Voorraadprognose voor nieuwe producten (geen verkoopgeschiedenis)

Elke voorspellingsmethode op deze site tot nu toe gaat uit van één ding: dat het product eerder is verkocht, dus er is een verkoopgeschiedenis om op basis van te berekenen. Een gloednieuwe SKU heeft er geen. Op de eerste dag heeft het een gemiddelde dagelijkse verkoop van nul, geen standaardafwijking, niets wat een formule ook maar zou kunnen gebruiken – en u moet nog steeds beslissen hoeveel eenheden u wilt bestellen.

Het koudestartprobleem

In de literatuur over operationeel onderzoek wordt dit het koudestartprobleem genoemd, en het is de moeite waard om er vooraf eerlijk over te zijn: elke onderstaande methode is inherent minder betrouwbaar dan het voorspellen van een gevestigd product met een echte verkoopgeschiedenis. Dat is een structureel kenmerk van het probleem, en niet een tekortkoming van welke methode dan ook: je vervangt analogie, oordeel of een dun vroeg signaal voor de directe historische gegevens die een voortschrijdend gemiddelde of een afvlakkingsmodel feitelijk nodig heeft. Een belofte van nauwkeurigheid zou hier een leugen zijn; het eerlijke doel is een verdedigbare startschatting en een snelle manier om deze te corrigeren. Dit is ook de redenseizoensvoorspellingenis nog niet van toepassing: een seizoensindex heeft een jaar of langer van de eigen geschiedenis van het product nodig om op te bouwen, wat een gloednieuwe SKU per definitie niet heeft.

Een collegiaal getoetst overzicht van de voorspelling van nieuwe producten groepeert de gedocumenteerde benaderingen in vier families: beoordelingsmethoden (het vergelijken van het nieuwe product met vergelijkbare bestaande producten, de mening van deskundigen, gestructureerde panels zoals de Delphi-methode), consumentenonderzoek (concepttesten, pre-lanceringstestmarkten), diffusiemodellen (adoptiecurven geleend van vergelijkbare volwassen producten) en methoden voor machinaal leren die meer trainingsgegevens nodig hebben dan een kleine catalogus. De eigen conclusie is hier het nuttigst: het combineren van meer dan één methode is beter dan het vertrouwen op één enkele methode.

Analoge producten gebruiken

De meest praktische versie hiervan, en degene die in de onderzoeksliteratuur 'productlevenscyclus-analogie' wordt genoemd, is wat verkopers informeel al doen: een bestaande SKU vinden die zo dicht mogelijk bij de nieuwe ligt - dezelfde categorie, vergelijkbare prijs, hetzelfde seizoen, dezelfde klant - en de vroege doorverkoopcurve als sjabloon gebruiken, niet alleen het totale volume.

Stel dat u "Sea Salt & Cedar, 250g" lanceert naast uw bestaande lijn "Cedar & Fig, 250g". Cedar & Fig heeft een jarenlange geschiedenis en verkoopt constant 5 eenheden per dag. Sea Salt & Cedar deelt hetzelfde klantenbestand, dezelfde prijs en dezelfde levertijd van twaalf dagen voor leveranciers – maar het is onbewezen. Er bestaat geen formule die je vertelt bij welk deel van het volume van Cedar & Fig een nieuwe, verwante geur zal openen; die korting is het oordeel dat analoge prognoses altijd vereisen. Een handelaar die zijn eigen publiek kent, zou redelijkerwijs kunnen verwachten dat een nauw verwant product in de eerste weken ergens tussen de helft en het volledige gevestigde volume wordt geopend - dat is een uitgangspunt om te testen aan de hand van echte bestellingen, en niet een getal dat als afgehandeld moet worden beschouwd.

Andere vroege vraagsignalen

Analogie is niet het enige signaal dat beschikbaar is vóór de lancering. Pre-orders, toevoegingen aan verlanglijstjes, teaseradvertenties en aanmeldingen voor 'laat me weten wanneer beschikbaar' bevatten allemaal echte informatie, ook al wordt geen enkele omgezet in verkopen tegen een bekend, vast tarief. Beschouw elk als een richtingsaanpassing van de analoge schatting – een sterke verlanglijstreactie neigt je naar de hogere kant van je bereik, een rustige naar de onderkant – in plaats van een getal dat je in een formule stopt. Geen enkele bron geeft een verdedigbaar succespercentage voor deze signalen; behandel alles dat u één specifiek cijfer oplevert als een gok en niet als een feit.

De eerste bestelling op maat maken

Zodra u een schatting van de vraag heeft, hoe grof ook, gelden dezelfde basismechanismen als bij de berekening van nabestellingen: u heeft voldoende voorraad nodig om de doorlooptijd van de leverancier te dekken, plus een marge om fouten te kunnen maken.

Als we het voorbeeld voortzetten: het bovenstaande bereik was "ergens tussen de helft en het volledige gevestigde volume" - 2,5 tot 5 eenheden per dag voor de basislijn van 5 per dag van Cedar & Fig. Stel dat u op 3 eenheden per dag terechtkomt, richting het conservatieve einde, aangezien een eerste bestelling precies het punt is waarop voorzichtigheid geboden is. Bij dezelfde doorlooptijd van twaalf dagen is de vraag naar de doorlooptijd alleen al 3 × 12 = 36 eenheden. Omdat dat cijfer van drie eenheden per dag eerder een gok is dan een gemeten gemiddelde, is de gebruikelijke berekening van de veiligheidsvoorraad niet helemaal van toepassing: er is nog geen echte standaardafwijking om in te pluggen. De praktische stap die de meeste kleine winkels in plaats daarvan maken, is om betekenisvol naar boven af ​​te ronden boven het absolute doorlooptijdgetal, genoeg om te voorkomen dat ze een voorraad inslaan als de schatting laag is, zonder zo veel te bestellen dat een verkeerde gok contant geld in onverkochte voorraad vastlegt. Er is geen formule die deze oordeelsoproep wegneemt; behandel het uiteindelijke nummer als een startpositie, niet als een doelwit om te verdedigen.

Snel corrigeren zodra gegevens binnenkomen

Op het moment dat er echte bestellingen binnenkomen, zijn ze meer waard dan welke schatting dan ook vóór de lancering, hoe zorgvuldig ook gemotiveerd. Bereken opnieuw zodra er een betekenisvol handvol daadwerkelijke verkopen is; wacht niet eerst tot een vaste periode is verstreken. Geen enkele bron die dit pakket kan verifiëren, geeft een verdedigbaar universeel aantal dagen of weken om te wachten voordat er op vroege verkopen kan worden vertrouwd; behandel alle inhoud waarin dit specifiek wordt vermeld als een handig klinkende gok, en niet als een gedocumenteerde standaard. Waar het om gaat is de gewoonte om de schatting vaak te vergelijken met de werkelijkheid, en niet met het exacte interval.

Het bekijken van de eerste dagen met bestellingen van een nieuwe SKU en het handmatig opnieuw berekenen van de schatting is het soort tracking dat een week standhoudt en daarna stilletjes stopt.StockCueheeft ook geen speciale koudestartmodus (niets zinvols, voor een product zonder geschiedenis), maar op het moment dat een nieuwe SKU voldoende eigen verkoopgegevens verzamelt, neemt de voorspelling automatisch over van uw handmatige schatting, waarbij elke nacht opnieuw wordt berekend op basis van de eigen bestelgeschiedenis van dat product in plaats van op basis van de lanceringsschatting waarmee u bent begonnen.

Zodra een product een echte geschiedenis heeft,voorspellingsmethoden vergelijkenende herschikkingspuntformuleneem het over van de schatting in dit bericht - of begin vanafde complete gids voor Shopify-voorraadprognosesals u wilt dat het volledige proces van begin tot einde verloopt.

Veelgestelde vragen

Hoe voorspel je de vraag naar een product zonder verkoopgeschiedenis?

U voorspelt het niet op de manier zoals u dat met een gevestigde SKU zou doen: er is geen verkoopgeschiedenis om de snelheid op te baseren. In plaats daarvan maak je een schatting: het vergelijken van het nieuwe product met vergelijkbare bestaande producten (analoge prognoses), het lezen van de eerste signalen die er vóór de lancering zijn, en het conservatief dimensioneren van de eerste bestelling, zodat een verkeerde inschatting goedkoop te corrigeren is.

Wat is analoge voorspelling?

Analoge prognoses betekent het vinden van een of meer bestaande producten die zo veel mogelijk lijken op de nieuwe (zelfde categorie, prijsniveau, seizoen en doelgroep) en het gebruik van hun vroege verkooppatroon als startsjabloon, aangepast voor eventuele bekende verschillen tussen de twee producten.

Hoeveel eenheden moet u bestellen voor de eerste run van een gloednieuw product?

Voldoende om de doorlooptijd van uw leverancier te dekken tegen de door u geschatte vraagsnelheid, waarbij de omvang bewust conservatief is gehouden, omdat de schatting zelf een gok is en geen gemeten gemiddelde. Er bestaat geen formule die de beoordelingsbeslissing wegneemt: het doel is een bestelling die zo klein is dat een verkeerde gok geen buitensporig veel geld in beslag neemt, en groot genoeg om daadwerkelijk iets te leren van echte verkopen.

Wanneer beschikt een nieuw product over voldoende gegevens om over te schakelen naar normale prognoses?

Er is geen universeel overeengekomen aantal dagen of weken: behandel elke bron die er specifiek één vermeldt als een in de regel opgemaakte gok. Wat verdedigbaar is, is de praktijk zelf: herbereken uw schatting elke keer dat er betekenisvolle nieuwe verkoopgegevens binnenkomen, in plaats van te wachten tot een vaste periode verstrijkt voordat u deze "mag" bijwerken.