Bestandsprognose für neue Produkte (keine Verkaufshistorie)

Bisher geht jede Prognosemethode auf dieser Website von einer Sache aus: dass das Produkt schon einmal verkauft wurde, es also eine Verkaufshistorie gibt, auf deren Grundlage die Berechnung erfolgen kann. Eine brandneue SKU hat keine. Am ersten Tag hat es null durchschnittliche Tagesverkäufe, null Standardabweichung, null alles, was eine Formel gebrauchen könnte – und Sie müssen immer noch entscheiden, wie viele Einheiten Sie bestellen möchten.

Das Kaltstartproblem

In der Fachliteratur zur Betriebsforschung wird dies als Kaltstartproblem bezeichnet, und es lohnt sich, im Vorfeld ehrlich zu sein: Jede der unten aufgeführten Methoden ist von Natur aus weniger vertrauenswürdig als die Prognose eines etablierten Produkts mit tatsächlicher Verkaufshistorie. Das ist ein strukturelles Merkmal des Problems und kein Mangel einer einzelnen Methode – Sie ersetzen die direkten historischen Daten, die ein gleitender Durchschnitt oder ein Glättungsmodell tatsächlich benötigt, durch Analogie, Urteilsvermögen oder ein dünnes Frühsignal. Ein Versprechen auf Genauigkeit wäre hier eine Lüge; Das ehrliche Ziel ist eine vertretbare Ausgangsschätzung und eine schnelle Möglichkeit, diese zu korrigieren. Das ist auch der Grundsaisonale Vorhersagetrifft noch nicht zu – ein saisonaler Index benötigt ein Jahr oder mehr der eigenen Produktgeschichte, um aufgebaut zu werden, was bei einer brandneuen SKU per Definition nicht der Fall ist.

Eine peer-reviewte Überprüfung der Prognose neuer Produkte gruppiert die dokumentierten Ansätze in vier Familien: Beurteilungsmethoden (Vergleich des neuen Produkts mit ähnlichen bestehenden Produkten, Expertenmeinung, strukturierte Panels wie die Delphi-Methode), Verbraucherforschung (Konzepttests, Testmärkte vor der Markteinführung), Diffusionsmodelle (Annahmekurven, die von vergleichbaren ausgereiften Produkten übernommen wurden) und Methoden des maschinellen Lernens, die mehr Trainingsdaten benötigen als ein kleiner Katalog. Die eigene Schlussfolgerung ist hier der nützlichste Teil: Die Kombination mehrerer Methoden ist besser, als sich auf eine einzelne zu verlassen.

Verwendung analoger Produkte

Die praktischste Version davon, die in der Forschungsliteratur als „Produktlebenszyklus-Analogie“ bezeichnet wird, ist das, was Händler informell bereits tun: Finden Sie eine vorhandene SKU, die der neuen möglichst nahe kommt – gleiche Kategorie, ähnlicher Preispunkt, gleiche Saison, gleicher Kunde – und verwenden Sie deren frühe Abverkaufskurve als Vorlage, nicht nur das Gesamtvolumen.

Angenommen, Sie bringen „Meersalz & Zeder, 250 g“ neben Ihrer etablierten Linie „Zeder & Feige, 250 g“ auf den Markt. Cedar & Fig blickt auf eine langjährige Geschichte zurück und verkauft beständig 5 Einheiten pro Tag. Sea Salt & Cedar hat denselben Kundenstamm, denselben Preis und dieselbe 12-tägige Lieferantenvorlaufzeit – aber das ist unbewiesen. Es gibt keine Formel, die Ihnen sagt, bei welchem ​​Bruchteil des Volumens von Cedar & Fig sich ein neuer, verwandter Duft öffnet; Dieser Abschlag ist das Ermessen, das analoge Prognosen immer erfordern. Ein Händler, der sein eigenes Publikum kennt, kann vernünftigerweise damit rechnen, dass ein eng verwandtes Produkt in den ersten Wochen irgendwo zwischen der Hälfte und dem vollen etablierten Volumen auf den Markt kommt – das ist eine Ausgangsannahme, die man mit realen Bestellungen vergleichen kann, und keine Zahl, die man als erledigt betrachtet.

Weitere frühe Nachfragesignale

Analogie ist nicht das einzige Signal, das vor dem Start verfügbar ist. Vorbestellungen, das Hinzufügen von Wunschlisten, die Einbindung von Teaser-Anzeigen und „Benachrichtigen Sie mich, wenn verfügbar“-Anmeldungen enthalten alle echte Informationen, auch wenn keine davon in Verkäufe zu einem bekannten, festen Preis umgewandelt wird. Betrachten Sie jedes als eine Richtungsanpassung der analogen Schätzung – eine starke Antwort auf die Wunschliste tendiert Sie zum oberen Ende Ihres Bereichs, eine ruhige zum unteren Ende – und nicht als eine Zahl, die Sie in eine Formel einfügen. Keine Quelle gibt für eines dieser Signale eine vertretbare Umrechnungsrate an; Betrachten Sie alles, was Ihnen eine bestimmte Zahl liefert, als Vermutung und nicht als Tatsache.

Dimensionierung der ersten Ordnung

Sobald Sie eine Bedarfsschätzung haben, wie grob sie auch sein mag, gelten die gleichen grundlegenden Mechanismen wie bei jeder Nachbestellungsberechnung: Sie benötigen genügend Lagerbestand, um die Vorlaufzeit des Lieferanten abzudecken, plus eine Marge für Fehler.

Fortsetzung des Beispiels: Der obige Bereich lag „irgendwo zwischen der Hälfte und dem vollen etablierten Volumen“ – 2,5 bis 5 Einheiten pro Tag für die Basislinie von 5 pro Tag von Cedar & Fig. Angenommen, Sie landen bei 3 Einheiten pro Tag, also eher im konservativen Bereich, denn bei der ersten Bestellung ist Vorsicht angebracht. Bei der gleichen 12-tägigen Vorlaufzeit beträgt der alleinige Vorlaufzeitbedarf 3 × 12 = 36 Einheiten. Da es sich bei dieser Zahl von 3 Einheiten pro Tag um eine Schätzung und nicht um einen gemessenen Durchschnitt handelt, lässt sich die übliche Berechnung des Sicherheitsbestands nicht einwandfrei anwenden – es gibt noch keine wirkliche Standardabweichung, die berücksichtigt werden muss. Der praktische Schritt, den die meisten kleinen Geschäfte stattdessen unternehmen, besteht darin, sinnvoll über die bloße Vorlaufzeit hinaus aufzurunden, um zu vermeiden, dass es zu Lagerbeständen kommt, wenn die Schätzung zur Neige geht, und ohne so viel zu bestellen, dass eine falsche Schätzung Bargeld in nicht verkauften Beständen bindet. Es gibt keine Formel, die diesen Urteilsspruch beseitigt; Behandeln Sie die endgültige Zahl als Startposition und nicht als Ziel, das es zu verteidigen gilt.

Schnelle Korrektur, sobald Daten eintreffen

Sobald echte Bestellungen eingehen, sind sie mehr wert als jede noch so sorgfältig begründete Schätzung vor der Markteinführung. Führen Sie eine Neuberechnung durch, sobald eine Handvoll tatsächlicher Verkäufe vorliegt – warten Sie nicht, bis ein bestimmter Zeitraum verstrichen ist. Keine Quelle, die dieses Paket überprüfen konnte, gibt eine vertretbare, universelle Anzahl von Tagen oder Wochen an, die man warten muss, bevor man auf frühe Verkäufe vertraut. Behandeln Sie jeden Inhalt, der dies ausdrücklich angibt, als eine bequem klingende Vermutung und nicht als dokumentierten Standard. Was zählt, ist die Gewohnheit, die Schätzung oft mit der Realität zu vergleichen, nicht das genaue Intervall.

Das Beobachten der ersten Bestelltage einer neuen SKU und das manuelle Neuberechnen der Schätzung ist die Art der Nachverfolgung, die eine Woche lang anhält und danach stillschweigend stoppt.StockCueverfügt auch nicht über einen speziellen Kaltstartmodus (was bei einem Produkt ohne Historie nicht sinnvoll ist), aber sobald eine neue SKU genügend eigene Verkaufsdaten sammelt, übernimmt ihre Prognose automatisch Ihre manuelle Schätzung und wird jede Nacht anhand der eigenen Bestellhistorie des Produkts und nicht anhand der Startschätzung, mit der Sie begonnen haben, neu berechnet.

Sobald ein Produkt eine echte Geschichte hat,Vergleich von Prognosemethodenunddie BestellpunktformelÜbernehmen Sie die Schätzung in diesem Beitrag – oder beginnen Sie damitDer vollständige Leitfaden zur Bestandsprognose von Shopifywenn Sie möchten, dass der gesamte Prozess von Ende zu Ende abläuft.

Häufig gestellte Fragen

Wie prognostizieren Sie die Nachfrage nach einem Produkt ohne Verkaufshistorie?

Sie prognostizieren es nicht wie bei einer etablierten SKU: Es gibt keine Verkaufshistorie, aus der Sie eine Geschwindigkeit berechnen könnten. Stattdessen schätzen Sie: Vergleichen Sie das neue Produkt mit ähnlichen bestehenden Produkten (analoge Prognose), lesen Sie alle frühen Signale, die vor der Markteinführung vorliegen, und legen Sie die Größe der ersten Bestellung konservativ fest, sodass eine falsche Schätzung kostengünstig korrigiert werden kann.

Was ist eine analoge Prognose?

Analoge Prognosen bedeuten, ein oder mehrere bestehende Produkte zu finden, die dem neuen möglichst ähnlich sind (gleiche Kategorie, Preisklasse, Saison und Zielkunde), und deren frühes Verkaufsmuster als Ausgangsvorlage zu verwenden, angepasst an alle bekannten Unterschiede zwischen den beiden Produkten.

Wie viele Einheiten sollten Sie für die Erstauflage eines brandneuen Produkts bestellen?

Ausreichend, um die Durchlaufzeit Ihres Lieferanten zu Ihrer geschätzten Nachfragerate abzudecken, wobei die Größe bewusst konservativ gewählt wurde, da es sich bei der Schätzung selbst um eine Schätzung und nicht um einen gemessenen Durchschnitt handelt. Es gibt keine Formel, die das Urteilsvermögen beseitigt: Das Ziel ist ein Auftrag, der klein genug ist, dass eine falsche Schätzung nicht übermäßig viel Geld bindet, und groß genug, um tatsächlich etwas aus echten Verkäufen zu lernen.

Wann verfügt ein neues Produkt über genügend Daten, um auf normale Prognosen umzustellen?

Es gibt keine allgemein anerkannte Anzahl von Tagen oder Wochen. Behandeln Sie jede Quelle, die eine bestimmte Zahl angibt, als eine als Regel getarnte Vermutung. Was vertretbar ist, ist die Praxis selbst: Berechnen Sie Ihre Schätzung jedes Mal neu, wenn aussagekräftige neue Verkaufsdaten eintreffen, anstatt einen bestimmten Zeitraum abzuwarten, bevor Sie sie aktualisieren „dürfen“.