Malému internetovému obchodu na predpoveď dopytu a zásob zvyčajne stačí história predaja, sezónne koeficienty a jednoduché vzorce: priemerný predaj, dodacia lehota, poistná zásoba. Modely AI sa stanú užitočnými, keď je v sortimente veľa položiek, je badateľná sezónnosť a nazbierala sa čistá história. Najprv je potrebný poriadok v evidencii, automatizácia je druhým krokom.
Stručne
- Predpoveď dopytu sa opiera o históriu predaja, sezónnosť, akcie, ceny, reklamu a dostupnosť produktu.
- Predaj sa líši od dopytu: keď produkt nebol na sklade, predaj je nulový, hoci kupujúci produkt hľadali.
- Jednoduché metódy – priemerný predaj, bod prevýšenia objednávky, poistná zásoba, sezónne koeficienty – prinášajú väčšinu úžitku.
- AI a štatistické modely sú vhodné, keď je položiek veľa, história pokrýva sezónny cyklus a dáta sú čisté.
- Základom každej predpovede je správna evidencia: kódy produktov, zásoby, vrátenia, odpisy.
- Predpoveď hodnoťte podľa skutočnosti: odchýlka, dni bez dostupnosti, podiel neobrátkového tovaru.
Čo presne e-shop predpovedá
Predpoveď odpovedá na dve praktické otázky: koľko produktu sa predá za obdobie a kedy a koľko objednať. Druhé závisí od dodacej lehoty, minimálnej dávky a voľných financií.
Dopyt a predaj
Predaj ukazuje, koľko sa kúpilo. Dopyt ukazuje, koľko chceli ľudia kúpiť. Keď produkt nebol dostupný, predaj je nulový a model by podľa takýchto dát považoval dopyt za nízky. Dni bez zásob označujte a zohľadnite ich pri výpočte priemeru.
Úrovne predpovede
Predpoveď možno stavať podľa produktu, kategórie alebo značky. Pri položkách s ojedinelým predajom je predpoveď pre samostatný kód produktu nespoľahlivá. Vtedy sa predpovedá kategória a výsledok sa rozdelí medzi položky podľa ich podielu.
Jednoduché metódy, ktoré prinášajú väčšinu úžitku
Malému e-shopu stačí niekoľko metód, ktoré sa dajú viesť v tabuľke.
| Metóda | Podstata | Kedy vyhovuje |
|---|
| Priemerný predaj a poistná zásoba | Priemerný denný predaj vynásobený dodacou lehotou plus rezerva na výkyvy | Stabilné produkty s pravidelným dopytom |
| Sezónne koeficienty | Porovnanie s rovnakým obdobím minulého roka | Produkty s výraznou sezónnosťou |
| Kalendár akcií | Samostatná evidencia newsletterov, výpredajov a reklamy, ktoré menia dopyt | E-shopy s pravidelnými akciami |
| Skupiny podľa významu | Položky s najväčšími tržbami sa kontrolujú častejšie a nakupujú dôkladnejšie | Široký sortiment a obmedzený čas na evidenciu |
Bod prevýšenia objednávky sa rovná priemernému dennému predaju vynásobenému dodacou lehotou v dňoch plus poistná zásoba. Keď zásoba dosiahne tento bod, je čas objednávať. Poistná zásoba je tým väčšia, čím je dopyt menej stabilný a dodávka dlhšia.
Príklad výpočtu bodu prevýšenia objednávky
Napríklad produkt sa predáva v priemere po 4 kusy denne, dodávka trvá 10 dní, poistná zásoba je 12 kusov. Bod prevýšenia objednávky sa rovná 4 krát 10 plus 12, teda 52 kusov. Hneď ako zásoba klesne na túto úroveň, treba objednávať. Ide o modelový príklad so zaokrúhlenými číslami, ukazuje len logiku. V reálnom e-shope sa čísla overujú podľa dát o predaji a prehodnocujú, keď sa zmení sezóna, dodávateľ alebo akcia. Ak sa dodávka občas oneskorí, poistná zásoba sa zvyšuje.
Ako zohľadniť sezónnosť a udalosti
Sezónnosť môže byť niekoľkých druhov: ročná (ročné obdobia, sviatky), týždenná (pracovné dni a víkendy) a udalostná (výpredaje, reklama, newslettery). Pre každý druh je užitočné mať samostatný koeficient alebo značku v kalendári. Porovnávajte aktuálne obdobie s rovnakým obdobím minulého roka. Pri novom e-shope sa orientujte podľa kategórie a všeobecných zákonitostí trhu.
Jednorazové výkyvy by sa nemali dostať do výpočtu ako norma. Veľkú veľkoobchodnú objednávku alebo ošiaľ po reklame je lepšie označiť ako udalosť a vylúčiť z bežného priemeru.
Dáta potrebné na predpoveď
- Predaj podľa dní a kódov produktov, bez zlúčených alebo duplicitných položiek.
- Zásoby na začiatku a na konci dňa, aby boli vidieť dni bez dostupnosti.
- Ceny a zľavy, ktoré platili v jednotlivých obdobiach.
- Dátumy newsletterov, reklamy a iných udalostí, ktoré ovplyvnili dopyt.
- Vrátenia a odpisy.
- Dodacie lehoty, minimálne dávky a podmienky dodávateľov.
Ak sa dáta vedú na viacerých miestach, zlúčte ich do jedného. Rôzne kódy pre jednu položku, vrátenia započítané ako predaj a ručné opravy zásob najčastejšie kazia predpoveď.
Ako vyčistiť dáta pred výpočtom
- Zlúčte duplicity kódov produktov a rovnaké produkty s rôznymi názvami.
- Označte dni bez dostupnosti a obdobia, keď bol produkt na webe skrytý.
- Oddeľte vrátenia od predaja a počítajte s čistým predajom.
- Označte akcie, veľkoobchodné objednávky a iné udalosti, ktoré sa odchyľujú od bežného dopytu.
- Skontrolujte merné jednotky: kusy, balenia a sady musia byť porovnateľné.
Kedy sú vhodné AI a štatistické modely
Modely predpovede časových radov, najmä metódy strojového učenia, zohľadňujú sezónnosť, ceny, akcie a ďalšie faktory súčasne. Sú vhodné za týchto podmienok:
- Sortiment je veľký a ručne sledovať každú položku nie je možné.
- História pokrýva úplný sezónny cyklus alebo dostatočné obdobie pri produktoch s rýchlym obratom.
- Dáta sú čisté a predpoveď možno overovať podľa skutočnosti.
- Je tu človek, ktorý zodpovedá za kontrolu predpovede a rozhoduje o nákupe.
Pre nové produkty história neexistuje. Vtedy sa využívajú analógie z tej istej kategórie, malá skúšobná dávka a rýchla kontrola po prvých predajoch. Niektoré evidenčné systémy a služby pre e-shopy už majú modul predpovede, preto skontrolujte, či ho vo svojom systéme máte, skôr než kúpite samostatný. Vyberte nástroj, ktorý vysvetľuje predpoveď a umožňuje ju ručne opraviť.
Čo skontrolovať pred výberom služby na predpoveď
- Či služba vysvetľuje, z čoho sa predpoveď skladá.
- Či možno predpoveď ručne opraviť a opravu uložiť.
- Aké dáta sú potrebné a ako sa načítavajú z vašej evidencie.
- Ako služba spracúva dni bez dostupnosti a akcie.
- Či existuje skúšobné obdobie na porovnanie výsledku s vašimi vzorcami.
Predpoveď, nákupy a reklama
Predpoveď je potrebná na rozhodnutia o peniazoch, preto ju konfrontujte s možnosťami podniku. Nadmerné zásoby viažu financie, zaberajú sklad a hrozí, že sa zaležia. Nedostatočné zásoby nechávajú kupujúcich bez produktu. Prednosť majú položky so stabilným dopytom a dobrou maržou; pri pochybných produktoch objednávajte menšie dávky častejšie, ak to podmienky dodávateľa dovoľujú.
S predpoveďou súvisia reklama a web. Plánované akcie a reklamné kampane zvyšujú dopyt, preto ich s nákupmi zosúlaďte vopred. V reklame produktov vypínajte položky bez dostupnosti, inak sa rozpočet míňa na kliky bez predaja. Na webe zobrazujte aktuálnu dostupnosť a očakávaný dátum dodania, aby zákazník vedel, na čo sa môže spoľahnúť.
Ako zaviesť postupne
- Urobte poriadok v kódoch produktov a zásobách. Jedna položka – jeden kód.
- Rozdeľte sortiment do skupín. Podľa významu pre tržby a stability dopytu.
- Zadajte bod prevýšenia objednávky a poistnú zásobu pre najdôležitejšiu skupinu.
- Pridajte sezónne koeficienty a kalendár akcií. Vyrovnávajú predpoveď v špičkách a poklesoch.
- Každý týždeň porovnávajte predpoveď so skutočnosťou a zapisujte príčiny odchýlok.
- Model AI vyskúšajte na časti sortimentu až po niekoľkých cykloch a porovnajte ho s jednoduchou metódou.
Ako vyzerá dobrý výsledok
- Menej dní bez dostupnosti pri produktoch, ktoré prinášajú najväčšie tržby.
- Menší podiel neobrátkového tovaru a financií viazaných v sklade.
- Stabilná odchýlka predpovede od skutočnosti, ktorá sa pri každej úprave pravidiel zmenšuje.
- Menej naliehavých objednávok a výpredajov s vynútenými zľavami.
Typické chyby
- Predaj namiesto dopytu. Dni bez dostupnosti nie sú zohľadnené a model podhodnocuje potrebu.
- Jedna metóda na všetko. Stabilné a sezónne produkty vyžadujú odlišný prístup.
- Zabudnuté akcie. Výpredaj alebo newsletter náhle zvýši dopyt a vyprázdni sklad.
- Bez dodacej lehoty. Objednávka sa robí vtedy, keď zásoba už na čas čakania nestačí.
- Nákup podľa pocitu. Výsledok sa nikdy nekonfrontuje s predpoveďou.
- Dôvera v model bez overenia. Výsledok sa neporovnáva s jednoduchou metódou.
- Evidencia bez vlastníka. Nikto konkrétny nezodpovedá za dáta, a preto poriadok rýchlo zmizne.
Otázky a odpovede
Potrebuje malý e-shop AI na predpoveď dopytu?
Často stačia jednoduché metódy a precízna evidencia. Modely AI majú zmysel, keď je položiek veľa, sezónnosť je výrazná a nazbierala sa dlhá história.
Koľko histórie je potrebné?
Závisí to od produktu. Na zachytenie sezónnosti je potrebná história pokrývajúca úplný sezónny cyklus. Pri produktoch s rýchlym obratom sú užitočné aj kratšie obdobia. Čím menej dát, tým opatrnejšie pristupujte k výsledku modelu.
Čo robiť s novými produktmi bez histórie?
Orientujte sa podľa analogických produktov z tej istej kategórie, objednajte malú skúšobnú dávku a po prvých týždňoch predaja zásobu prehodnoťte.
Ako súvisí predpoveď s dropshippingom?
Pri dropshippingu je produkt uložený u dodávateľa, preto hlavné riziko spočíva v nezhode dát o dostupnosti. Synchronizujte zásoby s dodávateľom a zobrazujte zákazníkom aktuálnu dostupnosť. Predpoveď dopytu pomáha dohodnúť objemy s dodávateľom.
Ako posúdiť kvalitu predpovede?
Porovnávajte predpoveď so skutočným predajom: priemerná odchýlka podľa produktov, podiel dní bez dostupnosti, prebytky a neobrátkový tovar. Zlepšenie týchto ukazovateľov je dôležitejšie než presnosť jednotlivej predpovede.
Záver
Predpoveď dopytu v internetovom obchode sa začína poriadkom v evidencii; algoritmy prichádzajú druhým krokom. Malému e-shopu stačia priemerné predaje, sezónne koeficienty a poistná zásoba; modely AI sa oplatí skúšať na časti sortimentu s dlhou históriou. Predpoveď porovnávajte so skutočnosťou každý týždeň a upravujte pravidlá. Začnite jednou skupinou produktov a súbor rozširujte, keď sa predpoveď zhoduje so skutočnosťou. Výsledok závisí od odvetvia a stability dodávok, preto sa orientujte podľa vlastných dát. LightSEO je digitálna agentúra z Mukačeva, ktorá od roku 2015 pracuje s internetovými obchodmi a reklamou, takže vám môže pomôcť so spustením internetového obchodu a reklamou v Google, kde je dôležitá aktuálna dostupnosť produktov.
Prečítajte si tiež