Görüntüleme: 0 Yazar: Site Editörü Yayınlanma Zamanı: 2026-09-10 Kaynak: Alan
Kaç giysi üreteceğine karar vermek bir giyim markasının aldığı en önemli kararlardan biridir.
Çok az sipariş verirseniz popüler ürünler bir sonraki sevkiyat gelmeden tükenebilir. Çok fazla sipariş verirseniz, markanın fazla envanteri, indirimleri ve satılmayan ürünlere bağlı parası kalabilir.
Bu nedenle üretim miktarlarının geçen yılın satışlarından daha fazlasına veya alıcının sezgisine dayanması gerekiyor.
Pratik bir hazır giyim tahmin süreci bakar . , gerçek talebe, envanter kullanılabilirliğine, mevsimselliğe, promosyonlara, teslim süresine, güvenlik stoğuna, beden dağılımına ve mevcut bütçeye .
Amaç, yeni envanterin mevcut olacağı dönemde müşterilerin ne kadar satın alma olasılığının olduğunu tahmin etmek ve ardından markanın bu talebi desteklemek için ne kadar envantere ihtiyaç duyduğunu belirlemektir.
Bir OEM giyim üreticisi için bu tahmin, sonunda stile, renge ve bedene göre ayrılmış bir üretim siparişi haline gelir.
İlk başta tahmin basit görünüyor.
Bir marka geçen yıl bir modelden 1000 adet sattıysa bu yıl 1000 adet daha sipariş verebilir.
Sorun, geçmiş satışların her zaman gerçek müşteri talebini temsil etmemesidir.
Haftada 100 adet satılan bir tişört düşünün. Dört hafta sonra Medium beden tükendi. Müşteriler Medium'u aramaya devam ediyor ancak marka artık elinde olmayanı satamıyor.
Satış kayıtları talebin dördüncü haftadan sonra düştüğünü gösterebilir.
Gerçekte ürün kullanılamaz hale geldi.
Sağlanan araştırma bunu talep sansürü olarak tanımlıyor . Bir ürün stokta kalmadığında, müşteriler hala ürünü satın almak istese bile gözlemlenen satışlar sıfıra düşebilir. Bu ham sayıları doğrudan kullanmak, gelecekteki üretim miktarlarını küçümsemenize neden olabilir.
Bu tehlikeli bir döngü yaratır:
Popüler ürün → tükendi → satış verileri daha zayıf görünüyor → sonraki sipariş çok küçük → ürün yeniden tükendi
Bu arada, yavaş hareket eden ürünler stokta kalabilir ve satış verileri oluşturmaya devam edebilir.
Bu nedenle iyi tahmin şu soruyu sorarak başlar:
Ürün mevcut olduğunda müşteriler aslında ne satın almak istediler?
İlk adım, tahmin edilen stil, renk ve bedene ilişkin geçmiş satış verilerini toplamaktır.
Yararlı bilgiler şunları içerebilir:
Satılan birimler
Satış tarihleri
Envanter mevcut
Stok yok dönemleri
Fiyat değişiklikleri
Promosyonlar
Ürün lansmanları
Mevsimsel dönemler
Boyuta göre satışlar
Kanala göre satış
Veriler ne kadar ayrıntılı olursa tahmin de o kadar yararlı olabilir.
Birkaç yıllık satış geçmişine sahip bir marka, yinelenen modelleri yalnızca birkaç aylık veriye sahip bir markaya göre daha kolay tespit edebilir.
Ancak daha fazla veri otomatik olarak daha iyi tahmin anlamına gelmez.
Verilerin doğru yorumlanması gerekiyor.
Bir markanın 30 günlük bir satış dönemi olduğunu varsayalım.
Ürün 20 gün boyunca stokta kaldı ve 400 adet satıldı.
Eğer marka basitçe şunu hesaplıyorsa:
400 ÷ 30 = günde 13,3 parça
ürünün tüm dönem boyunca bu oranda satılabileceğini varsayar.
Ancak ürün 10 gün boyunca mevcut değilse mevcut dönem boyunca gözlemlenen satış oranı şöyleydi:
400 ÷ 20 = müsait gün başına 20 adet
İkinci şekil, talebi tahmin etmek için daha iyi bir başlangıç noktası sağlayabilir.
Araştırma, stokta olmayan dönemleri sıfır talep olarak ele almak yerine SKU'nun gerçekten mevcut olduğu dönemi kullanarak gerçek Satış Oranının hesaplanmasını önermektedir.
Bu sürece genellikle adı verilir. talebin kısıtlanmaması .
Temel fikir basittir:
Müşteri ürünü satın alamamışsa, o günler otomatik olarak müşterinin istemediği günler olarak yorumlanmamalıdır.
Geçmiş satışlar temizlendikten sonra markanın temel bir tahmine ihtiyacı var.
Temel değer, büyük promosyonlar veya olağandışı ani artışlar gibi özel etkinlikler eklenmeden önceki normal talebin tahminidir.
Farklı ürünler farklı tahmin yöntemleri gerektirebilir.
Talebi nispeten istikrarlı olan temel bir ürün için hareketli ortalama yararlı bir başlangıç noktası sağlayabilir.
Örneğin, yıl boyunca sürekli olarak satılan sade bir siyah tişört, ayrıntılı bir tahmin sistemi gerektirmeyebilir.
Marka son satışları inceleyebilir ve temsili bir ortalama oluşturabilir.
Satışlar sürekli olarak artıyor veya azalıyorsa tahmin bu eğilimi hesaba katmalıdır.
Örneğin, temel bir iç çamaşırı stili birkaç sezon boyunca istikrarlı bir şekilde büyüdüyse, sadece eski bir ortalamayı kullanmak gelecekteki talebi küçümseyebilir.
Doğrusal trend modelleri bu tür durumlar için faydalı olabilir.
Bazı ürünler öngörülebilir mevsimsel kalıpları takip eder.
Mayo, kışlık iç giyim, termal giyim ve diğer sezonluk ürünler yıl boyunca çok farklı satış şekillerine sahip olabiliyor.
Bu nedenle tahminin aşağıdakiler arasında ayrım yapması gerekir:
Normal büyüme veya düşüş
Ve
Tekrarlanan sezonluk talep
Araştırma, üstel düzeltme ve ETS modellerini, hatayı, eğilimi ve mevsimselliği açıklayabildikleri için yararlı tahmin yaklaşımları olarak tanımlıyor.
Çoğu küçük marka için prensibi anlamak, karmaşık bir tahmin algoritması seçmekten daha önemlidir.
Büyük bir satış, bir ürünün normalde olduğundan çok daha popüler görünmesine neden olabilir.
Bir markanın genellikle haftada 100 adet model sattığını düşünün.
%30 indirim kampanyasında 250 adet satılıyor.
Yeni normal olarak 250'yi kullanmak çok agresif bir üretim tahmini üretecektir.
Aynı sorun şu durumlarda da ortaya çıkabilir:
Flaş satışlar
Etkileyici kampanyalar
Başlıca reklam kampanyaları
Tatil promosyonları
Yeni ürün lansmanları
Geçici fiyat indirimleri
Araştırma, promosyon artışının temel talepten ayrılmasını ve ardından uygun olduğunda planlanan promosyon etkilerinin gelecek tahminine tekrar eklenmesini önermektedir.
Örneğin:
Normal talep: 100 birim/hafta
Beklenen promosyon artışı: +%40
Promosyon sırasındaki tahmin: yaklaşık 140 birim/hafta
Kesin artış mümkün olduğunca markanın kendi geçmiş verilerinden gelmelidir.
Giyim talebi yılın zamanına güçlü bir şekilde bağlıdır.
Müşteri talebi aşağıdakilerden dolayı değişebilir:
Sıcaklık
İklim
Tatiller
Okula dönüş dönemleri
Seyahat mevsimleri
Promosyon takvimleri
Moda sezonları
Bu nedenle bir marka, tahmin oluştururken benzer dönemleri karşılaştırmalıdır.
Örneğin, sezonluk bir ürüne yönelik Temmuz ayı talebini tahmin etmek için Aralık satışlarını kullanmak çok yanıltıcı bir sonuç doğurabilir.
Marka şunu sormalı:
Bu ürün veya benzeri ürünler önceki yıllarda aynı sezonda neler sattı?
Üretim teslim süreleri uzun olduğunda mevsimsellik özellikle önem kazanmaktadır.
Bir fabrikanın özel bir siparişi üretip göndermesi için birkaç aya ihtiyacı varsa, markanın talebi gerçek satış sezonu başlamadan çok önce tahmin etmesi gerekir.
Yeni bir stil, doğrudan satış geçmişi olmadığından tahmin sorunu yaratır.
Bir marka, geçen yıl olmayan bir ürünün geçen yılki satışlarını hesaplayamaz.
Araştırma, nitelik tabanlı kümeleme ve benzer öğe eşlemenin kullanılmasını önermektedir. yeni ürünler için Planlamacılar, sıfırdan bir sayı tahmin etmek yerine, yeni ürünü, önemli özellikleri paylaşan mevcut ürünlerle karşılaştırabilirler.
İlgili nitelikler şunları içerebilir:
Ürün kategorisi
Siluet
Kumaş yapısı
Kumaş ağırlığı
Fiyat
Hedef marjı
Renk
Desen karmaşıklığı
Örneğin, bir markanın yeni 280 GSM Fransız Terry kapüşonlu üstünü piyasaya sürdüğünü varsayalım.
Önceki kapüşonlulara benzer şekilde bakılabilir:
Kumaş ağırlığı
Yapı
Fiyat
Hedef müşteri
Yerleştirmek
Renk konumlandırma
Bu ürünler, rastgele bir miktar seçmekten daha kullanışlı bir başlangıç noktası sağlayabilir.
Yeni ürünler, yerleşik ürünlere göre daha fazla belirsizlik içerir.
Bu nedenle bir marka şunları dikkate alabilir:
Daha küçük ilk üretim
Ön siparişler
Erken müşteri ilgisi
Benzer ürünlerin geçmiş performansı
Esnek ikmal
Mevcut olduğunda daha kısa üretim döngüleri
Bu, gerçek talep netleşmeden önce çok fazla stok taahhüt etme riskini azaltabilir.
Talebi tahmin etmek sorunun sadece yarısıdır.
Bir markanın aynı zamanda de bilmesi gerekir. envanteri değiştirmenin ne kadar süreceğini .
Bir markanın ayda 500 parça satmayı beklediğini varsayalım.
Yenileme iki hafta sürüyorsa markanın bir stok sorunu var demektir.
Eğer yenileme dört ay sürüyorsa markanın çok farklı bir sorunu var demektir.
Araştırma, fabrika üretim süresinin tüm tedarik zinciri teslim süresi olarak ele alınmaması gerektiğini vurguluyor. Toplam teslim süresi, malzeme tedariki, numune alma ve onaylar, toplu üretim, nakliye, gümrük ve gelen işlemleri içerebilir.
Basitleştirilmiş bir hazır giyim tedarik zinciri şuna benzer:
Malzeme alımı
↓
Numune alma ve onaylar
↓
Toplu üretim
↓
Toplu taşıma
↓
Gümrük ve gelen işlemler
↓
Depo kullanılabilirliği
Marka, tüm bu dönem boyunca envanter ihtiyaçlarını tahmin etmelidir.
Bu, malzeme hazırlığının önemli ölçüde zaman kazandırabileceği özel kumaşlar ve özel renkler için özellikle önemlidir.
Tahmin hâlâ bir tahmindir.
Gerçek talep beklenenden daha yüksek olabilir.
Üretim de planlanandan daha uzun sürebilir.
Emniyet stoku bu belirsizliklere karşı bir tampon görevi görmektedir.
Araştırma iki ana risk kaynağını tanımlıyor:
Talep değişkenliği
Teslim süresi değişkenliği
Örneğin, bir markanın envanteri yenilemek için geçen sürede 1000 parça satmayı beklediğini varsayalım.
Talebin aniden artması veya üretimin gecikmesi durumunda 1.000 adet yeterli gelmeyebilir.
Güvenlik stoğu ek koruma sağlar.
'Her zaman %10 ekstra üretin' gibi basit bir kural uygun görünebilir.
Ancak farklı ürünler farklı risk seviyelerine sahiptir.
Yıl boyunca talebi tahmin edilebilen istikrarlı bir siyah tişört, satışları oldukça öngörülemeyen sezonluk moda tarzından farklı bir tampon gerektirebilir.
Araştırma, gelir önemine hem de talep öngörülebilirliğine göre farklı tahmin ve emniyet stoğu stratejilerinin kullanılmasını önermektedir.ABC-XYZ sınıflandırmasını kullanarak hem
Temel kavram, tam istatistiksel analiz yapılmadan bile faydalıdır:
Yüksek değerli + öngörülebilir ürünler: kullanılabilirliği dikkatli bir şekilde koruyun.
Yüksek değerli + öngörülemeyen ürünler: Talebi yakından izleyin ve hızla ayarlayın.
Düşük değerli + öngörülemeyen ürünler: Çok fazla envanter bağlamaktan kaçının.
Bu, markaların envanter yatırımını en önemli yere harcamasına yardımcı olur.
Bir marka beklenen talebi ve güvenlik stoğunu öğrendikten sonra başka bir üretim siparişinin ne zaman verilmesi gerektiğine karar verebilir.
Burası Yeniden Sipariş Noktasıdır (ROP).
Kavramsal olarak:
Yeniden Sipariş Noktası = Teslim süresi boyunca beklenen talep + Güvenlik stoğu
Örneğin, bir marka stok yenileme süresi boyunca 1.500 birim satmayı bekliyorsa ve güvenlik tamponu olarak 300 birim daha istiyorsa:
ROP = 1.800 adet
Mevcut stok pozisyonu bu seviyeye ulaştığında marka bir sonraki stok yenileme siparişini başlatmayı düşünmelidir.
Araştırma, yeniden sipariş noktasını, toplam teslim süresi artı güvenlik stoğu boyunca beklenen talebe dayalı olarak yeni bir satın alma siparişini tetikleyen stok eşiği olarak tanımlıyor.
Önemli olan zamanlamadır.
Üreticinin ürünü yenilemek için haftalar veya aylar sürmesi gerekiyorsa, marka üreticisiyle iletişime geçmeden önce envanterin sıfıra ulaşmasını beklememelidir.
Bir markanın 5.000 parçaya ihtiyacı olduğunu bilmek, fabrikaya her boyuttan kaç parça üreteceğini söylemez.
Üretim emrinin şöyle olması gerekebilir:
XS: 350
S: 900
E: 1.900
L: 1.300
XL: 550
Kesin oran, markanın müşteri tabanına ve geçmiş satışlarına bağlıdır.
Buna denir boyut eğrisi .
Araştırma burada önemli bir soruna dikkat çekiyor: Popüler bedenler erken tükendiğinde ham satış oranları bozulabiliyor.
Medium'un sürekli olarak satış yaptığını varsayalım.
Geçmiş satışları aslında müşterilerin istediği sayıdan ziyade markanın satmayı başardığı Medium birimlerin sayısını temsil ediyor olabilir.
Bu nedenle marka, her bedenin gerçekten mevcut olduğu dönemlerde talebi bedene göre analiz etmelidir.
Bu özellikle iç çamaşırı için önemlidir çünkü beden bedene uyum, rahatlık ve müşteri memnuniyeti ile yakından bağlantılıdır.
Bu nedenle bir üretim tahmininin iki ayrı soruyu yanıtlaması gerekir:
Toplam kaç parça yapmalıyız?
Ve
Bu parçalar boyutlara nasıl dağıtılmalıdır?
Bir talep tahmini çok büyük bir üretim gereksinimi üretebilir.
Markanın hala bu envanteri üretmeye ve elinde tutmaya gücünün yetip yetmeyeceğini belirlemesi gerekiyor.
Finansal planlamanın sürece girdiği yer burasıdır.
Araştırma, Satın Almaya Açık'ı (OTB), aşağıdan yukarıya SKU tahminlerini işletmenin destekleyebileceği envanter harcaması miktarıyla uzlaştırmaya yardımcı olan bir finansal kısıtlama olarak tanımlıyor.
Daha küçük bir giyim markası için konsept basitleştirilebilir:
İhtiyacınız olan envanteri tahmin edin, ardından mevcut nakit ve envanter bütçenizin bunu destekleyip destekleyemeyeceğini kontrol edin.
Tahmin 20.000 parça sipariş edilmesini öneriyorsa ancak işletme yalnızca 12.000 parçayı güvenli bir şekilde finanse edebiliyorsa, markanın öncelik vermesi gerekir.
Şunları seçebilir:
Temel ürünleri koruyun
Yavaş hareket eden stilleri azaltın
Renk derinliğini azaltın
Daha az SKU başlatın
Daha küçük başlangıç siparişleri kullanın
Düşük öncelikli ürünleri erteleyin
Daha sonra başka bir üretim çalıştırması planlayın
Tahminin tamamen matematiksel bir uygulamadan ziyade bir iş kararı haline geldiği yer burasıdır.
Talep, mevsimsellik, teslim süresi, emniyet stoğu, boyut eğrileri ve bütçe incelendikten sonra marka üretim ihtiyacını belirleyebilir.
Basitleştirilmiş bir iş akışı:
Geçmiş satışlar
↓
Stok yokluğundaki distorsiyonu ortadan kaldırın
↓
Temel talebi oluşturun
↓
Sezonluk ve planlı promosyonlara göre ayarlama yapın
↓
Üretim ve nakliye teslim süresini göz önünde bulundurun
↓
Uygun emniyet stoğu ekleyin
↓
Yeniden sipariş noktasını belirleyin
↓
Boyut eğrisini uygula
↓
Envanter bütçesini kontrol edin
↓
Üretim emrini ver
Araştırma, kısıtlanmamış geçmiş taleple başlayan ve üreticiye verilen kilitli satın alma siparişi ile biten benzer bir yedi adımlı planlama protokolünü özetlemektedir.
Üreticinin bakış açısına göre, iyi bir üretim tahmininin eninde sonunda net bir satınalma siparişine dönüşmesi gerekir.
Fabrika şunları alabilir:
Stil
Renk
Toplam miktar
Boyut dökümü
Malzeme özellikleri
Paketleme gereksinimleri
Teslim tarihi
Nakliye gereksinimleri
Kalite gereksinimleri
Bu bilginin kalitesi üretim planlamasını etkiler.
Örneğin, bir üretici bir modelden 10.000 parça üretebilir ancak üretim programı hâlâ belirli boyut ve renk dökümüne, kumaşın bulunabilirliğine, kesimlere, teslim tarihine ve diğer gereksinimlere bağlıdır.
Tahmin ve üretimin yakından bağlantılı olmasının nedeni budur.
Bir markanın talep planlaması, ne kadar ve ne zaman satmak istediğini belirler..
Üreticinin üretim planlaması, bu gereksinimin fiziksel giysilere nasıl dönüştürüleceğini belirler.
Hiçbir tahmin mükemmel değildir.
Tahmin yapmanın amacı belirsizlik altında daha iyi kararlar vermektir.
Gerçek talebin beklenenden yüksek olması durumunda marka aşağıdaki durumlarla karşılaşabilir:
stoklar
Satış kaybı
Acil durum üretimi
Hızlandırılmış nakliye
Müşteri memnuniyetsizliği
Talep beklenenden düşükse marka aşağıdakilerle karşı karşıya kalabilir:
Fazla envanter
İndirimler
Markdown kayıpları
Depo maliyetleri
Satılmayan ürünlere bağlı nakit
Bu nedenle en iyi tahmin sistemleri fiili satışları sürekli olarak izler.
Yeni bilgiler elde edildikçe tahmin değişmelidir.
Örneğin:
İlk tahmin → gerçekleşen satışlar → güncellenmiş talep tahmini → revize edilmiş üretim planı
Bu özellikle kısa yaşam döngülerine sahip moda ürünleri için kullanışlıdır.
Bir iç çamaşırı markasının yıl boyunca satılan temel bir tarzı olduğunu hayal edin.
Geçmiş veriler, stoklardaki eksiklikler de hesaba katıldığında ürünün normalde ayda yaklaşık 800 parça sattığını gösteriyor.
Marka sezonluk olarak yaklaşık %20 oranında bir artış bekliyor.
Bu kabaca tahmini bir talep verir:
800 × 1,20 = Aylık 960 adet
Üretici ve lojistik süreci, siparişin verilmesinden stokların kullanılabilirliğine kadar üç ayı gerektirir.
Bu nedenle markanın yaklaşık olarak aşağıdakileri planlaması gerekir:
960 × 3 = 2.880 adet
Daha sonra talep ve arz riskine dayalı olarak uygun bir güvenlik tamponu ekler.
Markanın 320 parçanın daha uygun bir planlama tamponu sağladığına karar verdiğini varsayalım.
Envanter gereksinimi yaklaşık olarak şöyle olur:
2.880 + 320 = 3.200 adet
Son adım, bu parçaları beklenen boyut eğrisine göre bölmektir.
Bu evrensel bir formülden ziyade basitleştirilmiş bir örnektir. Gerçek tahmin, fiyat, promosyonlar, envanter bulunabilirliği, mevsimsellik, teslim süresi değişkenliği ve ürün yaşam döngüsündeki değişiklikleri hesaba katmalıdır.
Önemli olan sıralamadır:
Talep → satış dönemi → teslim süresi → risk tamponu → büyüklük dağılımı → üretim miktarı
Bir markanın üretim planlamasını iyileştirmek için gelişmiş bir yapay zeka tahmin sistemine ihtiyacı yoktur.
Daha iyi veri disiplini ile başlayabilir.
Her stil ve boyut kullanılamadığında kaydedin.
Aksi takdirde düşük satışlar, düşük taleple karıştırılabilir.
Büyük indirimleri ve kampanyaları kaydedin, böylece olağandışı satış artışları otomatik olarak yeni temel haline gelmez.
Stil düzeyindeki toplam satış sayısı, bedenler arasındaki önemli farklılıkları gizleyebilir.
Gerçek siparişlerin satınalma siparişinden depo girişine kadar ne kadar sürdüğünü kaydedin.
Her satış döneminden sonra tahmini talebi gerçek sonuçlarla karşılaştırın.
Yeni bir ürünün geçmiş verileri olduğunu iddia etmek yerine benzer ürünleri ve özellikleri referans olarak kullanın.
Yeni bilgiler beklenen talebi değiştirdiğinde tahmin değişmelidir.
Üretim miktarı belirlendikten sonra üreticinin net bir siparişe ihtiyacı vardır.
Özel bir giyim projesi için yararlı bilgiler şunları içerir:
Stil numarası
Renk çeşitleri
Toplam miktar
Boyut dökümü
Kumaş özellikleri
Trim gereksinimleri
Paketleme gereksinimleri
Kalite standartları
Hedef teslim tarihi
Gönderim hedefi
Net bir üretim emri, marka ile fabrika arasındaki yanlış anlama olasılığını azaltır.
Ayrıca üreticinin kumaşı, kesimi, dikiş kapasitesini ve diğer üretim kaynaklarını daha etkin bir şekilde planlamasına olanak tanır.
Uzun vadeli bir OEM ilişkisi için geçmiş üretim verileri de faydalı olabilir.
Gerçek üretim teslim süreleri, malzeme tüketimi, kalite sorunları ve sipariş miktarlarının tümü gelecekteki planlamanın iyileştirilmesine yardımcı olabilir.
Doğru üretim miktarını garanti edebilecek tek bir sayı yoktur.
Güçlü bir tahmin, birkaç bilgiyi birleştirir.
Geçmiş satışlar markaya neler olduğunu anlatır.
Stok yokluğu analizi, satış verilerinin gözden kaçırmış olabileceği talebi ortaya çıkarmaya yardımcı olur.
Mevsimsellik ve promosyonlar olağandışı değişiklikleri açıklamaktadır.
Teslimat süresi, envanterin ne kadar ileride planlanması gerektiğini belirler.
Emniyet stoku belirsizliğe karşı koruma sağlar.
Boyut eğrileri toplam talebi pratik bir üretim dökümüne dönüştürür.
Bütçe sınırları envanter planlarının mali açıdan gerçekçi olmasını sağlar.
Bu faktörler birlikte, kaç giysi üretileceğine karar vermek için çok daha güçlü bir temel oluşturur.
Giyim markaları için en yararlı değişim genellikle şu yönde oluyor:
'Geçen seferde bu kadar sattık, o yüzden aynı miktarda sipariş verelim.'
ile:
'Müşteriler gerçekte ne kadar talepte bulundu, bu talep nasıl değişecek ve onu yenileyebileceğimiz süreyi karşılamak için ne kadar envantere ihtiyacımız var?'
Bu soru daha iyi üretim kararlarına yol açar.
Ve bir OEM üreticisi için arasında daha net bir bağlantı oluşturur müşteri talebi ile fiziksel üretim planı .
İyi bir üretim planlaması satınalma siparişinden önce başlar. Talep tahmini ne kadar iyi olursa, müşterilerin istediği zaman doğru ürünlerin, boyutların ve miktarların mevcut olma şansı da o kadar artar.
