Seizoensinventaris voorspellen voor Shopify

Cedar & Fig, 250 gram wordt het grootste deel van het jaar verkocht aan de gebruikelijke vijf eenheden per dag, stijgt vervolgens elk jaar in november hard en daalt weer in januari. Een herschikkingspunt dat is opgebouwd op basis van een voortschrijdend negentigdagengemiddelde ziet dit nooit aankomen: het gemiddelde stijgt pas als de piek van november zich al binnen het raam bevindt, op welk punt de plank al weken dun is – en deze blijft hoog tot ver in het nieuwe jaar omdat de drukte van december nog steeds binnen hetzelfde gemiddelde ligt.

Dat is geen dataprobleem, maar een methodeprobleem. EENvoortschrijdend gemiddeldebehandelt elke waarneming hetzelfde, ongeacht de kalender; een echt seizoensproduct heeft een voorspelling nodig die weet welke maand het is. Dit verschilt van de eenmalige piek die een promotie veroorzaakt (ziehoe promoties voorraadprognoses beïnvloeden), omdat een seizoenspatroon zich jaar na jaar vanzelf herhaalt, zonder dat u iets doet om het te activeren. Zie onzecomplete gids voor Shopify-voorraadprognosesvoor het volledige proces waar dit in past.

Wat de vraag seizoensgebonden maakt

De standaard decompositie van tijdreeksen splitst de vraag op in een trend, een cyclische component, een seizoenscomponent en onregelmatige ruis, waarbij het seizoenselement wordt behandeld als een herhalende factor die aan de kalender is gekoppeld in plaats van aan de onderliggende groei of de willekeurige ups en downs. Er bestaan ​​twee versies van het model: additief, waarbij de schommelingen rond de trend ongeveer constant blijven, ongeacht hoe groot de trend is gegroeid, en multiplicatief, waarbij de schommelingen schalen met het huidige verkoopniveau – de meest gebruikelijke vorm voor detailhandelsverkopen gemeten in eenheden, aangezien een grotere winkel meestal ook een grotere november heeft, en niet alleen hetzelfde vaste extra bedrag.

Het moeilijkere in de praktijk is het onderscheiden van een echt seizoenspatroon uit een toevalstreffer. Eén ongewoon sterke novembermaand kan een reëel, terugkerend patroon zijn, maar ook een enkel viraal moment of een vroege koudegolf die dat jaar toevallig plaatsvond. Eén jaar kan de twee niet uit elkaar houden. Daarom heeft het opbouwen van een index meer dan één jaar aan gegevens nodig, zoals hieronder beschreven.

Een seizoensindex opbouwen

Een seizoensindex drukt uit hoeveel een bepaalde periode doorgaans boven of onder het seizoengebonden gemiddelde ligt – een factor, geen procentpuntcompensatie. Een index van 1,20 betekent dat de periode doorgaans 20% boven de basislijn ligt; een index van 0,5 betekent dat het doorgaans de helft van het basistarief bedraagt.

Seizoensindex voor een periode = Gemiddelde vraag in die periode over de afgelopen jaren ÷ Gemiddelde vraag in een normale periode in diezelfde jaren

De volledige statistische versie, de verhouding-tot-voortschrijdend-gemiddelde-methode, verwijdert eerst alle onderliggende trends met een gecentreerd voortschrijdend gemiddelde voordat de verhouding wordt berekend, wat er meer toe doet naarmate een winkel sneller groeit (meer hieronder). Zonder veel groeitrend is een directe vergelijking met uw normale periodegemiddelde voldoende om mee te werken.

Cedar & Fig, 250g bevat bijna 150 eenheden per maand buiten het seizoen – dezelfde snelheid van vijf per dag achter zijnBestelpunt voor 90 eenheden, gedurende een maand van 30 dagen. Gemiddeld over de afgelopen twee november zijn er 375 exemplaren verkocht. Seizoensindex voor november = 375 ÷ 150 = 2,5.

Vermenigvuldig uw huidige basisvoorspelling met de index om een seizoensgecorrigeerd getal te krijgen: bij een normale snelheid van 150 eenheden per maand wordt de voorspelling van november 150 × 2,5 = 375 eenheden – niet het gewone gemiddelde dat een vlak voortschrijdend gemiddelde u anders zou opleveren.

Minimale gegevens nodig

Je hebt minimaal een volledig jaar geschiedenis nodig voordat een seizoensindex iets betekent; je kunt pas weten hoe november zich gedraagt als je er een hebt waargenomen. Eén jaar geeft je één datapunt per periode, wat geen echt terugkerend patroon kan onderscheiden van een eenmalige oorzaak: een vroege koudegolf, een enkele virale post, een voorraadtekort die de volgende maand toevallig daalde. Het middelen van twee of meer jaren, zoals in het uitgewerkte voorbeeld hierboven, is waar de standaardtechniek voor het bouwen van een index voor bedoeld is: het ruis van één jaar opheffen door de verhouding van elke periode over meerdere jaren te middelen.

Geen enkele bron die we konden vinden geeft een duidelijk cijfer over hoeveel jaar precies ‘genoeg’ is, en elke specifieke regel die je elders tegenkomt wordt ook niet ondersteund door een primaire bron. Meer geschiedenis betekent over het algemeen meer vertrouwen; er is geen drempel waarop een index plotseling betrouwbaar wordt.

Aanpassen voor groei

Een seizoensindex die als een rechte ratio wordt berekend, heeft een blinde vlek: hij gaat ervan uit dat de basislijn waartegen hij is gemeten niet is verschoven. Als uw winkel sinds de afgelopen november is gegroeid, wordt door het toepassen van de oude index op de oude basislijn de piek van dit jaar onderschat. Het multiplicatieve model achter de seizoensindices beschouwt de seizoensinvloeden als evenredig aan het huidige niveau van de reeks, en niet als een vast aantal extra eenheden.

De oplossing is het toepassen van de index op uw huidige basislijn, en niet op de historische basislijn waarvan deze is afgeleid. Als de niet-seizoensgebonden snelheid van Cedar & Fig sinds die twee novembers is gegroeid van 150 eenheden per maand naar 180, dan is de voorspelling voor dit jaar 180 × 2,5 = 450, en niet de muffe 375 die het historische gemiddelde alleen al zou suggereren.

Wees ook voorzichtig met het projecteren van de groei in een rechte lijn. Een trend die past bij een stijging van een paar maanden, blijft datzelfde tempo extrapoleren, zelfs nadat het op natuurlijke wijze is afgevlakt. Controleer of uw recente snelheid nog steeds daadwerkelijk stijgt voordat u aanneemt dat dit het geval is.

Als je dit met de hand doet, betekent dit dat je meerdere jaren aan maandelijkse verkopen per SKU verzamelt, een ratio voor elke periode berekent en elke index opnieuw baseert op de huidige snelheid elke keer dat deze verandert - niet een spreadsheet die de meeste mensen na het eerste jaar actueel houden, over een catalogus met meer dan een paar seizoensregels.StockCueleidt automatisch een seizoensindex af uit de eigen bestelgeschiedenis van een winkel zodra een SKU twaalf maanden achter de rug heeft, en past deze toe op de maand waarvoor u koopt - gedempt en gelimiteerd, zodat een ongewoon sterke december de bestelling van januari niet verdrievoudigt, bij elk abonnement inclusief gratis.

Nog zonder twaalf maanden

Als je geen volledig jaar aan geschiedenis van een SKU hebt, werkt niets hierboven nog. Je kunt een periode die je nog nooit hebt waargenomen niet indexeren. Dat is een beperkter, ander probleem. Zie?het voorspellen van de voorraad voor nieuwe producten met een beperkte verkoopgeschiedenisvoor hoe u de vraag kunt inschatten totdat u genoeg heeft voor een echte index.

In de tussentijd is de beste oplossing het vergelijken van het nieuwe product met een ouder seizoensartikel in dezelfde categorie en het aannemen van een vergelijkbare vorm, op maat geschaald – dezelfde redenering voor nieuwe producten is in het algemeen gebaseerd op een seizoensindex en niet op een op zichzelf staande seizoensindex.

Veelgestelde vragen

Wat is een seizoensindex bij voorraadprognoses?

Een seizoensindex is een factor die aangeeft hoeveel een bepaalde periode doorgaans boven of onder uw normale, niet-seizoensgebonden vraag ligt. Een index van 1,5 betekent dat de periode doorgaans 50% boven de uitgangswaarde verkoopt; een index van 0,5 betekent dat het gewoonlijk tegen de helft van het basistarief wordt verkocht. Als u uw huidige basisprognose vermenigvuldigt met de index voor die periode, krijgt u een voor seizoensinvloeden aangepaste prognose.

Hoeveel verkoopgeschiedenis heeft u nodig om de seizoensvraag te voorspellen?

Minimaal een heel jaar, omdat u geen index kunt opbouwen voor een periode die u nog nooit hebt waargenomen. Verder bestaat er geen universeel overeengekomen aantal jaren: met twee of meer kun je eenmalige pieken en dalen uitgemiddelden, en meer geschiedenis betekent over het algemeen meer vertrouwen, maar er is geen vaste grens waarop een index plotseling betrouwbaar wordt.

Hoe voorspel je de seizoensvraag naar een snelgroeiende winkel?

Pas de seizoensindex toe op uw huidige basislijnsnelheid, niet op de oudere basislijn waartegen deze oorspronkelijk werd berekend. Een lineaire ratio berekend op basis van de omzet van de afgelopen jaren zal de piek van dit jaar onderschatten als de winkel sindsdien is gegroeid, omdat deze nog steeds het oude niveau meet in plaats van het huidige.

Wat moet u doen als u nog geen volledig jaar verkoopgeschiedenis heeft?

Beschouw het als een ander probleem dan seizoensvoorspellingen, in plaats van te proberen een index te forceren op gegevens die nog niet bestaan. Vergelijk het product met een ouder, vergelijkbaar artikel in uw catalogus als ruwe richtlijn, en schakel over naar een echte seizoensindex zodra u een volledig jaar over de geschiedenis van het nieuwe product beschikt.