طرق التنبؤ بالمخزون لتجار Shopify

اسأل خمسة تجار عن كيفية توقعهم للمخزون وستحصل على خمس إجابات مختلفة، معظمها نصف صحيحة لأي رمز تخزين تعريفي (SKU) كان التاجر يفكر فيه. إن الشمعة التي تبيع خمس وحدات يوميًا، والثابتة مثل بندول الإيقاع، والإكسسوار المتخصص الذي يبيع أربع وحدات في شهر جيد وصفرًا في بقية الوقت، ليست هي نفس مشكلة التنبؤ. الطريقة التي تنجح مع أحدهما سوف تضللك بشكل فعال على الآخر.

يستعرض هذا المنشور الأساليب التي تستحق المعرفة، ويتم تنظيمها حول الشكل الذي يتخذه طلب SKU فعليًا. احصل على ذلك بشكل صحيح أولاً، واختيار الطريقة لن يكون مجرد تخمين.

الكمية مقابل النوعية

يبني التنبؤ الكمي رقمًا من سجل المبيعات الخاص بك: وهي صيغة يتم تطبيقها على البيانات الحقيقية. يستبدل التنبؤ النوعي أو الحكمي الخبرة والمقارنة عندما لا يكون هناك سجل كافٍ للحساب منه، وهو ما تمت تغطيته في القسم الخاص به أدناه.

قبل الاختيار بين الأساليب الكمية، من المفيد معرفة التصنيف الذي يفسر في الواقع سبب نجاح إحدى الطرق بشكل جيد على أحد وحدات SKU وبشكل سيء على وحدة أخرى. يقسم تصنيف التنبؤ بالطلب، الذي يُنسب إلى سينتيتوس، بويلان وزملاؤه، الطلب إلى أربعة أنماط، بناءً على أمرين: مدى انتظام بيع وحدة حفظ المخزون على الإطلاق، ومدى تأرجح الكمية عندما يحدث ذلك.

على نحو سلس- يبيع في كثير من الأحيان، بنفس الكمية تقريبًا في كل مرة.

غير منتظم- تبيع في كثير من الأحيان، ولكن الكمية تتأرجح بشكل كبير.

متقطع— نادرًا ما يتم بيعه، ولكن بنفس الكمية تقريبًا عندما يتم بيعه.

متكتل— نادرًا ما يُباع، ولا يمكن التنبؤ بالكمية أيضًا.

ترسم الصحيفة الخط الفاصل بين البيع "العادي" و"غير المنتظم" بمتوسط ​​فجوة قدرها 1.32 فترة بين المبيعات، وهو رقم مأخوذ مباشرة من القطع المنشور في الصحيفة. يتم تكرار القطع المصاحب البالغ 0.49، لمقدار الكمية المسموح لها بالتغير قبل اعتبار الطلب على أنه "تباين عالٍ"، في كل مكان يظهر فيه هذا التصنيف، ولكن لا يمكن إرجاعه إلى نص الورقة الأساسية. تعامل معها على أنها اتفاقية، وليس خطًا ثابتًا.

هناك مشكلة أخرى: لم يتم إصلاح المجموعة التي يقع فيها SKU. يمكن أن يبدو SKU الذي يبدو متقطعًا ويتم حسابه يومًا بعد يوم سلسًا ويتم حسابه أسبوعًا بعد أسبوع، وذلك ببساطة لأن المجموعة الأوسع تحتوي على عدد أقل من فترات المبيعات الصفرية التي سيتم عرضها. قبل أن تقرر أن SKU "لا يمكن التنبؤ به"، تحقق مما إذا كنت تنظر إليه على مستوى معقول من التجميع.

يتم تنظيم بقية هذا المنشور حول هذا التصنيف. أولا، على أية حال،احصل على بيانات المبيعات الخاصة بك في شكلها الصحيح. تفترض كل طريقة أدناه أنها موجودة بالفعل.

المتوسط المتحرك

يأخذ المتوسط المتحرك البسيط فترات N الأخيرة من المبيعات ويحسب متوسطها؛ فالتوقعات التالية هي مجرد هذا المتوسط، وتنزلق النافذة للأمام فترة واحدة في كل مرة. إنها الطريقة الكامنة وراء رقم "متوسط ​​المبيعات اليومية" الخاص بصيغة نقطة إعادة الطلب، وهي حقًا الأداة المناسبة للطلب السلس: البيع المنتظم ومنخفض التباين بدون اتجاه حقيقي.

حده الموثق هو الاتجاه: إنه مجرد تقدير مفيد عندما لا تحتوي البيانات الأساسية على أي شيء، ومن الواضح أنه ليس مقدرًا جيدًا بمجرد ظهور الاتجاه. تحمل كل فترة في النافذة وزنًا متساويًا، بما في ذلك الفترات القديمة، لذلك فهي دائمًا تتأخر عن التحول الحقيقي لأعلى أو لأسفل. البديل المرجح، الذي يمنح الفترات الأخيرة تأثيرًا أكبر، يخفف من هذه المشكلة دون حلها. للحصول على الصيغة الكاملة والمثال العملي، انظرمتوسطنا المتحرك العميق.

التنعيم الأسي

يحل التجانس الأسي مشكلة "البيانات القديمة لا تزال تحتسب بشكل كامل" بشكل مختلف: فبدلاً من القطع الصارم عند فترات N، تحصل كل ملاحظة سابقة على وزن يتحلل كلما تراجعت إلى الخلف.

القيمة المصقولة التالية = α × (آخر قيمة فعلية) + (1 − α) × (آخر قيمة مصقولة)

يتحكم ألفا، الذي يقع في مكان ما فوق 0 وما يصل إلى 1، في مقدار الوزن الذي تحصل عليه البيانات الحديثة: يتفاعل المستوى الأعلى بشكل أسرع، والأقل سلاسة بشكل أكبر ويحتفظ بالتاريخ لفترة أطول. ليس هناك ألفا واحد صحيح. التوجيه القياسي هو اختيار أي قيمة تقلل من خطأ التنبؤ الخاص بك على بياناتك الخاصة، عادةً عن طريق اختبار ما بين 0.1 و0.9، وليس عن طريق نسخ رقم تسميه بعض منشورات المدونات "معيار الصناعة". مثل المتوسط ​​المتحرك البسيط، لا يتفوق التجانس الفردي بمجرد ظهور الاتجاه، ولهذا السبب توجد إصدارات موسعة: يضيف التجانس المزدوج مصطلح الاتجاه، ويضيف التجانس الثلاثي ("Holt-Winters") مصطلحًا موسميًا فوق ذلك.

الطلب المتقطع، نادرًا ما يتم بيعه، وكمية ثابتة عندما يحدث ذلك، يكسر كلا الطريقتين المذكورتين أعلاه، لأن معظم الفترات لا يوجد بها شيء سلس. تم تصميم طريقة Croston لهذا الغرض: فهي تحتفظ بسلسلتين سلستين، واحدة لحجم البيع وواحدة للفجوة بين المبيعات، ويتم تحديثها فقط عند بيع شيء ما بالفعل.

معدل التنبؤ = (حجم الطلب السلس) ÷ (الفاصل الزمني السلس بين المبيعات)

وهي تعاني من نقطة ضعف موثقة خاصة بها: حيث وجدت الأبحاث التي أجريت على هذه الطريقة تحيزًا إيجابيًا ثابتًا، مما يعني أنها تميل إلى المبالغة في التنبؤ. يمكن للتصحيح المقترح بشكل شائع أن يبالغ في التصحيح بالطريقة الأخرى، لذلك لا يكون أي من الإصدارين محايدًا بشكل افتراضي. من الجدير معرفة ما إذا كان عدد قليل من الأشخاص البطيئين لديك سيستخدمونه، دون توقع رقم محدد مرتبط بالتحيز، لأنه لا يوجد مصدر يمكن تتبعه يضعه.

إعادة ترتيب التنبؤ على أساس نقطة

الصيغة نقطة إعادة الترتيبلا يتم إدراجه عادةً ضمن "التنبؤ"، ولكنه يعمل كواحد: متوسط المبيعات اليومية، المتوقع عبر المهلة الزمنية، بالإضافة إلى المخزن المؤقت. نفس مثال Cedar & Fig، 250 جرام من هذا الدليل (5 وحدات في اليوم، مهلة 12 يومًا، 30 وحدة من المخزون الآمن) يصل إلى نقطة إعادة طلب تبلغ 90 وحدة، وهذه 90 هي في الواقع توقعات طلب قصيرة الأفق تحمل اسم نقطة الزناد.

وهو يناسب الطلب السلس إلى المعتدل غير المنتظم بشكل جيد، لنفس السبب الذي يجعل المتوسط ​​المتحرك مناسبا: فهو يفترض أن السرعة الأخيرة هي بديل عادل للسرعة في المستقبل القريب. يتوقف الأمر عن المعنى بمجرد أن يصبح SKU متقطعًا أو متكتلًا. "متوسط ​​المبيعات اليومية" بالكاد يعني أي شيء بالنسبة لمنتج يتم بيعه مرتين في الشهر بكميات مختلفة تمامًا، ونقطة إعادة الطلب المبنية على هذا المتوسط ​​تؤدي إلى لحظة خاطئة تقريبًا في كلتا الحالتين.

التنبؤ الحكمي

تعمل الأساليب الحكمية على تحويل الخبرة والمقارنة إلى رقم عندما لا يكون هناك سجل مبيعات كافٍ للعمل من خلال صيغة: SKU متكتل حقًا، أو واحد ليس له تاريخ على الإطلاق. الجدير بالمعرفة: التنبؤ التناظري (العثور على منتج موجود ومماثل واستخدام نمطه المبكر كقالب)، ورأي الخبراء، وطريقة دلفي، وهي عملية منظمة من التقدير المجهول والمتعدد الجولات المصمم لتقليل التفكير الجماعي الذي يميل إلى إنتاج رأي واحد أو مناقشة مفتوحة.

لا شيء من هؤلاء محايد. تحمل التقديرات التقديرية تحيز المقدر الخاص من خلال البناء، وترتكز على رقم أولي أو جدول أعمال لا علاقة له بالمنتج. يكون رأي الخبراء أضعف عندما يكون أكثر أهمية: شيء جديد حقًا، مع عدم وجود سابقة حقيقية للاستدلال منه. النتيجة الأكثر اتساقًا في البحث هي أن الجمع بين أكثر من طريقة واحدة (التقدير التناظري، والتقدير التقديري، والأسابيع الحقيقية الأولى للمبيعات بمجرد وصولها) يتفوق على الاعتماد على أي طريقة واحدة.

يستحق الطلب المتكتل الإشارة هنا، نظرًا لأنه النمط الذي لم تتعامل معه أي من الأساليب الكمية المذكورة أعلاه بشكل جيد: التوقيت غير المنتظم والحجم غير المتوقع، معًا، من بين أصعب مشاكل التنبؤ الموجودة، وفقًا للبحث، مع عدم وجود حل بصيغة واحدة. بالنسبة لمنتج جديد تمامًا على وجه التحديد، بدون سجل مبيعات حتى الآن،نحن نغطي هذه القضية بالكامل: المقارنة التناظرية، والإشارات المبكرة، والتحجيم من الدرجة الأولى في ظل عدم اليقين الحقيقي.

الاختيار حسب حجم الكتالوج

أقل من 30 وحدة SKU تقريبًا، تقريبًا كل ما سبق يعمل يدويًا. اختر متوسطًا متحركًا أو معادلة نقطة إعادة الطلب للبائعين السلسين، ولاحظ وحدات SKU المتقطعة أو المتكتلة وتعامل مع تلك التي تتمتع بقدر أكبر من الحكم ومخزن مؤقت أوسع، وأعد الحساب شهريًا.

وبعيدًا عن ذلك، فإن القيد الحقيقي ليس هو الصيغة "الأفضل". إنه أن الكتالوج الحقيقي ليس نمط طلب واحدًا أبدًا. يحتوي المتجر النموذجي على مجموعة من المنتجات الأكثر مبيعًا، ومجموعة واسعة من المنتجات غير المنتظمة من الطبقة المتوسطة، وذيل طويل من وحدات SKU المتقطعة والمتكتلة التي بالكاد تبيع ما يكفي لمتوسط ​​أي شيء منها. إن تطبيق أسلوب واحد على كل منهم لا يعد تبسيطًا، بل إنه عدم تطابق مع معظم الكتالوج.

إن إعادة تصنيف النمط الذي ينتمي إليه كل SKU، وإعادة تشغيل الصيغة الصحيحة لكل واحد، أمر يمكن التحكم فيه في بضع عشرات من وحدات SKU، وهو أمر غير مستدام حقًا بعد بضع مئات يتم إجراؤه يدويًا كل شهر.StockCueلا يطلب منك اختيار طريقة واحدة وتطبيقها على كل شيء. فهو يمزج بين نافذة المبيعات الحديثة والأساسية لكل SKU، ويضيف حساسية الاتجاه والمؤشرات الموسمية في الأعلى، ويستبعد القيم المتطرفة تلقائيًا، في كل خطة بما في ذلك الخطة المجانية. للتعرف على العملية الكاملة التي تناسب هذا، راجع موقعناالدليل الكامل لـ Shopify التنبؤ بالمخزون.

الأسئلة المتداولة

ما هي أبسط طريقة للتنبؤ بالمخزون لمتجر صغير في Shopify؟

بالنسبة لكتالوج صغير من البائعين الثابتين، عادة ما يكون المتوسط ​​المتحرك البسيط أو صيغة نقطة إعادة الطلب الحالية كافيا - وكلاهما يحتاج فقط إلى متوسط ​​المبيعات الأخيرة، وفترة زمنية محددة، ومخزن مؤقت. إنها نقطة البداية الصحيحة للطلب السلس على وجه التحديد؛ إن SKU الذي نادرًا ما يتم بيعه أو بكميات مختلفة تمامًا يحتاج إلى نهج مختلف.

ما الفرق بين المتوسط ​​المتحرك والتجانس الأسي؟

يمنح المتوسط ​​المتحرك كل فترة داخل نافذة ثابتة وزنًا متساويًا ويسقط أي شيء أقدم تمامًا. يحافظ التجانس الأسي على التاريخ كله، لكنه يسمح لتأثيره بالتراجع كلما رجع إلى الوراء، ويتحكم فيه ثابت التجانس، ألفا. كلاهما يشتركان في نفس القيود الأساسية: لا يتعامل أي منهما مع الاتجاه بشكل جيد من تلقاء نفسه، وهذا هو السبب وراء وجود متغيرات التجانس الأسي المعدلة حسب الاتجاه والموسم.

متى يجب على متجر Shopify استخدام التنبؤ النوعي بدلاً من الصيغة؟

عندما لا يكون هناك سجل مبيعات كافٍ لمعادلة يمكن حسابها منها - منتج جديد تمامًا، أو SKU حالي يكون الطلب عليه متكتلًا حقًا (توقيت غير منتظم وكمية غير متوقعة معًا). إن النهج الأقوى في تلك الحالة هو الجمع بين أكثر من أسلوب حكمي، أو تقدير تقديري مع بيانات المبيعات الحقيقية المبكرة، بدلاً من الثقة في رأي واحد.

هل تتغير أفضل طريقة للتنبؤ مع نمو المتجر؟

إن الطريقة الصحيحة لوحدة SKU معينة تتعلق حقًا بنمط الطلب الخاص بها، وليس بحجم المتجر مباشرةً - ولكن الكتالوج الأكبر يحتوي على المزيد من وحدات SKU الموجودة في كل نمط في وقت واحد، ويصبح تصنيف كل منها وإعادة حسابه يدويًا هو القيد الحقيقي. هذه ليست مشكلة "صيغة أفضل" بقدر ما هي مشكلة "من لديه الوقت لإعادة ذلك كل شهر".