Tutte le guide

Inventario21 agosto 20266 minuti di lettura

Errori comuni nella previsione dell'inventario di Shopify

Gli errori ricorrenti che rovinano silenziosamente la previsione dell'inventario di un negozio Shopify: dalle finestre di dati obsolete all'ignorare completamente i cambiamenti dei tempi di consegna.

La maggior parte degli errori di previsione non sono una cattiva formula. Sono una buona formula alimentata con un numero che era già sbagliato prima che iniziassero i calcoli. Questa è una lista di controllo, non un saggio: ogni elemento nomina l'errore e si collega al post che insegna la soluzione effettiva.

Uno di questi merita più di una riga prima dell'inizio dell'elenco, perché è quello che i commercianti vivono ripetutamente senza mai avere un nome.

Un esaurimento delle scorte non costa solo le vendite perse quella settimana. Insegna alle tue previsioni ad aspettarsi di meno. Se uno SKU si esaurisce e rimane fuori per tre giorni, la cronologia delle vendite mostra tre giorni di domanda prossima allo zero, non perché i clienti abbiano smesso di volerlo, ma perché sullo scaffale non c'era nulla da acquistare. Una previsione costruita su quella storia legge quei tre giorni piatti come reali, ordina un po’ troppo poco il ciclo successivo, si esaurisce di nuovo un po’ prima e si ripete. I ricercatori chiamano questa domanda censurata: il record delle vendite mostra ciò che sei stato in grado di vendere, non ciò che la gente effettivamente voleva, e una previsione che tratta i due come la stessa cosa porterà silenziosamente e sistematicamente sottoordine gli esatti SKU che continuano ad esaurirsi.

Un esaurimento delle scorte non costa solo le vendite di questa settimana: insegna alle tue previsioni ad aspettarsi di meno, in modo permanente, finché qualcuno non se ne accorge.

Why each stockout produces a smaller restock than the lastA line chart of one SKU’s stock level across three repeated stockout cycles. In each cycle the recorded stock level, drawn as a solid emerald line, depletes in a straight run down to zero, then sits flat on zero for a visible stockout window while there is nothing left to sell. During that flat window a dashed brass line continues below the zero line, representing the demand that still existed but could not be recorded, because a sale needs stock and there was none. When each stockout ends, stock jumps back up at a restock — but each restock lands lower than the one before it, so the highest point of the line drops visibly after every cycle, following the thin dashed line connecting the three restock peaks. This is illustrative of a pattern, not a real dataset, so there are no numbers on either axis. The argument: a forecast built only from recorded sales reads each stockout’s flat, near-zero demand as if it were real, so it orders a little less next time, produces a smaller peak, reaches the next stockout a little sooner, and repeats — the system is learning the wrong lesson from its own failure.Stock level after repeated stockoutssame SKU, three cycles — each restock lands lower than the lastStockoutagainagainRestocksmaller reorderRestocksmaller stilleach restock lands lower than the lastcycle repeatsstock level — what’s on the shelf, and what gets recordeddemand that existed but couldn’t be recorded — nothing was there to sell
Nessuno dei tre rifornimenti in questo grafico sembra sbagliato preso singolarmente: ognuno corrisponde a ciò che hanno mostrato i dati di vendita. I dati stessi mentivano già, una scorta alla volta.

Errori nei dati

  • Trattare i giorni di esaurimento delle scorte come una normale domanda bassa.La cronologia delle vendite di uno SKU esaurito sottostima la domanda reale, distorcendo al ribasso ogni previsione futura e rendendo più probabile, non meno, il prossimo esaurimento delle scorte. Costruire l'abitudine di coglierlo è importantemisurare se la tua previsione è effettivamente accurata.
  • Media di un anno intero anziché di una finestra recente.Una media annuale stantia non dice nulla su una velocità che è raddoppiata nell’ultimo trimestre. Vedi l'opinione del post sul punto di riordinoricalcolando da una finestra recente di 60-90 giorni.
  • Saltare la pulizia dei valori anomali prima della previsione.Un singolo ordine all'ingrosso o all'ingrosso rimasto nei dati gonfia ogni media ricavata da esso. La pulizia è inclusautilizzando i tuoi dati di vendita Shopify.
  • Applicazione del metodo di un prodotto consolidato a uno SKU senza cronologia.Non c'è velocità per calcolare la media quando un prodotto ha zero vendite precedenti: si applica una serie diversa di metodi. Vediprevisione di un prodotto nuovo di zecca.

Errori di metodo

  • Esecuzione di una media mobile piatta su un prodotto di tendenza o stagionale.Una media semplice non presuppone alcuna tendenza; ritarda un vero e proprio spostamento verso l’alto o verso il basso e non tiene conto delle oscillazioni stagionali. Vediquando la media mobile crolla.
  • Non confrontare mai i metodi con il modello del tuo catalogo.Il metodo adatto a un venditore stabile è spesso quello sbagliato per uno SKU con picchi o stagionalità. Inizia conconfronto tra metodi di previsione.

Errori di processo

  • Impostazione della previsione in modo che corrisponda a un obiettivo di vendita anziché al risultato probabile.Una previsione modificata silenziosamente per raggiungere un obiettivo smette di funzionare come segnale di allarme precoce e porta a un eccesso di scorte rispetto alla realtà. Copertomigliorare l’accuratezza delle previsioni.
  • Pubblicazione di un singolo numero senza intervallo attorno ad esso.Una previsione puntuale senza alcuna incertezza dichiarata non fornisce alcuna base per dimensionare una scorta di sicurezza. Vediscegliendo il numero della scorta di sicurezza.
  • Non controllare mai le previsioni rispetto a quanto effettivamente venduto.Una previsione che non viene mai confrontata con risultati reali può risultare errata per mesi prima che qualcuno se ne accorga. Esiste l’abitudine che vale la pena costruiremisurazione dell’errore di previsione.

Errori dovuti a fattori esterni

  • Senza notare che i tempi di consegna di un fornitore sono silenziosamente cambiati.Un punto di riordino costruito sul lead time di 10 giorni dell'anno scorso è sbagliato nel momento in cui diventa 18. Vederein che modo il lead time influisce sulla previsione.
  • Lasciare che il picco di una promozione distorca la linea di base in corso.Una settimana promozionale non contrassegnata inserita nella normale cronologia delle vendite sovrastima la domanda "tipica" per ogni futura settimana non promozionale. Vediin che modo le promozioni influiscono sulle previsioni.
  • Manca del tutto uno schema genuinamente stagionale.Una media piatta su un intero anno nasconde un’oscillazione che un indice stagionale avrebbe colto. Vediprevisione dell'inventario stagionale.

Alcuni di questi sono problemi strutturali, non di sforzo: una finestra di velocità stantia, un cambiamento inosservato dei tempi di consegna, un esaurimento delle scorte che distorce silenziosamente la previsione successiva al ribasso. Ricalcolando manualmente ogni SKU, ogni settimana, in teoria si rilevano questi; in pratica è il compito che sfugge per primo una volta che un catalogo supera quello che una persona può tenere in testa.StockCuericalcola ogni notte le previsioni di ogni SKU dai dati degli ordini in tempo reale, rimuovendo strutturalmente molti di questi errori invece di fare affidamento su qualcuno che si ricorda di controllare.

STOCKCUE

Finestre obsolete e modifiche dei tempi di consegna inosservate sono facili da non notare a mano e difficili da perdere quando una previsione viene ricalcolata ogni notte. StockCue lo fa per ogni SKU, con un piano gratuito che copre i tuoi primi 50.

Installa StockCue su Shopify →

Devmerx

Devmerx è un'agenzia di sviluppo Shopify e WordPress che aiuta i marchi DTC a creare negozi più veloci, migrazioni più pulite ed esperienze di conversione più elevate. Con sede a Londra, Regno Unito, serve clienti in tutto il mondo.

Guarda il nostro lavoro

Hai bisogno di aiuto con il tuo negozio Shopify?

Devmerx crea e ottimizza i negozi Shopify per i marchi DTC. Prenota una consulenza gratuita di 20 minuti.

Prenota una consulenza gratuita