Маркетплейсы / Планировать закупки
Как планировать закупки для Wildberries с ИИ
Планирование закупок для Wildberries с ИИ — это прогнозирование спроса на основе истории продаж, сезонности и внешних факторов, расчет оптимального объема заказа с учетом stock cover и lead time, а также автоматическое формирование рекомендаций по закупке. ИИ не заменяет человека, а дает обоснованные цифры и предупреждает о рисках.
Проблема
Почему это важно
Без системного подхода закупки на маркетплейсе часто делаются на основе интуиции или прошлого опыта: продавец заказывает товар, ориентируясь на последние продажи или остатки, но не учитывает сезонность, тренды, действия конкурентов и время доставки. В результате возникают то избыточные остатки, замораживающие деньги и склад, то дефицит, ведущий к потере выручки и позиций в выдаче.
Почему возникает
- Ручной анализ продаж без учета сезонных коэффициентов и трендов
- Игнорирование lead time — времени от заказа до поступления на склад WB
- Отсутствие целевого показателя stock cover — на сколько дней продаж хватает остатка
- Не учитываются внешние факторы: акции, праздники, рекламные кампании, действия конкурентов
Риски и потери
- Упущенная выручка из-за дефицита товара в пик спроса
- Замораживание оборотных средств в неликвидных остатках
- Штрафы и ухудшение позиций из-за отмены заказов или долгой доставки
- Потеря доверия покупателей и снижение рейтинга карточки
Что влияет на результат
- История продаж по дням/неделям
- Сезонность и тренды
- Акции и рекламные кампании
- Действия конкурентов (цены, наличие)
- Время доставки от поставщика до склада WB
- Остатки на складе и в пути
Типичные ошибки ручного подхода
- Заказ по принципу «сколько продали в прошлом месяце» без учета роста/падения
- Недооценка времени доставки — заказ приходит, когда спрос уже упал
- Отсутствие страхового запаса на случай всплеска спроса
- Заказ слишком большими партиями ради скидки, что ведет к затовариванию
Определение
Что важно понимать
Stock cover
Показатель, показывающий, на сколько дней торговли хватит текущего остатка товара при текущем или прогнозируемом темпе продаж.
Позволяет понять, когда нужно делать следующий заказ, чтобы не допустить дефицита и не заморозить деньги в излишках.Lead time
Время от момента размещения заказа поставщику до момента, когда товар становится доступен для продажи на складе маркетплейса.
Если не учитывать lead time, заказ может прийти слишком поздно (дефицит) или слишком рано (затоваривание).Прогноз спроса
Оценка будущих продаж товара на основе исторических данных, сезонности, трендов и внешних факторов.
Является основой для расчета объема закупки: без точного прогноза невозможно определить, сколько товара заказывать.Данные
Какие данные нужны
История продаж
База для прогнозирования спроса: позволяет выявить тренды, сезонность и аномалии.
- дата
- SKU
- количество проданных единиц
- выручка
- цена
Данные об остатках
Необходимы для расчета текущего stock cover и определения потребности в закупке.
- SKU
- склад
- доступное количество
- зарезервированное количество
- в пути
Информация о поставках
Для расчета lead time и планирования сроков заказа.
- SKU
- поставщик
- дата заказа
- дата поставки
- стоимость
Маркетинговые события
Акции, рекламные кампании и праздники влияют на спрос, их нужно учитывать в прогнозе.
- дата начала
- дата окончания
- тип события
- скидка
Данные о конкурентах
Цены и наличие у конкурентов влияют на спрос на ваш товар.
- SKU
- цена конкурента
- наличие
Методология
Методика планирования закупок с ИИ
Принципы
- Прогноз спроса — основа всего: сначала предсказываем продажи, потом считаем заказ.
- Учитываем lead time: заказ должен быть размещен с таким расчетом, чтобы товар пришел до того, как закончится текущий остаток.
- Целевой stock cover задается стратегически: для ходовых товаров — выше, для медленных — ниже.
- ИИ помогает обрабатывать большие объемы данных и выявлять закономерности, но финальное решение принимает человек.
Допущения
- Исторические данные достаточно репрезентативны и не содержат сильных аномалий.
- Внешние факторы (акции, конкуренты) можно предсказать или учесть в модели.
- Поставщик соблюдает сроки поставки, указанные в lead time.
Ошибки
- Использовать только средние продажи без учета тренда и сезонности.
- Не обновлять прогноз при появлении новых данных (например, резкий рост спроса).
- Игнорировать страховой запас — он нужен для покрытия непредвиденных колебаний.
- Заказывать слишком много ради скидки, не считая затраты на хранение и заморозку денег.
Роль ИИ
Как ИИ решает задачу
Прогнозирование спроса на основе исторических данных и внешних факторов
Данные на входе: История продаж по дням, Календарь акций и праздников, Данные о конкурентах
Что делает модель: Обучаемая модель (например, градиентный бустинг или нейросеть) выявляет зависимости и строит прогноз на нужный горизонт.
Результат: Прогноз продаж по SKU на день/неделю/месяц с доверительным интервалом.
Как используется: Используется для расчета потребности в закупке и stock cover.
Расчет оптимального объема заказа с учетом stock cover и lead time
Данные на входе: Прогноз спроса, Текущие остатки, Lead time, Целевой stock cover
Что делает модель: По бизнес-правилу вычисляется, сколько единиц нужно заказать, чтобы покрыть спрос на время lead time и поддержать целевой stock cover.
Результат: Рекомендуемое количество к заказу по каждому SKU.
Как используется: Менеджер проверяет рекомендацию и утверждает заказ.
Выявление аномалий в продажах и остатках
Данные на входе: История продаж, Данные об остатках
Что делает модель: Статистические методы (например, Z-score) или ML-модель обнаруживают резкие отклонения от нормы.
Результат: Список SKU с аномалиями и вероятной причиной (акция, сбой, конкурент).
Как используется: Помогает вовремя скорректировать прогноз и заказ.
Формирование рекомендаций по корректировке закупки
Данные на входе: Прогноз спроса, Текущие остатки, Целевой stock cover, Бюджет на закупку
Что делает модель: Генеративная модель или набор правил формирует понятные рекомендации на естественном языке: что заказать, сколько, когда и почему.
Результат: Текстовые рекомендации с обоснованием.
Как используется: Менеджер читает рекомендации и принимает решение.
Разбор
Как это работает
- 1
Вход: история продаж, остатки, lead time, календарь акций. Действие: система загружает и очищает данные. Результат: единая база для анализа.
- 2
Вход: очищенные данные. Действие: ML-модель строит прогноз спроса на нужный горизонт. Результат: прогноз продаж по SKU.
- 3
Вход: прогноз, остатки, lead time. Действие: рассчитывается текущий stock cover и потребность в закупке. Результат: список SKU с рекомендуемым объемом заказа.
- 4
Вход: рекомендации, бюджет, ограничения. Действие: система проверяет соответствие бюджету и формирует итоговый план закупки. Результат: утвержденный план закупки.
- 5
Вход: план закупки. Действие: система отправляет уведомления менеджеру о необходимости заказа. Результат: менеджер размещает заказ у поставщика.
- 6
Вход: фактические продажи и поставки. Действие: система сравнивает факт с прогнозом и обновляет модель. Результат: улучшенный прогноз на следующий период.
Логика решения
Почему дана такая рекомендация
Что повлияло на решение
- Прогноз спроса на период lead time
- Текущий остаток и stock cover
- Целевой уровень stock cover
- Сезонность и тренды
- Бюджет на закупку
Какие риски учтены
- Риск дефицита при заниженном прогнозе
- Риск затоваривания при завышенном прогнозе
- Риск срыва поставки поставщиком
- Риск изменения спроса из-за действий конкурентов
Какие варианты рассматривались
- Заказывать по факту продаж (без прогноза) — рискованно при росте спроса
- Заказывать с большим запасом — замораживает деньги
- Использовать только статистические методы без ML — менее точно
Комбинация ML-прогноза и бизнес-правил позволяет учесть множество факторов и получить точную рекомендацию, которую человек может проверить.
Если у товара стабильный спрос без сезонности, можно упростить модель и использовать средние продажи. Если поставщик ненадежен, потребуется больший страховой запас.
Результат
Что видит пользователь
Дашборд с прогнозом спроса и рекомендуемыми закупками
Таблица по SKU: прогноз продаж, текущий остаток, stock cover, рекомендуемый объем заказа, срок заказа.
Менеджер видит, какие товары нужно заказать и когда, и может сформировать заказ в один клик.Уведомления о необходимости заказа
Система присылает алерт, когда stock cover опускается ниже целевого уровня.
Менеджер не пропускает момент заказа, даже если занят другими задачами.Отчет о точности прогноза
Сравнение прогноза с фактическими продажами за прошлый период.
Позволяет оценить качество модели и при необходимости скорректировать настройки.Автоматизация
Что автоматизируется, а что нет
Выполняется автоматически
- Сбор и очистка данных о продажах, остатках, поставках
- Построение прогноза спроса
- Расчет рекомендуемого объема заказа
- Отправка уведомлений о необходимости закупки
Требует настройки
- Настройка целевого stock cover для каждой категории товаров
- Указание lead time для каждого поставщика
- Настройка календаря акций и праздников
- Определение бюджета на закупку
Остаётся за человеком
- Утверждение рекомендаций по закупке
- Переговоры с поставщиками о сроках и ценах
- Решение о закупке товаров с высокой неопределенностью спроса
Внедрение
Как внедрить решение
Быстрый запуск
- Собрать историю продаж и остатки в Excel
- Рассчитать среднедневные продажи и stock cover вручную
- Определить целевой stock cover и lead time для ключевых товаров
- Составить план закупок на ближайший месяц
Рабочая система
- Настроить автоматическую выгрузку данных из личного кабинета WB
- Создать дашборд с прогнозом и рекомендациями
- Настроить уведомления о низком stock cover
- Внедрить процесс еженедельного пересмотра плана закупок
Расширенный вариант
- Подключить ML-модель для прогнозирования спроса
- Учитывать данные о конкурентах и внешние факторы
- Внедрить сценарный анализ (что если спрос вырастет на 20%?)
- Автоматически формировать заказы поставщикам через API
Подготовка
Чек-лист перед запуском
- 1
Собраны данные о продажах минимум за 6 месяцев
- 2
Определены целевые stock cover для основных категорий
- 3
Указаны lead time для всех поставщиков
- 4
Настроен календарь акций и праздников
- 5
Выбрана модель прогнозирования (или начальный вариант на средних)
- 6
Определен бюджет на закупку
- 7
Настроены уведомления о низком остатке
- 8
Проведено тестирование на исторических данных
- 9
Назначен ответственный за утверждение закупок
- 10
Определена периодичность пересмотра плана (еженедельно/ежемесячно)
Вывод
Главное
Планирование закупок на WB должно быть основано на прогнозе спроса, а не на интуиции.
Ключевые данные — история продаж, остатки, lead time. Основные расчеты — прогноз спроса, stock cover, объем заказа.
ИИ автоматизирует прогнозирование и расчеты, выявляет аномалии и формирует рекомендации, но финальное решение остается за человеком.
Начните с малого: соберите данные о продажах и остатках в таблицу, рассчитайте stock cover для ключевых товаров и определите целевые уровни.
Метод ReMetod
На чем основан вывод
Метод ReMetod строится вокруг пути: бизнес-проблема → модель решения → данные → автоматизация → интерфейс → работающее решение. Практикум рассчитан на собственников, руководителей, аналитиков и менеджеров малого и среднего бизнеса без требования уметь программировать.
В программе практикума этот подход разбирается пошагово: от формулировки бизнес-задачи до модели решения, данных, автоматизации, интерфейса и проверки результата.
Посмотреть программу практикумаВопросы
Что обычно уточняют
ИИ заменит меня в планировании закупок?
Нет, ИИ выступает помощником: он берет на себя рутинные расчеты и прогнозирование, а вы принимаете стратегические решения, учитывая нюансы, которые модель может не видеть.
Нужно ли уметь программировать, чтобы использовать ИИ?
Нет. В рамках практикума ReMetod вы научитесь настраивать готовые инструменты и модели без программирования, используя понятные интерфейсы.
Насколько точны прогнозы ИИ?
Точность зависит от качества данных и стабильности рынка. ИИ позволяет учесть больше факторов, чем ручной расчет, но прогноз всегда имеет погрешность, поэтому нужен страховой запас.
Следующий шаг
Выберите, как продолжить с ReMetod
Хотите научиться планировать закупки с ИИ? Приходите на бесплатный вебинар ReMetod.