Маркетплейсы / Определить лучший размер партии
Какой объем товара завезти: расчет партии с ИИ
Оптимальный объем закупки определяется прогнозом спроса и расчетом страхового запаса. ИИ автоматизирует этот процесс: анализирует историю продаж, сезонность, тренды и сроки поставки, чтобы предложить размер партии, который минимизирует и дефицит, и излишки.
Проблема
Почему это важно
Без системного подхода к определению объема закупки продавец на маркетплейсе действует наугад: заказывает товар по интуиции или по прошлому опыту. Это приводит к тому, что популярные позиции заканчиваются, а неходовые лежат на складе, замораживая деньги и занимая место.
Почему возникает
- Нет точного прогноза спроса: продавец не учитывает сезонность, тренды, рекламные кампании и изменения в поведении покупателей.
- Игнорирование сроков поставки: заказ делается без учета времени доставки от поставщика, из-за чего товар приходит слишком поздно или слишком рано.
- Отсутствие страхового запаса: не учитываются колебания спроса и задержки поставок, поэтому даже небольшой всплеск продаж приводит к дефициту.
Риски и потери
- Упущенная выручка из-за дефицита: товар заканчивается, покупатели уходят к конкурентам, рейтинг магазина падает.
- Замораживание оборотных средств в излишках: товар лежит на складе, платятся хранение и логистика, деньги не работают.
- Штрафы и снижение рейтинга за срывы сроков или отмены заказов, если товар не оказался в наличии.
Что влияет на результат
- Прогноз спроса на основе истории продаж, сезонности, трендов и маркетинговых активностей.
- Срок поставки от поставщика и его вариативность.
- Страховой запас для покрытия колебаний спроса и задержек.
- Логистические ограничения: минимальная партия, стоимость доставки, лимиты склада.
Типичные ошибки ручного подхода
- Заказ по прошлому периоду без учета роста или падения спроса.
- Недооценка сезонного пика: закупается столько же, сколько в обычный месяц.
- Игнорирование времени доставки: заказ делается слишком поздно, товар приходит после пика продаж.
- Отсутствие страхового запаса: даже небольшое отклонение спроса приводит к дефициту.
Определение
Что важно понимать
Страховой запас
Дополнительный объем товара, который хранится на случай непредвиденного роста спроса или задержки поставки.
Он защищает от дефицита, но его избыток замораживает деньги, поэтому его размер нужно рассчитывать, а не брать наугад.Прогноз спроса
Оценка того, сколько единиц товара будет продано в будущем периоде, на основе исторических данных и факторов влияния.
Точный прогноз — основа для расчета объема закупки: если он завышен, будут излишки, если занижен — дефицит.Точка заказа
Уровень остатка, при достижении которого нужно делать новый заказ, чтобы товар не закончился до прихода поставки.
Она учитывает прогноз спроса на время доставки и страховой запас, позволяя вовремя пополнить запасы.Данные
Какие данные нужны
История продаж
База для прогноза спроса: показывает динамику продаж по дням/неделям, сезонность и тренды.
- дата продажи
- количество проданных единиц
- SKU/артикул
- цена продажи
Данные о поставках
Для расчета срока поставки и его вариативности, чтобы определить страховой запас и точку заказа.
- дата заказа
- дата поставки
- количество заказанных единиц
- поставщик
Маркетинговые активности
Рекламные кампании, скидки, акции влияют на спрос, их нужно учитывать в прогнозе.
- тип акции
- период действия
- скидка
- бюджет
Логистические ограничения
Минимальная партия, стоимость доставки, лимиты склада влияют на экономическую целесообразность размера заказа.
- минимальный заказ
- стоимость доставки
- вместимость склада
- срок хранения
Методология
Методика расчета оптимального объема закупки
Принципы
- Прогнозируй спрос на основе данных, а не интуиции: используй историю продаж, сезонность, тренды и маркетинговые активности.
- Учитывай неопределенность: всегда закладывай страховой запас на случай колебаний спроса и задержек поставки.
- Рассчитывай точку заказа, чтобы заказывать вовремя, а не тогда, когда товар уже закончился.
- Оптимизируй размер партии с учетом логистических ограничений и стоимости хранения.
Допущения
- История продаж репрезентативна и не содержит аномалий, которые исказят прогноз.
- Сроки поставки и спрос подчиняются статистическим закономерностям, которые можно оценить.
- Маркетинговые активности планируются заранее и известны на момент расчета.
Ошибки
- Заказ по средним продажам без учета сезонности: в пик будет дефицит, в спад — излишки.
- Игнорирование вариативности срока поставки: если поставщик часто задерживает, страховой запас должен быть больше.
- Отсутствие пересмотра прогноза: данные устаревают, нужно регулярно обновлять модель.
- Заказ максимальной партии ради скидки: выгода от скидки может не покрыть затраты на хранение.
Роль ИИ
Как ИИ решает задачу
Прогнозирование спроса на основе исторических данных
Данные на входе: История продаж по дням/неделям, Сезонность, Тренды, Данные о маркетинговых активностях
Что делает модель: Обучаемая модель (например, временные ряды или градиентный бустинг) выявляет закономерности и прогнозирует будущие продажи на заданный горизонт.
Результат: Прогноз спроса на каждый SKU на период (например, на месяц) с доверительным интервалом.
Как используется: Прогноз используется как основа для расчета объема закупки и точки заказа.
Расчет страхового запаса с учетом вариативности спроса и поставок
Данные на входе: Прогноз спроса, Сроки поставки и их отклонения, Желаемый уровень сервиса
Что делает модель: Статистический метод (например, формула страхового запаса) оценивает необходимый резерв для покрытия колебаний.
Результат: Рекомендуемый страховой запас для каждой позиции.
Как используется: Страховой запас добавляется к прогнозу для определения точки заказа.
Выявление аномалий в продажах (всплески, падения, выбросы)
Данные на входе: История продаж, Внешние события (праздники, акции конкурентов)
Что делает модель: Модель машинного обучения (например, изоляционный лес) обнаруживает нетипичные значения, которые могут исказить прогноз.
Результат: Список аномальных периодов с пояснением причины.
Как используется: Аномалии исключаются из обучения или корректируются вручную, чтобы прогноз был точнее.
Формирование рекомендаций по размеру партии с учетом логистических ограничений
Данные на входе: Прогноз спроса, Страховой запас, Логистические ограничения (минимальная партия, стоимость доставки, лимиты склада)
Что делает модель: Генеративная модель или оптимизационный алгоритм подбирает размер заказа, который минимизирует суммарные затраты (хранение + дефицит + доставка).
Результат: Рекомендуемый объем закупки по каждой позиции и дата заказа.
Как используется: Сотрудник получает готовую рекомендацию и может скорректировать ее с учетом неучтенных факторов.
Разбор
Как это работает
- 1
Вход: история продаж, данные о поставках, маркетинговые активности. Действие: система очищает данные, устраняет дубли и пропуски. Результат: подготовленный набор данных для анализа.
- 2
Вход: подготовленные данные. Действие: модель машинного обучения обучается на истории и прогнозирует спрос на следующий период. Результат: прогноз спроса по каждому SKU с доверительным интервалом.
- 3
Вход: прогноз спроса и статистика сроков поставки. Действие: система рассчитывает страховой запас на основе вариативности спроса и поставок. Результат: рекомендуемый страховой запас для каждой позиции.
- 4
Вход: прогноз спроса, страховой запас, логистические ограничения. Действие: оптимизационный алгоритм подбирает размер партии, минимизирующий затраты. Результат: рекомендуемый объем закупки и дата заказа.
- 5
Вход: рекомендации системы. Действие: менеджер проверяет их, учитывая неучтенные факторы (например, планы продвижения). Результат: утвержденный заказ отправляется поставщику.
- 6
Вход: фактические продажи после поставки. Действие: система сравнивает факт с прогнозом и обновляет модель. Результат: уточненный прогноз для следующего периода.
Логика решения
Почему дана такая рекомендация
Что повлияло на решение
- Прогноз спроса на основе истории продаж
- Страховой запас, учитывающий вариативность спроса и поставок
- Логистические ограничения (минимальная партия, стоимость доставки, хранение)
Какие риски учтены
- Риск дефицита, если прогноз занижен или поставка задержится
- Риск излишков, если прогноз завышен или спрос упадет
- Риск замораживания средств в товаре, который долго продается
Какие варианты рассматривались
- Заказ по средним продажам без страхового запаса — дешевле, но рискованно
- Заказ максимальной партии для скидки — может привести к излишкам
- Заказ минимальной партии — частые заказы, высокие затраты на доставку
Выбран сбалансированный подход: прогноз + страховой запас + учет логистики. Он минимизирует суммарные затраты на хранение и дефицит.
Если бы спрос был сильно волатильным или поставки нестабильными, страховой запас был бы больше. Если бы стоимость хранения была высокой, а доставка дешевой, выгоднее было бы заказывать чаще меньшими партиями.
Результат
Что видит пользователь
Рекомендация по закупке
Список SKU с рекомендуемым объемом заказа, датой заказа и обоснованием (прогноз, страховой запас, текущий остаток).
Менеджер может сразу сформировать заказ поставщику или скорректировать его с учетом неучтенных факторов.Дашборд с прогнозом спроса
Графики прогноза по каждой позиции, доверительные интервалы, фактические продажи.
Руководитель видит, какие товары требуют внимания, и может планировать закупки заранее.Уведомления о необходимости заказа
Система автоматически уведомляет, когда остаток приближается к точке заказа.
Менеджер не пропускает момент пополнения, снижается риск дефицита.Автоматизация
Что автоматизируется, а что нет
Выполняется автоматически
- Сбор и очистка данных о продажах и поставках
- Расчет прогноза спроса и страхового запаса
- Формирование рекомендаций по объему закупки
- Отправка уведомлений о необходимости заказа
Требует настройки
- Настройка источников данных (выгрузка с маркетплейса, ERP)
- Определение параметров модели (горизонт прогноза, уровень сервиса)
- Задание логистических ограничений (минимальная партия, стоимость доставки)
- Настройка порогов для уведомлений
Остаётся за человеком
- Утверждение заказа перед отправкой поставщику
- Учет нестандартных факторов (например, запуск новой рекламной кампании)
- Пересмотр параметров модели при изменении бизнес-условий
Внедрение
Как внедрить решение
Быстрый запуск
- Собрать историю продаж и поставок в Excel-таблицу
- Рассчитать прогноз спроса простым скользящим средним
- Рассчитать страховой запас по формуле
- Вручную формировать рекомендации по закупке
Рабочая система
- Настроить автоматическую выгрузку данных с маркетплейса
- Создать базу данных для хранения истории
- Разработать скрипт для расчета прогноза и страхового запаса
- Построить дашборд с рекомендациями и уведомлениями
Расширенный вариант
- Внедрить модель машинного обучения для прогноза спроса с учетом сезонности и трендов
- Подключить несколько источников данных (маркетплейс, склад, поставщики)
- Добавить сценарный анализ (что если спрос вырастет на 20%?)
- Интегрировать с ERP для автоматического создания заказов
Подготовка
Чек-лист перед запуском
- 1
Собраны данные о продажах минимум за 6-12 месяцев
- 2
Данные очищены от аномалий и пропусков
- 3
Определен горизонт прогноза (неделя, месяц)
- 4
Выбран уровень сервиса (например, 95%)
- 5
Рассчитаны средний срок поставки и его отклонение
- 6
Определены логистические ограничения (минимальная партия, стоимость доставки)
- 7
Настроен расчет страхового запаса
- 8
Определена точка заказа для каждой позиции
- 9
Настроены уведомления о необходимости заказа
- 10
Проведено тестирование на исторических данных
Вывод
Главное
Оптимальный объем закупки — это баланс между прогнозом спроса и страховым запасом, с учетом логистических ограничений.
Основные данные — история продаж, сроки поставки, логистические ограничения. Ключевые расчеты — прогноз спроса, страховой запас, точка заказа.
ИИ автоматизирует прогнозирование, выявление аномалий и формирование рекомендаций, освобождая менеджера от рутинных расчетов.
Начните с простого: соберите историю продаж в Excel и рассчитайте прогноз скользящим средним. Это уже снизит количество ошибок.
Метод ReMetod
На чем основан вывод
Метод ReMetod показывает, как строить решение от бизнес-проблемы к работающему инструменту. В рамках практикума участники проходят путь от постановки задачи до публикации веб-интерфейса с автоматизацией и данными, что позволяет внедрить подобный расчет объема закупки на практике.
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 дать точный прогноз
Даже с небольшим объемом данных можно использовать простые методы, например скользящее среднее. ИИ поможет выявить закономерности, но на начальном этапе достаточно базовых расчетов. По мере накопления данных точность прогноза будет расти.
Это сложно внедрить, у нас нет программистов
Метод ReMetod рассчитан на людей без навыков программирования. Вы можете начать с Excel, а затем автоматизировать процесс с помощью готовых инструментов или в рамках практикума, где вы создадите работающее решение.
ИИ может ошибаться, я не доверяю ему
ИИ не заменяет человека, а помогает: он дает рекомендации, а окончательное решение принимает менеджер. Всегда можно скорректировать заказ с учетом неучтенных факторов. Кроме того, модель можно проверить на исторических данных.
Следующий шаг
Выберите, как продолжить с ReMetod
Хотите научиться автоматизировать расчет закупок с помощью ИИ? Приходите на бесплатный вебинар ReMetod.