La prévision de la demande pour Shopify, ajustée à chaque produit

Stockful ajuste cinq modèles candidats pour chaque SKU à chaque emplacement : une référence plate, la tendance, le jour de la semaine, la saisonnalité annuelle et un modèle de demande intermittente pour les ventes lentes. Chaque modèle est testé en backtest sur l'historique de ventes propre à ce SKU, et un modèle plus riche n'est adopté que s'il bat la référence simple - une prévision ne peut donc jamais empirer en devenant plus sophistiquée. La précision est ensuite re-mesurée en continu par rapport aux ventes réelles.

Cela fonctionne dès le premier jour - Stockful récupère jusqu'à 2 ans de votre historique de ventes existant depuis Shopify à l'installation, les prévisions ne partent donc pas de zéro. Les produits avec un historique plus long reçoivent des modèles plus riches : la saisonnalité annuelle, par exemple, a besoin de suffisamment d'historique pour voir le motif. À mesure que l'historique s'accumule, les prévisions s'approfondissent automatiquement.

Oui. La saisonnalité est apprise par produit à partir de votre propre historique de ventes - collections de Noël, articles d'été et pics BFCM ont chacun leur propre profil appris. Il n'y a aucune configuration manuelle « même période l'an dernier », et les suggestions de réapprovisionnement tiennent compte de la même saison l'an dernier.

Les articles à ventes lentes et sporadiques reçoivent un modèle de demande intermittente dédié plutôt qu'une moyenne bruitée. Ce sont les SKUs où la prévision naïve est la pire - quelques ventes aléatoires peuvent doubler une moyenne simple - ils sont donc modélisés séparément.

Non. La prévision est auto-ajustée : les modèles sont sélectionnés, testés en backtest et adoptés par SKU automatiquement. Des réglages sont disponibles si vous les souhaitez - délai fournisseur, niveau de service et période d'analyse peuvent tous être ajustés, y compris avec des paramètres personnalisés par SKU.