Маркетплейсы / Понимать, что закупать первым
Какие товары докупать сначала: приоритизация закупок с ИИ
ИИ анализирует остатки, скорость продаж, прогноз спроса и время поставки, чтобы ранжировать товары по срочности пополнения. В первую очередь система предлагает докупать позиции с высоким риском дефицита и высокой маржинальностью, чтобы не терять продажи и не замораживать деньги в неликвидах.
Проблема
Почему это важно
Без системы приоритизации закупок продавец на маркетплейсе часто действует интуитивно: докупает то, что «вроде заканчивается», или то, что кажется выгодным. В результате часть ходовых товаров уходит в дефицит, теряются продажи и позиции в выдаче, а деньги замораживаются в товарах, которые продаются медленно.
Почему возникает
- Нет единого источника данных: остатки, продажи и поставки разрознены по таблицам и отчётам.
- Ручной анализ не учитывает скорость продаж и прогноз спроса одновременно.
- Не учитывается время поставки: товар может закончиться раньше, чем придёт новая партия.
- Приоритеты ставятся по ощущениям, а не по объективным метрикам риска и выгоды.
Риски и потери
- Потеря продаж и дохода из-за дефицита ходовых товаров.
- Ухудшение позиций в поиске и рейтинге из-за частых стоп-листов.
- Заморозка оборотных средств в неликвидах, которые не продаются.
- Штрафы и снижение рейтинга магазина за срывы сроков поставки.
Что влияет на результат
- Текущий остаток на складе
- Скорость продаж (средняя в день/неделю)
- Прогноз спроса с учётом сезонности и трендов
- Время и стоимость поставки
- Маржинальность товара
- Риск дефицита (stockout risk)
Типичные ошибки ручного подхода
- Ориентация только на остаток: докупают то, что заканчивается, игнорируя скорость продаж.
- Игнорирование времени поставки: заказ делают слишком поздно.
- Не учитывают сезонные всплески и тренды.
- Субъективная оценка «важности» товара вместо объективных метрик.
Определение
Что важно понимать
Stockout risk
Вероятность того, что товар закончится на складе до прихода следующей поставки.
Высокий риск дефицита означает, что товар нужно докупать в первую очередь, чтобы не потерять продажи.Прогноз спроса
Оценка будущих продаж товара на основе исторических данных, сезонности, трендов и внешних факторов.
Позволяет понять, сколько товара нужно заказать, чтобы покрыть спрос до следующей поставки.Приоритет пополнения
Очередность, в которой товары нужно заказывать у поставщика, определяемая по риску дефицита и маржинальности.
Помогает распределить ограниченный бюджет закупок на самые критичные позиции.Данные
Какие данные нужны
Остатки на складе
Текущее количество товара, доступное для продажи.
- SKU
- Название товара
- Остаток на складе
- Зарезервировано
История продаж
Для расчёта скорости продаж и прогноза спроса.
- SKU
- Дата
- Количество проданных единиц
- Выручка
Данные о поставках
Чтобы знать время и объём будущих поставок.
- SKU
- Дата поставки
- Ожидаемое количество
- Срок доставки (дней)
Финансовые данные
Для оценки маржинальности и приоритизации по выгоде.
- SKU
- Закупочная цена
- Цена продажи
- Комиссия маркетплейса
- Логистические расходы
Методология
Как ИИ определяет, что докупать первым
Принципы
- Приоритет = риск дефицита × маржинальность.
- Учитывать не только остаток, но и скорость продаж и прогноз спроса.
- Сравнивать время до дефицита с временем поставки.
- Ранжировать товары по срочности, а не по абсолютному остатку.
Допущения
- Исторические данные достаточно репрезентативны для прогноза.
- Время поставки известно и стабильно.
- Маржинальность можно рассчитать по текущим ценам и комиссиям.
Ошибки
- Считать только остаток без скорости продаж.
- Игнорировать сезонность и тренды.
- Не учитывать время поставки.
- Приоритизировать по объёму продаж, а не по риску дефицита.
Роль ИИ
Как ИИ решает задачу
Прогнозирование спроса на каждый SKU
Данные на входе: История продаж за 3-12 месяцев, Сезонность, Тренды, Внешние факторы (праздники, акции)
Что делает модель: Обучаемая модель прогнозирует ожидаемые продажи на период до следующей поставки.
Результат: Прогноз спроса в единицах товара на день/неделю.
Как используется: Используется для расчёта времени до дефицита и необходимого объёма заказа.
Расчёт риска дефицита (stockout risk)
Данные на входе: Текущий остаток, Прогноз спроса, Время поставки
Что делает модель: Вычисляет вероятность того, что остаток закончится до прихода поставки, с учётом неопределённости прогноза.
Результат: Риск дефицита в процентах для каждого SKU.
Как используется: Используется для ранжирования товаров по срочности пополнения.
Ранжирование товаров по приоритету закупки
Данные на входе: Риск дефицита, Маржинальность, Стоимость хранения, Оборачиваемость
Что делает модель: Комбинирует метрики в единый скоринг и сортирует SKU по убыванию приоритета.
Результат: Список товаров с приоритетом: «докупить срочно», «докупить в ближайшее время», «можно подождать».
Как используется: Менеджер по закупкам видит, какие товары заказывать в первую очередь при ограниченном бюджете.
Выявление аномалий в продажах
Данные на входе: Ежедневные продажи по SKU, Исторические паттерны
Что делает модель: Обнаруживает резкие всплески или падения спроса, которые не объясняются обычной сезонностью.
Результат: Уведомление о товарах с аномальным спросом.
Как используется: Позволяет вовремя скорректировать заказ, например, при внезапном росте популярности.
Разбор
Как это работает
- 1
Вход: данные об остатках, продажах, поставках и ценах загружаются в систему. Действие: система очищает и объединяет данные по SKU. Результат: единая база для анализа.
- 2
Вход: история продаж по каждому SKU. Действие: модель прогнозирует спрос на период до следующей поставки. Результат: прогноз продаж в единицах.
- 3
Вход: текущий остаток, прогноз спроса, время поставки. Действие: рассчитывается ожидаемая дата дефицита и риск дефицита. Результат: для каждого SKU — риск дефицита в процентах.
- 4
Вход: риск дефицита, маржинальность, стоимость хранения. Действие: система вычисляет скоринг приоритета. Результат: список SKU, отсортированный по срочности пополнения.
- 5
Вход: список приоритетов. Действие: система формирует рекомендации по объёму заказа и сроку. Результат: менеджер видит, какие товары заказывать в первую очередь.
- 6
Вход: ежедневные продажи. Действие: модель отслеживает аномалии и обновляет прогноз. Результат: при резком изменении спроса система пересчитывает приоритеты и уведомляет пользователя.
Логика решения
Почему дана такая рекомендация
Что повлияло на решение
- Риск дефицита (время до дефицита vs время поставки)
- Маржинальность товара
- Скорость продаж и прогноз спроса
- Стоимость хранения и оборачиваемость
Какие риски учтены
- Дефицит ходовых товаров и потеря продаж
- Заморозка средств в неликвидах
- Штрафы за срыв поставок
Какие варианты рассматривались
- Закупать по принципу «что заканчивается» — не учитывает скорость и маржу
- Закупать только самые продаваемые товары — игнорирует риск дефицита
- Закупать всё подряд — ведёт к излишкам
Комбинация риска дефицита и маржинальности даёт максимальную защиту от потери продаж при эффективном использовании бюджета.
Если бюджет закупок ограничен, приоритет смещается в сторону товаров с высокой маржой, даже если риск дефицита средний. Если поставка быстрая, можно заказывать чаще и меньшими партиями.
Результат
Что видит пользователь
Список приоритетов закупок
Таблица с SKU, отсортированная по приоритету: «докупить срочно», «докупить в ближайшее время», «можно подождать».
Менеджер сразу видит, какие товары заказывать в первую очередь, и может сформировать заказ.Уведомления о риске дефицита
Система присылает алерты, когда время до дефицита становится меньше времени поставки.
Пользователь успевает разместить заказ до того, как товар закончится.Прогноз спроса по SKU
График прогнозируемых продаж на ближайшие недели.
Помогает определить объём заказа и избежать излишков.Автоматизация
Что автоматизируется, а что нет
Выполняется автоматически
- Сбор и объединение данных об остатках, продажах и поставках
- Расчёт скорости продаж и прогноза спроса
- Вычисление риска дефицита и приоритета закупки
- Формирование списка приоритетов и уведомлений
Требует настройки
- Настройка источников данных (API маркетплейса, таблицы)
- Определение времени поставки для каждого поставщика
- Настройка порогов риска и правил приоритизации
- Загрузка данных о маржинальности
Остаётся за человеком
- Финальное решение о размере заказа и выборе поставщика
- Учёт форс-мажоров и нестандартных ситуаций
- Согласование бюджета закупок
Внедрение
Как внедрить решение
Быстрый запуск
- Собрать данные об остатках, продажах и поставках в Excel/Google Sheets.
- Рассчитать вручную время до дефицита для топ-100 SKU.
- Отсортировать по возрастанию времени до дефицита и сделать заказ по критичным позициям.
Рабочая система
- Настроить автозагрузку данных из личного кабинета маркетплейса.
- Создать таблицу с формулами для расчёта скорости продаж и времени до дефицита.
- Добавить условное форматирование для выделения критичных товаров.
- Настроить еженедельный отчёт с приоритетами.
Расширенный вариант
- Внедрить модель прогнозирования спроса с учётом сезонности и трендов.
- Подключить несколько источников данных (маркетплейс, склад, поставщики).
- Настроить автоматические уведомления и интеграцию с системой закупок.
- Использовать сценарный анализ: что будет при изменении спроса или задержке поставки.
Подготовка
Чек-лист перед запуском
- 1
Определить перечень SKU, по которым ведётся учёт.
- 2
Настроить регулярную выгрузку остатков и продаж.
- 3
Зафиксировать время поставки по каждому поставщику.
- 4
Рассчитать маржинальность по каждому товару.
- 5
Определить порог риска дефицита (например, время до дефицита < времени поставки).
- 6
Создать таблицу с формулами для расчёта приоритета.
- 7
Проверить корректность данных на тестовом периоде.
- 8
Настроить уведомления о критичных товарах.
- 9
Назначить ответственного за закупки.
- 10
Провести пилотный запуск на 2-3 недели и скорректировать пороги.
Вывод
Главное
Приоритизация закупок должна опираться на объективные метрики: риск дефицита и маржинальность, а не на интуицию.
Основные данные — остатки, продажи, поставки и цены. Ключевые расчёты — время до дефицита и риск дефицита.
ИИ автоматизирует прогноз спроса, расчёт рисков и ранжирование товаров, экономя время и снижая ошибки.
Начните с простой таблицы: рассчитайте время до дефицита для топ-100 товаров и сделайте заказ по критичным позициям.
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
У меня мало данных, ИИ не сможет ничего предсказать.
Даже с небольшим объёмом данных можно начать с простых формул: время до дефицита = остаток / среднедневные продажи. Это уже даст приоритет. По мере накопления истории можно подключать более точные модели.
Это слишком сложно, я не программист.
Для старта достаточно Excel или Google Sheets. На практикуме ReMetod вы научитесь настраивать автоматизацию без кода, от таблицы до работающего интерфейса.
ИИ может ошибаться, я не доверяю прогнозам.
ИИ не заменяет ваше решение, а даёт обоснованные рекомендации. Вы всегда можете проверить расчёты и скорректировать пороги. Начните с пилота на нескольких товарах.
Следующий шаг
Выберите, как продолжить с ReMetod
Хотите научиться настраивать приоритизацию закупок с ИИ? Приходите на бесплатный вебинар ReMetod.