Основы прогнозирования запасов для прямых потребительских интернет-магазинов

Прогнозирование — это не предсказание будущего. Это решение, по графику и с измеренным буфером, когда отправлять деньги поставщику — что является гораздо более простой задачей.

---

Письмо приходит на третьей неделе вашего лучшего месяца: «Привет — пытаюсь заказать 20 унций в цвете Sage, а он показывает, что распродан. Когда он снова появится?» Вы проверяете. Дело не только в Sage. Ваш бестселлер отсутствует в четырех из шести вариантов, срок поставки у вашего поставщика составляет 35 дней, а заказ на покупку, который вы собирались разместить две недели назад, все еще находится в черновиках. Тем временем, в углу гаража, паллета с цветовой гаммой, которая казалась беспроигрышной в январе, не двигалась с марта.

Вы уже были в такой ситуации. В прошлый раз вы поклялись серьезно заняться прогнозированием запасов — а затем контент по прогнозированию запасов в электронной коммерции, который вы нашли, рассказывал об алгоритмах определения спроса, машинном обучении, вероятностных моделях. У вас 40 SKU и электронная таблица. Поэтому вы закрыли вкладку и вернулись к заказам "на глазок".

Вот переосмысление, на котором построен этот пост: причина, по которой вы продолжаете распродавать товары, не имеет ничего общего с отсутствующими алгоритмами. Дело в том, что перезаказ происходит, когда вы замечаете, а не когда об этом говорит число. Чтобы исправить это, нужны пять входных данных, которые у вас уже есть, и арифметика, которую вы можете выполнить на бумаге.

Ложь, из-за которой магазины продолжают заказывать "на глазок"

Убеждение, которое останавливает большинство операторов DTC: «Настоящее прогнозирование требует науки о данных, и мой спрос все равно слишком непредсказуем для этого».

Обе части неверны. Версия прогнозирования с использованием науки о данных существует для бизнеса с десятками тысяч SKU, где 1% прироста точности стоит миллионы. При 40 или 400 SKU сложная модель и простая дают почти одинаковые заказы на покупку — потому что в вашем масштабе ошибки, которые вам вредят, — это не ошибки моделирования. Это ошибки процесса: никто не смотрел на скорость продаж в этом месяце, никто не записал, что поставщик задержал поставку на две недели в прошлый раз.

И «слишком непредсказуем» путает назначение прогноза. Вы не пытаетесь предсказать, что продадите ровно 187 единиц в марте. Вы отвечаете на один операционный вопрос: когда мне перезаказать и сколько, чтобы я не остался без товара до прибытия следующей партии — не закапывая свои деньги в ненужные запасы? Этот вопрос допускает большую непредсказуемость, потому что буфер для непредсказуемости является частью математики.

Пять входных данных, которые действительно нужны для прогнозирования запасов в электронной коммерции

Все в рабочем прогнозе DTC поступает из пяти цифр на единицу складского учета (SKU) — все они доступны из отчета о продажах и ваших последних нескольких заказов на закупку.

1. Скорость продаж за предыдущий период по SKU. Единицы, проданные в день, усредненные за предыдущий период — 30 дней для быстро продаваемых товаров, 90 для более медленных, чтобы одна удачная неделя не искажала среднее значение. Это основа прогноза, и он должен быть по SKU, а не по продукту. «Стакан продается по 12 штук в день» бесполезен, если Sage продает 6, а Mustard — 1.

2. Множитель сезонности. Разделите продажи каждого месяца на средний месяц: ноябрь может быть 1,8, февраль — 0,7. Примените множитель к периоду, в который товар фактически будет продаваться, а не к периоду, в который вы заказываете — заказ в октябре на товар, поступающий в ноябре, получает данные за ноябрь.

3. Срок поставки от поставщика — и его изменчивость. Не число в предложении. Фактические дни с момента отправки заказа до момента продажи товара, из ваших последних нескольких заказов: 32, 29, 41, 35. Среднее значение определяет точку перезаказа. Разброс — эти 41 дня — определяет ваш страховой запас.

4. Минимальное количество для заказа и ограничения заказа. Минимальное количество для заказа, размеры упаковки и скидки за объем не меняют когда вы перезаказываете, но они устанавливают нижний предел сколько — что имеет огромное значение для денежных средств, как мы увидим далее.

5. Планируемые акции. Распродажа — это спрос, который вы планируете намеренно. Если комплект к Черной пятнице продавался в 3 раза быстрее обычного в прошлом году, этот всплеск включается в прогноз как отдельная строка — и удаляется из предыдущей скорости продаж после этого (ловушка, которой посвящен отдельный раздел ниже).

Это полный список. Мастерство заключается не в математике, а в том, чтобы эти пять цифр были актуальными, а не угадывались каждый раз.

Расчет точки перезаказа: пошаговое руководство

Вот арифметика, используя вымышленные круглые числа: ваш самый продаваемый стакан Sage.

• Скорость продаж за предыдущие 90 дней: 6 единиц в день
• Самый активный 30-дневный период за последнее время: 8 единиц в день
• Срок поставки от поставщика: в среднем 30 дней, в худшем случае 40 дней
• Минимальное количество для заказа: 500 единиц

Шаг первый: спрос за время ожидания поставки. Вам нужно достаточно запасов, чтобы пережить ожидание следующей поставки: 6 единиц в день × 30 дней = 180 единиц. Это минимальная точка перезаказа в мире, где ничего не меняется.

Шаг второй: страховой запас. Ничто в этом мире не реально, поэтому вы добавляете буфер. Простая, обоснованная формула: худший спрос за худшее время ожидания поставки минус средний случай.

(8 единиц в день × 40 дней) − (6 единиц в день × 30 дней) = 320 − 180 = 140 единиц страхового запаса

Шаг третий: точка перезаказа. 180 + 140 = 320 единиц. Когда количество стаканов Sage в наличии плюс в пути упадет до 320, вы отправляете заказ. Не когда кажется, что мало — а при 320.

Два момента о страховом запасе, самом неправильно понимаемом числе в расчете. Во-первых, будьте точны в том, от чего он страхует: два способа, которыми среднее значение вводит вас в заблуждение — спрос выше среднего за предыдущий период и поставщик медленнее своего среднего. Это не расплывчатый запас «на всякий случай»; он рассчитывается исходя из разброса спроса вашего SKU и вашей истории поставщика, поэтому в пункте № 3 запрашивалась история, а не цитата.

Во-вторых, страховой запас — это регулятор, а не предписание. Формула консервативна — она предполагает одновременное наступление плохого спроса и плохого срока поставки. Для медленно оборачиваемого товара или когда наличных мало, вы можете уменьшить его размер и принять больший риск дефицита. Суть в том, что это решение принимается на основе цифр, а не случайность, обнаруженная в письме клиента.

Шаг четвертый: сколько заказывать. Точка перезаказа говорит, когда; количество заказа — отдельное решение. Простое начальное правило: закажите ваш целевой период покрытия — скажем, 60–90 дней ожидаемой скорости продаж с учетом сезонности — затем округлите до минимального объема заказа (MOQ) или следующей упаковки. Для Sage, готовящегося к сезону с коэффициентом 1,5: 6 × 1,5 × 60 дней = 540 единиц, что в любом случае превышает MOQ в 500 единиц. Для медленно оборачиваемого товара, продаваемого по 1 единице в день, тот же MOQ составляет 500 дней запаса — момент для переговоров о MOQ, консолидации вариантов или постановки под сомнение существования SKU.

[ИЗОБРАЖЕНИЕ: Простая схема точки перезаказа — линия запасов, идущая вниз, пересекающая порог перезаказа в 320 единиц, размещен заказ на поставку, запасы прибывают как раз в тот момент, когда линия приближается к полосе безопасности в 140 единиц]

Где прогнозирование запасов в электронной коммерции предсказуемо терпит неудачу

Математика — это легкая часть. Эти три типа сбоев — вот где реальные магазины терпят убытки.

Асимметрия: дефицит и избыток запасов стоят по-разному

Видимая стоимость дефицита — это упущенные продажи за время перерыва. Скрытая стоимость хуже: рекламные кампании, которые вы приостанавливаете (и заново изучаете по более высокой цене за привлечение клиента при их перезапуске), подписчики, которые уходят, потому что их повторный заказ не был выполнен, покупатели, пришедшие впервые на неделе, когда вам нечего было продать, и органические рейтинги, которые падают, пока товар отсутствует. Для вечнозеленого, восполняемого продукта — того, на котором строятся DTC-бренды — трехнедельный дефицит может снизить скорость продаж на месяцы после возобновления поставок.

Стоимость избыточного запаса — это затраты на хранение: замороженные денежные средства, складские расходы, окончательное снижение цены. Болезненно, но постепенно и обычно поправимо — если продукт не истекает, не устаревает или не выходит из моды.

Таким образом, правильный перекос зависит от типа продукта. Для вечнозеленых основных SKU склоняйтесь к избыточному запасу — щедрому страховому запасу, ранним перезаказам — потому что дефицит — это дорогостоящий хвост. Для сезонных, модных или скоропортящихся SKU измените это: непроданный товар не просто связывает наличные деньги, он испаряется в виде уценки, поэтому лучше недозаказать, чем иметь избыток. Применение одного перекоса к обоим типам продуктов — это то, как магазины оказываются без выигрышного товара и погребенными под проигрышным одновременно — сценарий с гаражом из начала этого поста.

Проблема "холодного старта" для новых SKU

У новой SKU нет истории продаж, поэтому движок прогноза пуст. Не притворяйтесь ложной точностью. Возьмите кривую запуска наиболее похожего SKU, который вы запускали ранее, масштабируйте ее в соответствии с вашими честными ожиданиями и — это самое важное — определите размер первого заказа так, чтобы ошибиться с минимальными потерями. Меньший первый заказ с быстрым триггером повторного заказа лучше, чем уверенный контейнер. Вы еще не прогнозируете; вы покупаете данные. Размещение второго заказа на основе четырех-шести недель реальных продаж — это план, а не провал нервов.

Ловушка искажения из-за промоакций

Вы проводите двухнедельную распродажу. Она работает — скорость продаж в 3 раза выше. Шесть недель спустя ваш средний показатель все еще завышен из-за этих двух недель, точки повторного заказа слишком высоки, и вы собираетесь заказать слишком много по всему каталогу на основе спроса, который вы создали с помощью скидки.

Исправление механическое: отмечайте промо-периоды в ваших данных о продажах и вычисляйте базовую скорость, исключая эти окна. Акции входят в прогноз, как указано во входных данных № 5 — как явный, запланированный спрос — никогда не просачиваясь через средний показатель. Ловушка работает и в обратном направлении: период отсутствия на складе тянет ваш средний показатель вниз, заставляя вас заказывать меньше именно той SKU, которая только что доказала, что вы недооценили ее. Исключите и эти окна; нулевые продажи с пустого склада — это не данные о спросе.

Сначала электронная таблица — и когда электронная таблица перестает работать

Все вышеперечисленное работает в одной электронной таблице: строка на SKU, столбцы для пяти входных данных, формулы для точки повторного заказа и количества заказа, а также еженедельный 30-минутный обзор, где вы обновляете скорости и проверяете, что пересекло свой порог. Для одноканального магазина с несколькими сотнями SKU и готовой продукции электронная таблица — это действительно правильный инструмент, а не компромисс с бюджетом. Вы поймете каждое число в ней, что больше, чем достигается большинством программных реализаций.

Электронная таблица перестает быть честной при появлении узнаваемых симптомов: второй канал продаж, комплекты и наборы, которые она не может уменьшить, несколько складов или 3PL, или количество SKU, при котором еженедельный обзор фактически прекращается — устаревший прогноз — это просто интуиция с форматированием. В этот момент вам нужна логика повторного заказа, которая читает данные о продажах в реальном времени, в классе приложений для пополнения запасов и выше. Мы нанесли этот ландшафт на карту, по операционной форме, а не по рейтингу, в нашем честном руководстве по лучшему программному обеспечению для управления запасами для Shopify и WooCommerce.

Прогноз — это график закупок, а значит, и график денежных средств

Еще один взгляд на проблему, потому что это связывает ее с остальной частью вашего бизнеса: каждая установленная вами точка повторного заказа — это будущий платеж с примерной датой. Если Sage пересекает 320 единиц в середине августа, это является платежом поставщику в середине августа. Законченный прогноз, прочитанный по календарю, — это график самых крупных периодических оттоков денежных средств вашего магазина.

Это важно, потому что магазины с большим количеством запасов редко умирают от убыточности — они умирают от крупного заказа, приходящего на пустую неделю. Включение дат заказов в ваш прогноз денежных потоков на 13 недель превращает «нам нужно пополнить запасы» в «мы можем оплатить пополнение запасов в четверг, когда оно должно быть». И расчеты заказов хороши настолько, насколько хороша ваша экономика единицы продукции: если ваша себестоимость единицы продукции нечеткая, то и решения о количестве заказов будут нечеткими — наше руководство по себестоимости для продавцов Shopify поможет вам привести эту цифру в порядок.

Начните с десяти SKU

Не стройте модель на 400 строк на этой неделе. Возьмите десять самых продаваемых артикулов — большая часть вашего дохода, весь риск дефицита — и примените метод только к ним: определите прошлую скорость продаж, запишите реальные сроки поставки из ваших последних нескольких заказов, рассчитайте точку пополнения запасов и запланируйте еженедельный 30-минутный обзор. Уведомление о товаре-«перевертыше» из начала этого поста предотвращается не лучшими инстинктами. Оно предотвращается числом — 320 — и привычкой его проверять.

Десять артикулов, пять входных данных, одна формула. Это прогнозирование запасов в масштабе DTC — и как только единицы продукции запланированы, денежная сторона той же дисциплины (себестоимость, сроки оплаты, учет товаров на полках) рассматривается в нашем полном руководстве по бухгалтерскому учету в электронной коммерции.