Назад к Blog
BlogРоссия7 мин чтения

Россия · RU

Сезонный спрос оптовика: какие вопросы задать до прогноза

Как предложить подготовку к сезону без обещания точного будущего? Разделяем историю продаж, подтверждённые заказы, ограничения поставки и качество проверки на российских примерах.

Автор: команда playzii

Дата обновления

Исторические ряды книг и спортивных товаров
Оригинальный рисунок 3, обе панели и подпись. Колебания разных категорий не дают основания назначить один сезонный коэффициент всем товарам оптовика.

Dmitry Brykin · Journal of Computer Science, Science PublicationsИсточник изображения · CC BY 4.0. Подлинный фрагмент исходного PDF: полная выбранная иллюстрация, таблица или раздел. Содержание не изменено. https://creativecommons.org/licenses/by/4.0/

Начните с решения, которое должен принять оптовик

Перед сезоном оптовой компании может понадобиться заранее согласовать поставки, подготовить предложение магазинам или понять, какие позиции обсуждать с постоянными покупателями. Во всех случаях звучит слово «прогноз», но задачи различаются. Полезный первый вопрос в B2B-разговоре: какое действие сотрудник должен выполнить по результату расчёта и за какое время до предполагаемой продажи?

Если вы предлагаете аналитику, сопровождение учёта или помощь с организацией продаж, начните с этого действия. Для разговора с поставщиком важны сроки и ограничения заказа. Для обращения к клиенту — его ассортимент и причина предполагаемой закупки. Один общий график выручки не отвечает на оба вопроса. Требования к исходным данным зависят от того, какое решение предстоит принять.

В этой статье мы соединяем исследование относительных продаж в России с учебными подходами к проверке прогноза, методическими примерами и корпоративными сообщениями. Из этого складывается порядок вопросов для первой встречи с оптовиком. Предложенный порядок — редакционная разработка, которую нужно адаптировать к компании. Мы не выдаём его за проверенное внедрение или измеренный результат клиента.

Прежде всего уточните единицу планирования. Компания может продавать товар по артикулам и упаковкам, вести закупку коробами, а обсуждать с покупателем только категорию. Между этими уровнями должны быть понятные связи. Пока неизвестно, какое количество и в каких единицах требуется сотруднику, обещание точности расчёта мало помогает подготовить реальное коммерческое предложение.

Исторический ряд показывает колебания конкретной категории

В исследовании сравнительных моделей прогнозирования 2024 года использованы обезличенные относительные продажи из данных Tinkoff: аптеки, железнодорожные билеты, книги, спортивные товары и топливо. Почасовые наблюдения относятся к периоду с 1 февраля 2022 года по 31 января 2023 года. Это историческая исследовательская выборка, а не сведения о нынешних заказах выбранного оптовика.

Автор сравнивает несколько моделей при разных интервалах агрегации. На оригинальных рисунках видно, что категории имеют разную форму колебаний. Однако вертикальная шкала нормирована. По ней нельзя определить, сколько коробок заказать, какова выручка компании в рублях или насколько велик рынок конкретного региона. Прежде чем применять подобный график, нужно понимать, что именно измерено.

Особенно важно сохранить различие между продажами конечным покупателям и заказами посредника. Магазин может заказать партию заранее, а продать её позднее. Оптовая отгрузка и розничная покупка тогда попадут в разные периоды. Исследование банковских данных не задаёт автоматически срок первой встречи с закупщиком или нужный объём предложения поставщику.

Пять подлинных изображений взяты из исходного PDF: описание данных, три полных рисунка и таблица результатов. Авторское разрешение CC BY 4.0 позволяет такое использование с указанием автора и источника. Мы сохранили подписи и содержание, а рядом объяснили ограничения. Собственный график ниже выделяет один показатель, не меняя исходные данные.

Для первого контакта с потенциальным клиентом вывод скромнее выбора алгоритма: стоит спросить, какие категории он готовит к сезону и когда начинается закупка. Сам факт работы в отрасли не доказывает одинаковый календарь у всех компаний. Регион, ассортимент, договорённости с поставщиками и собственная организация склада могут менять момент, когда покупателю нужна ваша помощь.

Показатель ошибки относится к определённой проверке

Наш график воспроизводит опубликованный MAPE для категории Books при дневном интервале 1D из таблицы 4: ARIMA — 3,6%, LSTM — 12,8%, Prophet — 2,5%. MAPE описывает процентную ошибку в принятой автором оценке. Он не обозначает долю покупателей, рост продаж или процент сокращения запасов. Значения других категорий и интервалов здесь не смешаны.

Такое сравнение помогает заметить, насколько результат зависит от постановки задачи. Его нельзя превращать в универсальный рейтинг программ. В статье представлена ограниченная выборка относительных продаж; описание проверки не даёт достаточной основы для независимого подтверждения будущей точности на архиве оптовика. Мы показываем опубликованные числа с этим ограничением, а не обещаем повторение результата.

В учебнике Hyndman и Athanasopoulos различаются остатки на данных обучения и ошибки прогноза на проверочном периоде. Для временных рядов при последовательной проверке используются только наблюдения, которые были доступны до прогнозируемого момента. Это полезный принцип при обсуждении услуги: заранее договориться, какие данные доступны на дату расчёта и по какому будущему периоду оценивают результат.

Уточните также, с чем будет сравниваться усложнённый подход. Учебник рассматривает простые базовые методы, включая повтор последнего значения того же сезона. Сам по себе такой ориентир не решает задачу клиента. Он помогает оценить, даёт ли выбранный способ дополнительную пользу на согласованной проверке. Проверка должна соответствовать реальной частоте решения, а не удобству красивой демонстрации.

Спрос, заказы и отгрузки следует объяснять отдельно

В методическом материале 1С о прогнозировании спроса обсуждаются подготовка истории, экспертные корректировки и влияние отсутствия товара на продажи. Это описание подхода и возможностей системы, а не независимое исследование эффекта. Для разговора с оптовиком особенно полезен вопрос о днях, когда товар нельзя было отгрузить: малый объём продаж сам по себе не объясняет причину.

Попросите показать, как в компании различают запрос покупателя, подтверждённый заказ, отгрузку и возврат. Это могут быть разные документы и даты. Если часть запросов не превратилась в отгрузки из-за отсутствия позиции, нужно сохранить это объяснение. Если заказ отменён по другой причине, его тоже нельзя без обсуждения использовать как обычную продажу или ожидаемый спрос.

Единичная крупная закупка требует пояснения. Она могла относиться к разовому проекту или новому клиенту. Сначала выясните обстоятельства у ответственного сотрудника, затем решайте, как учитывать событие в выбранной задаче. Не стоит автоматически удалять любое необычное значение или объявлять его началом нового устойчивого роста. Изменение данных должно иметь понятную причину.

Полезно заранее определить, кто подтверждает исправления и как хранится объяснение. Аналитик может увидеть скачок, но менеджер знает, что покупатель перенёс заказ с предыдущего месяца. Такая информация не заменяет проверку расчёта, однако помогает сформулировать корректную задачу. В предложении услуги можно отдельно предусмотреть разбор спорных периодов с сотрудником, который понимает историю продаж.

Прогноз и план поставки отвечают на разные вопросы

В методике 1С для сезонного производства и снабжения приведён упрощённый пример швейного предприятия. Сезонный спрос рассматривается вместе с мощностями, минимальными партиями и сроками закупки. Числа модели служат объяснению расчёта. Они не являются отраслевыми нормативами или статистикой российского оптового рынка, поэтому мы не переносим их в план клиента.

Для поставщика практический вопрос состоит в том, когда нужно принять решение, чтобы товар оказался доступен к нужному моменту. Ожидаемая продажа в определённом месяце ещё не назначает дату заказа. Нужно знать подготовку партии, транспортировку, приёмку и допустимость частичной поставки. Эти условия сообщает конкретная компания; их нельзя достоверно восстановить из среднего отраслевого графика.

Обсудите, какие ограничения уже подтверждены, а какие пока предполагаются. Например, привычный срок поставки и обещанный срок для новой партии могут различаться. В рабочем материале полезно отдельно назвать источник каждого условия и дату его уточнения. Это позволяет сотруднику вернуться к поставщику с конкретным вопросом, когда условия изменятся, вместо повторного обсуждения всей схемы.

Если вы продаёте сопутствующую услугу, сформулируйте её результат в действиях клиента. Возможно, ему нужна сверка сезонных позиций перед переговорами, карта недостающих сведений или перечень вопросов к поставщикам. Перечень действий обычно легче оценить на первой встрече, чем обещание «умного прогноза», для которого ещё не согласованы ни данные, ни срок решения, ни способ проверки.

В корпоративном примере отличайте план от выполненного этапа

Сообщение «Магнита» от 9 октября 2024 года описывало начало разработки собственной F&R и поэтапное развёртывание. Это объявление о проекте и ожидаемых возможностях. Оно не подтверждает само по себе завершение внедрения, достижение заявленного экономического эффекта или текущую доступность решения другим компаниям.

В сообщении от 25 июня 2025 года компания уже описывала начало внедрения в кировском распределительном центре и ограниченный первоначальный ассортимент. Ожидаемое сокращение запасов в цитате оставалось оценкой будущего эффекта. Мы рассматриваем два датированных документа, а не утверждаем состояние всего проекта на сегодняшний день или независимую проверку его результатов.

Из такого сопоставления можно взять принцип описания собственной услуги: отделять подготовку данных, пробное применение и расширение охвата. На каждом этапе должны быть понятны выполненные действия и вопросы, которые ещё остаются. Большой корпоративный масштаб не задаёт обязательный состав команды или подходящий бюджет для небольшого оптовика. Контекст клиента нужно исследовать отдельно.

Когда вы используете подобный кейс в разговоре, назовите, какую часть он иллюстрирует. Например, поэтапное включение ассортимента или связь прогноза с пополнением. Не выдавайте чужое объявление о разработке за доказательство эффективности своего предложения. Клиент сможет оценить ваш подход по его применимости к собственным данным и решениям, а не по известности упомянутой сети.

Пример первой встречи с оптовиком сезонного ассортимента

Представим условного поставщика спортивных принадлежностей, который готовит предложение магазинам к новому сезону. Это редакционный пример, а не реальная история клиента. Поставщик пока знает лишь прошлогодние отгрузки по месяцам. Он хочет понять, с какими покупателями начать обсуждение будущей партии. Мы не будем рассчитывать для него количество товара или выдумывать подтверждённые заказы.

Первый набор вопросов относится к покупателям: какие группы магазинов заказывали похожий ассортимент, кто согласовывал спецификацию и когда начиналась переписка. Второй набор относится к исполнению: какие позиции доступны и какие сроки нужно уточнить. История контакта даёт повод для разговора, но не подтверждает, что магазин снова закупит тот же объём или вообще планирует закупку.

В коротком обращении можно напомнить о конкретном ассортименте и спросить, когда собеседнику удобно обсуждать условия подготовки сезона. При отсутствии прежних отношений сначала выясните, подходит ли предложение деятельности компании и кто отвечает за такую категорию. Не стоит подменять этот вопрос сообщением о якобы известной будущей потребности покупателя. Исследование помогает сформулировать вопрос, а не ответить за него.

Если интерес подтверждён, сохраните предмет обсуждения, роль сотрудника и следующий согласованный шаг. Прогнозный расчёт, коммерческое предложение и подтверждённый заказ должны оставаться различимыми событиями. Тогда коллега сможет продолжить диалог по актуальным данным, а руководитель увидит, какие предположения ещё проверяются. Такой порядок полезен до выбора сложной модели и остаётся необходимым после её появления.

Данные исследования

Опубликованная ошибка для одной категории и одного интервала

MAPE для Books при интервале 1D, таблица4 исследования. Меньшее значение означает меньшую ошибку в авторской оценке; это не доля продаж и не гарантия для оптовика.

MAPE, % · 2024-08-01
Опубликованная ошибка для одной категории и одного интервалаMAPE для Books при интервале 1D, таблица4 исследования. Меньшее значение означает меньшую ошибку в авторской оценке; это не доля продаж и не гарантия для оптовика.. ARIMA: 3,6 MAPE, %. LSTM: 12,8 MAPE, %. Prophet: 2,5 MAPE, %.ARIMA3,6LSTM12,8Prophet2,5

Прямой перенос трёх значений строки Books, колонки 1D/MAPE, из таблицы4 исходного PDF, с.1227 (страница6 файла). Не использованы другая категория, двенадцатичасовой интервал или таблица3, где порядок интервалов меняется между моделями. Исходный ряд: обезличенные относительные продажи 01.02.2022–31.01.2023, не натуральные отгрузки оптовика. Дата — публикация исследования. Показатели сообщены автором; независимая проверка на будущем периоде клиента не проведена, условия исследования не доказывают такую точность в новой задаче.

Источники: Science Publications, Journal of Computer Science

Показать данные и источники

Источники и ссылки

  1. Sales Forecasting Models: Comparison between ARIMA, LSTM and ProphetScience Publications, Journal of Computer Science · RU

    Опубликовано · Дата обращения

  2. Дата обращения

  3. Дата обращения

  4. Дата обращения

  5. Опубликовано · Дата обращения

  6. Опубликовано · Дата обращения

Сохранить компанию и вопрос к закупке Назад к Blog