Mga Pangunahing Kaalaman sa Pagtataya ng Imbentaryo para sa mga DTC Ecommerce Store

Ang pagtataya ay hindi paghula sa hinaharap. Ito ay pagpapasya, sa isang iskedyul at may sinusukat na buffer, kung kailan magpapadala ng pera sa iyong supplier — na isang mas madaling problema.

---

Dumating ang email sa ikatlong linggo ng iyong pinakamagandang buwan kailanman: "Hoy — sinusubukang umorder ng 20oz sa Sage at sinasabing sold out. Kailan ito babalik?" Tinitingnan mo. Hindi lang Sage. Ang iyong pinakamabentang produkto ay wala sa apat sa anim na variant, ang lead time ng iyong supplier ay 35 araw, at ang purchase order na dapat mong ilagay dalawang linggo na ang nakalipas ay draft pa rin. Samantala, sa sulok ng garahe, isang pallet ng kulay na tila sigurado noong Enero ay hindi gumalaw mula noong Marso.

Naranasan mo na ito dati. Noong huli, nanumpa ka na magiging seryoso ka sa pagtataya ng imbentaryo — at pagkatapos ang nilalaman ng pagtataya ng imbentaryo sa ecommerce na iyong nahanap ay nagsasalita tungkol sa mga demand-sensing algorithm, machine learning, probabilistic model. Mayroon kang 40 SKU at isang spreadsheet. Kaya isinara mo ang tab at bumalik sa pag-order batay sa pakiramdam.

Narito ang pagbabago kung saan nakabatay ang post na ito: ang dahilan kung bakit ka patuloy na nauubusan ng stock ay walang kinalaman sa mga nawawalang algorithm. Ito ay dahil ang pag-order muli ay nangyayari kapag napansin mo, sa halip na kapag sinabi ng isang numero. Ang pag-aayos niyan ay nangangailangan ng limang input na mayroon ka na at aritmetika na magagawa mo sa papel.

Ang Kasinungalingan na Nagpapatuloy sa Pag-order ng mga Tindahan Batay sa Pakiramdam

Ang paniniwala na nagpapahinto sa karamihan ng mga DTC operator: "Ang tunay na pagtataya ay nangangailangan ng data science, at ang aking demand ay masyadong hindi mahuhulaan para dito."

Parehong bahagi ay mali. Ang bersyon ng pagtataya na data-science ay umiiral para sa mga negosyong may sampu-sampung libong SKU, kung saan ang 1% na pagtaas ng katumpakan ay nagkakahalaga ng milyun-milyon. Sa 40 o 400 SKU, ang sopistikadong modelo at ang simple ay nagbubunga ng halos parehong mga purchase order — dahil sa iyong sukat, ang mga pagkakamali na nakakasakit sa iyo ay hindi mga modeling error. Ang mga ito ay mga process error: walang tumingin sa bilis ngayong buwan, walang nagsulat na ang supplier ay nahuli ng dalawang linggo noong huli.

At ang "masyadong hindi mahuhulaan" ay nagkakamali kung para saan ang isang pagtataya. Hindi mo sinusubukang hulaan na magbebenta ka ng eksaktong 187 yunit sa Marso. Sinagot mo ang isang operational na tanong: kailan ako mag-o-order muli, at gaano karami, para hindi ako maubusan bago dumating ang susunod na padala — nang hindi binabaon ang aking pera sa stock na hindi ko kailangan? Ang tanong na iyon ay nagpapahintulot sa maraming kawalan ng katiyakan, dahil ang buffer para sa kawalan ng katiyakan ay bahagi ng matematika.

Ang Limang Input na Talagang Kailangan ng Pagtataya ng Imbentaryo sa Ecommerce

Lahat ng nasa isang gumaganang DTC forecast ay nagmumula sa limang numero bawat SKU — lahat ng ito ay makukuha mula sa isang sales report at sa iyong huling ilang purchase order.

1. Bilis ng benta sa nakalipas na panahon, bawat SKU. Mga yunit na naibenta bawat araw, na-average sa isang nakalipas na window — 30 araw para sa mabilis na mabenta, 90 para sa mas mabagal para hindi mabago ng isang magandang linggo ang average. Ito ang makina ng forecast, at dapat ito ay bawat SKU, hindi bawat produkto. Walang silbi ang "Ang tumbler ay nabebenta ng 12 bawat araw" kung ang Sage ay nakakabenta ng 6 at ang Mustard ay 1.

2. Isang seasonal multiplier. Hatiin ang benta ng bawat buwan sa iyong average na buwan: Nobyembre ay maaaring 1.8, Pebrero 0.7. Ilapat ang multiplier sa panahon kung kailan talaga mabebenta ang imbentaryo, hindi sa panahon kung kailan ka nag-oorder — ang PO ng Oktubre para sa stock na darating sa Nobyembre ay makakakuha ng numero ng Nobyembre.

3. Lead time ng supplier — at ang pagbabago nito. Hindi ang numero sa quote. Ang aktwal na mga araw mula sa pagpapadala ng PO hanggang sa stock na mabenta, mula sa iyong huling ilang order: 32, 29, 41, 35. Ang average ang nagtutulak sa reorder point. Ang pagkalat — ang 41 na iyon — ang nagtutulak sa iyong safety stock.

4. MOQ at mga limitasyon sa order. Ang minimum order quantities, case-pack sizes, at price breaks ay hindi nagbabago kung kailan ka magre-reorder, ngunit itinakda nila ang pinakamababang halaga kung gaano karami — na napakahalaga para sa pera, gaya ng ating tatalakayin.

5. Mga planadong promosyon. Ang isang sale ay demand na iyong pinaplano nang sadya. Kung ang Black Friday bundle ay gumawa ng 3× normal na bilis noong nakaraang taon, ang pagtaas na iyon ay isinasama sa forecast bilang isang malinaw na linya — at inaalis mula sa nakalipas na bilis pagkatapos (isang patibong na may sariling seksyon sa ibaba).

Iyan ang kumpletong listahan. Ang kasanayan ay hindi matematikal — ito ay ang pagpapanatiling kasalukuyan ng limang numerong ito sa halip na hulaan ang mga ito sa bawat pagkakataon.

Ang Matematika ng Reorder-Point, Ipinaliwanag

Narito ang aritmetika, gamit ang mga kathang-isip na bilog na numero: ang iyong pinakamabentang tumbler sa Sage.

• Bilis sa nakalipas na 90 araw: 6 yunit/araw
• Pinakamalakas na kamakailang 30-araw na pagtakbo: 8 yunit/araw
• Lead time ng supplier: 30 araw na average, 40 araw sa pinakamasama
• MOQ: 500 yunit

Hakbang isa: demand sa lead-time. Kailangan mo ng sapat na stock upang malampasan ang paghihintay para sa susunod na padala: 6 yunit/araw × 30 araw = 180 yunit. Iyan ang pinakamababang reorder point sa isang mundo kung saan walang nagbabago.

Hakbang dalawa: safety stock. Walang totoo sa mundong iyon, kaya nagdaragdag ka ng buffer. Isang simple, mapagkakatiwalaang formula: pinakamasamang demand sa pinakamasamang lead time, ibawas ang average na kaso.

(8 yunit/araw × 40 araw) − (6 yunit/araw × 30 araw) = 320 − 180 = 140 yunit ng safety stock

Hakbang tatlo: ang reorder point. 180 + 140 = 320 yunit. Kapag ang bilang ng on-hand kasama ang on-order ng Sage ay bumaba sa 320, magpapadala ka ng PO. Hindi kapag pakiramdam mo ay mababa na — sa 320.

Dalawang bagay tungkol sa safety stock, ang pinakamaling naunawaang numero sa kalkulasyon. Una, maging tiyak tungkol sa kung ano ang sinasagip nito: ang dalawang paraan kung paano ka niloloko ng average — ang demand na mas mabilis kaysa sa nakaraang average, at ang supplier na mas mabagal kaysa sa kanila. Hindi ito malabong "para lang mayroon" na pampuno; ito ay sinusukat ng demand spread ng iyong SKU at ng track record ng iyong supplier, kaya naman ang input #3 ay humingi ng kasaysayan at hindi ng quote.

Pangalawa, ang safety stock ay isang dial, hindi isang utos. Ang pormula ay konserbatibo — ipinapalagay nito na sabay na tumama ang masamang demand at masamang lead time. Para sa mabagal na mover, o kapag mahigpit ang pera, maaari mo itong paliitin at tanggapin ang mas malaking panganib ng stockout. Ang punto ay nagiging desisyon ito na ginawa gamit ang mga numero, hindi isang aksidenteng natuklasan sa email ng customer.

Hakbang apat: magkano ang oorderin. Ang reorder point ay nagsasabi kung kailan; ang order quantity ay isang hiwalay na desisyon. Isang malinis na panimulang tuntunin: oorderin ang iyong target coverage window — sabihin na nating, 60–90 araw ng inaasahang bilis, na-adjust sa seasonality — pagkatapos ay i-round up sa MOQ o sa susunod na case-pack. Para sa Sage na papasok sa 1.5× season: 6 × 1.5 × 60 araw = 540 yunit, na malinaw na lumalampas sa 500 MOQ. Para sa mabagal na mover na gumagawa ng 1 yunit bawat araw, ang parehong MOQ ay 500 araw ng stock — ang sandali upang makipag-ayos sa MOQ, pagsamahin ang mga variant, o kwestyunin ang pag-iral ng SKU.

[IMAGE: Simpleng diagram ng reorder point — isang pababang linya ng stock na tumatawid sa 320-yunit na reorder threshold, PO na inilagay, stock na dumating habang ang linya ay papalapit sa 140-yunit na safety band]

Saan Madaling Mabigo ang Pagtataya ng Imbentaryo sa Ecommerce

Ang matematika ang madaling bahagi. Ang tatlong failure mode na ito ang dahilan kung bakit nasasaktan ang mga totoong tindahan.

Ang kawalan ng balanse: hindi pareho ang gastos ng stockout at overstock

Ang nakikitang gastos ng stockout ay ang mga nawalang benta sa pagitan ng mga gap. Ang nakatagong gastos ay mas malala: mga ad campaign na iyong pinipigilan (at muling matututunan sa mas mataas na CPA kapag nagpatuloy sila), mga subscriber na nag-churn dahil hindi dumating ang kanilang reorder, mga unang beses na bumili na dumating sa linggo na wala kang maibenta, at mga organic ranking na bumababa habang ang listing ay patay. Para sa isang evergreen, napapalitan na produkto — ang uri kung saan itinayo ang mga DTC brand — ang tatlong linggong stockout ay maaaring makapagpabagal ng bilis sa loob ng ilang buwan pagkatapos ng restock.

Ang gastos ng overstock ay carrying cost: nakatali na pera, imbakan, ang kalaunan ay markdown. Masakit, ngunit unti-unti at karaniwang nababawi — kung ang produkto ay hindi mag-e-expire, mag-da-date, o mawalan ng estilo.

Kaya ang tamang bias nakasalalay sa uri ng produkto. Para sa mga evergreen core SKU, mas mabuti ang overstock — malaking safety stock, maagang reorder — dahil ang stockout ang mahal na tail. Para sa mga seasonal, fashion, o perishable SKU, baliktarin ito: ang hindi nabebentang stock ay hindi lamang nakatali ng pera, ito ay naglalaho sa clearance, kaya mas maganda ang mga lean order kaysa sa mga buffer. Ang pagpapatakbo ng isang bias sa parehong uri ng produkto ay kung paano napupunta ang mga tindahan na wala ang panalo at nalulunod sa talunan nang sabay — ang sitwasyon sa garahe mula sa itaas ng post na ito.

Ang problema sa cold-start ng bagong SKU

Ang isang bagong SKU ay walang trailing velocity, kaya ang engine ng forecast ay walang laman. Huwag itong dayain ng maling katumpakan. Hiramin ang launch curve ng pinakamalapit na SKU na nailunsad mo na dati, i-scale ito ayon sa iyong tapat na inaasahan, at — ito ang aksyon na bahagi — sukatin ang unang PO upang magkamali nang mura. Ang mas maliit na unang order na may mabilis na reorder trigger ay mas mahusay kaysa sa isang kumpiyansang lalagyan. Hindi ka pa nagfo-forecast; bumibili ka ng data. Ang paglalagay ng pangalawang PO sa apat hanggang anim na linggo ng totoong benta ang plano, hindi isang pagkabigo ng tapang.

Ang promo distortion trap

Nagsasagawa ka ng dalawang linggong sale. Gumagana ito — 3× velocity. Anim na linggo pagkatapos, ang iyong trailing average ay napalaki pa rin ng dalawang linggong iyon, ang iyong mga reorder point ay masyadong mataas, at malapit ka nang mag-over-order sa buong catalog batay sa demand na iyong ginawa gamit ang isang discount.

Ang pag-aayos ay mekanikal: lagyan ng tag ang mga promo period sa iyong sales data at kalkulahin ang baseline velocity na hindi kasama ang mga window na iyon. Ang mga promosyon ay pumapasok sa forecast sa paraang sinasabi ng input #5 — bilang malinaw, planadong demand — hindi kailanman tahimik sa pamamagitan ng trailing average. Ang bitag ay tumatakbo din sa kabaligtaran: ang isang stockout period ay nagpapababa ng iyong average, na nagsasabi sa iyo na umorder ng mas kaunti sa eksaktong SKU na nagpatunay lamang na kulang ang iyong binili. Hindi rin isama ang mga window na iyon; ang zero sales mula sa isang walang laman na shelf ay hindi data ng demand.

Spreadsheet Muna — at Kailan Hihinto ang Spreadsheet

Lahat ng nasa itaas ay tumatakbo sa isang spreadsheet: isang row bawat SKU, mga column para sa limang input, mga formula para sa reorder point at order quantity, at isang lingguhang 30-minutong review kung saan ina-update mo ang mga velocity at sinusuri kung ano ang lumampas sa threshold nito. Para sa isang single-channel store na may hanggang ilang daang SKU at finished goods, ang spreadsheet ay talagang tamang tool — hindi ang budget compromise. Mauunawaan mo ang bawat numero dito, na higit pa sa nagagawa ng karamihan sa mga software implementation.

Ang spreadsheet ay tumitigil sa pagiging tapat sa mga nakikilalang sintomas: isang pangalawang sales channel, mga bundle at kit na hindi nito mababawasan, maraming warehouse o isang 3PL, o isang SKU count kung saan ang lingguhang review ay hindi na nangyayari — ang isang stale na forecast ay gut feel lamang na may formatting. Sa puntong iyon gusto mo ng reorder logic na nagbabasa ng live sales data, sa replenishment-app class at pataas. Minapa natin ang landscape na iyon, ayon sa operational shape kaysa sa ranking, sa ating tapat na gabay sa pinakamahusay na inventory management software para sa Shopify at WooCommerce.

Ang Pagtataya ay isang Iskedyul ng Pagbili — Na Ginagawa Itong Iskedyul ng Pera

Isa pang reframe, dahil ikinokonekta nito ito sa iba pang bahagi ng iyong negosyo: bawat reorder point na itinakda mo ay isang hinaharap na pagbabayad na may tinatayang petsa dito. Ang Sage na lumampas sa 320 units sa kalagitnaan ng Agosto ay isang supplier payment sa kalagitnaan ng Agosto. Ang isang natapos na forecast, na binasa pababa sa kalendaryo, ay isang iskedyul ng pinakamalaking paulit-ulit na cash outflows ng iyong tindahan.

Mahalaga iyan dahil ang mga tindahang maraming imbentaryo ay bihira mamatay sa kawalan ng tubo — namamatay sila dahil sa isang malaking PO na dumating sa isang mahinang linggo. Ang paglalagay ng mga petsa ng PO ng iyong forecast sa isang 13-linggong cash flow forecast ay ginagawang "dapat tayong mag-order muli" ang "kaya nating bayaran ang order muli sa Huwebes kung kailan ito dapat bayaran." At ang matematika ng pag-order ay kasing ganda lamang ng iyong unit economics: kung ang iyong landed per-unit cost ay malabo, ang iyong mga desisyon sa dami ng order ay malabo rin — ang aming gabay sa COGS para sa mga nagbebenta sa Shopify ay sumasaklaw sa pagpapatibay ng numerong iyon.

Magsimula sa Sampung SKU

Huwag buuin ang 400-row model ngayong linggo. Kunin ang iyong sampung pinakamabilis na SKU — karamihan ng iyong kita, lahat ng iyong panganib sa stockout — at gamitin ang pamamaraan sa mga iyon lamang: hilahin ang trailing velocity, isulat ang mga totoong lead time mula sa iyong huling ilang PO, kalkulahin ang reorder point, at ilagay ang lingguhang 30-minutong pagsusuri sa kalendaryo. Ang email tungkol sa tumbler mula sa itaas ng post na ito ay hindi napipigilan ng mas mahusay na kutob. Ito ay napipigilan ng isang numero — 320 — at ang ugali ng pagsusuri nito.

Sampung SKU, limang input, isang formula. Iyan ang inventory forecasting sa laki ng DTC — at kapag ang mga yunit ay naka-iskedyul na, ang bahagi ng pera ng parehong disiplina (COGS, pag-timing ng pera, mga libro na tumutugma sa istante) ay sakop sa aming kumpletong gabay sa e-commerce accounting.