Základy předpovědi zásob pro e-commerce obchody DTC

Předpovídání není předvídání budoucnosti. Je to rozhodování, v pravidelných intervalech a s měřenou rezervou, kdy poslat dodavateli peníze — což je mnohem snazší problém.

---

E-mail dorazí ve třetím týdnu vašeho nejlepšího měsíce všech dob: „Ahoj – snažím se objednat 20oz v barvě Sage a píše se, že je vyprodáno. Kdy bude zpět?“ Zkontrolujete. Není to jen Sage. Váš nejprodávanější kus je pryč ve čtyřech ze šesti variant, dodací lhůta vašeho dodavatele je 35 dní a objednávka, kterou jste měli podat před dvěma týdny, je stále v návrhu. Mezitím v rohu garáže paleta barevné varianty, která se v lednu zdála jako jistota, se od března ani nepohnula.

Už jste to zažili. Minule jste přísahali, že se vážně pustíte do předpovědi zásob — a pak vám obsah o předpovědi zásob pro e-commerce, který jste našli, vyprávěl o algoritmech pro snímání poptávky, strojovém učení, pravděpodobnostních modelech. Máte 40 SKU a tabulku. Takže jste zavřeli kartu a vrátili se k objednávání podle pocitu.

Zde je nový pohled, na kterém je tento příspěvek postaven: důvod, proč máte neustále výpadky zásob, nemá nic společného s chybějícími algoritmy. Je to tím, že opětovné objednávání probíhá, když si to *všimnete*, místo aby se tak dělo na základě čísla. Oprava toho vyžaduje pět vstupů, které již máte, a aritmetiku, kterou můžete provést na papíře.

Lež, která nutí obchody objednávat podle pocitu

Přesvědčení, které zastavuje většinu DTC operátorů: „Skutečné předpovídání vyžaduje datovou vědu a moje poptávka je pro ni stejně příliš nepředvídatelná.“

Obě části jsou špatně. Datově-vědecká verze předpovídání existuje pro podniky s desítkami tisíc SKU, kde 1% zisk v přesnosti stojí miliony. Při 40 nebo 400 SKU produkují sofistikovaný model a jednoduchý model téměř stejné nákupní objednávky — protože ve vašem měřítku vás nepoškozují chyby modelování. Jsou to procesní chyby: nikdo se tento měsíc nedíval na rychlost prodeje, nikdo si nezapsal, že dodavatel se minule zpozdil o dva týdny.

A „příliš nepředvídatelné“ si plete, k čemu předpověď slouží. Nesnažíte se předpovědět, že v březnu prodáte přesně 187 kusů. Odpovídáte na jednu provozní otázku: kdy znovu objednám a kolik, abych nevyprodal zásoby před přistáním další zásilky — aniž bych pohřbil své peníze v zásobách, které nepotřebuji? Tato otázka toleruje hodně nepředvídatelnosti, protože rezerva pro nepředvídatelnost je součástí matematiky.

Pět vstupů, které předpověď zásob e-commerce skutečně potřebuje

Všechno v predikci fungující DTC pochází z pěti čísel na SKU – všechna jsou dostupná ze zprávy o prodeji a vašich několika posledních objednávek.

1. Rychlost prodeje za sledované období, podle SKU. Jednotky prodané za den, průměrované za sledované období – 30 dní pro rychle se prodávající položky, 90 pro pomalejší, takže jeden dobrý týden nenaruší průměr. Toto je motor predikce a musí být podle SKU, nikoli podle produktu. „Hrnek se prodává 12 denně“ je k ničemu, pokud se Sage prodává 6 a Mustard 1.

2. Sezónní multiplikátor. Vydělte prodeje za každý měsíc průměrným měsícem: listopad může být 1,8, únor 0,7. Aplikujte multiplikátor na období, ve kterém se zásoby skutečně budou prodávat, nikoli na období, ve kterém objednáváte – objednávka z října na zásoby přistávající v listopadu dostane číslo listopadu.

3. Dodací lhůta dodavatele – a její variabilita. Ne číslo na nabídce. Skutečné dny od odeslání objednávky po prodejné zásoby, z vašich několika posledních objednávek: 32, 29, 41, 35. Průměr určuje bod opětovného objednání. Rozptyl – těch 41 – určuje vaši bezpečnostní zásobu.

4. MOQ a omezení objednávky. Minimální množství objednávky, velikosti balení a cenové hladiny nemění kdy znovu objednáte, ale stanovují spodní hranici kolik – což má obrovský vliv na hotovost, jak uvidíme.

5. Plánované akce. Výprodej je poptávka, kterou záměrně plánujete. Pokud se Black Friday balíček loni prodával 3× nad běžnou rychlostí, tento vrchol se promítne do predikce jako explicitní položka – a po té se odečte od rychlosti za sledované období (past s vlastní sekcí níže).

To je kompletní seznam. Dovednost není matematická – je v tom, že těchto pět čísel zůstává aktuálních, místo abyste je pokaždé hádali.

Matematika bodu opětovného objednání, krok za krokem

Zde je aritmetika s použitím fiktivních kulatých čísel: váš nejprodávanější hrnek v Sage.

• Rychlost prodeje za posledních 90 dní: 6 jednotek/den
• Nejintenzivnější nedávné 30denní období: 8 jednotek/den
• Dodací lhůta dodavatele: průměrně 30 dní, nejhorší případ 40 dní
• MOQ: 500 jednotek

Krok jedna: poptávka během dodací lhůty. Potřebujete dostatek zásob, abyste přežili čekání na další zásilku: 6 jednotek/den × 30 dní = 180 jednotek. To je naprosté minimum pro opětovné objednání ve světě, kde se nic nemění.

Krok dva: bezpečnostní zásoba. Nic na tomto světě není reálné, takže přidáte rezervu. Jednoduchý, obhajitelný vzorec: poptávka v nejhorším případě během dodací lhůty v nejhorším případě, mínus průměrný případ.

(8 jednotek/den × 40 dní) − (6 jednotek/den × 30 dní) = 320 − 180 = 140 jednotek bezpečnostní zásoby

Krok tři: bod opětovného objednání. 180 + 140 = 320 jednotek. Když počet kusů Sage na skladě plus objednaných klesne na 320, odešlete objednávku. Ne když se vám zdá, že je málo – při 320.

Dvě věci ohledně bezpečnostní zásoby, nejhůře pochopeného čísla ve výpočtu. Zaprvé, buďte přesní v tom, co zajišťuje: dva způsoby, jakými vás průměr klame — poptávka je vyšší než sledovaný průměr a dodavatel je pomalejší než jejich. Není to vágní výplň „pro každý případ“; je dimenzována podle rozptylu poptávky vaší SKU a vaší historie dodavatele, proto vstup č. 3 požadoval historii, nikoli cenovou nabídku.

Zadruhé, bezpečnostní zásoba je ovladač, nikoli přikázání. Vzorec je konzervativní — předpokládá, že se současně vyskytne špatná poptávka a špatná dodací lhůta. U pomalu se prodávajícího zboží nebo když je málo hotovosti, můžete ji zmenšit a přijmout větší riziko výpadku zásob. Jde o to, že se z toho stane rozhodnutí učiněné s čísly, nikoli nehoda objevená v e-mailu zákazníka.

Krok čtyři: kolik objednat. Bod opětovného objednání říká kdy; množství objednávky je samostatné rozhodnutí. Jasné výchozí pravidlo: objednejte si cílové pokrytí — řekněme 60–90 dní očekávané rychlosti prodeje, sezónně upravené — poté zaokrouhlete nahoru na MOQ nebo další balení. Pro Sage vstupující do 1,5násobné sezóny: 6 × 1,5 × 60 dní = 540 kusů, což stejně překračuje 500 MOQ. U pomalu se prodávajícího zboží s prodejem 1 kusu denně je stejné MOQ 500 dní zásob — okamžik pro vyjednání MOQ, konsolidaci variant nebo zpochybnění existence SKU.

[OBRÁZEK: Jednoduchý diagram bodu opětovného objednání — klesající linie zásob překračující práh opětovného objednání 320 kusů, odeslaná objednávka, zásoby dorazí právě tehdy, když se linie blíží bezpečnostnímu pásmu 140 kusů]

Kde předpověď zásob e-commerce předvídatelně selhává

Matematika je snadná část. Tyto tři režimy selhání jsou místa, kde se skutečné obchody poškozují.

Asymetrie: výpadky zásob a nadbytečné zásoby nestojí stejně

Viditelné náklady výpadku zásob jsou ušlé prodeje během mezery. Skryté náklady jsou horší: reklamní kampaně, které pozastavíte (a po jejich restartování se znovu naučíte za vyšší CPA), předplatitelé, kteří odejdou, protože jejich opakovaná objednávka nebyla k dispozici, kupující poprvé, kteří dorazili týden, kdy jste neměli co prodávat, a organické hodnocení, které klesne, zatímco nabídka je neaktivní. U věčně zeleného, doplňovatelného produktu — druhu, na kterém jsou značky DTC postaveny — může třídenní výpadek zásob potlačit rychlost prodeje na měsíce po naskladnění.

Náklady na nadměrné zásoby jsou náklady na držení: uzamčený hotovost, skladování, konečné snížení ceny. Bolestivé, ale postupné a obvykle obnovitelné — pokud produkt nevyprší, neprojde datem spotřeby nebo nevyjde z módy.

Správná tendence tedy závisí na typu produktu. U věčně zelených základních SKU se přiklánějte k nadměrným zásobám — štědré bezpečnostní zásoby, včasné opětovné objednávky — protože výpadek zásob je nákladný ocas. U sezónních, módních nebo zkažených SKU to otočte: neprodané zásoby nejen vážou hotovost, ale odpařují se do výprodeje, takže včasné objednávky jsou lepší než rezervy. Používání jedné tendence napříč oběma typy produktů je způsob, jak obchody skončí bez vítěze a zároveň zavaleny poraženým — scénář garáže z úvodu tohoto příspěvku.

Problém studeného startu nového SKU

Nová SKU nemá žádnou setrvačnou rychlost, takže motor předpovědi je prázdný. Nesnažte se to falšovat falešnou přesností. Půjčte si křivku spuštění nejpodobnější SKU, kterou jste již spustili, škálujte ji podle svého upřímného očekávání a – toto je akční část – nastavte první PO tak, abyste se mýlili levně. Menší první objednávka s rychlým spouštěčem opětovného objednání je lepší než sebevědomý kontejner. Ještě nepředpovídáte; nakupujete data. Umístění druhé PO na základě čtyř až šesti týdnů skutečných prodejů je plán, nikoli selhání odvahy.

Past zkreslení promo akcí

Provádíte dvoutýdenní výprodej. Funguje to – 3× rychlost. O šest týdnů později je váš průměr stále ovlivněn těmito dvěma týdny, vaše body opětovného objednání jsou příliš vysoké a chystáte se předzásobit celý katalog na základě poptávky, kterou jste vytvořili slevou.

Oprava je mechanická: označte propagační období ve vašich prodejních datech a vypočítejte základní rychlost s vyloučením těchto oken. Propagace vstupují do předpovědi tak, jak říká vstup č. 5 – jako explicitní, plánovaná poptávka – nikdy tiše prostřednictvím klouzavého průměru. Past funguje i naopak: období výpadku skladu táhne váš průměr dolů a říká vám, abyste objednali méně přesně té SKU, která vám právě dokázala, že jste ji podcenili. Tato okna také vylučte; nulové prodeje z prázdné police nejsou údaje o poptávce.

Nejprve tabulka — a kdy tabulka nestačí

Vše výše uvedené běží v jednom tabulkovém procesoru: řádek na SKU, sloupce pro pět vstupů, vzorce pro bod opětovného objednání a množství objednávky a týdenní 30minutová revize, kde aktualizujete rychlosti a kontrolujete, co překročilo svůj práh. Pro jednokanalový obchod s až několika sty SKU a hotovými výrobky je tabulkový procesor skutečně správným nástrojem – ne kompromisem rozpočtu. Budete rozumět každému číslu v něm, což je více, než dosahuje většina softwarových implementací.

Tabulkový procesor přestává být upřímný při rozpoznatelných symptomech: druhý prodejní kanál, balíčky a sady, které nemůže snížit, více skladů nebo 3PL, nebo počet SKU, kde se týdenní revize skutečně přestává konat – zastaralá předpověď je jen pocit z břicha s formátováním. V tu chvíli chcete logiku opětovného objednání, která čte živá prodejní data, ve třídě doplňovacích aplikací a výše. Tuto krajinu jsme zmapovali, spíše podle provozního tvaru než podle hodnocení, v našem upřímném průvodci nejlepším softwarem pro správu zásob pro Shopify a WooCommerce.

Předpověď je nákupní plán — což z ní dělá i plán hotovosti

Ještě jedno přerámování, protože to spojuje toto s ostatními částmi vašeho podnikání: každý bod opětovného objednání, který nastavíte, je budoucí platba s přibližným datem. Sage překračující 320 jednotek v polovině srpna je platba dodavateli v polovině srpna. Dokončená předpověď, čtená po kalendáři, je rozvrh největších opakujících se peněžních odlivů vašeho obchodu.

To je důležité, protože obchody s velkými zásobami málokdy zemřou na neprofitabilitu – zemřou na velkou objednávku, která přistane v slabém týdnu. Zavedení dat objednávek do vašeho prognózovaného 13týdenního peněžního toku promění „měli bychom znovu objednat“ na „můžeme zaplatit za opětovné objednání ve čtvrtek, kdy je splatné“. A matematika objednávání je jen tak dobrá, jak dobrá je vaše ekonomika jednotky: pokud je vaše náklady na jednotku po dopravě nejasné, vaše rozhodnutí o množství objednávky jsou s ním také nejasná – náš průvodce COGS pro prodejce Shopify pokrývá, jak tuto hodnotu zpřesnit.

Začněte s deseti SKU

Tento týden nevytvářejte model se 400 řádky. Vezměte svých deset nejrychleji se prodávajících SKU – většinu vašich příjmů, veškeré riziko výpadku zásob – a použijte metodu pouze na ně: stáhněte si rychlost prodeje za minulé období, zapište si skutečné dodací lhůty z vašich posledních několika objednávek, vypočítejte bod opětovného objednání a naplánujte si týdenní 30minutovou revizi. E-mail o tumbleru z vrcholu tohoto příspěvku není odvrácen lepšími instinkty. Je odvrácen číslem – 320 – a zvykem ho kontrolovat.

Deset SKU, pět vstupů, jeden vzorec. To je prognózování zásob v měřítku DTC – a jakmile jsou jednotky naplánovány, peněžní stránka stejné disciplíny (COGS, načasování hotovosti, účty, které odpovídají zboží na skladě) je pokryta v našem kompletním průvodci účetnictvím pro e-commerce.