Häufige Fehler bei der Lagerbestandsprognose von Shopify
Die wiederkehrenden Fehler, die die Bestandsprognose eines Shopify-Shops stillschweigend zunichte machen – von veralteten Datenfenstern bis hin zum völligen Ignorieren von Änderungen der Durchlaufzeit.
Die meisten Prognosefehler sind keine schlechte Formel. Sie sind eine gute Formel, die mit einer Zahl gefüttert wird, die bereits vor Beginn der Berechnung falsch war. Dies ist eine Checkliste, kein Aufsatz – jeder Punkt benennt den Fehler und verlinkt auf den Beitrag, der die eigentliche Lösung beschreibt.
Eines davon verdient mehr als eine Zeile vor Beginn der Liste, denn es ist das, was Händler immer wieder durchleben, ohne jemals einen Namen dafür zu haben.
Ein Fehlbestand kostet nicht nur die Verkäufe, die Sie in dieser Woche verpasst haben. Es lehrt Ihre Prognose, weniger zu erwarten. Wenn eine SKU ausverkauft ist und drei Tage lang ausverkauft bleibt, zeigt Ihre Verkaufshistorie drei Tage lang nahezu keine Nachfrage – nicht weil die Kunden sie nicht mehr wollten, sondern weil nichts im Regal zu kaufen war. Eine auf dieser Historie basierende Prognose betrachtet diese drei flachen Tage als real, bestellt im nächsten Zyklus etwas zu wenig, geht etwas früher wieder aus und wiederholt sich. Forscher nennen dies zensierte Nachfrage: Die Verkaufsaufzeichnung zeigt, was Sie verkaufen konnten, und nicht, was die Leute tatsächlich wollten, und eine Prognose, die beides als dasselbe behandelt, wird stillschweigend und systematisch genau die SKUs unterbestellen, die immer wieder ausverkauft sind.
Ein Fehlbestand kostet nicht nur den Umsatz dieser Woche – er lehrt Ihre Prognose, dauerhaft mit weniger zu rechnen, bis ihn jemand bemerkt.
Datenfehler
- Tage mit Fehlbeständen werden als normale geringe Nachfrage behandelt.Die Verkaufshistorie einer ausverkauften SKU unterschätzt die tatsächliche Nachfrage, verzerrt jede Zukunftsprognose nach unten und macht den nächsten Lagerbestand wahrscheinlicher und nicht weniger. Es gehört dazu, sich die Gewohnheit anzueignen, dies zu fangenMessen, ob Ihre Prognose tatsächlich korrekt ist.
- Durchschnittlich ein ganzes Jahr statt eines aktuellen Fensters.Ein veralteter Jahresdurchschnitt sagt nichts über eine Geschwindigkeit aus, die sich im letzten Quartal verdoppelt hat. Sehen Sie sich die eigene Meinung des Nachbestellpunkt-Beitrags anNeuberechnung aus einem aktuellen 60–90-Tage-Fenster.
- Überspringen der Ausreißerbereinigung vor der Prognose.Eine einzelne Groß- oder Großhandelsbestellung, die in den Daten verbleibt, erhöht jeden daraus erstellten Durchschnitt. Das Reinigen ist erledigtVerwenden Sie Ihre eigenen Shopify-Verkaufsdaten.
- Anwenden der Methode eines etablierten Produkts auf eine SKU ohne Historie.Es gibt keine Durchschnittsgeschwindigkeit, wenn für ein Produkt keine Vorverkäufe erzielt wurden – es gelten andere Methoden. SieheVorhersage eines brandneuen Produkts.
Methodenfehler
- Erstellen eines flachen gleitenden Durchschnitts für ein Trend- oder Saisonprodukt.Ein einfacher Durchschnitt setzt keinen Trend voraus; es hinkt einer echten Aufwärts- oder Abwärtsbewegung hinterher und übersieht saisonale Schwankungen gänzlich. Siehewenn der gleitende Durchschnitt zusammenbricht.
- Vergleichen Sie niemals Methoden mit dem Muster Ihres eigenen Katalogs.Die Methode, die für einen Stammverkäufer geeignet ist, ist für eine Spitzen- oder Saisonartikelnummer oft die falsche. Beginnen Sie mitVergleich von Prognosemethoden.
Prozessfehler
- Festlegen der Prognose so, dass sie einem Verkaufsziel und nicht dem wahrscheinlichen Ergebnis entspricht.Eine stillschweigend angepasste Prognose, um ein Ziel zu erreichen, funktioniert nicht mehr als Frühwarnsignal und führt zu Überbeständen im Vergleich zur Realität. EingedecktVerbesserung der Prognosegenauigkeit.
- Veröffentlichung einer einzelnen Zahl ohne Bereich um sie herum.Eine Punktprognose ohne angegebene Unsicherheit bietet keine Grundlage für die Dimensionierung eines Sicherheitsbestandspuffers. SieheWählen Sie Ihre Sicherheitsbestandsnummer.
- Vergleichen Sie niemals die Prognose mit den tatsächlichen Verkäufen.Eine Prognose, die nie mit tatsächlichen Ergebnissen verglichen wird, kann monatelang schiefgehen, bevor es irgendjemandem auffällt. Die Gewohnheit, die es wert ist, aufgebaut zu werden, ist inMessung des Prognosefehlers.
Fehler aufgrund externer Faktoren
- Nicht bemerken, dass sich die Vorlaufzeit eines Lieferanten stillschweigend geändert hat.Ein Nachbestellpunkt, der auf der letztjährigen Vorlaufzeit von 10 Tagen basiert, ist falsch, sobald er 18 erreicht. Siehewie sich die Vorlaufzeit auf Ihre Prognose auswirkt.
- Zulassen, dass der Spitzenwert einer Werbeaktion die aktuelle Basislinie verzerrt.Eine nicht gekennzeichnete Aktionswoche, die in die normale Verkaufshistorie eingerechnet wird, überbewertet die „typische“ Nachfrage für jede zukünftige Nicht-Aktionswoche. Siehewie sich Werbeaktionen auf Prognosen auswirken.
- Ein wirklich saisonales Muster fehlt völlig.Ein flacher Durchschnitt über ein ganzes Jahr verbirgt eine Schwankung, die ein saisonaler Index erfasst hätte. SiehePrognose des saisonalen Lagerbestands.
Bei einigen davon handelt es sich um strukturelle und nicht um Aufwandsprobleme – ein veraltetes Geschwindigkeitsfenster, eine unbemerkte Änderung der Vorlaufzeit, ein Lagerbestand, der die nächste Prognose stillschweigend nach unten verzerrt. Die wöchentliche Neuberechnung jeder SKU von Hand erfasst diese theoretisch; In der Praxis ist es die Aufgabe, die zuerst entfällt, sobald ein Katalog das übersteigt, was eine Person in ihrem Kopf fassen kann.StockCueberechnet jede Nacht die Prognose jeder SKU anhand von Live-Auftragsdaten neu, wodurch mehrere dieser Fehler strukturell beseitigt werden, anstatt sich darauf zu verlassen, dass jemand daran denkt, dies zu überprüfen.
STOCKCUE
Veraltete Zeitfenster und unbemerkte Durchlaufzeitänderungen sind manuell leicht zu übersehen und schwer zu übersehen, wenn eine Prognose jede Nacht neu berechnet wird. StockCue macht das für jede SKU mit einem kostenlosen Plan, der Ihre ersten 50 abdeckt.
Installieren Sie StockCue auf Shopify →Devmerx
Devmerx ist eine Shopify- und WordPress-Entwicklungsagentur, die DTC-Marken dabei unterstützt, schnellere Shops, sauberere Migrationen und Erlebnisse mit höherer Conversion-Rate aufzubauen. Mit Sitz in London, Großbritannien, betreut Kunden weltweit.
Sehen Sie sich unsere Arbeit an