Envanter tahsisinde arz ve talebin dengelenmesindeki farklı stratejilere yönelik stokastik model yaklaşımı

Rekabetçi pazarlarda fiyatlandırma stratejileri, kârlılık, pazar payı ve müşteri memnuniyeti üzerinde önemli bir etkiye sahiptir. Bu tez, belirsizlik altında fiyat optimizasyonunu ele almak için iki aşamalı stokastik bir model kullanarak matematiksel programlama çerçevesi geliştirmektedir. Model, talep dalgalanmalarını, maliyet değişimlerini ve dış pazar koşullarını içerecek şekilde tasarlanmış olup, dinamik fiyatlandırma senaryolarında sağlam bir karar verme aracı sunmaktadır. Teorik ve pratik unsurları birleştirerek, bu araştırma karmaşık ve belirsiz piyasa ortamlarında karar verme verimliliğini artırmayı hedeflemektedir. Bu araştırmanın temel amacı, stokastik talep modellemesi, esnek karar verme ve iki aşamalı yapı unsurlarını entegre eden bir matematiksel çerçeve oluşturarak doğrulamaktır. Stokastik talep modellemesi, talep dalgalanmalarını olasılıksal yöntemlerle yakalamayı amaçlarken, esnek karar verme süreci, belirsizlik altında uyarlanabilir stratejiler geliştirilmesine odaklanmaktadır. İki aşamalı yapı ise stratejik (uzun vadeli) kararların, taktiksel (kısa vadeli) ayarlamalardan ayrılmasını sağlayarak daha etkin bir fiyatlandırma süreci sunmaktadır. Bu araştırma, teorik fiyatlandırma modelleri ile pratik uygulamalar arasındaki boşluğu doldurarak, firmalara belirsiz piyasa dinamiklerinden kaynaklanan riskleri azaltırken kârlılığı artıran uygulanabilir stratejiler sunmaktadır. Yöntem olarak, gelişmiş stokastik programlama prensiplerinden yararlanılmış ve önerilen iki aşamalı stokastik model belirli adımlarla yapılandırılmıştır. Birinci aşamada, beklenen piyasa koşullarına dayalı olarak başlangıç fiyatlandırma stratejileri belirlenmiş, senaryo oluşturmak için geçmiş veriler ve uzman görüşleri dikkate alınmıştır. İkinci aşamada ise, talep değişimleri veya maliyet dalgalanmaları gibi belirsiz faktörler ortaya çıktıktan sonra fiyat kararları yeniden ayarlanmış, değişkenlik ve belirsizlikle başa çıkmak için senaryoya dayalı analizler kullanılmıştır. Modelin amaç fonksiyonu, risk ve operasyonel kısıtlamaları dengelerken beklenen geliri maksimize etmeye yöneliktir. Kısıtlamalar ise üretim sınırları, bütçe gereksinimleri ve müşteri tercihlerini dikkate alarak belirlenmiştir. Ayrıca, Monte Carlo simülasyonları ve geçmiş veri trendleri gibi olasılıksal modelleme teknikleri kullanılarak senaryo oluşturma süreci desteklenmiştir. Model, perakende sektöründen elde edilen gerçek verilerle doğrulanmış ve önemli bulgular ortaya koymuştur. Modelin uygulanması, statik fiyatlandırma stratejilerine kıyasla ortalama %12'lik bir gelir artışı sağlamış, özellikle düşük talep senaryolarında aşağı yönlü riskleri %20 oranında azaltarak risk yönetimine katkı sunmuştur. Ayrıca, senaryo analizi ve duyarlılık testleri sayesinde belirsizlik altında karar verme süreçleri daha etkin bir hâle gelmiştir. Bulgular, stokastik unsurların fiyatlandırma çerçevelerine dahil edilmesinin avantajlarını vurgulamakta olup, özellikle geleneksel yöntemlerin hızlı piyasa değişikliklerini hesaba katmada yetersiz kaldığı dalgalı sektörlerde bu yaklaşımın daha etkin olduğunu göstermektedir. Bu tez, operasyonel araştırma ve fiyatlandırma stratejileri alanına önemli katkılar sağlamaktadır. Fiyat optimizasyonu için özel olarak tasarlanmış ölçeklenebilir bir iki aşamalı stokastik model sunarak, akademik araştırmalar ile gerçek dünya uygulamaları arasındaki boşluğu doldurmaktadır. Aynı zamanda, firmalara kârlılığı artırırken riski yönetme konusunda stratejik içgörüler sunmakta ve çeşitli piyasa koşullarına uyarlanabilir esnek bir karar verme çerçevesi geliştirmektedir. Stokastik modellemenin fiyatlandırma kararlarına entegrasyonu birçok fayda sağlamaktadır. Firmalar, bu modeli doğrudan gerçek dünyadaki fiyatlandırma senaryolarına uygulayarak hem kısa hem de uzun vadeli sonuçlarını iyileştirebilir. Model, işletmelerin piyasa değişimlerine dinamik olarak yanıt vermelerini sağlayarak rekabet avantajı elde etmelerine yardımcı olur. Bunun yanı sıra, araştırma bulguları, piyasa istikrarını ve tüketici memnuniyetini teşvik eden çerçeveler geliştirmede politika yapıcılara rehberlik edebilir. Sonuç olarak, stokastik modelleme ile fiyatlandırma kararlarının entegrasyonu, belirsizlikle başa çıkmada güçlü bir araç sunmaktadır. Esnek ve uyarlanabilir stratejiler geliştirmeyi mümkün kılan model, dinamik piyasalardaki zorlukları etkili bir şekilde ele almaktadır. Bu araştırma, ileri düzey matematiksel programlama tekniklerinin iş dünyası karar verme süreçlerine dahil edilmesinin önemini vurgulamaktadır. Gelecekteki çalışmalar, bu çerçeveyi daha da geliştirmek amacıyla ek pazar faktörlerini, özellikle rakip hareketleri veya düzenleyici değişiklikleri, modelin içine dahil edebilir. Bunun yanı sıra, modelin uygulanabilirliği teknoloji ve üretim gibi diğer sektörlere genişletilebilir. Ayrıca, senaryo oluşturma ve gerçek zamanlı karar verme süreçlerine makine öğrenimi tekniklerinin entegrasyonu üzerine çalışmalar yapılabilir. Bu tez, belirsiz bir ortamda fiyatlandırma stratejilerini optimize etmeye çalışan firmalara önemli içgörüler sunmakta ve fiyat optimizasyonu alanında daha fazla araştırma ve pratik gelişmeler için bir temel oluşturmaktadır.