Cara Memperkirakan Inventaris Musiman untuk Shopify

Cedar & Fig, 250g terjual dengan harga normal lima unit sehari hampir sepanjang tahun, kemudian naik tajam setiap bulan November dan turun kembali pada bulan Januari. Titik pemesanan ulang yang dibangun dari rata-rata sembilan puluh hari yang bergulir tidak akan pernah mengalami hal ini: rata-rata tidak akan naik sampai lonjakan di bulan November sudah terjadi, yang mana pada saat itu persediaan sudah menipis selama berminggu-minggu, dan tetap meningkat hingga memasuki tahun baru karena lonjakan di bulan Desember masih berada di dalam rata-rata yang sama.

Itu bukan masalah data, ini masalah metode. SEBUAH rata-rata bergerak memperlakukan setiap pengamatan dengan cara yang sama, apa pun kalendernya; produk yang benar-benar musiman membutuhkan perkiraan yang mengetahui bulan apa sekarang. Hal ini berbeda dengan lonjakan yang terjadi satu kali saja yang dihasilkan oleh suatu promosi (lihat bagaimana promosi mempengaruhi perkiraan inventaris), karena pola musiman berulang dengan sendirinya, tahun demi tahun, tanpa Anda melakukan apa pun untuk memicunya. Lihat kami panduan lengkap untuk perkiraan inventaris Shopify untuk proses penuh yang cocok dengan ini.

Apa yang Membuat Permintaan Menjadi Musiman

Dekomposisi rangkaian waktu standar membagi permintaan menjadi sebuah tren, komponen siklus, komponen musiman, dan kebisingan yang tidak teratur, sehingga memperlakukan bagian musiman sebagai faktor berulang yang terikat pada kalender, bukan pertumbuhan yang mendasarinya atau naik turunnya barang secara acak. Ada dua versi model yang ada: aditif, di mana perubahan di sekitar tren tetap konstan terlepas dari seberapa besar pertumbuhan tren, dan multiplikatif, di mana perubahannya berskala sesuai dengan tingkat penjualan saat ini. Bentuk yang lebih umum untuk penjualan eceran diukur dalam satuan, karena toko yang lebih besar biasanya memiliki bulan November yang lebih besar juga, bukan hanya jumlah tambahan tetap yang sama.

Bagian tersulit dalam praktiknya adalah menceritakan pola musiman asli secara kebetulan. One unusually strong November could be a real, recurring pattern, or it could be a single viral moment or an early cold snap that happened to land that year. Satu tahun tidak dapat membedakan keduanya, itulah sebabnya membangun indeks dengan benar memerlukan lebih dari satu tahun data, yang dibahas di bawah ini.

Membangun Indeks Musiman

Indeks musiman menunjukkan seberapa besar suatu periode tertentu berjalan di atas atau di bawah rata-rata yang tidak sesuai musim: suatu faktor, bukan selisih poin persentase. Indeks 1,20 berarti periode tersebut biasanya berjalan 20% di atas garis dasar; indeks 0,5 berarti biasanya berjalan pada setengah tingkat dasar.

Indeks musiman untuk suatu periode = Permintaan rata-rata pada periode tersebut selama beberapa tahun terakhir ² Permintaan rata-rata pada periode normal pada tahun yang sama

Versi statistik lengkapnya, metode rasio terhadap rata-rata pergerakan, pertama-tama menghapus semua tren yang mendasarinya dengan rata-rata pergerakan terpusat sebelum menghitung rasionya, yang mana semakin penting semakin cepat pertumbuhan toko (selengkapnya di bawah). Tanpa banyak tren pertumbuhan, membandingkan langsung dengan rata-rata periode normal sudah cukup mendekati.

Cedar & Fig, 250g menampung hampir 150 unit sebulan di luar musimnya: kecepatan lima hari yang sama di belakang titik pemesanan ulang 90 unit, selama 30 hari dalam sebulan. Rata-rata dalam dua bulan November terakhir, terjual 375 unit. Indeks musiman bulan November = 375 150 = 2,5.

Lipat gandakan perkiraan dasar Anda saat ini dengan indeks untuk mendapatkan angka yang disesuaikan secara musiman: pada kecepatan normal 150 unit per bulan, perkiraan bulan November menjadi 150 × 2,5 = 375 unit, bukan rata-rata biasa yang akan diberikan rata-rata pergerakan datar kepada Anda. Mengubah nomor itu menjadi kalender pemesanan untuk musimnya adalah tugasnya perencanaan inventaris liburan, yang dihitung mundur dari puncak hingga tanggal pesanan harus berangkat.

Data Minimum yang Dibutuhkan

Anda memerlukan setidaknya satu tahun penuh sejarah sebelum indeks musiman berarti apa pun. Anda tidak akan tahu bagaimana perilaku bulan November sampai Anda mengamatinya. Satu tahun memberi Anda satu titik data per periode, yang tidak dapat membedakan pola berulang yang sebenarnya dari penyebab yang terjadi satu kali saja: cuaca dingin di awal, satu postingan viral, kehabisan stok yang terjadi pada bulan berikutnya. Rata-rata dua tahun atau lebih, seperti pada contoh di atas, adalah tujuan dari teknik standar untuk membangun indeks: menghilangkan kebisingan satu tahun dengan membuat rata-rata rasio setiap periode dalam beberapa tahun.

Tidak ada sumber yang dapat kami temukan yang memberikan angka pasti berapa tahun yang “cukup”, dan aturan spesifik apa pun yang Anda lihat di tempat lain juga tidak didukung oleh sumber utama. Lebih banyak sejarah umumnya berarti lebih percaya diri; tidak ada batasan di mana suatu indeks tiba-tiba menjadi dapat diandalkan.

Menyesuaikan dengan Pertumbuhan

Indeks musiman yang dihitung dengan rasio lurus memiliki titik buta: indeks ini mengasumsikan garis dasar yang digunakan untuk mengukurnya tidak bergerak. Jika toko Anda telah berkembang sejak bulan November yang lalu, menerapkan indeks lama ke garis dasar lama akan mengecilkan puncak tahun ini: model perkalian di balik indeks musiman memperlakukan musiman sebagai proporsional dengan tingkat rangkaian saat ini, bukan jumlah unit tambahan yang tetap.

Cara mengatasinya adalah dengan menerapkan indeks ke data dasar Anda saat ini, bukan data historis asal indeks tersebut. Jika kecepatan non-musiman Cedar & Fig telah meningkat dari 150 unit per bulan menjadi 180 sejak dua bulan November tersebut, perkiraan tahun ini adalah 180 × 2,5 = 450, bukan angka basi yang diperkirakan rata-rata historis saja.

Berhati-hatilah dalam memproyeksikan pertumbuhan ke depan dalam garis lurus juga. Tren yang disesuaikan dengan peningkatan beberapa bulan terus mengekstrapolasi tingkat yang sama bahkan setelah penurunan secara alami: periksa apakah kecepatan terkini Anda masih benar-benar meningkat sebelum Anda berasumsi demikian.

Melakukan hal ini dengan tangan berarti menarik penjualan bulanan per SKU selama beberapa tahun, menghitung rasio untuk setiap periode, dan mengubah nilai setiap indeks terhadap kecepatan saat ini setiap kali terjadi perubahan, bukan spreadsheet yang disimpan oleh kebanyakan orang selama tahun pertama, di seluruh katalog dengan lebih dari beberapa baris musiman. StockCue memperoleh indeks musiman dari riwayat pesanan toko secara otomatis setelah SKU memiliki dua belas bulan di belakangnya, dan menerapkannya ke bulan mana pun Anda membeli: teredam dan dibatasi, sehingga bulan Desember yang luar biasa kuat tidak melipatgandakan pesanan bulan Januari, pada setiap paket termasuk Gratis.

Belum 12 Bulan

Jika Anda tidak memiliki riwayat satu tahun penuh pada SKU, belum ada yang berfungsi di atas. Anda tidak dapat mengindeks periode yang belum pernah Anda amati. Itu adalah masalah yang lebih sempit dan berbeda: lihat memperkirakan persediaan untuk produk baru dengan riwayat penjualan terbatas untuk mengetahui cara memperkirakan permintaan hingga Anda memiliki cukup uang untuk indeks sebenarnya.

Sementara itu, solusi terdekatnya adalah membandingkan produk baru dengan produk musiman lama dalam kategori yang sama dan mengasumsikan bentuk yang serupa, disesuaikan dengan ukuran: penalaran produk analog yang sama, perkiraan produk baru bergantung pada secara umum, bukan pada indeks musiman itu sendiri.

Pertanyaan yang Sering Diajukan

Apa yang dimaksud dengan indeks musiman dalam perkiraan inventaris?

Indeks musiman adalah faktor yang menunjukkan seberapa besar periode tertentu biasanya berjalan di atas atau di bawah permintaan normal yang tidak sesuai musim. Indeks 1,5 berarti periode tersebut biasanya menjual 50% di atas garis dasar; indeks 0,5 berarti biasanya dijual dengan setengah harga dasar. Mengalikan perkiraan dasar Anda saat ini dengan indeks untuk periode tersebut akan menghasilkan perkiraan yang disesuaikan secara musiman.

Berapa banyak riwayat penjualan yang Anda perlukan untuk memperkirakan permintaan musiman?

Minimal satu tahun penuh, karena Anda tidak dapat membuat indeks untuk periode yang belum pernah Anda amati. Selain itu, tidak ada jumlah tahun yang disepakati secara universal: dua tahun atau lebih memungkinkan Anda menghitung rata-rata lonjakan dan penurunan yang terjadi satu kali, dan lebih banyak sejarah umumnya berarti lebih percaya diri, namun tidak ada batas pasti ketika suatu indeks tiba-tiba menjadi dapat diandalkan.

Bagaimana Anda memperkirakan permintaan musiman untuk toko yang berkembang pesat?

Terapkan indeks musiman pada kecepatan dasar Anda saat ini, bukan pada garis dasar lama yang awalnya dihitung. Rasio lurus yang dihitung terhadap penjualan tahun-tahun sebelumnya akan mengecilkan puncak tahun ini jika toko tersebut telah berkembang sejak saat itu, karena toko tersebut masih mengukur tingkat penjualan lama dan bukan tingkat penjualan saat ini.

Apa yang harus Anda lakukan jika Anda belum memiliki riwayat penjualan setahun penuh?

Perlakukan ini sebagai masalah yang berbeda dari perkiraan musiman daripada mencoba memaksakan indeks pada data yang belum ada. Bandingkan produk dengan item lama dan serupa di katalog Anda sebagai panduan kasar, dan beralihlah ke indeks musiman nyata setelah Anda mengetahui sejarah produk baru selama setahun penuh.