تولیدکننده‌ها و عمده‌فروش‌ها هر ماه با یک سؤال تکراری روبه‌رو می‌شوند: ماه بعد از هر کالا چقدر بسازیم یا بخریم؟ اگر کم باشد، کالا وسط فصل تمام می‌شود و سفارش‌ها از دست می‌رود؛ اگر زیاد باشد، سرمایه در انبار می‌خوابد. پیش بینی فروش یعنی جواب دادن به همین سؤال با عدد، به جای حدس: از فروش گذشته و برنامه‌های پیش رو، تخمین بزنید در دوره‌ی بعد چند عدد از هر کالا فروش می‌رود.
بیشتر آموزش‌های فارسی پیش بینی فروش در اکسل را فقط به شکل یک تابع آموزش می‌دهند. این راهنما برای تأمین‌کننده‌ای است که کالایش در یک یا چند فروشگاه آنلاین فروش می‌رود و می‌خواهد عدد پیش بینی را به برنامه‌ی تولید و خرید تبدیل کند. اول می‌بینیم پیش بینی فروش چیست و چه روش‌هایی دارد، بعد داده را آماده می‌کنیم، سه فرمول اکسل و ابزار Forecast Sheet را قدم‌به‌قدم می‌سازیم، دقت پیش بینی را می‌سنجیم و در آخر عدد را به برنامه‌ی کاری وصل می‌کنیم. تعریف‌ها از راهنماهای شاپیفای و توابع از راهنمای رسمی مایکروسافت و گوگل آمده‌اند و همه‌ی عددهای مثال‌ها فرضی‌اند.
پیش بینی فروش چیست؟
شاپیفای در راهنمای پیش بینی تقاضا آن را تخمین فروش آینده و این‌که مشتری‌ها چه کالاهایی را خواهند خرید تعریف می‌کند؛ تخمینی که هم بر داده‌های عددی مثل فروش گذشته تکیه دارد و هم بر داده‌های کیفی مثل نظر کارشناس‌ها و تحقیق بازار. همان‌جا تأکید می‌شود که هدف، داشتن کالای کافی بدون انباشتن کالای اضافه است.
دو اصطلاح «پیش بینی فروش» و «پیش بینی تقاضا» در متن‌ها کنار هم می‌آیند. پیش بینی فروش بیشتر به عدد فروش یک دوره نگاه می‌کند و پیش بینی تقاضا به این‌که مشتری چه چیزی و چقدر می‌خواهد. برای تأمین‌کننده، شکل کاربردی هر دو یکی است: تعداد فروش هر کالا و هر تنوع در ماه بعد، نه فقط مبلغ کل فروش. شاپیفای در راهنمای فرمول‌های پیش بینی فروش یادآوری می‌کند که پیش بینی فروش آینده را دقیق پیشگویی نمی‌کند، اما کمک می‌کند تصویری از آینده‌ی محتمل داشته باشید و تصمیم بهتری بگیرید. پس پیش بینی یک عدد کاری است که مرتب اصلاح می‌شود، نه قول.
چرا پیش بینی فروش برای تأمین‌کننده مهم است؟
فروشگاه فقط کالای آماده را می‌فروشد؛ تأمین‌کننده باید مواد اولیه را بخرد، نوبت تولید بگیرد، کارتن و برچسب آماده کند و جای انبار داشته باشد. هر کدام از این‌ها زمان می‌برد، پس تصمیم امروز شما درباره‌ی فروش چند هفته یا چند ماه بعد است. پیش بینی فروش همین فاصله را پر می‌کند:
- کمبود کالا: وقتی فروش بالا می‌رود و کالا تمام می‌شود، سفارش‌ها در همه‌ی کانال‌ها از دست می‌رود. پیش بینی فروش ورودی اصلی نقطه سفارش است؛ میانگین فروش روزانه‌ای که در فرمول نقطه سفارش می‌گذارید، باید با فصل پیش رو جور باشد.
- کالای اضافه: تولید بر اساس امید، نه داده، یکی از دلیل‌های اصلی کالای راکد است. پیش بینی، اندازه‌ی سری تولید را به فروش واقعی نزدیک می‌کند.
- برنامه‌ی تولید و مواد اولیه: با عدد ماه‌های بعد، می‌شود خرید مواد اولیه و نوبت کارگاه را زودتر هماهنگ کرد؛ این همان برنامه‌ریزی است که در همکاری تولیدکننده با فروشگاه آنلاین اهمیت دارد.
- آمادگی انبار برای فصل شلوغ: اگر بدانید کدام کالاها در ماه شلوغ بیشتر فروش می‌روند، می‌توانید آن‌ها را از قبل نزدیک محل بسته‌بندی بچینید؛ جزئیاتش در راهنمای چیدمان کالا در انبار آمده است.
روش های پیش بینی فروش: کمی و کیفی
شاپیفای روش‌های پیش بینی تقاضا را در دو گروه اصلی می‌گذارد. روش‌های کمی از داده‌ی فروش گذشته استفاده می‌کنند و روش‌های کیفی از نظر کارشناس، تحقیق بازار و تخمین، که به گفته‌ی همان راهنما برای فروشگاه یا نوع کالای تازه‌ای که هنوز داده‌ی عددی ندارد بهتر جواب می‌دهد. برای روش روند (trend projection) هم می‌گوید با سابقه‌ی فروش زیاد، یعنی دو سال یا بیشتر، خوب کار می‌کند. جدول زیر روش‌های رایج را با ابزار اکسلشان کنار هم می‌گذارد:
| روش | ایده | ابزار در اکسل | مناسب برای |
|---|---|---|---|
| دوره‌ی قبل + رشد تخمینی | فروش دوره‌ی قبل به اضافه یا منهای تغییر مورد انتظار | یک ضرب یا جمع ساده | شروع سریع و کالاهای باثبات |
| میانگین متحرک | میانگین چند ماه آخر، عدد ماه بعد است | AVERAGE | کالاهای پرفروش بی‌فصل با نوسان کم |
| روند خطی | خط راستی که از فروش گذشته رد می‌شود ادامه پیدا می‌کند | FORECAST.LINEAR | فروشی که آرام بالا یا پایین می‌رود |
| هموارسازی نمایی (ETS) | روند و الگوی تکرارشونده‌ی فصلی با هم دیده می‌شوند | FORECAST.ETS، Forecast Sheet | کالاهای فصلی با سابقه‌ی چندساله |
| روش کیفی | نظر کارشناس، تحقیق بازار، فروش کالای مشابه | جدول فرض‌ها | کالای تازه بدون سابقه‌ی فروش |
ساده‌ترین فرمول را شاپیفای در همان راهنما این‌طور می‌نویسد: پیش بینی فروش برابر است با فروش دوره‌ی قبل به اضافه‌ی رشد (یا کاهش) تخمینی دوره‌ی بعد. این فرمول برای شروع خوب است، اما فصل را نمی‌بیند. اگر فروش شما در ماه‌های مشخصی از سال بالا و پایین می‌رود، یک روش فصلی لازم دارید. شاپیفای هم فصلی بودن، رقابت، نوع کالا و شرایط اقتصادی را از عامل‌هایی می‌داند که روی تقاضا اثر می‌گذارند.
قبل از فرمول: داده‌ی فروش را آماده کنید
هیچ فرمولی از داده‌ی نامرتب پیش بینی درست بیرون نمی‌آورد. قبل از هر چیز این سه کار را انجام دهید:
۱. فروش همه‌ی کانال‌ها در یک برگه
یک برگه به نام Sales بسازید و هر فروش را در یک ردیف ثبت کنید: ستون A تاریخ، ستون B کد کالا یا تنوع، ستون C تعداد و ستون D کانال فروش. اگر کالایتان در چند فروشگاه آنلاین و یک مغازه فروش می‌رود، همه باید در همین برگه بیایند و کد هر تنوع در همه‌ی کانال‌ها یکی باشد؛ روش ساختن کد یکتا در راهنمای شناسنامه محصول و یکی کردن ثبت موجودی چندکاناله در راهنمای مدیریت موجودی کالا آمده است.
۲. جمع ماهانه با بازه‌ی زمانی ثابت
مایکروسافت در راهنمای FORECAST.ETS می‌گوید محور زمانی باید گام ثابت داشته باشد، مثلاً ماهانه با روز اول هر ماه، و جمع زدن داده‌های خام قبل از پیش بینی، حتی وقتی داده‌ها گام نامنظم دارند، نتیجه‌ی دقیق‌تری می‌دهد. پس فروش روزانه را به جمع ماهانه‌ی هر کالا تبدیل کنید. برگه‌ی دوم به نام Monthly بسازید: در خانه‌ی G1 کد کالایی را بنویسید که می‌خواهید پیش بینی کنید، در ستون A شماره‌ی ماه (۱، ۲، ۳ و…)، در ستون B تاریخ روز اول هر ماه و در ستون C جمع فروش آن ماه با SUMIFS و EDATE:
=SUMIFS(Sales!$C:$C, Sales!$B:$B, $G$1, Sales!$A:$A, “>=”&B2, Sales!$A:$A, “<“&EDATE(B2,1))
این فرمول تعدادهای کد G1 را از روز اول ماه ردیف تا قبل از روز اول ماه بعد جمع می‌زند. EDATE(B2,1) طبق راهنمای مایکروسافت تاریخی را برمی‌گرداند که یک ماه بعد از تاریخ B2 است. فرمول را تا آخرین ماه کامل پایین بکشید؛ ماه جاری را که هنوز تمام نشده وارد پیش بینی نکنید.
۳. ماه‌های کمبود و ماه‌های غیرعادی را علامت بزنید
اگر کالایی در ماهی چند هفته ناموجود بوده، فروش آن ماه تقاضای واقعی را کمتر از حد نشان می‌دهد؛ همین نکته را در محاسبه‌ی میانگین فروش برای نقطه سفارش هم دیدیم. ماهی هم که یک سفارش عمده‌ی یک‌باره داشته، عدد را بالا می‌برد. یک ستون توضیح کنار جدول بگذارید و این ماه‌ها را علامت بزنید تا بعد بتوانید عددشان را اصلاح کنید یا در تفسیر نتیجه حواستان باشد.
پیش بینی فروش در اکسل قدم‌به‌قدم با فرمول
فرض کنید در برگه‌ی Monthly فروش دوازده ماه یک کالا در ردیف‌های ۲ تا ۱۳ آمده و ردیف ۱۴ ماه سیزدهم است که می‌خواهیم پیش بینی کنیم (در A14 عدد ۱۳ را بنویسید). سه فرمول زیر، سه روش کمی جدول قبل‌اند:
| روش | فرمول در خانه‌ی پیش بینی | چه می‌کند |
|---|---|---|
| میانگین متحرک سه‌ماهه | =AVERAGE(C11:C13) | میانگین فروش سه ماه آخر |
| روند خطی | =FORECAST.LINEAR(A14, $C$2:$C$13, $A$2:$A$13) | ادامه‌ی خط روند ماه‌های گذشته تا ماه ۱۳ |
| هموارسازی نمایی | =FORECAST.ETS(A14, $C$2:$C$13, $A$2:$A$13) | روند و فصل را با هم در نظر می‌گیرد |
میانگین متحرک در اکسل
AVERAGE میانگین حسابی عددهای یک بازه را برمی‌گرداند. اگر فرمول را برای هر ماه بنویسید و همیشه سه ماه قبل از همان ردیف را بگیرد، یک «میانگین متحرک» دارید که با هر ماه تازه جلو می‌رود. میانگین متحرک ساده و فهمیدنی است، اما همیشه کمی عقب‌تر از روند حرکت می‌کند و فصل را نمی‌بیند. طول بازه را خودتان انتخاب کنید؛ بازه‌ی کوتاه‌تر زودتر به تغییر واکنش نشان می‌دهد و بازه‌ی بلندتر نوسان را بیشتر صاف می‌کند.
تابع FORECAST.LINEAR
طبق راهنمای مایکروسافت، FORECAST.LINEAR(x, known_y's, known_x's) با رگرسیون خطی و از روی مقدارهای موجود، مقدار آینده را پیش بینی می‌کند و خود مایکروسافت پیش بینی فروش آینده و نیاز موجودی را از کاربردهایش می‌نویسد. x نقطه‌ای است که برایش پیش بینی می‌خواهید (A14)، known_y’s فروش‌های گذشته و known_x’s شماره‌ی ماه‌ها. در اکسل ۲۰۱۶ تابع قدیمی FORECAST با همین ساختار جایش را به FORECAST.LINEAR داد؛ تابع قدیمی برای سازگاری هنوز کار می‌کند. در گوگل‌شیت هم تابع FORECAST با همین منطق رگرسیون خطی وجود دارد.
تابع FORECAST.ETS برای کالاهای فصلی
FORECAST.ETS با نسخه‌ی AAA الگوریتم هموارسازی نمایی (ETS) پیش بینی می‌کند. ساختار کاملش FORECAST.ETS(target_date, values, timeline, [seasonality], [data_completion], [aggregation]) است. چند نکته از راهنمای مایکروسافت که برای تأمین‌کننده کاربردی است:
- seasonality اگر خالی بماند یا ۱ باشد، اکسل طول فصل را خودش تشخیص می‌دهد؛ صفر یعنی بدون فصل، و پیش بینی خطی می‌شود.
- data_completion اگر خالی بماند یا ۱ باشد، نقطه‌های جاافتاده را با میانگین نقطه‌های کناری پر می‌کند؛ صفر یعنی آن‌ها را صفر حساب کند. اگر ماهی واقعاً فروش صفر داشته، عدد صفر را بنویسید، خانه را خالی نگذارید.
- aggregation تعیین می‌کند اگر چند مقدار با یک تاریخ داشتید چطور یکی شوند؛ پیش‌فرض میانگین است. بهتر است خودتان قبل از پیش بینی جمع ماهانه را بسازید.
- این تابع در اکسل ۲۰۱۶ به بعد و Microsoft 365 هست، اما در اکسل نسخه‌ی وب، iOS و اندروید در دسترس نیست. گوگل‌شیت هم معادل مستقیمش را ندارد.
یک احتیاط مهم: مایکروسافت در راهنمای Forecast Sheet می‌نویسد با کمتر از دو دوره‌ی کامل از الگوی فصلی، اکسل نمی‌تواند اجزای فصلی را تشخیص دهد و اگر فصل به‌اندازه‌ی کافی معنادار نباشد، پیش بینی به روند خطی برمی‌گردد. در فروش ماهانه با چرخه‌ی سالانه، یعنی دست‌کم دو سال داده لازم است. اگر فقط دوازده ماه داده دارید، نتیجه‌ی ETS را با دانسته‌های خودتان از فصل‌های فروش مقایسه کنید.
پیش بینی فروش با Forecast Sheet
اگر نمی‌خواهید فرمول بنویسید، ابزار Forecast Sheet همین کار را با چند کلیک انجام می‌دهد. طبق راهنمای مایکروسافت:
- دو ستون مرتبط را انتخاب کنید: ستون تاریخ با فاصله‌های یکسان و ستون فروش.
- از تب Data و گروه Forecast، گزینه‌ی Forecast Sheet را بزنید.
- نوع نمودار را انتخاب کنید (خطی یا ستونی) و در Forecast End تاریخ پایان پیش بینی را تعیین کنید.
- روی Create بزنید؛ اکسل یک برگه‌ی تازه با جدول مقدارهای گذشته، مقدارهای پیش بینی و نمودار می‌سازد.
در بخش Options می‌شود فصل را دستی تعیین کرد، بازه‌ی اطمینان (confidence interval) را نشان داد یا پنهان کرد، روش یکی کردن تاریخ‌های تکراری را انتخاب کرد و با Include Forecast Statistics آماره‌های دقت مدل را در جدول آورد. بازه‌ی اطمینان محدوده‌ای بالا و پایین عدد پیش بینی است؛ هرچه باریک‌تر باشد، اطمینان به پیش بینی آن نقطه بیشتر است. برای تأمین‌کننده، مرز بالای این بازه نشان می‌دهد در ماه پرفروش چقدر کالای آماده لازم است و مرز پایینش نشان می‌دهد تولید بیش از چه عددی ریسک دارد. طبق همان راهنما، این پیش بینی با نسخه‌ی AAA الگوریتم هموارسازی نمایی ساخته می‌شود؛ همان الگوریتم FORECAST.ETS. این راهنمای مایکروسافت برای اکسل ویندوز (Microsoft 365 و نسخه‌های اخیر) نوشته شده است.
دقت پیش بینی را بسنجید
پیش بینی‌ای که هیچ‌وقت با فروش واقعی مقایسه نشود، معلوم نیست به چه دردی می‌خورد. دو کار ساده انجام دهید:
- آزمون روی گذشته: مایکروسافت پیشنهاد می‌کند در Forecast Sheet شروع پیش بینی (Forecast Start) را قبل از آخرین داده بگذارید تا پیش بینی را با فروش واقعی همان ماه‌ها مقایسه کنید؛ به گفته‌ی همان راهنما، این کار به‌خصوص برای داده‌های فصلی توصیه می‌شود. با فرمول هم می‌شود: سه ماه آخر را کنار بگذارید، با بقیه پیش بینی کنید و نتیجه را با عدد واقعی بسنجید.
- ستون خطا: هر ماه کنار عدد پیش بینی، فروش واقعی را بنویسید و در ستون بعد اختلافشان را با =ABS(D2-C2) حساب کنید (D واقعی، C پیش بینی). روشی که در چند ماه اختلاف کمتری داشته، برای همان کالا روش بهتری است. لازم نیست برای همه‌ی کالاها یک روش انتخاب کنید.
فرض‌ها را کنار عدد بنویسید
فرمول فقط گذشته را می‌بیند؛ شما از برنامه‌های آینده خبر دارید. شاپیفای در راهنمای پیش بینی فروش پیشنهاد می‌کند فرض‌های داخلی و بیرونی را جدا بنویسید و جدول پیش بینی را ماه‌به‌ماه با یک ستون برای هر ماه و ردیف‌هایی برای فرض‌ها بسازید. فرض‌های داخلی کارهایی‌اند که در اختیار خود شماست، مثل کالای تازه، شارژ دوباره‌ی کالا، تخفیف یا تغییر قیمت؛ فرض‌های بیرونی چیزهایی‌اند که کنترلشان دست شما نیست، مثل تأخیر در زنجیره‌ی تأمین، رقیب‌ها یا رویدادهایی که علاقه به کالا را بالا می‌برند. برای تأمین‌کننده چند نمونه‌ی رایج:
- اضافه شدن یک کانال فروش تازه یا یک فروشگاه آنلاین تازه که کالای شما را عرضه می‌کند.
- تأخیر در رسیدن مواد اولیه یا تعطیلی کارگاه که عرضه را محدود می‌کند.
- فصل و مناسبت‌ها: شروع مدرسه، عیدها، تغییر فصل لباس.
- قطع یک مدل یا رنگ قدیمی و جایگزینی آن با مدل تازه.
عدد فرمول را مبنا بگیرید و کنارش یک ستون «اصلاح دستی» با توضیح دلیل بگذارید. این‌طوری بعداً می‌فهمید کدام فرض درست بود و کدام نه، و پیش بینی هر ماه از ماه قبل بهتر می‌شود.
کالای تازه بدون سابقه‌ی فروش
برای کالایی که هنوز فروش نداشته، هیچ‌کدام از فرمول‌های بالا کار نمی‌کند. شاپیفای برای این حالت روش‌های کیفی را پیشنهاد می‌کند: نظر کارشناس، تحقیق بازار و تخمین. در عمل برای تأمین‌کننده یعنی:
- فروش کالای مشابه خودتان (همان دسته، همان بازه‌ی قیمت) در ماه‌های اول عرضه را مبنا بگیرید.
- نظر فروشنده‌ها یا فروشگاه‌هایی را که کالای شما را عرضه می‌کنند بپرسید و کنار عدد بنویسید.
- به جای سری کامل، یک سری کوچک آزمایشی بسازید و بعد از دیدن فروش واقعی تصمیم بگیرید؛ این همان راهی است که در پیشگیری از کالای راکد هم توصیه شد.
- بعد از دو سه ماه فروش واقعی، تخمین کیفی را کنار بگذارید و به روش‌های کمی بروید.
از پیش بینی فروش تا برنامه‌ی تولید و خرید
عدد پیش بینی تا وقتی به تصمیم تبدیل نشود فقط یک عدد است. یک مسیر ساده برای هر کالا:
- پیش بینی را برای چند ماه آینده بسازید؛ دست‌کم به اندازه‌ی زمانی که تولید یا خرید یک سری کالا طول می‌کشد.
- پیش بینی کالا را بین تنوع‌ها (رنگ، سایز، مدل) تقسیم کنید؛ یا برای هر تنوع جدا پیش بینی کنید، یا سهم هر تنوع از فروش گذشته را حساب کنید و به عدد کل بزنید.
- عدد را با موجودی فعلی و کالای در راه مقایسه کنید و برای فروش روزانه‌ی فصل پیش رو، نقطه سفارش و موجودی اطمینان را دوباره حساب کنید.
- اختلاف را به سفارش مواد اولیه و نوبت تولید تبدیل کنید و تاریخ هر کدام را بنویسید.
- ماه بعد فروش واقعی را وارد کنید، خطا را ببینید و پیش بینی را به‌روز کنید.
نکته‌های تولیدکننده‌ها
- اگر فروش یک کالا بیشتر سفارش‌های عمده‌ی چند مشتری ثابت است، آن سفارش‌ها را جدا از فروش تکی پیش بینی کنید؛ سفارش عمده را از خود مشتری بپرسید.
- پیش بینی را برای مواد اولیه‌ی مشترک هم جمع بزنید؛ وقتی چند کالا از یک پارچه یا یک قطعه ساخته می‌شوند، کمبود همان ماده همه را متوقف می‌کند.
- ظرفیت کارگاه را کنار پیش بینی بگذارید؛ اگر ماه پرفروش بیش از ظرفیت است، تولید را به ماه‌های قبل از آن جلو بکشید.
- پیش بینی ماهانه برای برنامه‌ی تولید کافی است؛ پیش بینی هفتگی یا روزانه معمولاً فقط نوسان بیشتری نشان می‌دهد.
اشتباه‌های رایج در پیش بینی فروش
- پیش بینی فقط برای مبلغ کل فروش، بدون تعداد هر کالا و هر تنوع.
- جا انداختن فروش یکی از کانال‌ها، یا کدهای متفاوت برای یک کالا در کانال‌های مختلف.
- وارد کردن ماه جاری نیمه‌تمام در داده‌ی پیش بینی.
- خالی گذاشتن ماه‌های بدون فروش به جای نوشتن صفر.
- اعتماد کامل به تشخیص فصل با داده‌ی کمتر از دو سال.
- یک بار ساختن جدول و هیچ‌وقت مقایسه نکردن آن با فروش واقعی.
چک‌لیست پیش بینی فروش
- فروش همه‌ی کانال‌ها در یک برگه با کد تنوع یکسان ثبت می‌شود.
- جمع فروش ماهانه‌ی هر کالا با محور زمانی ثابت ساخته شده است.
- ماه‌های کمبود کالا و سفارش‌های یک‌باره علامت خورده‌اند.
- برای هر کالا دست‌کم یک روش (میانگین متحرک، روند خطی یا ETS) امتحان شده است.
- فرض‌های داخلی و بیرونی کنار عدد نوشته شده‌اند.
- پیش بینی به نقطه سفارش، خرید مواد اولیه و نوبت تولید وصل شده است.
- هر ماه فروش واقعی وارد و خطای پیش بینی دیده می‌شود.
پیش بینی فروش در همکاری با دپتا
دپتا (داده پردازان تجارت آذری) یک اکوسیستم تجارت دیجیتال است که فروشگاه‌های آنلاین با هویت مستقل، از جمله لی‌مونت، خانیتو و هوشا پلی، را اداره می‌کند و با تأمین‌کنندگان به شکل ارسال مستقیم همکاری می‌کند. در این مدل، کالای شما در فروشگاه‌ها عرضه می‌شود و پس از ثبت سفارش، اطلاعات لازم برای ارسال مستقیم به مشتری در اختیار شما قرار می‌گیرد؛ کالا همچنان مال شما و زیر کنترل شماست. وقتی کالایی در چند کانال فروش می‌رود، پیش بینی فروش کمک می‌کند موجودی‌ای که اعلام می‌کنید با فروش همه‌ی کانال‌ها جور باشد.
در صفحه‌ی بررسی تناسب همکاری، «کانال فروش محدود» و «دشواری رسیدن به مشتری تازه» از مسئله‌هایی‌اند که می‌شود با هم بررسی کرد؛ همان‌جا هم صریح نوشته شده که «این‌ها موضوع بررسی‌اند، نه وعده نتیجه» و ثبت فرم به معنای شروع همکاری یا تضمین فروش نیست. در فرم، دسته‌ی کالا و روش فعلی اعلام موجودی را همان‌طور که هست بنویسید؛ دستی بودن اشکالی ندارد. برای بقیه‌ی آمادگی‌ها، راهنمای چگونه تامین کننده شویم را ببینید.
پرسش‌های متداول درباره پیش بینی فروش
پیش بینی فروش چیست؟
پیش بینی فروش تخمین فروش یک دوره‌ی آینده، معمولاً به تعداد هر کالا، بر اساس فروش گذشته و فرض‌های پیش روست. عدد دقیقی از آینده نیست، بلکه مبنایی برای تصمیم تولید و خرید است که هر ماه با فروش واقعی اصلاح می‌شود.
فرمول پیش بینی فروش در اکسل چیست؟
برای روند خطی از FORECAST.LINEAR(x, known_y’s, known_x’s)، برای کالاهای فصلی از FORECAST.ETS(target_date, values, timeline) و برای میانگین متحرک از AVERAGE روی چند ماه آخر استفاده کنید. ساده‌ترین روش هم فروش دوره‌ی قبل به اضافه‌ی رشد یا کاهش تخمینی است.
فرق FORECAST.LINEAR و FORECAST.ETS چیست؟
FORECAST.LINEAR با رگرسیون خطی یک خط روند را ادامه می‌دهد و فصل را نمی‌بیند. FORECAST.ETS با هموارسازی نمایی، روند و الگوی فصلی را با هم در نظر می‌گیرد و محور زمانی با گام ثابت می‌خواهد؛ این تابع در اکسل نسخه‌ی وب، iOS و اندروید نیست.
برای پیش بینی فروش چقدر داده لازم است؟
هرچه بیشتر، بهتر. شاپیفای روش روند را برای سابقه‌ی فروش دو سال یا بیشتر مناسب می‌داند و مایکروسافت هم می‌گوید با کمتر از دو دوره‌ی کامل فصلی، اکسل فصل را تشخیص نمی‌دهد. با داده‌ی کمتر، میانگین متحرک یا روند خطی ساده‌تر و امن‌تر است و برای کالای تازه باید از روش‌های کیفی شروع کرد.
برای کالای تازه چطور فروش را پیش بینی کنم؟
از فروش کالای مشابه خودتان، نظر فروشنده‌ها و یک سری آزمایشی کوچک شروع کنید. بعد از چند ماه فروش واقعی، به روش‌های کمی مثل میانگین متحرک یا روند خطی بروید.
جمع‌بندی
پیش بینی فروش برای تأمین‌کننده یعنی تبدیل فروش گذشته و برنامه‌های پیش رو به عدد تعداد هر کالا در ماه‌های بعد. فروش همه‌ی کانال‌ها را در یک برگه جمع کنید، جمع ماهانه با محور زمانی ثابت بسازید، با میانگین متحرک، FORECAST.LINEAR یا FORECAST.ETS عدد بگیرید، فرض‌هایتان را کنارش بنویسید و هر ماه آن را با فروش واقعی بسنجید. بعد عدد را به نقطه سفارش، خرید مواد اولیه و نوبت تولید وصل کنید تا هم کمبود کمتر شود و هم کالای اضافه.
اگر تولیدکننده یا تأمین‌کننده هستید و می‌خواهید کالایتان در فروشگاه‌های دپتا با ارسال مستقیم عرضه شود، درخواست بررسی تناسب همکاری را ثبت کنید و وضعیت فعلی کالا و موجودی‌تان را همان‌طور که هست بنویسید.
منابع
- Demand Forecasting: Methods and Retail Examples، Shopify Blog
- Sales Forecast Formulas and Methods، Shopify Blog
- FORECAST and FORECAST.LINEAR functions، Microsoft Support
- FORECAST.ETS function، Microsoft Support
- Create a forecast in Excel for Windows، Microsoft Support
- SUMIFS function، Microsoft Support
- EDATE function، Microsoft Support
- AVERAGE function، Microsoft Support
- FORECAST، Google Docs Editors Help