كيفية تحسين دقة توقعات المخزون في Shopify

إن التوقعات "المتوقفة" ليست معلومات مفيدة في حد ذاتها. بعيدًا عن المقدار، وفي أي اتجاه، سؤالان منفصلان. معظم التجار الذين يقولون إن توقعاتهم "لا تعمل" لم يقيسوا أيًا منهما فعليًا. إن الدقة تتحسن بدرجة أقل من خلال صيغة أفضل من عادة التحقق من التوقعات مقابل ما حدث بالفعل، وقراءة ما تقوله الفجوة.

لماذا تنجرف التوقعات

في معظم الأحيان، لا تكون التوقعات خاطئة لأن الطريقة معطلة: إنها خاطئة لأن شيئًا ما في العمل تغير ولم يتم تحقيق التوقعات. أالمهلة الزمنية للموردبهدوء حصلت لفترة أطول، أترقيةارتفاع الطلب ثم اختفى، أو أن النمط الموسمي الحقيقي أعاد تأكيد نفسه مقابل التوقعات التي لا تزال تشير إلى متوسط الأشهر خارج الموسم. لا يعتبر أي من هذه فشلاً في الطريقة: لم يتم إخبار التوقعات بأن الأرض قد تغيرت.

هناك انجراف أكثر دقة مع عدم وجود حدث واحد وراءه: نفاد المخزون. عندما ينفد منتج ما، فإن المبيعات التي تسجلها ليست هي الطلب الموجود: إنها الطلب الذي كنت قادرًا على تلبيته، والذي تم تحديده عند الصفر في اللحظة التي أفرغ فيها الرف. التوقعات المبنية على هذا التاريخ تقرأ نفاد المخزون على أنه "انخفاض الطلب"، وليس "لقد نفد"، ويطلب بهدوء أقل في المرة القادمة. اطلب كميات أقل، ثم نفذ مرة أخرى، ويستمر الرقم في الانزلاق - وهو نمط موثق يسمى أحيانًا التأثير الحلزوني للأسفل. إذا ظلت توقعات SKU منخفضة واستمرت أيضًا في الوصول إلى صفر مخزون، فتحقق من سجل نفاد المخزون قبل لمس الصيغة.

قياس خطأ التنبؤ

"إلى أي مدى وفي أي اتجاه" هي الفكرة بأكملها. المصطلحات الرسمية أدناه تستحق المعرفة، ولكن السؤال باللغة الإنجليزية البسيطة هو ما الذي يغير فعليًا ما تفعله بعد ذلك.

متوسط الخطأ المطلق (MAE) هو متوسط حجم الخطأ بالوحدات الحقيقية:

MAE = متوسط |الفعلي − التوقعات|

لنفترض أن توقعات الأسبوع الماضي لـ "Cedar & Fig, 250g" كانت 35 وحدة وتم بيع 42 وحدة بالفعل. الخسارة هي |42 − 35| = 7 وحدات. معبرًا عنه كنسبة مئوية مما تم بيعه بالفعل، فإن نفس الخطأ هو متوسط ​​النسبة المئوية للخطأ المطلق، أو MAPE:

MAPE = متوسط ( |فعلي − توقعات| ÷ فعلي )، كنسبة مئوية

7 ÷ 42 = 16.7%. يحظى MAPE بشعبية لأنه لا يحتوي على مقياس - تتيح لك النسبة المئوية مقارنة شمعة مكونة من خمس وحدات في اليوم بشمعة مكونة من خمسين وحدة في اليوم دون أن يبدو الرقم الأكبر تلقائيًا أسوأ. وهذا أيضًا هو المكان الذي ينكسر فيه بالضبط.

يُظهر توقع SKU عند وحدتين تبيع 1 MAPE بنسبة 100% لهذا الأسبوع — |1 − 2| ÷ 1 = 100% — على الرغم من أن الخطأ الحقيقي كان وحدة واحدة. تحمل معظم كتالوجات Shopify الصغيرة ذيلًا طويلًا من هذا النوع من SKU منخفض الحجم، مما يجعل MAPE الأقل جدارة بالثقة فيما يتعلق بالمنتجات التي يحتاج التاجر إلى قراءة حقيقية عليها. تتبع MAE، أو عدد الوحدات الخام، بجانبه لأي شيء يتم بيعه بأرقام فردية.

الحجم وحده يخطئ الاتجاه. يحافظ الانحياز - متوسط خطأ النسبة المئوية، أو MPE - على الإشارة بدلاً من أخذ القيمة المطلقة، لذلك يظهر ميل ثابت بدلاً من الإلغاء:

انحياز التنبؤ (MPE) = متوسط ((التنبؤ - الفعلي) ÷ الفعلي)، موقع

لنفس الأسبوع: (35 − 42) ÷ 42 = −16.7%. تشير العلامة السلبية إلى أن التوقعات جاءت تحت ما تم بيعه بالفعل. أسبوع واحد من ذلك هو الضجيج. إن سلسلة الأسابيع التي كانت جميعها سلبية هي توقعات منخفضة بشكل منهجي - لن يظهر لك نمط MAE وMAPE، بمفردهما، لأن أيًا منهما لا يتتبع الاتجاه.

يلتقط المقياس ذو الصلة، وهو إشارة التتبع، هذا النوع من التشغيل - وهو إجمالي تراكمي للأخطاء الموقعة مقسومًا على متوسط ​​الخطأ المطلق، ويتم مراقبته بحثًا عن قيمة تنحرف باستمرار بعيدًا عن الصفر. يتعامل الافتراضي الشائع الاستخدام مع ±4 تقريبًا على أنه يستحق التحقيق، ولكن هذا هو أحد اصطلاحات الصناعة، وليس حدًا إحصائيًا مشتقًا. ينطبق نفس الحذر على MAPE: لا يوجد رقم MAPE عالمي "جيد". ما يعتبر معقولًا يختلف حسب الفئة، والتقلب، ومدى التقدم الذي تتوقعه - قارن الرقم الخاص بك بالاتجاه الخاص به، وليس بالحد المقترض.

التوقعات مقابل المراجعة الفعلية

إن خطأ أسبوع واحد لا يخبرك بأي شيء تقريبًا من تلقاء نفسه - فكل توقعات تخطئ أحيانًا، كما أن الإخفاق بمقدار خمس وحدات في منتج يستخدم خمس وحدات في اليوم هو قصة مختلفة عن نفس الخطأ في منتج مكون من خمسمائة وحدة في اليوم. ما يهم هو المراجعة: تسجيل التوقعات والواقع جنبًا إلى جنب، لنفس SKU، فترة بعد فترة، ومراقبة النمط بدلاً من الرد على أي رقم منفرد.

هناك شيئان يستحقان الفصل بينهما. يخبرك حجم الخطأ بمدى دقة التوقعات مؤخرًا. الاتجاه - التحيز، أعلاه - يخبرك ما إذا كان لديه ميل منهجي، أو مشكلة مختلفة مع إصلاح مختلف عن الخطأ الذي هو ببساطة صاخب في كلا الاتجاهين: صاخب ولكن متمركز يحتاج إلى مدخلات أكثر ثباتًا، والتحيز يحتاج إلى تصحيح الافتراض الأساسي.

يعتمد عدد مرات تشغيل هذا على مدى سرعة ارتفاع تكلفة الرقم الخاطئ. يؤدي التحرك السريع إلى تفاقم التوقعات السيئة بسرعة، لذا فإن أسبوعيًا يستحق العشر دقائق. يمكن التحقق من البائع البطيء شهريًا دون فقدان الكثير - وعادةً ما يكون هناك خطر في الانجراف البطيء، وليس المفاجئ.

بناء عادة إعادة المعايرة

هناك فحص واحد يستحق التنفيذ قبل إضافة التعقيد إلى التنبؤ: قارنه بأبسط خط أساس ممكن، وهو توقع ساذج يكرر فقط الرقم الفعلي للفترة الماضية للأمام. هذه المقارنة لها اسم في ممارسة التنبؤ، القيمة المضافة للتنبؤ، والسؤال الذي يقف وراءها صريح: هل التوقع الأكثر دقة يتفوق بالفعل على "مجرد استخدام رقم الأسبوع الماضي"، أم أن العملية الإضافية لا تحظى بمكانتها؟

عندما تظهر المراجعة أعلاه فشلًا حقيقيًا ومتكررًا (ليس أسبوعًا صاخبًا بل نمطًا)، نادرًا ما يكون الإصلاح بصيغة مختلفة. إنها دائمًا ما تكون عبارة عن قائمة قصيرة من الأسباب الملموسة: نافذة مبيعات قديمة أخطأت اتجاهًا حقيقيًا، أو مهلة زمنية تغيرت دون تحديث المدخلات، أو عرض ترويجي أو نفاد المخزون الذي شوه خط الأساس بهدوء.أخطاء التنبؤ الشائعة وراء ذلكتستحق التحقق مباشرة، بدلا من التخمين.

إن تسجيل التوقعات، وانتظار الفعلي، وحساب الفجوة، ومراقبة النمط عبر كتالوج حقيقي هو نوع العادة التي تستمر في الأسبوع الأول وتتلاشى بحلول الأسبوع الثالث.StockCueيعيد حساب توقعات كل SKU كل ليلة مقابل المبيعات الحقيقية، بحيث تتم المقارنة تلقائيًا بدلاً من العيش في جدول بيانات. فيما يتعلق بالنمو، فإن "لماذا هذه الكمية؟" يُظهر التفصيل بالضبط المدخلات (السرعة أو الاتجاه أو الموسمية) التي حركت الرقم، مما يحول "التنبؤات كانت متوقفة" إلى "التنبؤات كانت متوقفة بسبب هذا".

الأسئلة المتداولة

كيف يمكنك قياس دقة توقعات المخزون؟

يتم قياس دقة التوقعات من خلال مقارنة ما تتوقعه مع ما تم بيعه بالفعل، ثم النظر إلى حجم الفجوة واتجاهها. يتم التعبير عن الحجم عادةً كـ MAE (متوسط ​​الخسارة بالوحدات) أو MAPE (التي تفوت كنسبة مئوية من المبيعات الفعلية)؛ الاتجاه (سواء كنت تبالغ باستمرار في التنبؤ أو تنقصه) هو سؤال منفصل له نفس القدر من الأهمية.

ما هو خطأ التنبؤ المعقول الذي يمكن توقعه بالنسبة لمتجر صغير في Shopify؟

لا يوجد رقم واحد لخطأ التنبؤ "الجيد" لكل متجر من متاجر Shopify: فهو يعتمد على الفئة، ومدى تقلب الطلب بشكل طبيعي، وأفق التوقعات، ولا يوجد مصدر موثوق يحدد عتبة عالمية. تتبع الخطأ الخاص بك بمرور الوقت ومن خلال SKU بدلاً من ذلك: استقرار الأمور أو تحسينها أكثر من مسح شريط خارجي، واتساع الخطأ في SKU واحد هو الإشارة التي يجب التحقيق فيها، وليس الرقم المطلق.

كم مرة يجب عليك مقارنة التوقعات بالمبيعات الفعلية؟

أسبوعيًا بالنسبة للمنتجات سريعة الحركة، نظرًا لأن التوقعات السيئة تتراكم بسرعة عند حجم كبير. عادةً ما تكون القيمة الشهرية كافية للبائعين البطيئين، دون التفاعل مع الضوضاء العادية من أسبوع لآخر. وفي كلتا الحالتين، يجب أن يحدث ذلك بشكل متسق بما يكفي حتى يتم اكتشاف تحول حقيقي (اتجاه جديد، أو تغيير في المهلة الزمنية، أو نفاد المخزون) قبل أن يتكرر لعدة أشهر دون أن يلاحظه أحد.

للاطلاع على العملية الكاملة، تناسب عادة القياس هذه، انظرالدليل الكامل لـ Shopify التنبؤ بالمخزون.