Ramalan Permintaan untuk E-commerce: Kaedah, Formula dan Alat

Turn this article into takeaways for your work.
Each assistant summarizes the article only for you and suggests best practices for your work.
Seorang pengurus gudang pernah memberitahu saya bahawa bahagian paling teruk dalam kerjanya bukanlah kehabisan stok. Yang lebih menyakitkan ialah melihat sepalet produk terlaris musim lepas terperap selama empat bulan tanpa disentuh. Kedua-dua masalah ini berpunca daripada sebab yang sama: ramalan yang tidak sepadan dengan realiti.
Ramalan permintaan ialah amalan meramalkan jumlah setiap produk yang akan anda jual dalam tempoh akan datang, supaya anda boleh membeli, menyusun kakitangan dan memasarkan dengan sewajarnya. Jika tepat, inventori mengalir lancar. Jika silap, anda sama ada kehilangan jualan kerana rak kosong atau menanam wang tunai dalam stok yang tidak terjual.
Panduan ini membincangkan kaedah ramalan yang benar-benar berkesan untuk e-commerce, formula di sebaliknya, dan cara mengukur sama ada ramalan anda bertambah baik dari semasa ke semasa.
Mengapa Ketepatan Ramalan Berbaloi Diusahakan
Ramalan yang buruk mahal harganya dalam kedua-dua arah. Jika anda kekurangan stok produk terlaris, anda kehilangan jualan, sering kali secara kekal, kerana ramai pembeli memilih pesaing berbanding menunggu. Jika anda berlebihan stok produk yang perlahan terjual, wang tunai, ruang gudang dan akhirnya potongan harga diperlukan hanya untuk melupuskannya.
Skala masalah ini merentasi industri runcit lebih besar daripada yang disangka kebanyakan pengendali. Kajian IHL Group, yang dilaporkan oleh The Food Institute, mendapati bahawa herotan inventori (gabungan kos kehabisan stok dan stok berlebihan) merugikan peruncit dianggarkan $1.77 trilion di seluruh dunia setiap tahun, terbahagi kira-kira antara $1.2 trilion jualan yang hilang akibat kehabisan stok dan $562 bilion yang terikat dalam stok berlebihan.
Fakta Utama: Ramalan Permintaan
- Herotan inventori global (kehabisan stok ditambah stok berlebihan) merugikan peruncit dianggarkan $1.77 trilion setahun, menurut kajian IHL Group yang dilaporkan oleh The Food Institute.
- Satu kajian penting oleh penyelidik Thomas Gruen dan Daniel Corsten mendapati purata kadar kehabisan stok global dalam peruncitan barangan pengguna cepat laku ialah 8.3% di ekonomi maju.
- Pada kadar kehabisan stok 8.3%, seorang pembeli hanya mempunyai kira-kira 42% peluang untuk mendapati setiap item dalam senarai sepuluh produk tersedia, menunjukkan bagaimana kadar ralat kecil bagi setiap produk berganda merentasi katalog.
Kebanyakan perniagaan e-commerce merasai kesakitan ini secara tidak sekata. Segelintir SKU utama menjana sebahagian besar hasil dan risiko kehabisan stok, manakala ekor panjang produk perlahan terjual menyerap wang tunai secara senyap yang sepatutnya boleh membiayai produk terlaris seterusnya. Ramalan yang baik menumpukan perhatian anda tepat pada tempat yang kos kesilapannya paling tinggi.
Kaedah Ramalan yang Berkesan untuk E-commerce
Tidak semua kaedah sesuai untuk setiap produk. Pendekatan yang tepat bergantung pada jumlah sejarah jualan yang anda ada, tahap ketidaktentuan permintaan, dan tempoh pesanan yang diperlukan pembekal anda.

Purata sejarah dan unjuran aliran. Titik permulaan yang paling mudah: ambil jualan tahun lepas untuk tempoh yang sama, laraskan mengikut kadar pertumbuhan keseluruhan anda, dan gunakannya sebagai ramalan asas. Kaedah ini agak berkesan untuk produk yang stabil dan tidak bermusim dengan sekurang-kurangnya setahun data jualan yang bersih, tetapi cepat gagal untuk produk baharu atau apa-apa yang permintaannya tidak menentu.
Purata bergerak. Daripada menggunakan satu tempoh sejarah, purata bergerak melicinkan gangguan jangka pendek dengan mengira purata jualan merentasi tetingkap bergulir (katakan 8 atau 12 minggu terkini). Ini mengurangkan risiko bertindak balas secara berlebihan terhadap satu minggu yang luar biasa kukuh atau lemah, walaupun ia ketinggalan berbanding perubahan aliran yang sebenar.
Pelicinan eksponen. Penambahbaikan kepada purata bergerak yang memberi pemberat lebih kepada tempoh terkini berbanding yang lebih lama, supaya ramalan bertindak balas lebih pantas terhadap perubahan permintaan yang sebenar sambil terus menapis gangguan. Ini kaedah standard dalam kebanyakan perisian inventori dan perancangan permintaan, dan mekanismenya wajar difahami walaupun perisian yang menjalankan pengiraan untuk anda.
Penguraian bermusim. Bagi produk yang mempunyai corak tahunan yang jelas, asingkan sejarah jualan anda kepada komponen aliran, bermusim dan baki sebelum meramal. Inilah kaedah di sebalik perancangan produk bermusim yang tepat, kerana purata sejarah mentah akan meramal terlalu rendah puncak dan terlalu tinggi lembah bagi mana-mana produk bermusim.
Lapisan kualitatif. Tiada formula yang dapat menangkap detik tular di media sosial, pesaing yang kehabisan stok, atau tolakan pemasaran yang dirancang. Letakkan pertimbangan kualitatif di atas hasil kuantitatif: acara dalam kalendar promosi yang dirancang, gangguan bekalan yang diketahui dan data aliran kategori semuanya perlu masuk ke dalam angka akhir, bukan sekadar pengiraan sejarah.
Bagi kebanyakan katalog, pendekatan praktikalnya ialah menggabungkan kaedah: pelicinan eksponen atau purata bergerak untuk produk yang stabil, penguraian bermusim untuk apa-apa yang mempunyai corak tahunan, dan lapisan pelarasan kualitatif untuk acara perniagaan terancang yang tidak dapat dilihat oleh data sejarah.
Formula Ramalan Teras
Formula yang mudah dan telus mengatasi model kotak hitam yang tidak cukup anda percayai untuk bertindak. Berikut versi yang sesuai untuk kebanyakan katalog e-commerce:
Ramalan Asas = Jualan Tempoh Lepas × (1 + Kadar Pertumbuhan)
Ramalan Terlaras = Ramalan Asas × Faktor Bermusim × Faktor Aliran
Stok Keselamatan = Ramalan Terlaras × Peratusan Keselamatan (lazimnya 15-25%)
Jumlah Kuantiti Pesanan = Ramalan Terlaras + Stok Keselamatan
Contoh yang diselesaikan:
Jualan tahun lepas untuk tempoh ini: 1,000 unit
Kadar pertumbuhan tahunan: 15%
Ramalan asas: 1,000 × 1.15 = 1,150 unit
Faktor bermusim (tempoh ini melebihi purata): 1.10
Faktor aliran (produk semakin mendapat sambutan): 1.05
Ramalan terlaras: 1,150 × 1.10 × 1.05 = 1,328 unit
Stok keselamatan (20%): 266 unit
Jumlah kuantiti pesanan: 1,594 unit
Peratusan keselamatan harus meningkat mengikut dua perkara: tahap ketidaktentuan ramalan anda, dan betapa mahalnya kehabisan stok bagi produk tertentu itu. Produk utama dengan margin nipis dan risiko kehabisan stok (pelanggan bertukar jenama serta-merta) wajar mempunyai peratusan keselamatan yang lebih tinggi berbanding aksesori perlahan terjual yang pelanggan sanggup tunggu seminggu.
Input Data yang Meningkatkan Kualiti Ramalan
Formula hanya berfungsi sebaik apa yang dimasukkan kepadanya. Selain sejarah jualan mentah, beberapa input tambahan secara konsisten meningkatkan ketepatan.

Data kalendar promosi. Setiap diskaun, jualan kilat atau bundle yang dirancang mengubah permintaan yang dijangka bagi produk terlibat. Masukkan kalendar strategi bermusim dan promosi anda terus ke dalam ramalan supaya promosi yang dijadualkan tidak mengejutkan perancangan inventori anda, seperti yang berlaku jika ramalan dan perancangan promosi dilakukan dalam hamparan berasingan.
Isyarat aliran luaran. Data aliran carian, jumlah sebutan di media sosial dan status stok pesaing semuanya menggerakkan permintaan secara bebas daripada corak sejarah anda sendiri. Produk yang disebut dalam video tular boleh mengatasi mana-mana ramalan yang dibina semata-mata atas jualan lepas, jadi bina proses pengatasan manual untuk peristiwa sebegini dan jangan menganggap formula akan menangkapnya.
Tempoh pesanan dan kebolehpercayaan pembekal. Ketepatan ramalan kurang bermakna jika tempoh pesanan pembekal anda tidak menentu. Jejaki masa penghantaran sebenar berbanding tempoh pesanan yang disebut bagi setiap pembekal, dan masukkan varians itu ke dalam masa pesanan semula anda, bukan sekadar kuantiti.
Permintaan peringkat saluran. Jika anda menjual melalui laman sendiri, Amazon dan borong runcit, corak permintaan sering berbeza mengikut saluran walaupun untuk SKU yang sama. Meramal pada peringkat saluran, kemudian menggabungkannya kepada jumlah kuantiti pesanan, menangkap anjakan yang akan terlepas oleh ramalan gabungan.
Mengukur dan Meningkatkan Ketepatan Ramalan
Anda tidak boleh memperbaiki apa yang tidak diukur, dan kebanyakan pasukan e-commerce tidak pernah menjejak ketepatan ramalan secara rasmi sehingga musim yang buruk memaksa perbincangan itu.

Metrik standard ialah Mean Absolute Percentage Error, atau MAPE, yang mengukur sejauh mana ramalan anda tersasar sebagai peratusan jualan sebenar:
MAPE = (|Jualan Sebenar - Jualan Diramal| / Jualan Sebenar) × 100
Contoh:
Ramalan: 1,000 unit
Sebenar: 1,150 unit
MAPE = (|1,150 - 1,000| / 1,150) × 100 = 13%
MAPE yang lebih rendah bermaksud ramalan yang lebih tepat. Tiada satu sasaran sejagat kerana ketepatan yang boleh diterima berbeza mengikut kategori dan ketidaktentuan permintaan, tetapi menjejak MAPE anda sendiri dari semasa ke semasa, mengikut kategori produk, memberitahu anda dengan tepat di mana usaha ramalan membuahkan hasil dan di mana tidak.
Jejaki ketepatan mengikut kategori, bukan secara keseluruhan sahaja. MAPE gabungan merentasi seluruh katalog anda menyembunyikan cerita sebenar. Produk stabil bervolum tinggi mungkin diramal dalam lingkungan 10%, manakala produk baharu atau yang sangat bermusim mungkin mencecah 40% atau lebih. Mengetahui kategori mana yang paling sukar diramal memberitahu anda di mana perlu menambah stok keselamatan, memendekkan kitaran pesanan semula, atau melabur dalam data yang lebih baik.
Semak kesilapan, bukan sekadar purata. Produk yang tersasar paling jauh daripada ramalan wajar menjalani semakan punca. Adakah ia gangguan bekalan, isyarat promosi yang terlepas, aliran luaran yang tidak disedari sesiapa, atau sekadar sejarah yang tidak mencukupi untuk produk baharu? Setiap punca menunjuk kepada penyelesaian yang berbeza.
Masukkan semula data ketepatan ke dalam ramalan seterusnya. Jika sesuatu kategori sentiasa melebihi ramalan sebanyak 20%, itu bukan gangguan, tetapi isyarat bahawa andaian kadar pertumbuhan anda terlalu konservatif untuk kategori tersebut. Laraskan input, bukan sekadar penampan stok keselamatan.
Alat dan Sistem Ramalan
Ramalan secara manual dalam hamparan berfungsi untuk katalog kecil, tetapi tidak lagi berskala apabila anda mengurus lebih daripada beberapa dozen SKU merentasi pelbagai saluran.
Perisian perancangan permintaan khusus mengautomasikan pengiraan purata bergerak, pelicinan eksponen dan penguraian bermusim, kemudian menambah makluman titik pesanan semula dan penjejakan tempoh pesanan pembekal. Kebanyakan platform berintegrasi terus dengan sistem pengurusan inventori anda supaya ramalan dan pesanan belian berada dalam aliran kerja yang sama dan bukannya dua alat yang terputus.
Apabila menilai platform, utamakan tiga keupayaan berbanding dashboard yang mempesonakan: keupayaan meramal pada peringkat saluran (bukan sekadar jumlah permintaan), laporan MAPE atau penjejakan ketepatan yang boleh dilihat supaya anda boleh mengaudit prestasi alat itu sendiri, dan laluan mudah untuk menambah pengatasan manual di atas ramalan automatik bagi peristiwa diketahui yang tidak dapat dilihat oleh algoritma.
Apa pun sistem yang anda gunakan, elakkan godaan menganggap outputnya sebagai kata putus. Proses ramalan yang paling boleh dipercayai menggabungkan asas statistik automatik dengan langkah semakan manusia, terutamanya bagi produk utama yang kos kehabisan stok atau stok berlebihannya paling tinggi.
Membina Tabiat Meramal, Bukan Sekadar Satu Ramalan
Ramalan yang dikira sekali lalu dilupakan hampir tidak lebih baik daripada tiada ramalan. Perniagaan yang mendapat nilai sebenar daripada ramalan permintaan menganggapnya sebagai tabiat berulang yang berkait dengan proses penyelidikan dan pengesahan produk serta analitik dan penjejakan mereka, bukan latihan hamparan sekali sahaja.
Tetapkan kekerapan semakan yang tetap: mingguan untuk produk utama yang menghampiri tempoh puncak, bulanan untuk katalog yang lebih luas. Bandingkan ramalan dengan sebenar setiap kitaran, kira MAPE, dan laraskan input yang salah dan bukannya sekadar menebalkan angka stok keselamatan sehingga masalah tidak lagi muncul pada dashboard.
Selepas dua atau tiga kitaran disiplin ini, kebanyakan pasukan melihat ketepatan ramalan mereka bertambah baik dengan ketara, bukan kerana formula menjadi lebih bijak, tetapi kerana input menjadi lebih baik. Itulah ganjaran sebenar ramalan permintaan: bukan ramalan yang sempurna, tetapi proses yang semakin kurang tersasar setiap kali anda menjalankannya.
Soalan Lazim tentang Ramalan Permintaan
Apakah ramalan permintaan dalam e-commerce?
Ramalan permintaan ialah proses meramalkan jumlah setiap produk yang akan anda jual dalam tempoh akan datang, menggunakan data jualan sejarah, corak bermusim dan isyarat luaran, supaya anda boleh merancang inventori, kakitangan dan pemasaran tanpa pembelian berlebihan atau kehabisan stok.
Apakah kaedah ramalan permintaan terbaik untuk e-commerce?
Kebanyakan katalog e-commerce mendapat manfaat daripada gabungan kaedah: pelicinan eksponen atau purata bergerak untuk produk yang stabil, penguraian bermusim untuk produk yang mempunyai corak tahunan yang jelas, dan lapisan kualitatif untuk peristiwa promosi atau aliran diketahui yang tidak dapat ditangkap oleh data sejarah semata-mata.
Bagaimanakah stok keselamatan dikira?
Stok keselamatan lazimnya dikira sebagai ramalan permintaan terlaras anda didarab dengan peratusan keselamatan, selalunya 15% hingga 25%, dengan peratusan tepat disesuaikan mengikut ketidaktentuan ramalan dan betapa mahalnya kehabisan stok bagi produk tertentu itu.
Apakah MAPE dan mengapa ia penting?
MAPE, atau Mean Absolute Percentage Error, mengukur sejauh mana ramalan tersasar daripada jualan sebenar sebagai peratusan. Menjejak MAPE mengikut kategori produk dari semasa ke semasa menunjukkan dengan tepat di mana proses ramalan anda tepat dan di mana ia memerlukan input yang lebih baik.
Berapakah kos ramalan permintaan yang lemah kepada peruncit?
Herotan inventori global akibat kehabisan stok dan stok berlebihan digabungkan dianggarkan $1.77 trilion setahun merentasi industri runcit, menurut kajian IHL Group yang dilaporkan oleh The Food Institute, menegaskan betapa banyak hasil dan wang tunai yang dipertaruhkan apabila ramalan meleset.
Berapa kerap saya perlu mengemas kini ramalan permintaan?
Semak produk utama setiap minggu, terutamanya menjelang tempoh puncak, dan semak katalog yang lebih luas setiap bulan. Bandingkan ramalan dengan jualan sebenar setiap kitaran dan laraskan input asas, bukan sekadar penampan stok keselamatan, apabila sesuatu kategori sentiasa tersasar.
Sumber Berkaitan
Kukuhkan sistem ramalan dan inventori anda dengan panduan berkaitan ini:
- Pengurusan Inventori - Tukarkan ramalan yang tepat kepada titik pesanan semula dan keputusan pembelian.
- Perancangan Produk Bermusim - Terapkan penguraian bermusim pada tempoh hasil terbesar anda.
- Strategi Bermusim & Promosi - Masukkan kalendar promosi anda ke dalam ramalan dan bukannya mengendalikannya secara berasingan.
- Dynamic Pricing - Selaraskan keputusan harga dengan isyarat permintaan yang sama yang menggerakkan ramalan anda.
- Penyelidikan & Pengesahan Produk - Bina isyarat permintaan awal untuk produk baharu sebelum data sejarah wujud.
- Persediaan Analitik & Penjejakan - Bina saluran data yang memastikan input ramalan anda bersih.

Sales Operations Practice Lead