operasyonun birlikte yer aldığı toplantıda verilir.

Gerçek Zamanlı İzleme ve Talep Algılama

Talep Algılama (Demand Sensing), satış noktası, sipariş ve dış veri gibi güncel sinyalleri kısa vadeli tahmine hızla yansıtan yaklaşımdır. Kampanyanın ilk günlerine ait satış noktası verisiyle tahmin düzeltilebilir ve ikmal buna göre yönlendirilebilir. Nesnelerin İnterneti (IoT) kapsamındaki akıllı raf ve soğutucu sensörleri raf boşluğunu ve tüketimi anlık bildirdiğinden, stoksuzluk nedeniyle kaybedilen kampanya satışı görünür hale gelir. Üretken Yapay Zeka (GenAI) ise kampanya sonrası değerlendirme raporunun taslağını hazırlayarak gerçekleşen ve tahmin edilen etkiyi karşılaştırmalı olarak özetleyebilir.

Bununla birlikte modelin tüm sorunları çözmesi beklenmemelidir. Promosyon modeli, beslendiği kayıtların kalitesini aşan bir tahmin üretemez. Promosyon mekaniği, teşhir ve süre bilgisi eksik tutulmuşsa model etkiyi hatalı öğrenmektedir. Daha önce denenmemiş bir kampanya türünde ise model yalnızca bir başlangıç noktası sunar; çıktının satış ve pazarlama ekibinin saha bilgisiyle birlikte değerlendirilmesi gerekmektedir.

Modelin başarısı kampanya kütüphanesinin kalitesiyle sınırlıdır;
her promosyonun eksiksiz kayda alınması, tahminin modele bırakılmasından önce gelmektedir

Uygulamaya Geçiş: Kontrol Listesi

1. Geçmiş satışları, kampanya haftaları ve sonrası işaretlenmiş biçimde temizleyin.
2. Kampanya kütüphanesini tür, mekanik, kanal, süre ve gerçekleşen net artış bilgisiyle kurun.
3. Her kampanya türü için artışın şiddetini, süresini ve kampanya sonrası düşüşü ayrı ayrı belirleyin.
4. Baz talep ve kampanya katmanını ayrı tahmin versiyonları olarak saklayın.
5. Kampanya bitiminden 2-3 hafta sonra net ek satış analizini yapın ve sonuçları kütüphaneye işleyin.
6. Kampanya takvimini S&OP talep gözden geçirmesinde onaylayın.
7. Her promosyonu tür, mekanik, indirim oranı, teşhir ve süre bilgisiyle dijital olarak kayda alın; modeller ancak bu kayıtlar mevcutsa doğru öğrenebilmektedir.
8. Mümkün olan kampanyalarda test ve kontrol mağazası ayrımı yaparak etkiyi deneysel olarak doğrulayın.

İlgili Yazılar

• Hızlı Tüketimde (FMCG) Talep Planlama ve S&OP: 5 Kritik Konu
• Tahmin Sapması Nasıl Ölçülür ve Yorumlanır? Yanlılık (Bias) ve Yüzde Sapma Göstergeleri
• S&OP Döngüsünde Hangi Toplantıda Hangi Karar Verilir? Takvim, Karar Mantığı ve Senaryolar
• Perakendede Mağaza Bazlı İkmal ve Stok Planlama

Sıkça Sorulan Sorular

Promosyon etkisi nasıl ölçülür?

Kampanya haftasındaki satış, kampanya olmasaydı beklenen baz talep ile karşılaştırılır; aradaki fark brüt artıştır. Kampanya sonrası haftalardaki düşüş bu artıştan çıkarıldığında net ek satış bulunur. Mümkün olduğunda test ve kontrol mağazası karşılaştırması sonucu doğrular.

Kampanya sonrası düşüş her kampanyada olur mu?

Ürün evde stoklanabiliyorsa ve indirim derinse çoğu durumda düşüş gözlenmektedir. Çabuk bozulan ya da stoklanması zor ürünlerde öne çekme etkisi daha sınırlı kalır. Örnekleme gibi kampanyalarda ise kalıcı bir talep artışı görülebilir.

Her kampanya türü için aynı yöntem kullanılabilir mi?

Temel mantık aynıdır; ancak etki profili türe göre değiştiği için parametreler ve bazen yöntem farklılaşır. Fiyat kampanyalarında regresyon ve esneklik modelleri, reklam kampanyalarında gecikmeli etki modelleri, yeni mekaniklerde ise analog yaklaşım tercih edilir.

Kampanya tahmini kimin sorumluluğundadır?

Kampanya varsayımlarının (mekanik, teşhir, kanal) sahibi satış ve pazarlama birimidir. Bu varsayımların talebe dönüştürülmesi ve sonucun ölçülmesi ise talep planlamanın sorumluluğundadır.

Promosyon tahmininde yapay zeka ne zaman işe yarar?

Yeterli sayıda ve iyi etiketlenmiş geçmiş promosyon kaydı bulunduğunda fayda sağlamaktadır. Kayıtlar eksikse öncelikle promosyon veri disiplininin kurulması gerekir. Yeni kampanya türlerinde ise model çıktısı tek başına kullanılmamalı, satış ekibinin değerlendirmesiyle birlikte ele alınmalıdır.

Kaynaklar

• Blattberg, R. C., & Neslin, S. A. (1990). Sales Promotion: Concepts, Methods, and Strategies. Prentice Hall.
• Cooper, L. G., Baron, P., Levy, W., Swisher, M., & Gogos, P. (1999). PromoCast™: A new forecasting method for promotion planning. Marketing Science, 18(3), 301-316.
• Van Heerde, H. J., Leeflang, P. S. H., & Wittink, D. R. (2004). Decomposing the sales promotion bump with store data. Marketing Science, 23(3), 317-334.
• Gilliland, M. (2010). The Business Forecasting Deal. Wiley.

İlgili Optimum Planlama Eğitimleri

Hızlı Tüketimde Birlikte Çalıştığımız Kurumlar

Hızlı tüketim sektöründe eğitim ve/veya danışmanlık hizmeti sunduğumuz kurumlardan bazıları aşağıdadır. Tüm sektörler için Referanslar sayfamıza bakabilirsiniz.

Akgıda, 2022

Alfarm, 2011

Anadolu Efes, 2019, 2021

Banvit, 2010

Barilla Gıda, 2011–2022

Baydöner, 2015

Bereket Döner, 2013

BTA Catering, 2010–2022

Cola Turka, 2016

Crown Bevcan, 2023

Duru Bulgur, 2022

Eker Süt Ürünleri, 2024, 2025

Elita Gıda, 2024, 2025

Essity, 2022

Eti Gıda, 2010

Flormar, 2017

Giz Kozmetik, 2014

Haribo, 2017

Hero Baby, 2015

Imperial Tobacco, 2016

İpek Kağıt, 2010–2015

Kellogg's, 2023

Kılıç Deniz Ürünleri, 2010, 2015

Lezita, 2017

Lidersan, 2016

Lila Kağıt, 2018–2024

Makbul Kuruyemiş, 2021, 2022

Migros, 2021

Milhans Gıda, 2011

Nivea Türkiye, 2019

Penguen Gıda, 2010

Penti, 2014

Rebul Kozmetik, 2021

Red Bull Türkiye, 2023, 2025

Sanat Ambalaj, 2023

Sunar Grup, 2025

Superfresh, 2013

Şölen Çikolata, 2010

Tamek Sagra, 2025

Ulduz Şokolad, 2018

Unifo Gıda, 2010

Wefood, 2026

Yemtar, 2010

Yorumlar

“Eğitim süreci boyunca hem teorik bilgileri hem de uygulamalı örnekleri anlaşılır ve akıcı bir şekilde öğrenme fırsatı bulduk. İçerik güncel, kapsamlı ve iş hayatında doğrudan kullanılabilecek nitelikteydi. Özellikle interaktif anlatım ve gerçek örnekler eğitimi daha faydalı hale getirdi. Teşekkür ederiz.”

Rabia Yıldırım, Planlama Müdürü (Üretim Planlama, 2026)

“Çok keyifli bir eğitimdi. Bilgi dağarcığıma yeni bilgilerin eklendiğini hissettiğim bir ortam oldu.”

E**** C****, Bölge Satış Müdürü, Sunar Grup (S&OP, 2025)

“Katıldığım Üretimde Genel Planlama ve Çizelgeleme eğitimi için teşekkür etmek isterim. Eğitim hem içerik hem de aktarım açısından oldukça verimliydi ve yeni bakış açıları kazandırdı. Özellikle kapasite planlama, malzeme ihtiyaç planlaması (MRP), ana üretim çizelgesi (MPS) ve çizelgeleme teknikleri (ör. hat dengeleme, öncelik kuralları) konularındaki örnekler ve uygulamalı anlatımlar konuyu pekiştirmeme yardımcı oldu. Üretim süreçlerimizde karşılaştığımız darboğazların nasıl tespit edileceği ve çözüm yolları konusunda çok değerli bilgiler edindim. Ayrıca, teorik bilgilerin pratikle desteklenmesi, örnek senaryolar üzerinden yapılan açıklamalar ve katılımcıların sorularına verilen detaylı yanıtlar eğitimin güçlü yanlarıydı. Emeği geçen herkese teşekkür eder, bu tarz teknik derinliği olan eğitimlerin devamını dilerim.”

G**** Ç****, Üretim Planlama Uzman Yardımcısı, Tamek Sagra (Üretim Planlama, 2025)

Tüm yorumları görüntülemek için tıklayınız.

Kurumunuza özel eğitim veya danışmanlık için teklif talebi oluşturunuz.