La pianificazione delle scorte prima della stagione è una delle decisioni che incide maggiormente sul margine di profitto nell'e-commerce, ma è tra le meno gestite in modo sistematico. Entrare in stagione con scorte insufficienti significa perdere opportunità di vendita, mentre entrarci con scorte eccessive significa pressione sugli sconti e costi di magazzino. La previsione della domanda è la disciplina che bilancia questi due rischi e trasforma l'intuito in un processo basato sui dati.
Perché la previsione della domanda è una necessità, non un "sarebbe bello averla"
Per i prodotti stagionali (abbigliamento estivo, invernale, festività, rientro a scuola e simili), i tempi di approvvigionamento iniziano generalmente settimane, a volte mesi, prima. Questo significa che reagire ai dati di vendita quando li si osserva è spesso troppo tardi: accorgersi a metà stagione che "questo prodotto è esaurito" significa perdere il resto della stagione nel momento in cui si tenta di riapprovvigionarlo.
Per questo la previsione della domanda è un processo proattivo, non reattivo: l'analisi dei dati storici e la loro trasformazione in decisioni di approvvigionamento per la stagione successiva devono essere completate settimane prima dell'inizio della stagione, non quando la stagione è già iniziata.
Estrarre la stagionalità dai dati storici
La base di una previsione accurata è costituita da almeno le ultime due o tre stagioni di dati di vendita. Una previsione basata sui dati di una sola stagione rischia di scambiare le fluttuazioni casuali di quella stagione — ad esempio un evento meteorologico imprevisto o una carenza di scorte di un concorrente — per una regola generale.
Quando si esaminano i dati storici, suddivideteli in tre livelli: domanda di base (indipendente dalla stagione, il normale ritmo di vendita del prodotto), incremento stagionale (un aumento ricorrente e prevedibile in determinati mesi) ed effetti una tantum (una campagna o un evento esterno specifico della stagione precedente). Solo i primi due livelli devono essere portati avanti nella pianificazione della stagione successiva; gli effetti una tantum vanno esclusi. Ad esempio, se un'improvvisa impennata della domanda per un determinato prodotto lo scorso anno è stata causata dal post di un influencer, considerare quell'impennata come base per quest'anno sarebbe fuorviante.
Segmentare i prodotti in base alla velocità di vendita
Applicare lo stesso metodo di previsione a tutti i prodotti è inefficiente. Usando la logica dell'analisi ABC, dividete i vostri prodotti in tre gruppi:
- Gruppo A (prodotti ad alto volume, critici): un numero ridotto di prodotti che genera la maggior parte del fatturato. Per questo gruppo vale la pena fare un'analisi dettagliata dei dati storici, su base settimanale.
- Gruppo B (prodotti a volume medio): un confronto più semplice, su base mensile, con la stagione precedente è sufficiente per ottenere una previsione adeguata.
- Gruppo C (prodotti a basso volume, coda lunga): per questi prodotti un'analisi dettagliata è una perdita di tempo; regole semplici (ad esempio una percentuale fissa in più rispetto alla media della stagione scorsa) sono sufficienti.
Questa segmentazione vi permette di concentrare il tempo di pianificazione limitato sui prodotti che avranno il maggiore impatto. Il confronto seguente può essere un punto di partenza per scegliere quale metodo applicare a quale gruppo di prodotti:
| Metodo | Accuratezza | Dati Necessari | Quando Usarlo |
|---|---|---|---|
| Media semplice / aumento percentuale | Bassa | Dati di una sola stagione | Gruppo C, prodotti a coda lunga |
| Media mobile | Media | 2-3 stagioni di dati mensili | Gruppo B, prodotti a volume medio |
| Indice stagionale | Medio-alta | Almeno 2-3 stagioni, dettaglio settimanale | Gruppo A con stagionalità marcata |
| Analisi di tendenza + regressione | Alta | Più stagioni, con dati sui fattori esterni | Prodotti critici del Gruppo A, ad alto volume |
"La previsione della domanda non consiste nel produrre un numero perfetto, ma nel ridurre l'incertezza a un intervallo gestibile."
Tenere conto dei fattori esterni
I dati di vendita storici da soli non bastano; anche i fattori esterni che influenzeranno la stagione devono essere inclusi nella previsione. Tra i principali vi sono il calendario delle campagne pianificate (le vostre promozioni e le giornate di campagna dei grandi marketplace), i cambiamenti nel calendario delle festività, le variazioni di prezzo rispetto alla stagione precedente e i nuovi canali di vendita aperti.
Ad esempio, se un nuovo canale marketplace non attivo la stagione scorsa è attivo in questa stagione, una previsione basata solo sui dati storici non rifletterà la domanda aggiuntiva che quel canale porterà: questa differenza va aggiunta manualmente. Allo stesso modo, un aumento di prezzo pianificato influenzerà direttamente la velocità di vendita storica, e la previsione dovrà essere corretta di conseguenza.
Ripartire il rischio con l'approvvigionamento graduale
Ordinare tutte le scorte necessarie per la stagione in un'unica soluzione trasferisce direttamente ogni errore di previsione sul bilancio. Invece, ove possibile, adottate una strategia di approvvigionamento graduale:
- Effettuate il primo ordine sulla base di un limite inferiore prudente della vostra previsione.
- Monitorate quotidianamente la velocità di vendita effettiva nelle prime 1-2 settimane dopo l'inizio della stagione.
- Se la velocità effettiva si discosta dalla previsione, adeguate di conseguenza al rialzo o al ribasso la quantità del secondo ordine.
- Ripetete questo ciclo fino a metà stagione, per quanto lo consentano i tempi di approvvigionamento.
Questa strategia funziona particolarmente bene per i prodotti con tempi di approvvigionamento brevi da parte del fornitore (il tempo tra ordine e consegna). Per i prodotti con tempi di approvvigionamento lunghi (ad esempio la produzione oltreoceano), la possibilità di approvvigionamento graduale è limitata; per questi prodotti diventa più critico ottenere una previsione corretta fin dal primo ordine — quindi ha senso dedicare più tempo alla previsione per i prodotti con tempi di approvvigionamento lunghi. Anche il modo in cui gestite la supply chain — magazzino proprio, partner 3PL o dropshipping — determina quanto possa essere flessibile l'approvvigionamento graduale; abbiamo trattato questi modelli nel nostro confronto tra modelli di fulfillment.
Bilanciare il costo delle rotture di stock e dell'eccesso di scorte
Entrambi gli errori sono costosi, ma in modi diversi. La rottura di stock costa vendite perse oltre alla fiducia dei clienti; un cliente che vede ripetutamente "esaurito" finirà per rivolgersi a un altro negozio all'inizio della stagione successiva. L'eccesso di scorte, invece, crea pressione per svendere o liquidare a fine stagione e sottrae anche spazio di magazzino ai prodotti della stagione successiva. Abbiamo approfondito come utilizzare in modo efficiente lo spazio di magazzino in base alle classi di prodotto nella nostra guida al layout del magazzino e all'efficienza di picking.
Quale errore sia più costoso dipende dal prodotto: un po' di scorte in eccesso su un prodotto ad alto margine e facilmente riordinabile è relativamente innocuo, mentre l'eccesso di scorte su un prodotto a basso margine con un ciclo moda rapido può trasformarsi in una perdita significativa. Per questo il margine di sicurezza (buffer) non dovrebbe essere una percentuale fissa uguale per tutti, ma va stabilito in base al margine e al ciclo moda di ciascun prodotto.
Monitoraggio e correzione durante la stagione
La previsione non è un lavoro concluso all'inizio della stagione. Confrontate la velocità di vendita effettiva della prima settimana con la previsione pianificata; se lo scostamento supera una determinata soglia (ad esempio oltre il 20%), aggiornate con un intervento tempestivo le decisioni di approvvigionamento rimanenti e la pianificazione delle campagne. Aspettare fino a metà stagione può consumare i tempi di approvvigionamento necessari per correggere la rotta. Potete trovare come intensificare questo ciclo di monitoraggio nei periodi di campagne ad alta intensità come il Black Friday nel nostro articolo sul calendario di preparazione al Black Friday.
Checklist rapida
- Sono stati analizzati almeno due o tre stagioni di dati storici di vendita?
- Gli effetti una tantum (campagne, eventi esterni) sono stati esclusi dalla previsione?
- I prodotti sono stati segmentati con l'analisi ABC per livelli di impegno previsionale differenziati?
- Il calendario delle campagne e gli eventuali nuovi canali sono stati inclusi nella previsione?
- Esiste un piano di approvvigionamento graduale per i prodotti con tempi di consegna brevi?
- Il margine di sicurezza è stato impostato per singolo prodotto in base a margine e ciclo moda?
- Le vendite effettive durante la stagione vengono confrontate settimanalmente con la previsione?
Condurre questa analisi manualmente, su fogli di calcolo sparsi, diventa rapidamente insostenibile per un catalogo di grandi dimensioni. La piattaforma e-commerce di Şimşek Software elabora report sui vostri dati storici degli ordini per prodotto e categoria, rendendo visibile la velocità di vendita stagionale; possiamo esaminare insieme il vostro storico vendite per basare su questi dati le decisioni di stock pre-stagionali.