Shopify-Inventarprognose: Vollständiger Leitfaden für 2026

Suchen Sie nach „So prognostizieren Sie den Lagerbestand für Shopify“ und die meisten Ergebnisse verkaufen Ihnen entweder Software, bevor Sie die Mathematik erklären, oder erklären die Mathematik mit Zahlen, die sich nicht wirklich summieren, wenn Sie sie überprüfen. Dies ist die vollständige Version: Was Prognosen sind, wie man sie diese Woche tatsächlich von Hand durchführt, welche Methode zu Ihrem Katalog passt, wie man eine Prognose in einen Auftrag umwandelt und wie man verhindert, dass sie veraltet.

Ein laufendes Beispiel zieht sich durch diesen gesamten Leitfaden – eine Kerze namens „Cedar & Fig“, 250 g, verkauft 5 Einheiten pro Tag, mit einer Lieferantenvorlaufzeit von 12 Tagen und einem Sicherheitsbestandspuffer von 30 Einheiten. Es handelt sich um das gleiche Beispiel, das in allen unseren Inventarbeiträgen verwendet wird, sodass die Zahlen von einem Leitfaden zum nächsten gleich bleiben und nicht jedes Mal zurückgesetzt werden.

Was ist eine Bestandsprognose?

Bei der Bestandsprognose wird anhand Ihrer eigenen Verkaufshistorie abgeschätzt, wie viel von einem Produkt Sie in einem zukünftigen Zeitraum verkaufen werden, sodass Sie entscheiden können, wie viel Lagerbestand Sie bereithalten möchten, bevor Sie es benötigen. Dabei handelt es sich um eine Zahl, die auf echten Verkaufsdaten basiert und nicht auf Schätzungen, und sie weist eine Fehlerquote auf, die umso kleiner wird, je mehr Daten Sie eingeben. Für die vollständige Definitionsbehandlung, einschließlich der Unterschiede zur „Nachfrageprognose“ und der Anzeichen dafür, dass ein Geschäft über das Raten hinausgewachsen ist, siehewas Bestandsprognose eigentlich bedeutet. Dieser Leitfaden knüpft an dieser Stelle an und führt Sie durch die tatsächliche Umsetzung.

Prognosen sind ein Teil einer größeren Disziplin. SieheUnser Leitfaden zu den Grundlagen der Bestandsverwaltungum ein vollständiges Bild zu erhalten, einschließlich der Bestandszählung, der Vermeidung von Diskrepanzen und der Kennzahlen, die Ihnen sagen, ob es sich bei der von Ihnen gehaltenen Aktie um die richtige Aktie handelt.

Warum Shopify-Shops es brauchen

Einem Geschäft, das keine Prognosen erstellt, passieren zwei Fehler, die in entgegengesetzte Richtungen wirken. Ein tatsächlich verkauftes Produkt geht zur Neige und der Verkauf geht (manchmal endgültig an den Kunden) an den Konkurrenten, der es noch auf Lager hat. Ein Produkt, das sich nicht so gut verkauft wie in der Startwoche vorgeschlagen, wird überbestellt, und das Geld, mit dem es bezahlt wurde, bleibt in einem Lagerhaus, anstatt das nächste zu finanzieren, was das Geschäft tatsächlich braucht.

Eine Prognose macht keinen der beiden Fehler unmöglich. Keine Prognose ist jemals genau richtig, und sie als Garantie zu betrachten, ist ein eigener Fehler, aber sie ersetzt eine Bauchgefühlszahl durch eine, die auf den tatsächlichen Käufen der Kunden basiert. Das ist der Unterschied zwischen der Reaktion auf ein Aktienproblem, nachdem es auftritt, und dem Erwarten, dass es ein paar Wochen später auftritt. Wenn die Begriffe Bedarfsplanung und Bestandsplanung in Ihrem Team lose verwendet werden, können Sie sie in den häufig gestellten Fragen am Ende dieses Leitfadens entwirren.

Wie man Prognosen erstellt, Schritt für Schritt

Hier ist der Prozess von Ende zu Ende. Jeder Schritt wird ausreichend erklärt, um ihn tatsächlich ausführen zu können. In den folgenden Abschnitten gehen wir tiefer auf die Teile ein, die es brauchen.

1. Rufen Sie Ihre Verkaufshistorie ab.Mindestens 60 bis 90 Tage für eine etablierte SKU – mehr, wenn das Produkt ein saisonales Muster aufweist, das die Prognose widerspiegeln soll. Wo sich diese Daten tatsächlich in Shopify befinden und wie Sie sie bereinigen, bevor Sie etwas berechnen, erfahren Sie weiter unten.
2. Berechnen Sie Ihre Grundgeschwindigkeit.Teilen Sie die Gesamtzahl der verkauften Einheiten durch die Anzahl der Tage in Ihrem Fenster. Zeder & Feige, 250 g, 450 Einheiten verkauft in den letzten 90 Tagen: 450 ÷ 90 = 5 Einheiten pro Tag. Jede andere Zahl in diesem Leitfaden baut auf diesem einzelnen Tarif auf.
3. Wählen Sie eine Methode, die zum Muster passt.Ein flacher, stabiler Verkäufer stellt ein anderes Prognoseproblem dar als eines mit einem starken Trend, einer saisonalen Schwankung oder fast keiner Verkaufshistorie, und die richtige Methode hängt davon ab, welches Modell Sie betrachten. Als nächstes verglichen.
4. Passen Sie an, was ein flacher Durchschnitt nicht erfasst.Eine konstante Geschwindigkeitszahl geht davon aus, dass das Leben langweilig bleibt, und das ist oft nicht der Fall. Ein echtes saisonales Muster, das im Dezember ausgeprägter und im Juli schwächer ist, wird durch einen einfachen Durchschnitt geglättet; sehenPrognose des saisonalen Lagerbestandsstattdessen einen Saisonindex zu erstellen. Eine geplante Beförderung führt zu einem vorübergehenden Anstieg, den ein einfacher Durchschnitt anschließend fälschlicherweise als neuen Basiswert betrachtet. sieheWie sich Werbeaktionen auf die Bestandsprognose auswirkenzum Schätzen des Anstiegs und zum Zurücksetzen der Basislinie, sobald er vorbei ist. Und wenn die Vorlaufzeit eines Lieferanten nicht so fest ist, wie die folgende Formel annimmt, ändert diese Variabilität, wie viel Puffer die Prognose darüber hinaus benötigt; siehewie sich Lieferantenvorlaufzeiten auf Ihre Prognose auswirkenfür die Mechanik.
5. Verwandeln Sie die Prognose in eine Zahl, auf die Sie reagieren können.Eine tägliche Verkaufsrate ist an sich keine Entscheidung. Sie müssen immer noch wissen, wann Sie nachbestellen müssen und wie viel Sie bestellen müssen. Beide Formeln sind unten aufgeführt.
6. Vergleichen Sie es mit dem, was tatsächlich passiert ist, und passen Sie es an.Eine Prognose, die nie mit den tatsächlichen Umsätzen verglichen wird, entwickelt sich im Laufe einer Saison einfach schief. Am Ende wird es mit „Keeping It Accurate“ behandelt.

Eine Methode wählen

Für die meisten etablierten SKUs mit stetigen, nicht im Trend liegenden Verkäufen reicht ein einfacher gleitender Durchschnitt (der Durchschnitt Ihrer Verkäufe in den letzten Wochen) aus, und das ist die Standardeinstellung, auf die wir die meisten kleinen Kataloge hinweisen würden. Es bricht zusammen, sobald die Verkäufe eines Produkts steigen oder fallen, weil ein einfacher Durchschnitt hinter einem sich bewegenden Trend zurückbleibt, anstatt ihn zu verfolgen.Unser tiefer Einblick in den gleitenden Durchschnittgeht die Formel durch und genau, wo sie nicht mehr funktioniert;der vollständige Methodenvergleichdeckt die Alternativen ab, einschließlich der exponentiellen Glättung, die schneller auf die letzten Wochen reagiert, allerdings auf Kosten der Geräuschentwicklung.

Für eine brandneue SKU ohne Verkaufshistorie gibt es keine der oben genannten Möglichkeiten. Das ist ein anderes Problem mit einer anderen Methode: Vergleich des neuen Produkts mit ähnlichen Produkten, die bereits im Katalog enthalten sind, statt einen Mittelwert aus der Historie zu bilden, die noch nicht existiert. SiehePrognose des Lagerbestands für neue Produktedafür, wie das funktioniert.

Berechnen Sie, was Sie brauchen

Eine Prognose allein ist eine Rate, Einheiten pro Tag. Um daraus eine Entscheidung zu machen, müssen zwei unterschiedliche Fragen beantwortet werden, und diese zu vermischen ist einer der häufigsten Fehler in dieser Gruppe.

Das erste istwann nachbestellt werden muss– der Bestellpunkt.

Nachbestellpunkt = (Durchschnittlicher Tagesumsatz × Vorlaufzeit in Tagen) + Sicherheitsbestand

Zurück zu Cedar & Fig, 250 g: 5 Einheiten pro Tag, eine 12-tägige Lieferantenvorlaufzeit und ein Sicherheitslagerpuffer von 30 Einheiten. Bestellpunkt = (5 × 12) + 30 = 60 + 30 = 90 Einheiten. Wenn der Lagerbestand auf 90 sinkt, wird die Bestellung nicht früher und nicht später versendet. Die vollständige Formel, einschließlich der Dimensionierung dieses Sicherheitsbestandspuffers für einen Verkäufer mit höheren Anforderungen oder einen weniger zuverlässigen Lieferanten, finden Sie hierUnser Nachbestellpunkt-Leitfaden.

Das zweite istwie viel zu bestellen ist– ein Ziellagerbestand, der nicht mit dem oben genannten Nachbestellpunkt übereinstimmt. Sobald Sie Ihre Prognose, Ihre Durchlaufzeit und den gewünschten Puffer kennen, wird diese Menge in einer eigenen Berechnung durchgegangenwie viel Inventar Sie behalten sollten.

Verwendung Ihrer Shopify-Verkaufsdaten

Jede Prognose beginnt mit echten Verkaufszahlen und Shopify verteilt diese auf verschiedene Orte.Bestellungen → ExportierenIm Admin erhalten Sie die Rohversion, jede Werbebuchung, jede SKU, jedes Datum als CSV. DieGesamtumsatz nach ProduktundGesamtumsatz nach VarianteBerichte lassen sich schneller überfliegen, aber jeder fasst Ihren gesamten ausgewählten Zeitraum in einer Zeile pro Produkt zusammen, sodass Sie für sich genommen keinen tagesaktuellen Trend erhalten. Um eine tatsächliche Zeitreihe zu erhalten, müssen sie wiederholt über kürzere Zeitfenster ausgeführt oder verwendet werdenGesamtumsatz im Zeitverlaufmit hinzugefügten Produktspalten.

Welchen Bericht Sie abrufen, wie weit zurückblicken und was Sie bereinigen müssen, bevor Sie etwas berechnen (Großbestellungen, Testbestellungen, Rückerstattungen), ist ein eigener Leitfaden:Prognose der Nachfrage anhand Ihrer Shopify-Verkaufsdaten.

Halten Sie es genau

Eine Prognose ist keine einmalige Berechnung. Die Verkaufsgeschwindigkeit schwankt, Lieferanten ändern ihre Lieferzeiten, ohne es Ihnen mitzuteilen, ein Produkt geht viral oder wird stillschweigend nicht mehr verkauft, und eine Prognose, die einmal im Januar erstellt wurde, ist im Juni falsch, unabhängig davon, ob es jemand bemerkt hat oder nicht. Die Gewohnheit, die eine Prognose nützlich macht, besteht darin, sie mit dem zu vergleichen, was tatsächlich passiert ist, und Anpassungen vorzunehmen, anstatt jedes Mal, wenn sich etwas merkwürdig anfühlt, von Grund auf neu zu berechnen.So verbessern Sie die Prognosegenauigkeitumfasst die Messung dieser Lücke in einfachen Worten;Häufige Prognosefehlerist die Checklistenversion desselben Problems.

Wenn Sie dies alles von Hand erledigen, ist die Prognose nicht mehr nur eine Tabellenkalkulationsaufgabe, die Sie einmal erstellt haben, sondern wird zu einer wiederkehrenden Aufgabe. Die Geschwindigkeit neu berechnen, die tatsächliche Vorlaufzeit jedes Lieferanten überprüfen, jede SKU mit ihrem eigenen Bestellbestand vergleichen: Bei einem Katalog von sogar hundert SKUs ist das eine wöchentliche Aufgabe, mit der fast niemand wirklich Schritt hält, wenn eine arbeitsreiche Saison kommt. Das ist wasStockCuehat folgende Aufgabe: Es berechnet automatisch die Bedarfsprognose mit Saisonalität aus der Bestellhistorie Ihres Shops neu, und zwar bei jedem Plan, einschließlich Free, und Growth fügt ein „Warum diese Menge?“ hinzu. Aufschlüsselung hinter jeder vorgeschlagenen Bestellung, damit die Nummer kein schwarzes Kästchen ist.

Wohin als nächstes?

Alle tiefergehenden Themen in diesem Leitfaden an einem Ort:

• Was Prognosen eigentlich bedeuten, im Detail
• Verwendung Ihrer eigenen Shopify-Verkaufsdaten
• Vergleich von Prognosemethoden
• Die Formel für den gleitenden Durchschnitt hat funktioniert
• Wie viel Inventar Sie tatsächlich benötigen
• Prognosen zu Lieferantenvorlaufzeiten
• Prognosen rund um eine Werbeaktion
• Prognose der saisonalen Nachfrage
• Prognose eines brandneuen Produkts
• Verbesserung der Prognosegenauigkeit
• Häufige Prognosefehler, die Sie vermeiden sollten

Häufig gestellte Fragen

Was ist eine Bestandsprognose?

Bei der Bestandsprognose wird auf der Grundlage der eigenen Verkaufshistorie abgeschätzt, wie viel von einem Produkt ein Geschäft in einem zukünftigen Zeitraum verkaufen wird, sodass es im Voraus entscheiden kann, wie viel Lagerbestand bereitgehalten werden soll. Es basiert auf echten Verkaufsdaten und nicht auf Vermutungen und beinhaltet eine Fehlerquote statt einer garantierten Zahl. Die Ausgabe fließt typischerweise direkt in einen Nachbestellpunkt und eine Bestellmenge ein.

Wie beginne ich mit der Bestandsprognose für meinen Shopify-Shop?

Rufen Sie die Verkaufshistorie Ihrer meistverkauften SKUs für mindestens 60 bis 90 Tage ab und berechnen Sie die durchschnittlichen Tagesverkäufe für jede dieser SKUs – diese einzelne Zahl ist eine funktionierende Basisgeschwindigkeit. Von dort aus reichen ein einfacher gleitender Durchschnitt und die Neuordnungspunktformel aus, um zu beginnen; Sobald diese Grundlage geschaffen ist, können fortgeschrittenere Methoden und Anpassungen an Trends oder Saisonalität erfolgen.

Ist die Bestandsprognose dasselbe wie die Nachfrageprognose?

In der Praxis, in einem Shopify-Shop, ja – die Begriffe werden austauschbar verwendet. Technisch gesehen sagt die Nachfrageprognose voraus, was Kunden kaufen möchten, und die Bestandsprognose wandelt diese Prognose in eine Lagerentscheidung um, aber bei den meisten Geschäften mit nur einem Standort oder reinen Online-Shops fallen diese in derselben Berechnung zusammen.

Was ist der Unterschied zwischen Bedarfsplanung und Bestandsplanung?

Die Bedarfsplanung schätzt, wie viel Kunden wollen werden; Die Bestandsplanung entscheidet, was tatsächlich bestellt und gelagert werden soll, und verwendet dabei diese Schätzung sowie Durchlaufzeit, Bargeld und Lagerhaltung. Der erste erzeugt eine Nummer, der zweite wandelt sie in eine Bestellung um. Die meisten kleinen Shopify-Shops fassen beides in einer Bewegung zusammen – oft in derselben Tabellenregisterkarte – und das ist in Ordnung, solange beide Fragen beantwortet werden: Wie viel wird verkauft und wie viel sollte ich behalten. Die Unterscheidung wird erst dann wichtig, wenn für jeden Schritt unterschiedliche Personen verantwortlich sind, denn dann kann eine Prognose richtig und die Reihenfolge dennoch falsch sein.

Benötige ich eine spezielle Software, um den Lagerbestand auf Shopify zu prognostizieren?

Nein. Mit einer Tabelle mit Ihrer Verkaufshistorie und der Formel für den gleitenden Durchschnitt oder den Nachbestellpunkt erhalten Sie eine funktionierende Prognose. Software verdient ihren Platz, wenn Sie diese Formeln für mehr SKUs neu berechnen, als Sie manuell verwalten können, oder wenn Sie möchten, dass die Prognose automatisch aktualisiert wird, wenn sich die Verkaufsmuster ändern.