Прогнозування попиту в електронній комерції: повний посібник на 2026 рік

Ви готуєте стартове замовлення, тримаючи поряд торішні показники продажів і комерційну пропозицію постачальника. Кількості виглядають обґрунтованими — поки маркетинг не призначає флеш-розпродаж, а маркетплейс не змінює, які товарні позиції бачать покупці. І ось на одному складі вже порожні полиці, а на іншому лежить товар, який не продати без знижки.

Очевидна відповідь — покращити прогноз. Але навіть досконаліший алгоритм не допоможе, якщо історія продажів трактує недоступні товари як непопулярні, або якщо закупівельники взагалі не використовують прогноз під час оформлення замовлень. Вам потрібна система прийняття рішень, а не просто переконливіший графік.

Прогнозування попиту в електронній комерції пов'язує споживчий попит із закупівлями, виконанням замовлень і грошовими зобов'язаннями. Виконане ретельно, воно також робить невизначеність видимою, тож ви можете відрізнити надійну оцінку для поповнення запасів від прогнозу запуску, який заслуговує на менше стартове замовлення.

Практична робота починається з ваших записів про запаси та завершується операційним рішенням. Між цими двома точками вам доведеться обирати методи залежно від моделі поведінки товару, тестувати їх, не допускаючи витоку майбутньої інформації, та оцінювати акції не лише за початковим сплеском продажів. Критерій успіху простий: чи допомагає прогноз закуповувати та просувати товар із більшим прибутком?

Що прогнозує попит в електронній комерції та чому це важливо

У сценарії із запуском повторення торішнього замовлення передбачає, що ті самі клієнти прийдуть тими самими каналами й куплять у тих самих місцях. Флеш-розпродаж змінює стимул до купівлі. Зміна видимості на маркетплейсі змінює охоплення. Жодне з цього не вписується у звичайне сезонне коригування.

Прогнозування попиту в електронній комерції оцінює, скільки одиниць товару захочуть клієнти в кожному майбутньому періоді — за товаром, каналом і локацією. Уявіть це як прогноз погоди для вашого складу: минулі закономірності формують очікування, а відомі майбутні події змінюють прогноз.

За оцінками UNCTAD, світові продажі в електронній комерції становили приблизно 26,7 трильйона доларів у 2019 році, що еквівалентно близько 30% світового ВВП, а частка онлайн-роздрібу в загальному роздрібному обсязі зросла з 16% до пандемії до 19% у 2020 році. Ці показники охоплюють ширшу комерцію, ніж вітрина окремого продавця, але вони ілюструють, наскільки швидко можуть змінюватися припущення щодо каналів.

Зростання, повторювані піки та раптові шоки можуть виглядати однаково в колонці продажів. Розділіть їх, перш ніж вкладати гроші.

Корисну основу для зв'язку прогнозів з операційною діяльністю надають основи планування попиту від Reddog Consulting Group. Зрештою, ваш прогноз має інформувати:

• Закупівлі: Що й коли замовляти.
• Потужності виконання замовлень: Де потрібні запаси та робоча сила.
• Фінансове планування: Скільки фінансування потребують майбутні зобов'язання щодо запасів.

Розробка ознак і очищення даних перед моделюванням

Перш ніж замінювати алгоритм, перевірте вхідну таблицю. Дубльовані замовлення, невідповідні ідентифікатори SKU та відсутні записи про запаси можуть призвести до того, що технічно коректна модель відповідатиме не на те питання.

Ознаки (features) — це питання, які ви ставите своїм даним. Замість того, щоб надавати лише вчорашні продажі, дайте моделі достатньо контексту, щоб відрізнити інтерес покупців від умов продажу.

Створюйте ознаки, зрозумілі байєрам

Практичний базовий набір включає:

• Лагові продажі: Продажі за минулий тиждень і за аналогічний період минулого року — погляд у дзеркало заднього виду на попит.
• Ковзні середні: Як варіанти налаштувань, протестуйте середні за 7, 28 і 91 день, щоб відрізнити недавню динаміку від загального базового рівня.
• Календарні позначки: Свята, патерни зарплатних днів і місцеві торговельні події.
• Ціна та глибина знижки: Фактична ціна продажу, а не просто позначка акції.
• Доступність: Дні наявності на складі, статус лістингу та обмеження виконання замовлень.
• Охоплення та конверсія: Покази товару, трафік і покупки там, де дані надійні.
• Повернення: Повернені одиниці та момент, коли товар знову стає придатним для продажу.

Чітко визначайте ціль прогнозу. Валові замовлені одиниці допомагають планувати потужність комплектації замовлень; збережені одиниці та придатні для продажу повернення важливі при оцінці чистого споживання запасів.

Використовуйте агреговану поведінкову інформацію там, де це можливо. Обмежуйте доступ до записів на рівні клієнтів, видаляйте непотрібні ідентифікатори та дотримуйтесь застосовних вимог щодо конфіденційності під час об’єднання систем електронної комерції та аналітики.

Пояснюйте дні з нульовими продажами

Дослідження прогнозування в роздрібній торгівлі оцінило дані з 20,9% пропусків і виявило, що 99,9% товарних рядів містили принаймні один день із нульовими продажами, в середньому 492 дні з нульовими продажами на ряд; локалізовані моделі на основі дерев також перевершили складніші архітектури глибокого навчання в цьому контексті.

Ці результати не визначають причину кожного нуля. Ваші операційні записи мають розрізняти справжній низький попит від дефіциту товару, відсутніх фідів маркетплейсу, неактивних лістингів і змін у каталозі.

Позначайте недоступний день як censored demand (прихований попит): продажі спостережувані, але попит, який ви могли б задовольнити, — ні. Не замінюйте його автоматично вигаданою оцінкою продажів. Зберігайте оригінальний запис, додавайте позначку доступності та документуйте будь-яке правило оцінки.

Для нового або повільно рухомого SKU об’єднуйте інформацію з порівнянних товарів за категорією, ціною та каналом. Використовуйте охоплення, конверсію, час наявності на складі та заміни, щоб відрізнити товар, якого покупці ще не бачили, від того, який вони відхилили.

Перевірка даних: Чи можете ви пояснити кожен нуль і чи можете ви відтворити щоденну доступність?

Поки спостереження не дозволяють зробити вужчу оцінку, показуйте широкий інтервал прогнозу поряд із точковим прогнозом. Байєрам потрібно бачити діапазон і заявлене покриття, а не просто нібито точне значення.

Вибір методу прогнозування для кожного типу товару

Жодна модель не підходить для всіх випадків. Підбирайте метод відповідно до характеру попиту та даних, які у вас є на момент оформлення замовлення.

Стабільний бестселер може мати чіткий тижневий ритм. Товар, продажі якого залежать від акцій, може продаватися переважно під час кампаній. Товар з нерегулярним попитом, наприклад нішева запчастина, може не мати продажів тривалий час, а потім раптово отримати замовлення.

Це різні завдання прогнозування. Якщо застосовувати до них однакове налаштування, обслуговувати систему стає простіше, але рішення щодо закупівель можуть стати гіршими.

Методи прогнозування за типом попиту на товар

Розглядайте наведену нижче тривалість історії як орієнтовні рекомендації, а не універсальні мінімуми. Для тижневого циклу потрібні інші дані, ніж для річного, а нещодавні структурні зміни можуть знизити цінність давнішої історії.

Для детальнішого пояснення серійних патернів і сезонного моделювання див. використання ARIMA для прогнозування потреб у запасах. ARIMA корисна тоді, коли минулі спостереження містять інформацію, що повторюється, а не тоді, коли весь комерційний контекст продукту змінився.

Нехай складність себе виправдовує

Дослідження прогнозування роздрібної торгівлі 2025 року, яке охоплювало 50 товарів у 10 магазинах, порівнювало Random Forest, XGBoost, лінійну регресію та ARIMA, підкреслюючи, що найкращий алгоритм залежить від набору даних і бізнес-задачі.

Деталізація ознак також може допомогти одному методу, але не допомогти іншому. У дослідженні короткострокового прогнозування для електронної комерції детальна класифікація знижок значно покращила лінійну, ридж- та лассо-регресію, причому найкраще покращення MAPE досягло 36,19%, але не дало суттєвого покращення для моделей опорних векторів, градієнтного бустингу чи random forest.

Операційний висновок полягає не в тому, щоб вибрати переможця з опублікованого рейтингу. Перевірте, чи додатковий метод покращує ваші власні рішення достатньо, щоб виправдати витрати на підготовку, пояснення та підтримку.

Починайте із сезонного базового рівня. Складний кандидат, який не може перевершити відтворюваний еталон на невидимих періодах, ще не заслужив використання в продакшені.

Навчання вашого прогнозу сезонності та акціям

Концерт — корисна аналогія для сигналів усередині продажів. Тренд — це базовий темп, сезонність — це приспів, що повторюється, акції — це соло, яке тимчасово змінює виступ, а шум — це публіка.

В операційних термінах тренд означає стійке зростання або спад. Сезонність охоплює повторювані тижневі патерни та календарні піки, такі як Чорна п'ятниця чи сезон «назад до школи». Акції створюють інший режим продажів, тоді як шум — це нез'ясована щоденна варіація, що залишається.

Відокремлюйте календарні ефекти від ефектів кампаній

Свято та знижка можуть збігатися, але вони не взаємозамінні. Якщо ви навчите модель, що кожен святковий сплеск — це звичайний попит, вона може очікувати такі самі продажі, коли ви приберете знижку.

Фіксуйте дати початку та завершення кампанії, глибину знижки, канал, товарну категорію та відповідні обмеження виконання замовлень. Тримайте календарі окремих країн окремо, якщо ваші ринки мають різні свята чи моделі покупок.

Дослідження данської мережі дискаунтерів продуктів харчування виявило, що ансамблі дерев, зокрема XGBoost, показували найкращі результати для товарів із понад п'ятьма історичними акціями, тоді як регуляризована лінійна регресія працювала краще для товарів із менш ніж п'ятьма; розріджена історія акцій усе одно давала відносно високу похибку.

Використовуйте цей висновок як аргумент на користь сегментації, а не як універсальний поріг:

• Товари з активними промоакціями: Тестуйте об'єднані нелінійні моделі, які вивчають взаємозв'язки між пов'язаними SKU.
• Товари з рідкісними промоакціями: Надавайте перевагу простішим регуляризованим моделям, які стримують нестабільні оцінки.
• Оцінка кампаній: Аналізуйте окремі промоподії, а не покладайтеся на місячний підсумок, який може приховувати помилки у термінах.

Щоб пов'язати вимірювання кампаній із комерційним плануванням, використовуйте послідовний процес для вимірювання приросту продажів від промоакцій. Також зберігайте можливість ідентифікувати повернення коштів за кампанією. Поради PlatformDTC щодо того, як обробляти повернення коштів за знижковими замовленнями, стануть у нагоді для узгодження механіки знижок із записами після покупки.

Фіксуйте інформацію в момент прийняття рішення

Витік даних відбувається, коли модель отримує інформацію, якої не існувало на момент складання прогнозу. Фактичний трафік кампанії, реалізовані дефіцити товару та остаточні зміни знижок можуть зробити історичний тест кращим, ніж живий прогноз.

Зберігайте датований знімок запланованих знижок, термінів кампанії, стану запасів та припущень щодо потужностей. Навчайте та оцінюйте модель на основі того, що знали планувальники на той момент, а не того, що стало очевидним пізніше.

Прогноз, зроблений до кампанії, має оцінюватися на основі інформації, доступної до початку кампанії.

Метрики оцінки, які показують, чи працюють прогнози

Пристойна середня похибка може співіснувати з надлишком запасів повільних товарів і дефіцитом бестселерів. Сукупний показник не покаже, чи приймають закупівельники кращі рішення.

Відкладіть найостанніший період і не допускайте, щоб жоден кандидат бачив його під час навчання. Порівнюйте кандидатів за тими самими товарами, датами та горизонтами прогнозування, потім повторіть тест на послідовних історичних точках відліку, щоб перевірити, чи результат зберігається за різних торгових умов.

Метрики точності прогнозування для електронної комерції

Огляд прогнозування переривчастого попиту показує, що вибір метрики може змінити рейтинг моделей, що MAPE стає нестабільним або невизначеним при нульовому попиті, а випадкові ліси можуть поступатися методам типу Кростона за показниками, специфічними для запасів.

Використовуйте MAE, щоб повідомляти про відхилення в одиницях, і RMSE, щоб досліджувати дорогі сплески. Використовуйте масштабовані метрики для порівняння товарів різного розміру, але перевіряйте базовий знаменник, коли ряд має незначну варіацію. Повідомляйте зміщення з документованою угодою щодо знаку, щоб усі розуміли, чи означає позитивне значення завищення, чи заниження прогнозу.

Порівнюйте переривчасті товари з методом родини Кростона, а регулярні — з сезонним наївним прогнозом. Звітуйте окремо щодо товарів, що швидко рухаються, переривчастих, нових та застарілих товарів, замість того щоб дозволяти бестселерам домінувати в середньому значенні.

Оцінюйте горизонт та економічні наслідки

У дослідженні прогнозування електронної комерції в Саудівській Аравії повідомлялося про RMSE 0,4537 для тижневих прогнозів та 8,1938 для довгострокових прогнозів. Це похибки, специфічні для конкретного дослідження, а не універсальні цільові показники для одиниць товару, але це порівняння підтверджує необхідність окремого моніторингу горизонтів.

Ваш горизонт поповнення запасів має відповідати терміну постачання постачальника. Для прогнозу потужності може знадобитися інший горизонт та рівень агрегації.

Переведіть відхилення в операційні витрати:

• Вартість дефіциту: Втрачений внесок, прискорене доставлення та заміна там, де це можна виміряти.
• Вартість надлишку: Зберігання, фінансування, уцінки та утилізація.
• Результат рішення: Досягнута доступність та інвентар, закріплений за тією самою політикою замовлення.

Ретельно оцінюйте періоди дефіциту товару, оскільки спостережувані продажі не відображають весь незадоволений попит. Розділяйте ці періоди у звітності та перевіряйте чутливість до ваших припущень щодо втраченого попиту, замість того щоб стверджувати про непізнавану фактичну істину.

Як перетворити прогнози на рішення щодо повторного замовлення та акцій

Закупівельнику потрібен тригер, а не просто прогнозована крива продажів. Визначте, як прогноз змінює замовлення, хто затверджує виняток та які докази спонукатимуть до перегляду.

Наступне — це гіпотетичний приклад розрахунку, а не рекомендована сервісна політика для кожного каталогу. Його кількості та цільові показники ілюструють розрахунок, щоб ви могли підставити власні економічні дані.

Перетворення попиту на тригер поповнення запасів

1. Виберіть цільовий рівень сервісу для кожного класу товарів. Для прикладу встановіть 95% циклового рівня сервісу для бестселерів і 90% для товарів довгого хвоста. Цикловий рівень сервісу означає ймовірність уникнення дефіциту протягом циклу поповнення, а не відсоток виконаних одиниць. Встановлюйте реальні цілі на основі маржі, впливу на клієнтів і вартості зберігання, а не лише швидкості продажів.
2. Оцініть попит протягом терміну поставки постачальника. Помножте середньодобовий попит на термін поставки, якщо денне очікування достатньо стабільне. Якщо в цей період потрапляє кампанія чи сезонна зміна, замість цього підсумуйте щоденні прогнози.
3. Визначте розмір страхового запасу. За ілюстративної моделі з фіксованим терміном поставки, незалежним щоденним попитом і нормальною апроксимацією використовуйте формулу страховий запас = z × стандартне відхилення добового попиту × √термін поставки. Округлене значення z = 1,65 відповідає цільовому цикловому рівню сервісу 95% у цьому прикладі. Тренд, автокореляція, нерегулярні замовлення та змінні затримки постачальника потребують більш придатного розподілу попиту протягом терміну поставки.
4. Встановіть точку повторного замовлення. Додайте попит за термін поставки до страхового запасу. Запускайте тригер на основі позиції запасів, тобто придатного для використання наявного запасу плюс підтверджених надходжень мінус зафіксований попит, а не лише фізичного запасу.
5. Затверджуйте акції на основі чистої додаткової вартості. Порівнюйте попит кампанії з достовірним базовим рівнем без акції, а потім враховуйте перенесені майбутні покупки та заміщення іншими товарами.

Для практичного операційного контексту щодо того, як створювати буфери страхового запасу, корисним доповненням стануть рекомендації Next Point Digital щодо запобігання дефіциту товарів.

Прорахуйте цифри перед розміщенням замовлення

Припустимо, артикул продається у кількості 40 одиниць щодня, термін поставки постачальника становить 14 днів, а стандартне відхилення добового попиту — 8 одиниць. За спрощених припущень, наведених вище:

• Попит за термін поставки: 40 × 14 = 560 одиниць.
• Страховий запас: 1,65 × 8 × √14 ≈ 49 одиниць.
• Точка повторного замовлення: 560 + 49 = 609 одиниць.

Цей буфер враховує щоденні коливання попиту. У реалізації на основі прогнозу оцінюйте невизначеність на основі позавибіркових помилок прогнозу протягом горизонту поповнення, щоб не сприймати передбачувану сезонність як випадкові коливання.

Тепер припустимо, що протягом чотириденної акції продається 120 одиниць щодня. Обсяг кампанії становить 480 одиниць порівняно з базовим рівнем у 160 одиниць, що дає очевидний приріст у 320 одиниць. Якщо протягом наступних десяти днів продається 25 одиниць щодня замість звичайних 40, дефіцит у 150 одиниць залишає орієнтовний чистий приріст у 170 одиниць.

Ця оцінка передбачає, що базовий рівень є достовірним. Де це можливо, порівнюйте з продуктами, ринками чи групами клієнтів, на яких кампанія не вплинула, одночасно перевіряючи, що самі ці порівняння не зазнали впливу кампанії.

Дослідження 2025 року в International Journal of Forecasting показало, що промоакції можуть призводити до того, що прогнозисти переоцінюють попит, коли цільові рівні обслуговування високі. Додаткові запаси автоматично не є більш економічно безпечним рішенням.

Відніміть вартість знижки, витрати на рекламу, повернення та витрати на виконання замовлень, перш ніж оцінювати прибутковість. Для підтримки впровадження скористайтеся 30-денним пілотним проєктом з управління запасами для рітейлерів, щоб структурувати відповідальність та перевірки. Практичний початковий ритм — щотижня для товарів, що швидко продаються, і щомісяця для повільніших товарів, з негайним переглядом винятків після змін у постачанні чи кампаніях.

Ключові висновки та 90-денний пілотний проєкт

Почніть свій 90-денний пілотний проєкт з прогнозування попиту в електронній комерції з категорії, достатньо великої, щоб мати значення, але достатньо керованої, щоб байєри могли її переглядати. Як запропонований обсяг розгляньте топ-20% SKU за обсягом продажів, а потім додайте репрезентативні повільні товари, щоб тест не приховував ризики довгого хвоста.

Тримайте робочі принципи на видноті:

• Заслужіть складність: Вимагайте, щоб кандидати перевершували сезонний еталон на відкладених періодах.
• Зберігайте контекст доступності: Не навчайте байєрів чи моделі інтерпретувати дефіцит товару як відмову клієнта.
• Оцінюйте комерційні результати: Оцінюйте вплив на запаси та маржинальний прибуток, а не лише точність за одиницями товару.
• Вимірюйте життєвий цикл промоакції: Включайте базовий рівень, приріст від кампанії та подальшу зміну попиту.

Призначте пілотному проєкту відповідального та рішення

Для цього запропонованого пілотного проєкту зберіть дані про щоденні чи щотижневі продажі, записи про доступність та календарі промоакцій за 12-24 місяці, де це можливо. Зарезервуйте останні три місяці для фінального порівняння та проведіть бектестинг сезонного базового рівня плюс два кандидатські методи, використовуючи MAE, зміщення та оцінену вартість дефіциту товару.

Оберіть метод з найсильнішим економічним результатом за умови послідовної політики замовлень. Застосуйте його рекомендації щодо поповнення запасів до обраних SKU, переглядайте винятки щотижня та фіксуйте кожне ручне втручання з причиною.

ELECTE, платформа аналітики даних на основі ШІ для малого та середнього бізнесу, запускає шість методів прогнозування на даних користувача, оцінює їх порівняно один з одним і обирає найточніший. Більшість користувачів готові до роботи менш ніж за 5 хвилин, причому аналіз і перші прогнози починаються одразу після підключення бухгалтерського програмного забезпечення чи завантаження файлу; для операційної перевірки все ж потрібні відповідні записи про продажі та доступність.

Швидке налаштування — не доказ бізнес-цінності. Результат пілотного проєкту полягає в тому, чи перевершує обраний підхід ваш поточний метод на ваших даних, за умов обмежень закупівель, з якими стикається ваша команда на практиці. Дотримуйтесь цього стандарту, навіть коли дашборд виглядає переконливо.

ELECTE пропонує прогнозування попиту та безкоштовний калькулятор точки замовлення, який допомагає пов'язати прогнози з рішеннями щодо закупівель. Відвідайте ELECTE, щоб дослідити платформу та побачити ELECTE в дії за допомогою персоналізованої демонстрації.