DTC ईकॉमर्स स्टोर्स के लिए इन्वेंटरी पूर्वानुमान मूल बातें

पूर्वानुमान भविष्य की भविष्यवाणी नहीं है। यह एक शेड्यूल पर और मापे गए बफर के साथ यह तय करना है कि अपने आपूर्तिकर्ता को कब पैसा भेजना है - जो कि एक बहुत आसान समस्या है।

---

आपके अब तक के सबसे अच्छे महीने के तीसरे सप्ताह में ईमेल आता है: "हे - 20oz को सेज में ऑर्डर करने की कोशिश कर रहा हूँ और यह सोल्ड आउट बता रहा है। यह कब वापस आएगा?" आप जांच करते हैं। यह सिर्फ सेज नहीं है। आपका सबसे अच्छा विक्रेता छह वेरिएंट में से चार में खत्म हो गया है, आपके आपूर्तिकर्ता का लीड टाइम 35 दिन है, और दो सप्ताह पहले आपने जो खरीद आदेश देना था वह अभी भी एक ड्राफ्ट है। इस बीच, गैरेज के कोने में, जनवरी में एक निश्चित चीज़ लगने वाले कलरवे का एक पैलेट मार्च के बाद से नहीं हिला है।

आप पहले भी यहाँ रह चुके हैं। पिछली बार, आपने कसम खाई थी कि आप इन्वेंटरी पूर्वानुमान के बारे में गंभीर हो जाएंगे - और फिर आपको जो ईकॉमर्स इन्वेंटरी पूर्वानुमान सामग्री मिली, उसमें डिमांड-सेंसिंग एल्गोरिदम, मशीन लर्निंग, संभाव्य मॉडल के बारे में बात की गई थी। आपके पास 40 एसकेयू और एक स्प्रेडशीट है। इसलिए आपने टैब बंद कर दिया और महसूस के आधार पर ऑर्डर करने के लिए वापस चले गए।

यह पोस्ट जिस रीफ्रेम पर बनी है वह यह है: आपके स्टॉक खत्म होने का कारण लापता एल्गोरिदम से कोई लेना-देना नहीं है। यह है कि रीऑर्डर तब होता है जब आप नोटिस करते हैं, बजाय इसके कि कोई संख्या बताए। इसे ठीक करने के लिए पांच इनपुट की आवश्यकता होती है जो आपके पास पहले से हैं और अंकगणित जो आप कागज पर कर सकते हैं।

वह झूठ जो दुकानों को महसूस के आधार पर ऑर्डर करने के लिए प्रेरित करता है

अधिकांश डीटीसी ऑपरेटरों को रोकने वाली धारणा: "वास्तविक पूर्वानुमान के लिए डेटा विज्ञान की आवश्यकता होती है, और मेरी मांग वैसे भी इसके लिए बहुत अप्रत्याशित है।"

दोनों हिस्से गलत हैं। पूर्वानुमान का डेटा-विज्ञान संस्करण उन व्यवसायों के लिए मौजूद है जिनके पास हजारों एसकेयू हैं, जहां 1% सटीकता लाभ लाखों के लायक है। 40 या 400 एसकेयू पर, परिष्कृत मॉडल और सरल मॉडल लगभग समान खरीद आदेश उत्पन्न करते हैं - क्योंकि आपके पैमाने पर, वे त्रुटियां जो आपको नुकसान पहुंचाती हैं, वे मॉडलिंग त्रुटियां नहीं हैं। वे प्रक्रिया त्रुटियां हैं: इस महीने किसी ने वेग को नहीं देखा, किसी ने यह नहीं लिखा कि आपूर्तिकर्ता पिछली बार दो सप्ताह पीछे रह गया था।

और "बहुत अप्रत्याशित" पूर्वानुमान के उद्देश्य को गलत समझता है। आप मार्च में ठीक 187 यूनिट बेचने की भविष्यवाणी करने की कोशिश नहीं कर रहे हैं। आप एक परिचालन प्रश्न का उत्तर दे रहे हैं: मैं कब पुनः ऑर्डर करता हूँ, और कितना, ताकि मैं अगले शिपमेंट के उतरने से पहले खत्म न हो जाऊं - बिना ऐसे स्टॉक में अपना नकदी फंसाए जिसकी मुझे आवश्यकता नहीं है? वह प्रश्न अप्रत्याशितता की बहुत सारी सहनशीलता रखता है, क्योंकि अप्रत्याशितता के लिए बफर गणित का हिस्सा है।

ईकॉमर्स इन्वेंटरी पूर्वानुमान के लिए वास्तव में आवश्यक पांच इनपुट

एक कार्यशील डीटीसी पूर्वानुमान में सब कुछ प्रति एसकेयू पांच संख्याओं से आता है — सभी बिक्री रिपोर्ट और आपके पिछले कुछ खरीद आदेशों से उपलब्ध हैं।

1. एसकेयू के अनुसार, पिछली बिक्री की गति। पिछली विंडो पर औसत, प्रति दिन बेची गई इकाइयाँ — तेज़ मूवर्स के लिए 30 दिन, धीमी गति वालों के लिए 90 दिन ताकि एक अच्छा हफ्ता औसत को विकृत न करे। यह पूर्वानुमान का इंजन है, और यह प्रति एसकेयू होना चाहिए, उत्पाद के अनुसार नहीं। "टंबलर एक दिन में 12 बिकता है" बेकार है यदि सेज 6 और मस्टर्ड 1 बेचता है।

2. एक मौसमी गुणक। प्रत्येक महीने की बिक्री को अपने औसत महीने से विभाजित करें: नवंबर 1.8 हो सकता है, फरवरी 0.7। गुणक को उस अवधि पर लागू करें जिसमें इन्वेंट्री वास्तव में बिकेगी, न कि उस अवधि में जिसमें आप ऑर्डर कर रहे हैं — नवंबर में स्टॉक लैंडिंग के लिए अक्टूबर पीओ को नवंबर की संख्या मिलती है।

3. आपूर्तिकर्ता लीड समय — और इसकी परिवर्तनशीलता। कोट पर संख्या नहीं। पीओ भेजे जाने से लेकर स्टॉक बिकने योग्य होने तक के वास्तविक दिन, आपके पिछले कुछ ऑर्डर से: 32, 29, 41, 35। औसत रीऑर्डर बिंदु को संचालित करता है। फैलाव — वह 41 — आपकी सुरक्षा स्टॉक को संचालित करता है।

4. एमओक्यू और ऑर्डर की बाधाएँ। न्यूनतम ऑर्डर मात्रा, केस-पैक आकार और मूल्य ब्रेक यह नहीं बदलते हैं कि आप कब फिर से ऑर्डर करते हैं, लेकिन वे कितना की सीमा निर्धारित करते हैं — जो नकदी के लिए बहुत मायने रखता है, जैसा कि हम आगे देखेंगे।

5. नियोजित प्रचार। एक बिक्री वह मांग है जिसे आप जानबूझकर शेड्यूल कर रहे हैं। यदि पिछले साल ब्लैक फ्राइडे बंडल ने सामान्य गति से 3 गुना अधिक बिक्री की, तो वह स्पाइक पूर्वानुमान में एक स्पष्ट पंक्ति के रूप में जाता है — और बाद में पिछली गति से हटा दिया जाता है (एक जाल जिसका अपना अनुभाग नीचे है)।

यह पूरी सूची है। कौशल गणितीय नहीं है — यह हर बार अनुमान लगाने के बजाय इन पांच संख्याओं को अद्यतित रखना है।

रीऑर्डर-पॉइंट गणित, हल किया गया

यहाँ अंकगणित है, काल्पनिक गोल संख्याओं का उपयोग करके: सेज में आपका सबसे अधिक बिकने वाला टंबलर।

• पिछली 90-दिन की गति: 6 इकाइयाँ/दिन
• सबसे व्यस्त हालिया 30-दिन की अवधि: 8 इकाइयाँ/दिन
• आपूर्तिकर्ता लीड समय: औसतन 30 दिन, सबसे खराब स्थिति में 40 दिन
• एमओक्यू: 500 इकाइयाँ

पहला कदम: लीड-टाइम मांग। आपको अगले शिपमेंट की प्रतीक्षा से बचने के लिए पर्याप्त स्टॉक की आवश्यकता है: 6 इकाइयाँ/दिन × 30 दिन = 180 इकाइयाँ। यह एक ऐसी दुनिया में न्यूनतम रीऑर्डर बिंदु है जहाँ कुछ भी भिन्न नहीं होता है।

दूसरा कदम: सुरक्षा स्टॉक। उस दुनिया में कुछ भी वास्तविक नहीं है, इसलिए आप एक बफर जोड़ते हैं। एक सरल, बचाव योग्य सूत्र: सबसे खराब लीड समय पर सबसे खराब स्थिति की मांग, औसत मामले को घटाकर।

(8 इकाइयाँ/दिन × 40 दिन) − (6 इकाइयाँ/दिन × 30 दिन) = 320 − 180 = 140 इकाइयाँ सुरक्षा स्टॉक

तीसरा कदम: रीऑर्डर बिंदु। 180 + 140 = 320 इकाइयाँ। जब सेज का ऑन-हैंड-प्लस-ऑन-ऑर्डर काउंट 320 तक गिर जाता है, तो आप पीओ भेजते हैं। जब यह कम महसूस हो तब नहीं — 320 पर।

सुरक्षा स्टॉक के बारे में दो बातें, गणना में सबसे गलत समझी जाने वाली संख्या। पहला, इस बात पर सटीक रहें कि यह किस चीज़ से बचाव करता है: औसत आपको दो तरह से धोखा देता है - मांग औसत से अधिक गर्म चल रही है, और आपूर्तिकर्ता अपने से धीमा चल रहा है। यह कोई अस्पष्ट "बस मामले में" पैडिंग नहीं है; यह आपके SKU की मांग प्रसार और आपके आपूर्तिकर्ता के ट्रैक रिकॉर्ड द्वारा मापा जाता है, यही कारण है कि इनपुट #3 में उद्धरण के बजाय इतिहास मांगा गया था।

दूसरा, सुरक्षा स्टॉक एक डायल है, आदेश नहीं। सूत्र रूढ़िवादी है - यह मानता है कि खराब मांग और खराब लीड टाइम एक साथ हिट करते हैं। धीमी गति से चलने वाले के लिए, या जब नकदी तंग हो, तो आप इसे कम कर सकते हैं और अधिक स्टॉकआउट जोखिम स्वीकार कर सकते हैं। बात यह है कि यह संख्याओं के साथ किया गया निर्णय बन जाता है, न कि ग्राहक ईमेल में खोजी गई दुर्घटना।

चरण चार: कितना ऑर्डर करना है। रीऑर्डर पॉइंट बताता है कि कब; ऑर्डर की मात्रा एक अलग निर्णय है। एक साफ शुरुआती नियम: अपनी लक्षित कवरेज विंडो का ऑर्डर करें - कहें, अपेक्षित वेग के 60-90 दिन, मौसमी रूप से समायोजित - फिर MOQ या अगले केस-पैक तक गोल करें। एक 1.5× सीज़न में जाने वाले सेज के लिए: 6 × 1.5 × 60 दिन = 540 यूनिट, जो वैसे भी 500 MOQ को साफ़ करता है। प्रति दिन 1 यूनिट चलाने वाले धीमी गति से चलने वाले के लिए, वही MOQ 500 दिनों का स्टॉक है - MOQ पर बातचीत करने, वेरिएंट को समेकित करने या SKU के अस्तित्व पर सवाल उठाने का क्षण।

[छवि: रीऑर्डर पॉइंट का सरल आरेख - 320-यूनिट रीऑर्डर थ्रेशोल्ड को पार करती हुई नीचे की ओर ढलान वाली स्टॉक लाइन, पीओ रखा गया, स्टॉक आते ही लाइन 140-यूनिट सुरक्षा बैंड के करीब पहुंच जाती है]

ईकॉमर्स इन्वेंटरी पूर्वानुमान कहाँ अप्रत्याशित रूप से विफल होता है

गणित आसान हिस्सा है। ये तीन विफलता मोड हैं जहाँ वास्तविक स्टोर को चोट पहुँचती है।

विषमता: स्टॉकआउट और ओवरस्टॉक की लागत समान नहीं होती है

स्टॉकआउट की दृश्य लागत अंतराल के दौरान छूटी हुई बिक्री है। छिपी हुई लागत बदतर है: विज्ञापन अभियान जिन्हें आप रोकते हैं (और उनके पुनरारंभ होने पर उच्च सीपीए पर फिर से सीखते हैं), ग्राहक जो मंथन करते हैं क्योंकि उनका पुन: ऑर्डर वहां नहीं था, पहली बार खरीदार जो उस सप्ताह आए जब आपके पास बेचने के लिए कुछ नहीं था, और जैविक रैंकिंग जो लिस्टिंग के मृत होने के दौरान फिसल जाती है। एक सदाबहार, फिर से भरने योग्य उत्पाद के लिए - जिस तरह के डीटीसी ब्रांड बनाए जाते हैं - तीन सप्ताह का स्टॉकआउट रीस्टॉक के महीनों बाद वेग को दबा सकता है।

ओवरस्टॉक की लागत वहन लागत है: फंसी हुई नकदी, भंडारण, अंतिम मार्कडाउन। दर्दनाक, लेकिन क्रमिक और आमतौर पर ठीक होने योग्य - अगर उत्पाद समाप्त, दिनांकित या शैली से बाहर नहीं जाता है।

इसलिए सही पूर्वाग्रह उत्पाद के प्रकार पर निर्भर करता है। सदाबहार कोर SKU के लिए, ओवरस्टॉक की ओर त्रुटि करें - उदार सुरक्षा स्टॉक, जल्दी पुन: ऑर्डर - क्योंकि स्टॉकआउट महंगा पूंछ है। मौसमी, फैशन, या खराब होने वाले SKU के लिए, इसे पलटें: बिना बिकी स्टॉक न केवल नकदी को बांधता है, यह क्लीयरेंस में वाष्पित हो जाता है, इसलिए लीन ऑर्डर बफ़र्स से बेहतर होते हैं। दोनों उत्पाद प्रकारों में एक पूर्वाग्रह चलाना यह है कि स्टोर विजेता से बाहर और हारने वाले में एक साथ कैसे दब जाते हैं - इस पोस्ट के शीर्ष से गैरेज परिदृश्य।

नए-एसकेयू कोल्ड-स्टार्ट समस्या

एक नए SKU में कोई पिछला वेग नहीं होता है, इसलिए पूर्वानुमान का इंजन खाली होता है। झूठी सटीकता के साथ इसे नकली न बनाएं। आपके द्वारा पहले लॉन्च किए गए सबसे समान SKU के लॉन्च कर्व को उधार लें, इसे अपनी ईमानदार अपेक्षा से स्केल करें, और - यह कार्रवाई योग्य हिस्सा है - पहले PO को सस्ते में गलत होने के लिए आकार दें। एक तेज़ रीऑर्डर ट्रिगर के साथ एक छोटा पहला ऑर्डर एक आत्मविश्वासी कंटेनर को मात देता है। आप अभी तक पूर्वानुमान नहीं लगा रहे हैं; आप डेटा खरीद रहे हैं। दूसरे PO को चार से छह सप्ताह की वास्तविक बिक्री पर रखना योजना है, न कि साहस की विफलता।

प्रचार विकृति जाल

आप दो सप्ताह की बिक्री चलाते हैं। यह काम करता है - 3× वेग। छह सप्ताह बाद, आपकी पिछली औसत अभी भी उन दो हफ्तों से बढ़ी हुई है, आपके रीऑर्डर पॉइंट सभी बहुत अधिक हैं, और आप छूट के साथ मांग के आधार पर कैटलॉग में ओवर-ऑर्डर करने वाले हैं।

फिक्स यांत्रिक है: अपने बिक्री डेटा में प्रोमो अवधि को टैग करें और उन विंडो को छोड़कर बेसलाइन वेग की गणना करें। प्रचार पूर्वानुमान में उसी तरह प्रवेश करते हैं जैसे इनपुट #5 कहता है - स्पष्ट, नियोजित मांग के रूप में - कभी भी पिछली औसत के माध्यम से चुपके से नहीं। जाल विपरीत दिशा में भी चलता है: स्टॉकआउट अवधि आपके औसत को नीचे खींचती है, आपको ठीक उसी SKU को कम ऑर्डर करने के लिए कहती है जिसे अभी साबित हुआ है कि आपने उसे कम खरीदा है। उन विंडो को भी बाहर करें; खाली शेल्फ से शून्य बिक्री मांग डेटा नहीं है।

स्प्रेडशीट पहले - और जब स्प्रेडशीट बंद हो जाती है

उपरोक्त सब कुछ एक स्प्रेडशीट में चलता है: प्रति SKU एक पंक्ति, पांच इनपुट के लिए कॉलम, रीऑर्डर पॉइंट और ऑर्डर मात्रा के लिए फ़ार्मुलों, और एक साप्ताहिक 30-मिनट की समीक्षा जहां आप वेग को अपडेट करते हैं और जांचते हैं कि क्या थ्रेशोल्ड पार हो गया है। कुछ सौ SKUs और तैयार माल तक के एकल-चैनल स्टोर के लिए, स्प्रेडशीट वास्तव में सही उपकरण है - बजट समझौता नहीं। आप इसमें प्रत्येक संख्या को समझेंगे, जो कि अधिकांश सॉफ़्टवेयर कार्यान्वयन प्राप्त करते हैं उससे अधिक है।

स्प्रेडशीट पहचानने योग्य लक्षणों पर ईमानदार होना बंद कर देती है: एक दूसरा बिक्री चैनल, बंडल और किट जिन्हें यह घटा नहीं सकता है, कई गोदाम या 3PL, या एक SKU गणना जहां साप्ताहिक समीक्षा वास्तव में होना बंद हो जाती है - एक बासी पूर्वानुमान बस फ़ॉर्मेटिंग के साथ गट फील है। उस बिंदु पर आप रीऑर्डर लॉजिक चाहते हैं जो लाइव बिक्री डेटा पढ़ता है, रीप्लेनिशमेंट-ऐप वर्ग और उससे ऊपर। हमने Shopify और WooCommerce के लिए सर्वश्रेष्ठ इन्वेंट्री प्रबंधन सॉफ़्टवेयर के लिए अपने ईमानदार गाइड में रैंकिंग के बजाय, परिचालन आकार के अनुसार उस परिदृश्य को मैप किया है।

एक पूर्वानुमान एक खरीद अनुसूची है - जो इसे एक नकद अनुसूची बनाता है

एक और रीफ्रेम, क्योंकि यह इसे आपके बाकी व्यवसाय से जोड़ता है: आपके द्वारा निर्धारित प्रत्येक रीऑर्डर पॉइंट एक भविष्य का भुगतान है जिस पर एक अनुमानित तिथि होती है। अगस्त के मध्य में 320 यूनिट पार करने वाली सेज अगस्त के मध्य में एक आपूर्तिकर्ता भुगतान है। एक तैयार पूर्वानुमान, कैलेंडर के नीचे पढ़ा जाता है, आपके स्टोर के सबसे बड़े आवर्ती नकद बहिर्वाह का एक कार्यक्रम है।

यह महत्वपूर्ण है क्योंकि इन्वेंट्री-भारी स्टोर शायद ही कभी अलाभप्रदता से मरते हैं - वे एक पतले सप्ताह में एक बड़े पीओ के उतरने से मर जाते हैं। अपने पूर्वानुमान की पीओ तिथियों को 13-सप्ताह के नकदी प्रवाह पूर्वानुमान में डालना "हमें फिर से ऑर्डर करना चाहिए" को "हम गुरुवार को पुन: ऑर्डर का भुगतान कर सकते हैं जिस दिन यह देय है" में बदल देता है। और ऑर्डरिंग गणित केवल उतना ही अच्छा है जितना कि आपकी यूनिट इकोनॉमिक्स: यदि आपकी लैंडेड प्रति-यूनिट लागत अस्पष्ट है, तो आपके ऑर्डर-मात्रा निर्णय भी उसके साथ अस्पष्ट हैं - शॉपिफाई विक्रेताओं के लिए COGS पर हमारा गाइड उस संख्या को ठोस बनाने को कवर करता है।

दस एसकेयू से शुरू करें

इस सप्ताह 400-पंक्ति मॉडल का निर्माण न करें। अपने दस उच्चतम-वेग वाले SKU लें - आपका अधिकांश राजस्व, आपका सभी स्टॉकआउट जोखिम - और केवल उन पर विधि चलाएं: पिछले वेग को खींचें, अपने अंतिम कुछ पीओ से वास्तविक लीड समय लिखें, पुन: ऑर्डर बिंदु की गणना करें, और साप्ताहिक 30-मिनट की समीक्षा को कैलेंडर पर डालें। इस पोस्ट के शीर्ष से टंबलर ईमेल बेहतर सहज ज्ञान से नहीं रोका जाता है। यह एक संख्या - 320 - और इसे जांचने की आदत से रोका जाता है।

दस SKU, पांच इनपुट, एक सूत्र। यह DTC पैमाने पर इन्वेंट्री पूर्वानुमान है - और एक बार जब इकाइयां निर्धारित हो जाती हैं, तो उसी अनुशासन का धन पक्ष (COGS, नकदी समय, शेल्फ से मेल खाने वाली किताबें) हमारे ई-कॉमर्स लेखांकन के लिए पूर्ण गाइड में कवर किया गया है।