Hoe u stockouts kunt voorspellen voordat ze zich voordoen
Het voorspellen van een stockout is beter dan het reageren op een stockout. Hier leest u hoe u de voorraaddagen afzet tegen de doorlooptijd en hoe u een slechte trend kunt ontdekken voordat deze op is.
De meeste winkels komen er via een badge, een rapport of een klantbericht achter dat ze bijna geen voorraad meer hebben, en ze komen alle drie na de trend die dit heeft veroorzaakt. Dan kies je tussen een spoedbestelling en een paar gemiste verkopen, terwijl een week eerder dezelfde beslissing nog vijf minuten had gekost.
Voorspellen is een gewoonte, niet een formule die je één keer berekent. De individuele signalen waar u op moet letten, worden behandeld in een aparte checklist:Tien waarschuwingssignalen dat je bijna zonder zit. Dit bericht is het proces achter het opmerken ervan voordat de SKU al in de problemen komt; voor het volledige preventiebeeld dat verder gaat dan alleen voorspellen, ziehoe u voorraadtekorten op Shopify kunt voorkomen.
Waarom voorspelling beter is dan reactie
Een bestelpunt vertelt u wanneer u moet handelen. Er staat niet dat het nummer erachter verouderd is. Reageren op een overschreden drempel is nog steeds nuttig, maar is gebaseerd op een veronderstelling die iemand heeft gemaakt bij de laatste instelling ervan – meestal een momentopname van de verkoopsnelheid en doorlooptijd.
Voorspellen houdt in dat je die aanname volgens een schema controleert, en niet alleen maar wacht op het alarm dat erop vertrouwt dat het nog steeds juist is. Dat is een andere gewoonte dan één keer waarschuwingen instellen en verder gaan - en het is de gewoonte die een stockout signaleert terwijl het bestelpunt nog steeds zegt dat alles in orde is.
Dagen van voorraad versus doorlooptijd
De vergelijking die de moeite waard is om regelmatig te maken is eenvoudig: zet uwdagen inventarisnaast de doorlooptijd van uw leverancier. Als het aantal dagen voorraad ruim boven de doorlooptijd ligt, zou een vandaag geplaatste bestelling ruimte overhouden. Als de levertijd beneden de levertijd komt, komt een vandaag geplaatste bestelling nog steeds aan als het schap leeg is, ongeacht wat het bestelpunt zegt.
Dit is de reden waarom die kloof zelfs kan ontstaan op een SKU met een correct gebouwd bestelpunt. Neem Ceder & Vijg, 250 g, uit de bestelpuntformule: 5 eenheden per dag, een levertijd van 12 dagen, 30 eenheden veiligheidsvoorraad, voor eenopnieuw ordenen puntvan 90 eenheden. Dat aantal klopte op de dag dat het werd ingesteld.
Drie maanden later, zeg maar, is de verkoop van deze kaars stilletjes verdubbeld tot 10 eenheden per dag, een seizoensdruk of een langzame opbouw die niemand heeft opgemerkt. Niemand heeft het herschikkingspunt opnieuw berekend, dus het staat nog steeds op 90. De voorraad overschrijdt de 90 en de waarschuwing gaat precies af zoals bedoeld. Maar bij de huidige snelheid is 90 eenheden slechts negen dagen voorraad, drie dagen minder dan de doorlooptijd van twaalf dagen, voordat de bestelling zelfs maar is verzonden.
eenheden/dag, oude vs. huidige snelheid
doorlooptijd per dag, ongewijzigd
eenheidsherschikkingspunt, nog steeds ingesteld op de oude snelheid
dagen aan inventaris over wanneer dat brand veroorzaakt
Het herschikkingspunt was niet verkeerd toen het werd gebouwd. Door het aantal inventarisdagen rechtstreeks te vergelijken met de doorlooptijd, wordt duidelijk dat deze nu te laag is, hetzelfde probleem met de snelheid waarmee de herschikkingspuntgids zelf de sectienamen "drie fouten" noemt, eerder opgemerkt door twee getallen te vergelijken in plaats van op één drempel te vertrouwen.
Kijken naar de snelheidstrend
De bovenstaande voorraaddagencontrole registreert een snelheidsverandering zodra deze al groot genoeg is om het getal te verplaatsen. Als u ziet hoe de trend eerder wordt opgemerkt: plaats een recente periode (laatste 30 dagen) naast een langere periode (laatste 90 dagen) voor uw SKU's met een hoger volume en zoek naar het recente getal dat afwijkt van de langere periode.
Een trailing-30-gemiddelde dat ruim boven het trailing-90-gemiddelde ligt, is hetzelfde signaal als het uitgewerkte voorbeeld hierboven, dat een paar weken eerder werd opgemerkt, terwijl er nog steeds ruimte is om het herschikkingspunt te herberekenen in plaats van een bestelling te overhaasten. Onze gids ophet verbeteren van de nauwkeurigheid van de voorspellingenbehandelt het correct herberekenen van de snelheid zodra je de verschuiving hebt opgemerkt.
De stockout-feedbacklus
Voorspelling is belangrijker dan het lijkt, omdat een voorraadtekort niet alleen de dagen kost dat een SKU op nul staat, maar ook de gegevens kan vertekenen die u zou gebruiken om de volgende te voorspellen. Uit de verkoopgeschiedenis van een voorraadperiode blijkt dat de vraag bijna nul is, niet omdat klanten het product niet meer wilden, maar omdat er niets te koop was. Een voorspelling die deze vlakke dagen als een reële vraag beschouwt, bestelt iets minder in de volgende cyclus, en is iets eerder op.
Dit effect, bekend als gecensureerde vraag, wordt volledig uitgelegd met een diagram in ons bericht opveelvoorkomende fouten bij het voorspellen van voorraad– de moeite waard om een keer te lezen, hier niet opnieuw beargumenteerd. De afhaalmogelijkheid voor een voorspellingsgewoonte: het vangen van een SKU voordat deze daadwerkelijk nul bereikt, zorgt ervoor dat deze lus helemaal niet op die SKU begint.
Een recensiegewoonte opbouwen
Een werkbare routine voor de meeste kleine catalogi:
- Wekelijks:controleer het aantal voorraaddagen en de doorlooptijd voor uw bestverkopende SKU's en SKU's met het hoogste risico.
- Maandelijks:herbereken de snelheid voor alles dat afwijkt van het recente gemiddelde, en werk het herschikkingspunt bij zodat dit overeenkomt.
- Na elke piek:een viraal moment, een promotie, een seizoenssprong – controleer de betrokken SKU’s onmiddellijk opnieuw in plaats van te wachten op de volgende geplande beoordeling.
Als je dit met de hand doet, voorbij enkele tientallen SKU's, houden de meeste winkels het niet meer bij.StockCueberekent elke nacht de vraagvoorspelling opnieuw op basis van live verkoopgegevens, voor elk abonnement, inclusief Gratis, zodat de bovenstaande vergelijking op zichzelf werkt in plaats van op een spreadsheet die u niet vergeet te openen.
AANDELENCUE
Een bestelpunt dat één keer is ingesteld en nooit meer wordt bezocht, is precies waar dit bericht voor waarschuwt. StockCue herberekent elke avond de snelheid ten opzichte van de live verkopen, voor elk abonnement, inclusief Gratis, zodat een verouderde drempel wordt onderschept voordat het u een voorraad kost.
Installeer StockCue op Shopify →Veelgestelde vragen
Hoe kun je een stockout voorspellen voordat deze plaatsvindt?
Vergelijk uw resterende voorraaddagen met de doorlooptijd van uw leverancier voor elke SKU, in plaats van alleen naar de ruwe voorraadtelling te kijken. Wanneer de resterende dagen onder de levertijd vallen, komt een vandaag geplaatste bestelling nog steeds binnen nadat het schap leeg is. Dat is het moment dat de moeite waard is om actie op te ondernemen, dagen of weken voordat een formeel bestelpunt of een badge met een lage voorraad wordt geactiveerd.
Wat is de relatie tussen het aantal dagen voorraad en de doorlooptijd als waarschuwingssignaal?
Dagen van voorraad vertellen u hoe lang uw huidige voorraad meegaat in het recente verkooptempo; Doorlooptijd geeft aan hoe lang het duurt voordat een nieuwe bestelling arriveert. Wanneer het aantal dagen voorraad ruim boven de doorlooptijd ligt, heeft u ruimte. Wanneer de levertijd onder de doorlooptijd komt, werkt de berekening niet meer – en een bestelpunt dat is berekend op basis van een ouder, langzamer verkooptempo kan dit missen, zelfs als het er op papier goed uitziet.
Waarom maakt de ene stockout de volgende waarschijnlijker?
Een voorraadtekort stopt de verkoop zolang het schap leeg is, en die vlakke periode wordt geregistreerd als een lage vraag in plaats van een verloren vraag. Een voorspelling die op die geschiedenis is gebaseerd, beschouwt de kloof als reëel, bestelt iets minder in de volgende cyclus en is iets eerder weer op – een patroon dat gecensureerde vraag wordt genoemd en dat volledig wordt behandeld in onze gids over fouten bij het voorspellen van voorraad.