Shopify の季節在庫を予測する方法

スギとイチジクの 250g は、一年のほとんどの期間、通常の 1 日あたり 5 個の販売ペースで販売されますが、その後、毎年 11 月に大幅に上昇し、1 月に戻ります。 90日間のローリング平均から構築された再注文ポイントは、このようなことが起こるとは決して考えていない。11月の急騰がすでに枠内に入るまで平均は上昇しないが、その時点で棚はすでに数週間にわたって薄くなっており、12月の急騰がまだ同じ平均の範囲内にあるため、新年になってもずっと上昇したままである。

それはデータの問題ではなく、メソッドの問題です。あ移動平均カレンダーに関係なく、すべての観測を同じように扱います。本当に季節限定の商品には、それが何月なのかを知るための予測が必要です。これは、プロモーションによって生じる 1 回限りのスパイクとは異なります (「プロモーションが在庫予測に与える影響）、季節パターンは、それを引き起こす何もしなくても、毎年、勝手に繰り返されるからです。私たちのを参照してくださいShopify 在庫予測の完全ガイドこれが当てはまるプロセス全体については。

需要に季節性がある理由

標準的な時系列分解では、需要を傾向、周期的要素、季節的要素、および不規則なノイズに分割し、季節要素を、基礎的な成長やランダムな浮き沈みではなく、カレンダーに関連付けられた繰り返しの要素として扱います。モデルには 2 つのバージョンが存在します。1 つは加算的なモデルで、トレンドの成長の大きさに関係なく、トレンドの変動がほぼ一定に保たれます。もう 1 つは乗算的なモデルで、現在の売上レベルに応じて変動が拡大します。これは、単位で測定される小売売上高のより一般的な形状です。これは、同じ固定の追加金額だけでなく、大規模な店舗の 11 月も通常より大きいためです。

実際には、真の季節パターンをまぐれから見分けるのが難しい部分です。異常に強い 11 月は、実際に繰り返されるパターンである可能性もあれば、その年にたまたま到来した 1 つのウイルスの瞬間または初期の寒波である可能性もあります。 1 年だけでは 2 つを区別することはできません。そのため、インデックスを適切に構築するには、以下で説明する 1 年以上のデータが必要になります。

季節指数の構築

季節指数は、特定の期間が通常、非季節化平均をどれだけ上回るか下回るかを表します。パーセントポイントのオフセットではなく係数です。インデックス 1.20 は、通常、期間がベースラインを 20% 上回ることを意味します。インデックス 0.5 は、通常、ベースライン レートの半分で実行されることを意味します。

期間の季節指数 = 過去数年のその期間の平均需要 ÷ 同じ年の通常期間の平均需要

完全な統計バージョンである移動平均比率法では、比率を計算する前に、まず移動平均を中心にして基礎的な傾向を取り除きます。この比率は、店舗の成長が速いほど重要になります (詳細は後述)。成長傾向があまり見られない場合は、通常期の平均と直接比較するだけでも十分に十分に効果的です。

スギとイチジクの 250g は、シーズン以外の月に 150 ユニット近くを保持します。これは、1 日あたり 5 個の販売速度と同じです。90 ユニットの再注文ポイント、月に 30 日以上。過去 2 回の 11 月の平均では、375 ユニットが販売されました。 11 月の季節指数 = 375 ÷ 150 = 2.5。

現在のベースライン予測に指数を乗算して、季節調整済みの数値を取得します。通常の月あたり 150 単位の速度では、11 月の予測は 150 × 2.5 = 375 単位になります。これは、平らな移動平均によって得られる単純な平均ではありません。

必要な最小限のデータ

季節指数が意味を持つようになるには、少なくとも丸 1 年間の履歴が必要です。11 月の動きを観察するまではわかりません。単年では、期間ごとに 1 つのデータ ポイントが得られますが、これでは、初期の寒波、単一のウイルス投稿、翌月にたまたま不景気になった在庫切れなど、本物の繰り返しパターンと 1 回限りの原因を区別することはできません。上記の例のように、2 年以上の平均を求めることは、インデックスを構築するための標準的な手法が行うために構築されたものであり、複数年の各期間の比率を平均することで 1 年間のノイズを打ち消します。

私たちが見つけることができた情報源は、「十分」とは何年であるかを正確に示している情報源はなく、他の場所で見られる特定の規則も一次情報源によって裏付けられていません。一般に、履歴が多いほど自信が増すことを意味します。インデックスが突然信頼できるようになるしきい値はありません。

成長に合わせて調整する

ストレート比率として計算される季節指数には盲点があります。それは、測定の対象となったベースラインが動いていないことを前提としているということです。過去 11 月以降に店舗が成長した場合、古いベースラインに古いインデックスを適用すると、今年のピークが過小評価されます。季節インデックスの背後にある乗法モデルでは、追加ユニットの固定数ではなく、シリーズの現在のレベルに比例するものとして季節性が扱われます。

修正方法は、インデックスを派生元の履歴ベースラインではなく、現在のベースラインに適用することです。これら 2 つの 11 月以来、Cedar & Fig の季節外の販売速度が月間 150 ユニットから 180 ユニットに増加したとすると、今年の予測は 180 × 2.5 = 450 となり、過去の平均だけで示唆されるような古い 375 ではありません。

今後の成長を直線的に予測する場合にも注意してください。数か月にわたる増加に適合した傾向は、自然に横ばいになった後でも同じ速度を外挿し続けます。最近の速度がまだ実際に上昇していると思い込む前に、実際に上昇していることを確認してください。

これを手作業で行うということは、SKU ごとに複数年間の月間売上高を取得し、各期間の比率を計算し、変化するたびに現在の速度に対してすべての指標を再ベースすることを意味します。これは、ほとんどの人が最初の年以降、数行以上の季節ラインを含むカタログ全体で最新の状態を保持しているスプレッドシートではありません。ストックキューSKU に 12 か月遅れがあると、ストア独自の注文履歴から季節指数が自動的に導出され、それを購入する月に適用します。減衰および上限が設定されているため、無料を含むすべてのプランで、1 つの異常に好調な 12 月が 1 月の注文の 3 倍になることはありません。

まだ12か月も経っていないのに

SKU に 1 年間の履歴がない場合、上記のことはまだ機能しません。観察したことのない期間にインデックスを付けることはできません。それはより狭い別の問題です: を参照してください。販売履歴が限られている新製品の在庫を予測する実際のインデックスに十分な量が得られるまで需要を見積もる方法については、

それまでのところ、最も近い回避策は、新製品を同じカテゴリ内の古い季節品と比較し、サイズに合わせて同様の形状を想定することです。新製品の予測は、それ自体の季節指数ではなく、一般的に同じ類似製品の推論に依存します。

よくある質問

在庫予測における季節指数とは何ですか?

季節指数は、特定の期間が通常の季節を除いた通常の需要をどれだけ上回るか下回るかを示す要素です。指数 1.5 は、その期間の売上が通常ベースラインを 50% 上回ることを意味します。指数 0.5 は、通常、基準レートの半分で販売されることを意味します。現在のベースライン予測にその期間の指数を乗算すると、季節調整済みの予測が得られます。

季節需要を予測するにはどれくらいの販売履歴が必要ですか?

観察したことのない期間のインデックスを作成することはできないため、少なくとも丸 1 年は必要です。それを超えると、普遍的に合意された年数は存在しません。2 年以上であれば、1 回限りの急騰や急落を平均化できます。一般に、履歴が多いほど信頼性が高くなりますが、指数が突然信頼できるようになる固定のカットオフはありません。

急成長している店舗の季節需要をどのように予測しますか?

季節指数は、最初に計算された古いベースラインではなく、現在のベースライン速度に適用されます。過去数年の売上高に対して計算されたストレート比率は、店舗がそれ以来成長している場合、今年のピークを過小評価することになります。これは、現在のレベルではなく古いレベルをまだ測定しているためです。

まだ 1 年間の販売履歴がない場合はどうすればよいでしょうか?

まだ存在しないデータにインデックスを強制的に適用しようとするのではなく、季節予測とは別の問題として扱います。大まかなガイドとして、その製品をカタログ内の古い同様のアイテムと比較し、新製品自体の履歴を 1 年間把握したら、実際の季節インデックスに切り替えます。