Считайте точку перезаказа и объём закупки по каждому SKU
Прогнозирование спроса и расчёт оптимальных закупок для маркетплейсов: скользящее среднее, сезонные коэффициенты, safety stock, точка перезаказа, учёт lead time и коэффициентов приёмки
Как агент работает
Перед расчётом данные чистятся: продажи считаются только по дням в наличии, промо-дни и разовые всплески выделяются или отсеиваются медианным фильтром, а если истории меньше 14 дней, агент предупреждает, что прогноз ненадёжен. SKU делятся на классы A, B и C — от класса зависит уровень сервиса и коэффициент Z.
Модель прогноза выбирается по характеру спроса: SMA с окном 7, 14 или 30 дней для стабильного, WMA с весами 4-3-2-1 или EMA с альфой от 0.1 до 0.7 для тренда и изменчивости, произведение EMA на сезонный коэффициент для сезонного товара с историей больше года, метод аналогов для нового товара.
Страховой запас считается статистически: Z по уровню сервиса — 1.04 для C-товаров, 1.28 для B и 1.65 для A, стандартное отклонение дневных продаж только по дням в наличии и lead time как полный цикл от заказа поставщику до товара на полке. Для поставок из Китая, где разброс lead time доходит до двух недель, берётся комбинированная формула.
Точка перезаказа умножается на коэффициент приёмки склада — от 1.0 на свободном до 1.7–2.0 в пиковый сезон ноября и декабря. Объём поставки доводит запас до целевых дней: 20–25 на Wildberries, 25–30 на Ozon FBO, 30–35 на Яндекс Маркет FBY, в предпиковый сезон больше. На выходе — карточка с safety stock, точкой перезаказа, статусом и объёмом закупки.
Примеры задач
Сколько и когда закупать
По каждому SKU считается объём закупки и точка перезаказа — от прогноза спроса, lead time поставщика и текущих остатков на складах.
Страховой запас без замороженных денег
Safety stock рассчитывается от волатильности спроса и надёжности поставщика — запас покрывает всплески, но не лежит мёртвым капиталом на платном хранении.
Сезонная закупка
Сезонные коэффициенты в прогнозе показывают, во сколько раз растёт спрос в пик — и когда надо разместить заказ поставщику, чтобы успеть к сезону.
Вопросы и ответы
Какие данные нужны для расчёта?
Продажи по SKU (ежедневные или еженедельные), текущие остатки и lead time поставщика. При подключённом кабинете маркетплейса продажи и остатки подтянутся автоматически.
Учитывается ли специфика маркетплейсов?
Да: коэффициенты приёмки складов, пороги бесплатного хранения и модель FBO/FBS входят в расчёт — закупка, которую негде разместить, не закупка.
Как считается точка перезаказа?
Спрос за время поставки плюс страховой запас: когда остаток опускается до этой отметки, пора заказывать. Агент показывает формулу и цифры по каждому SKU.
Принцип работы
Этот навык — модель прогнозирования + калькулятор закупок. Использует исторические данные продаж для построения прогноза и расчёта точных цифр закупки.
Перед началом:
Движок или ручной расчёт (ВАЖНО — читай первым)
Для Wildberries уже есть протестированный детерминированный движок планирования. НЕ пересчитывай это вручную в REPL — сначала проверь коннектор.
Правило: если для маркетплейса есть готовый сценарий — зови его. Формулы §1–§9 ниже остаются как fallback (нет коннектора / ручной ввод) и как объяснение пользователю «откуда такая цифра», а не как основной способ счёта.
1. ПОДГОТОВКА ДАННЫХ
1.1 Очистка данных о продажах
Пример: Продано 160 шт за 28 календарных дней, но товар отсутствовал 8 дней:
Отсеивание аномалий:
- Промо-дни (акции маркетплейса, собственные скидки) — выделяй отдельно или исключай из базовой линии
- Разовые всплески (вирусный эффект, ошибочное попадание в топ) — медианный фильтр или исключение
- Если данные за период < 14 дней — прогноз ненадёжный, предупреди пользователя
1.2 ABC-классификация SKU
Перед расчётом прогнозов раздели SKU на классы по вкладу в выручку:
| Класс | Доля SKU | Доля выручки | Уровень сервиса (Z) |
|---|---|---|---|
| A | 15–20% | 70–80% | 95% (Z = 1.65) |
| B | 30–35% | 15–25% | 90% (Z = 1.28) |
| C | 45–55% | 5–10% | 85% (Z = 1.04) |
Класс определяет уровень страхового запаса — A-товары защищаются сильнее.
2. МОДЕЛИ ПРОГНОЗИРОВАНИЯ
2.1 Простое скользящее среднее (SMA)
Где Dᵢ — продажи в день i (только дни в наличии), n — окно (дней).
Когда использовать: Стабильный спрос, нет выраженного тренда или сезонности. Рекомендуемые окна: 7 дней (краткосрочный), 14 дней (средний), 30 дней (стабильный прогноз).
2.2 Взвешенное скользящее среднее (WMA)
Более свежим данным — больший вес. Пример для 4 недель: веса 4, 3, 2, 1 (новые → старые).
2.3 Экспоненциальное сглаживание (EMA)
Где:
- F(t+1) — прогноз на следующий период
- Yₜ — фактические продажи в текущем периоде
- Fₜ — предыдущий прогноз
- α — коэффициент сглаживания (0 < α ≤ 1)
Выбор α:
| α | Характер спроса | Применение |
|---|---|---|
| 0.1–0.2 | Стабильный | Базовые товары (бытовая химия, продукты) |
| 0.3–0.4 | Умеренная изменчивость | Большинство SKU на маркетплейсах |
| 0.5–0.7 | Высокая изменчивость / тренд | Модные товары, новинки |
Правило: α = 2 / (n + 1), где n — эквивалентное окно SMA.
2.4 Выбор модели
| Ситуация | Рекомендуемая модель |
|---|---|
| Стабильный спрос, >30 дней данных | SMA(14) или EMA(α=0.2) |
| Растущий/падающий тренд | EMA(α=0.4) или WMA |
| Сезонный товар с историей >1 года | EMA × Сезонный_коэфф |
| Новый товар (<14 дней данных) | Метод аналогов (см. раздел 6) |
| После промо-акции | EMA(α=0.5) с исключением промо-дней |
3. СЕЗОННЫЕ КОЭФФИЦИЕНТЫ
3.1 Расчёт по историческим данным
Если есть данные за ≥1 год:
Сумма всех 12 коэффициентов = 12.
3.2 Базовые коэффициенты сезонности РФ (маркетплейсы)
Если истории <1 года — используй как ориентир:
| Месяц | K базовый | Ключевые события | Корректировка по категории |
|---|---|---|---|
| Январь | 0.70 | Постновогодний спад, распродажи | Электроника +0.1 (возвраты/обмены) |
| Февраль | 0.80 | 14 и 23 февраля | Мужские подарки +0.15 |
| Март | 0.95 | 8 Марта | Парфюмерия, цветы +0.3 |
| Апрель | 0.85 | Межсезонье | Сад/дача +0.2 |
| Май | 0.80 | Майские праздники | Дача, пикник +0.25 |
| Июнь | 0.85 | Начало лета | Пляж, спорт +0.2 |
| Июль | 0.80 | Летний спад | Купальники, вентиляторы +0.3 |
| Август | 0.90 | Back-to-school | Канцелярия, детское +0.4 |
| Сентябрь | 0.95 | Деловой сезон | Одежда +0.15 |
| Октябрь | 1.00 | Базовый месяц | — |
| Ноябрь | 1.30 | 11.11, Black Friday | Электроника +0.3, одежда +0.2 |
| Декабрь | 1.50 | Новый год — пик | Подарки +0.5, игрушки +1.0 |
Корректируй ±10–20% по категории. Одежда/обувь — усиленная сезонность (смена коллекций). Продукты — стабильнее (K ≈ 0.9–1.1 весь год).
3.3 Применение сезонности к прогнозу
При расчёте закупки на период, захватывающий несколько месяцев — используй средневзвешенный K:
4. СТРАХОВОЙ ЗАПАС (SAFETY STOCK)
4.1 Метод 1: Фиксированный период (простой)
Дней_запаса: 3–7 для FBS, 5–14 для FBO (с учётом lead time приёмки). Просто, но не учитывает вариативность спроса.
4.2 Метод 2: Статистический (рекомендуемый)
Где:
- Z — коэффициент уровня сервиса (см. ABC-таблицу)
- σ_D — стандартное отклонение дневных продаж
- LT — lead time в днях (полный цикл: заказ → товар на полке МП)
Z-коэффициенты:
| Уровень сервиса | Z | Класс товара |
|---|---|---|
| 85% | 1.04 | C-товары |
| 90% | 1.28 | B-товары |
| 95% | 1.65 | A-товары (рекомендация) |
| 97.5% | 1.96 | Высокомаржинальные |
| 99% | 2.33 | Критически важные (нельзя терять позиции) |
Расчёт σ_D (стандартное отклонение):
Считать ТОЛЬКО по дням, когда товар был в наличии.
Пример:
- Средние продажи: 50 шт/день, σ_D = 12, lead time = 7 дней, класс A (Z=1.65)
4.3 Метод 3: Комбинированный (вариативность спроса + lead time)
Где σ_LT — стандартное отклонение lead time (если поставки нестабильны).
Когда использовать: Китайские поставщики (σ_LT может быть 5–15 дней), ненадёжная логистика.
4.4 Ограничение по стоимости хранения
Safety stock не должен приводить к убыткам на хранении:
Если SS приводит к оборачиваемости > порога — сокращай SS или принимай расходы на хранение.
5. ТОЧКА ПЕРЕЗАКАЗА (REORDER POINT)
5.3 С учётом специфики маркетплейсов
Коэффициент приёмки (K_приёмка):
| Нагрузка склада | K_приёмка | Описание |
|---|---|---|
| Свободный | 1.0 | Коэффициент приёмки 0–1x |
| Умеренная нагрузка | 1.2 | Коэффициент 3–5x, задержка 1–2 дня |
| Высокая нагрузка | 1.5 | Коэффициент 10–20x, задержка 3–5 дней |
| Пиковый сезон | 1.7–2.0 | Ноябрь-декабрь, возможны отказы |
Перед поставкой проверяй коэффициенты приёмки на целевом складе через API или ЛК.
5.4 Полный Lead Time (FBO)
Типичные значения:
| Компонент | Внутренний поставщик | Китай |
|---|---|---|
| Заказ поставщику | 1–2 дня | 1–3 дня |
| Производство | 3–10 дней | 7–30 дней |
| Доставка до склада МП | 1–5 дней | 20–45 дней |
| Очередь приёмки | 1–5 дней | 1–5 дней |
| Обработка приёмки | 1–3 дня | 1–3 дня |
| Итого | 7–25 дней | 30–86 дней |
6. РАСЧЁТ ОБЪЁМА ЗАКУПКИ
6.1 Формула объёма поставки
Если Объём_поставки ≤ 0 → закупка не нужна.
6.2 Целевые дни запаса (Target Days of Stock)
| Маркетплейс | Обычный период | Предпиковый сезон |
|---|---|---|
| Wildberries | 20–25 дней | 35–40 дней |
| Ozon FBO | 25–30 дней | 40–45 дней |
| Яндекс Маркет FBY | 30–35 дней | 45–50 дней |
Ограничение сверху: Не превышать порог бесплатного хранения (уточни актуальные пороги по площадкам через marketplace_commissions_ru).
6.3 Пример полного расчёта
Вводные:
- Маркетплейс: Wildberries (FBO)
- Средние продажи: 15 шт/день
- σ_D: 4 шт
- Текущий остаток: 120 шт
- В пути: 0 шт
- Lead time: 10 дней
- Класс SKU: A (Z=1.65)
- Месяц: октябрь (K=1.0), поставка на ноябрь (K=1.3)
- Целевые дни запаса: 35 (предпиковый)
Расчёт:
Результат: Заказать 562 шт. Текущий остаток ниже точки перезаказа — нужно отправлять заказ немедленно.
7. НОВЫЕ ТОВАРЫ (COLD START)
Когда нет истории продаж:
7.3 Быстрая адаптация
После 7–14 дней реальных продаж:
- Переключись на EMA с высоким α (0.5–0.7) для быстрой реакции
- Пересчитай прогноз и safety stock по реальным данным
- Скорректируй следующую закупку
7.4 Рампа нового товара
Новые карточки набирают обороты постепенно:
| Период | Доля от зрелых продаж |
|---|---|
| 1–2 неделя | 30–50% |
| 3–4 неделя | 50–70% |
| 2–3 месяц | 70–90% |
| 3+ месяца | 100% (при наличии отзывов и рекламы) |
8. УЧЁТ ПРОМО-АКЦИЙ
8.1 Подготовка к акции
Типичные множители:
| Тип акции | Множитель |
|---|---|
| Скидка 10–20% | ×1.5–2.0 |
| Скидка 30–50% | ×2.0–4.0 |
| Black Friday / 11.11 | ×3.0–5.0 |
| Новогодние распродажи | ×2.0–3.5 |
8.2 После акции
Сокращай следующую закупку с учётом этого эффекта.
9. БЕНЧМАРКИ ОБОРАЧИВАЕМОСТИ
| Оценка | Дней оборачиваемости | Действие |
|---|---|---|
| Отлично | <30 | Поддерживать; рассмотреть расширение на другие склады |
| Хорошо | 30–60 | Оптимальная зона для большинства категорий |
| Приемлемо | 60–90 | Мониторить; оптимизировать ценообразование |
| Плохо | 90–200 | Распродажа, промо-акции, рассмотреть FBS |
| Мёртвый сток | >200 или нет продаж 30 дней | Ликвидация, вывоз со склада |
10. ФОРМАТ ВЫВОДА
Карточка прогноза закупки (на SKU)
Заголовок: Название товара / артикул, маркетплейс, дата расчёта.
Блок 1 — Анализ спроса:
- Средние продажи: X шт/день (за N дней, только in-stock)
- σ_D: X шт
- Тренд: растущий/стабильный/падающий
- Модель прогноза: SMA/EMA/WMA (+ параметры)
- Прогноз: X шт/день (с сезонностью)
Блок 2 — Запасы:
- Текущий остаток: X шт
- В пути: X шт
- Дней запаса при текущем темпе: X дней
- Оборачиваемость: X дней (оценка)
Блок 3 — Расчёт:
- Safety Stock: X шт (метод, Z, σ_D, LT)
- Точка перезаказа (ROP): X шт
- Статус: Запас достаточен / Приближается к ROP / Ниже ROP — закупка нужна
Блок 4 — Рекомендация:
- Объём закупки: X шт
- Целевые дни запаса: X дней
- Ожидаемый приход на склад: дата
- Расчётная стоимость закупки: X ₽ (если известна себестоимость)
- Проверка хранения: порог бесплатного / платного
При расчёте по нескольким SKU
Таблица: SKU | Продажи/день | Остаток | Дней запаса | ROP | Статус | Рекомендация закупки Отсортировано по «Дней запаса» asc (самые срочные вверху).
Поддерживаемые запросы
- «Рассчитай прогноз закупки для [товар/артикул]»
- «Сколько нужно закупить [товар] на [N] месяцев вперёд?»
- «Точка перезаказа для [товар] с lead time [N] дней»
- «Safety stock для [товар] при уровне сервиса 95%»
- «Оборачиваемость моих товаров на WB»
- «Какие SKU нужно закупить срочно?»
- «Прогноз продаж [товар] на ноябрь-декабрь с учётом сезонности»
- «Сколько закупить на Black Friday?»
- «Рассчитай объём тестовой партии для нового товара»
- «Когда нужно делать следующую закупку [товар]?»
- «Сравни FBO vs FBS по оптимальным запасам»
Ограничения
- Прогноз строится на исторических данных — точность зависит от длины и качества истории продаж
- Минимум для надёжного прогноза: 30 дней данных по SKU (в наличии). При <14 дней — только оценка
- Сезонные коэффициенты базовые — точные коэффициенты требуют ≥1 года данных по категории
- Коэффициенты приёмки WB меняются ежедневно — при расчёте используется оценочное значение
- Промо-акции, вирусный эффект, изменения алгоритма ранжирования — непрогнозируемые факторы
- Для товаров из Китая σ_LT может быть значительным (±2 недели) — используй комбинированную формулу SS
- Прогноз не учитывает конкурентную среду (вход нового крупного игрока может обрушить продажи)
Похожие навыки
Попробуйте этот навык
Зарегистрируйтесь и используйте навык «Прогноз закупок (маркетплейсы)» бесплатно.