Como melhorar a precisão da previsão de estoque do Shopify

Uma previsão “desligada” não é uma informação útil por si só. Quanto e em que direção estão duas questões distintas. A maioria dos comerciantes que dizem que suas previsões “não funcionam” nunca mediram nenhuma delas. A precisão melhora menos com uma fórmula melhor do que com o hábito de comparar uma previsão com o que realmente aconteceu e ler o que a lacuna diz.

Por que as previsões mudam

Na maioria das vezes, uma previsão não está errada porque o método está quebrado: está errada porque algo mudou no negócio e a previsão não se atualizou. Umprazo de entrega do fornecedorsilenciosamente ficou mais longo, umpromoçãoa procura aumentou e desapareceu, ou um padrão genuinamente sazonal reafirmou-se face a uma previsão que ainda calculava a média dos meses fora de época. Nada disso é uma falha de método: a previsão simplesmente não foi informada de que o terreno mudou.

Há uma tendência mais sutil sem nenhum evento por trás: uma ruptura de estoque. Quando um produto acaba, as vendas que você registra não são a demanda que existia: são a demanda que você conseguiu atender, limitada a zero no momento em que a prateleira se esvaziou. Uma previsão baseada nesse histórico lê a ruptura de estoque como “a demanda caiu”, e não como “acabamos”, e silenciosamente pede menos na próxima vez. Peça menos, acabe novamente e o número continuará caindo – um padrão documentado às vezes chamado de efeito espiral para baixo. Se a previsão de um SKU continuar falhando e também atingindo zero estoque, verifique o histórico de ruptura de estoque antes de tocar na fórmula.

Medindo o erro de previsão

“A que distância e em que direção” é a ideia toda. Vale a pena conhecer os termos formais abaixo, mas a questão em inglês simples é o que realmente muda o que você faz a seguir.

Erro Médio Absoluto (MAE) é o tamanho médio da falta, em unidades reais:

MAE = média de |Real − Previsão|

Digamos que a previsão da semana passada para "Cedro & Fig, 250g" era de 35 unidades e na verdade vendeu 42. A falta é |42 − 35| = 7 unidades. Expresso como uma porcentagem do que realmente foi vendido, esse mesmo erro é o Erro Percentual Médio Absoluto, ou MAPE:

MAPE = média de ( |Real − Previsão| ÷ Real ), em porcentagem

7÷42 = 16,7%. O MAPE é popular porque não tem escala – uma porcentagem permite comparar uma vela de cinco unidades por dia com uma de cinquenta unidades por dia, sem que o número maior pareça automaticamente pior. É exatamente aí que ele quebra.

Uma previsão de SKU de 2 unidades que vende 1 mostra um MAPE de 100% para aquela semana — |1 − 2| ÷ 1 = 100% — mesmo que a falha real tenha sido uma única unidade. A maioria dos pequenos catálogos do Shopify carrega uma longa cauda exatamente desse tipo de SKU de baixo volume, o que torna o MAPE menos confiável nos produtos que um comerciante mais precisa de uma leitura real. Acompanhe o MAE, ou uma contagem bruta de unidades, junto com ele para qualquer coisa vendida na casa de um dígito.

O tamanho por si só perde a direção. Bias – Erro Percentual Médio, ou MPE – mantém o sinal em vez de tomar o valor absoluto, então uma inclinação consistente aparece em vez de ser cancelada:

Viés de previsão (MPE) = média de ((Previsão - Real) ÷ Real), assinado

Para a mesma semana: (35 − 42) ÷ 42 = −16,7%. O sinal negativo indica que a previsão ficou abaixo do que realmente foi vendido. Uma semana disso é barulho. Uma série de semanas com resultados negativos é uma previsão sistematicamente baixa - um padrão que o MAE e o MAPE, por si só, não mostrarão a você, porque nenhum deles rastreia a direção.

Uma métrica relacionada, o sinal de rastreamento, captura esse tipo de execução – um total cumulativo dos erros assinados dividido pelo erro absoluto médio, observado em busca de um valor que se afasta consistentemente de zero. Um padrão comumente usado trata aproximadamente ±4 como algo que vale a pena investigar, mas isso é uma convenção do setor, não um limite estatístico derivado. O mesmo cuidado se aplica ao MAPE: não existe um número MAPE universal “bom”. O que é considerado razoável varia de acordo com a categoria, a volatilidade e o quão adiante você está prevendo – compare seu próprio número com sua própria tendência, não com um limite emprestado.

Previsão vs. revisão real

O erro de uma única semana não diz quase nada por si só – toda previsão falha às vezes, e uma falha de cinco unidades em um produto de cinco unidades por dia é uma história diferente da mesma falha em um produto de quinhentas unidades por dia. O que importa é a revisão: registrar a previsão e o valor real lado a lado, para o mesmo SKU, período após período, e observar o padrão em vez de reagir a qualquer número único.

Vale a pena separar duas coisas aí. O tamanho do erro informa a precisão da previsão recentemente. A direção - viés, acima - informa se há uma inclinação sistemática, um problema diferente com uma solução diferente de um erro que é simplesmente barulhento nos dois sentidos: barulhento, mas centrado, precisa de uma entrada mais estável, tendencioso precisa que a suposição subjacente seja corrigida.

A frequência com que isso será executado depende da rapidez com que um número errado fica caro. Quem se move rapidamente cria uma previsão ruim rapidamente, então semanalmente vale os dez minutos. Um vendedor lento pode ser verificado mensalmente sem perder muito – o risco geralmente é de uma mudança lenta, e não repentina.

Construindo um hábito de recalibração

Uma verificação que vale a pena executar antes de adicionar complexidade a uma previsão: compare-a com a linha de base mais simples possível, uma previsão ingênua que apenas repete o número real do último período adiante. Esta comparação tem um nome na prática de previsão, Valor Agregado de Previsão, e a questão por trás dela é contundente: será que a previsão mais cuidadosa está realmente superando o "basta usar o número da semana passada" ou o processo extra não está ganhando seu sustento?

Quando a revisão acima revela uma falha real e repetida (não uma semana barulhenta, mas um padrão), a solução raramente é uma fórmula diferente. Quase sempre é uma pequena lista de causas concretas: uma janela de vendas obsoleta que perdeu uma tendência real, um lead time que mudou sem que os dados fossem atualizados, uma promoção ou uma ruptura de estoque que distorceu silenciosamente a linha de base.Os erros comuns de previsão por trás dissovale a pena verificar diretamente, em vez de adivinhar.

Registrar uma previsão, esperar pelo real, calcular a lacuna e observar um padrão em um catálogo real é o tipo de hábito que sobrevive à primeira semana e desaparece na terceira.StockCuerecalcula a previsão de cada SKU todas as noites em relação às vendas reais, para que a comparação aconteça automaticamente, em vez de ficar em uma planilha. No Growth, a pergunta "por que essa quantidade?" o detalhamento mostra exatamente qual entrada (velocidade, tendência ou sazonalidade) movimentou o número, transformando “a previsão estava errada” em “a previsão estava errada por causa disso”.

Perguntas frequentes

Como você mede a precisão da previsão de estoque?

A precisão da previsão é medida comparando o que você prevê com o que realmente foi vendido e, em seguida, observando o tamanho e a direção da lacuna. O tamanho é geralmente expresso como MAE (o erro médio, em unidades) ou MAPE (o erro como percentual das vendas reais); a direção (se você está consistentemente com previsões excessivas ou insuficientes) é uma questão separada que importa tanto.

Qual é um erro de previsão razoável esperar de uma pequena loja do Shopify?

Não existe um número único de erro de previsão "bom" para cada loja do Shopify: depende da categoria, da volatilidade natural da demanda e do horizonte de previsão, e nenhuma fonte confiável define um limite universal. Em vez disso, rastreie seu próprio erro ao longo do tempo e por SKU: estabilizar ou melhorar é mais importante do que limpar uma barra externa, e um erro crescente em um SKU é o sinal para investigar, não o número absoluto.

Com que frequência você deve comparar uma previsão com as vendas reais?

Semanalmente para produtos de movimentação rápida, uma vez que uma previsão ruim aumenta rapidamente em grandes volumes. Mensalmente geralmente é suficiente para vendedores mais lentos, sem reagir ao ruído normal da semana a semana. De qualquer forma, isso precisa acontecer de forma consistente o suficiente para que uma mudança genuína (uma nova tendência, uma mudança no prazo de entrega, uma ruptura de estoque) seja detectada antes que se repita durante meses despercebida.

Para conhecer o processo completo em que esse hábito de medição se enquadra, consulteo guia completo para previsão de estoque do Shopify.