Hoe u voorraad kunt voorspellen op meerdere Shopify-locaties

Uw voorspelling op winkelniveau wordt niet verbroken wanneer u een tweede locatie opent. Het is niet langer het nummer dat u nodig heeft. Shopify is bot over de reden: "De inventaris van elke locatie is onafhankelijk en kan niet worden gedeeld of samengevoegd met andere locaties." Eén voorspelling van 5 eenheden per dag was voldoende als er één plek was om ze te plaatsen. Met twee moet je ook antwoorden hoeveel er waar naartoe gaan, en dat antwoord vereist een beeld per locatie van de vraag waarvoor je misschien niet genoeg gegevens hebt om op te bouwen.

Het instellen van locaties, het bewerken van hoeveelheden per locatie, het bestellen van uitvoeringsprioriteit en het uitvoeren van een overdracht zijn mechanismen die worden behandeld het beheren van de voorraad op meerdere Shopify-locaties. Dit bericht begint daarna met de planningsvraag hieronder: voorspel de winkel en deel het resultaat, of voorspel elke locatie op basis van zijn eigen dunnere geschiedenis.

Waarom locaties een voorspelling breken

Neem één SKU. Cedar & Fig, 250g, wordt in de winkel ongeveer 5 stuks per dag verkocht, kost $ 7, kost $ 18 en het duurt 12 dagen om het aan te komen. Je beheert twee locaties: Portland, waar de meeste online bestellingen worden afgehandeld, en Austin, dat nieuwer en kleiner is.

Dat zijn 280 eenheden over acht weken, 35 per week, 5 per dag. Portland gemiddeld 24,5 per week en Austin 10,5, dus de verdeling is 70/30. Kijk nu naar de swing in plaats van naar het gemiddelde. Portland varieert van 22 tot 27, Austin van 8 tot 13. Dezelfde spreiding van vijf eenheden in beide kolommen, maar vijf eenheden is een vijfde van het wekelijkse gemiddelde van Portland en bijna de helft van dat van Austin. Er is niets misgegaan in Austin. Het is een kleinere serie, en een kleinere serie heeft meer relatieve ruis voor hetzelfde gedrag.

Dat is het eerste probleem: het delen van één geschiedenis door het aantal locaties maakt elke resulterende reeks dunner. Als een locatie een SKU in één en twee verkoopt, met lege weken ertussen, bent u overgestoken intermitterende vraag, waar de standaardmiddelingsmethoden niet langer van toepassing zijn. ABC-XYZ-analyse is de gebruikelijke manier om te sorteren welke SKU's stabiel genoeg zijn om conventioneel te voorspellen voordat u begint.

Het tweede probleem is dat een verkoopreeks per locatie geen vraagreeks per locatie is. Orderroutering bepaalt welke locatie een bestelling verzendt nadat de bestelling al bestaat, en een van de regels van Shopify is dat "Locaties waar alle artikelen op voorraad zijn, voorrang krijgen op locaties die dat niet doen." Als Portland opraakt, gaan de bestellingen die Portland zou hebben verzonden uit Austin, en de geschiedenis van Austin absorbeert stilletjes de vraag die nooit die van Austin was. Dat krijgt een eigen sectie hieronder.

Gecentraliseerde prognoses versus prognoses op locatieniveau

Er zijn twee manieren om voor elke locatie een getal te genereren.

Gecentraliseerd en vervolgens toegewezen. Voorspel de winkel. Cedar & Fig verkoopt 5 eenheden per dag. Vervolgens splitst u die voorspelling op door het historische aandeel van de vraag in elke locatie: 70 procent naar Portland en 30 procent naar Austin, wat neerkomt op 3,5 en 1,5 eenheden per dag. Het nummer van elke locatie is afgeleid van één serie die op alle 280 historische eenheden is gemonteerd.

Locatieniveau. Voorspel elke locatie afzonderlijk. Plaats de 196 eenheden van Portland gedurende acht weken als één serie en de 84 van Austin als een andere. Twee geschiedenissen, twee voorspellingen, geen gedeelde veronderstelling over hoe de vraag zich splitst.

De gecentraliseerde versie is uitgerust met meer gegevens, dus deze is stabieler en heeft minder kans op een toevalstreffer. De prijs is dat de splitsing een vaste verhouding is uit het verleden. Als het aandeel van Austin echt stijgt, blijft er bij een 70/30-allocatie sprake van onderaanbod totdat iemand de verhouding met de hand verandert. De versie op locatieniveau merkt het wel, omdat Austin's eigen nummers bewegen. Het reageert ook op ruis: een serie die schommelt tussen 8 en 13 zal vrolijk melden dat de vraag met 30 procent is gestegen in een week waarin er niets is veranderd.

Dezelfde keuze duikt een niveau lager op, waar de dunne serie bij een maat of een kleur hoort in plaats van bij een locatie: voorspellen op variantniveau weegt het voorspellen van het moederproduct en het opsplitsen naar groottecurve af tegen het passen van elke variant in zijn eigen geschiedenis.

Er is hier geen universeel juist antwoord. Wat bepaalt, is hoe gecorreleerd uw locaties zijn. Als ze samen stijgen en dalen, gedreven door dezelfde seizoensinvloeden en dezelfde promoties, bevat het winkeltotaal al bijna alle informatie en verliest een centrale prognose met een bewuste splitsing je heel weinig. Als ze onafhankelijk verhuizen, omdat de ene een winkelvloer is met lokale bezoekersaantallen en de andere een magazijn is dat een nationaal online publiek bedient, is de reeks op winkelniveau gemiddeld twee verschillende bedrijven en zal de splitsing aan beide kanten verkeerd zijn.

Welke aanpak past bij jouw winkel

Drie tests, in de volgorde die het waard is om ze toe te passen.

De meeste winkels met twee of drie locaties waarvan er één duidelijk dominant is, zijn beter gediend met een centrale prognose en een bewuste splitsing. Forecasting op locatieniveau verdient zijn nut wanneer een locatie voldoende volume heeft voor een leesbare serie en een echte reden is om af te wijken van de rest van de winkel. Welke methode de onderliggende prognose oplevert, is een afzonderlijke beslissing, die wordt behandeld in het kiezen van een voorspellingsmethode.

Een centrale prognose toekennen

De standaardsplitter is het aandeel van elke locatie in de vraag uit het verleden, en deze is meestal juist. De controle of een splitsing heeft gewerkt, is niet dat de eenheden er proportioneel uitzien, maar dat beide locaties eindigen met dezelfde dekkingsdagen, wat de rekenkunde is die is uitgewerkt in beslissen welke locatie welke inventaris moet bevatten.

Waar het hier om gaat, is weten wanneer delen de verkeerde splitter is. Vijf gevallen, allemaal gebruikelijk.

Het hangt allemaal af van het eerst goed krijgen van het tarief op winkelniveau. Shopify-verkoopgegevens omzetten in een dagtarief omvat die taak, en de bredere Gids voor voorraadprognoses beschrijft wat je ermee moet doen.

Het probleem van overdrachtsruis

Een overdracht verhoogt uw omzet niet. De overdrachten van Shopify verplaatsen de voorraad tussen winkellocaties en elke wijziging verschijnt in uw aanpassingsgeschiedenis, dus het verschuiven van 60 eenheden van Portland naar Austin voegt niets toe aan iemands vraagcijfers. Het geluid komt van een minder voor de hand liggende plek.

Het komt van routering. Omdat Shopify prioriteit geeft aan locaties waar alle artikelen op voorraad zijn, is de locatie waar een bestelling wordt verzonden gedeeltelijk afhankelijk van welke locaties die dag voorraad hadden, en niet van waar de klant was. Elk uur dat Portland op nul besteedt, duwt bestellingen naar het uitvoeringsrecord van Austin. Lees naïef: de geschiedenis van Austin zegt dat de vraag daar groeide. Dat gebeurde niet. Portland raakte uitgeput.

Er is nog een tweede vervorming die de moeite waard is om te controleren voordat u een nummer per locatie vertrouwt. Wat een klant online kan kopen, is de som van de beschikbare voorraad op locaties die online bestellingen kunnen uitvoeren. Het uitschakelen van die schakelaar per locatie heeft een gedocumenteerd gevolg: "Als je voorkomt dat een locatie online bestellingen uitvoert, wordt alle voorraad die aan de locatie is toegewezen verwijderd uit de online hoeveelheid van een product." Bouw een voorspelling op basis van het online beschikbare cijfer en een uitgeschakelde locatie is er onzichtbaar voor, met voorraad en al.

Sinds een wijziging die in mei 2026 is gepubliceerd, wordt de voorhanden voorraad op een locatie die niet aan een variant voldoet "nu weergegeven en kan deze worden bijgewerkt", terwijl de beschikbare hoeveelheid niet wordt weergegeven "omdat de locatie niet wordt gebruikt om nieuwe bestellingen uit te voeren", weergegeven als een streepje met de waarschuwing "Locatie voldoet niet aan deze variant". De meeste gepubliceerde richtlijnen hebben de achterstand niet ingehaald, dus als je hebt gelezen dat de voorraad op een niet-nakomende locatie onzichtbaar is, is dat verouderd.

Eén ding mag u van geen enkele blog overnemen, inclusief deze: welke rapporten per locatie uw abonnement bevat. De eigen documentatie van Shopify spreekt zichzelf daar tegen, dus controleer je beheerder.

De praktische oplossing is om de vraag te reconstrueren in plaats van de vervullingen te lezen. Markeer elke periode waarin een locatie op nul stond, sluit die weken uit de geschiedenis ervan en doe hetzelfde voor de locatie die de achterstand opliep. Het is vervelend met de hand, wat een eerlijke reden is dat veel winkels zich baseren op de centrale voorspelling.

Veiligheidsvoorraad bundelen

De veiligheidsvoorraad verdeelt niet. Dit is het standaardresultaat in de voorraadtheorie, en het is het sterkste argument tegen het breder distribueren van de voorraad dan nodig is: één buffer die de gecombineerde variabiliteit dekt, is kleiner dan de som van afzonderlijke buffers die op hetzelfde serviceniveau worden gehouden, omdat een zware week op de ene locatie alleen kan worden geabsorbeerd door een rustige week op een andere locatie als de eenheden zich op dezelfde plek bevinden. Verdeel dezelfde vraag over twee locaties en uw totale veiligheidsvoorraad gaat omhoog, niet omlaag.

Hoeveel het stijgt, hangt af van dezelfde correlatievraag die de voorspellingsmethode heeft bepaald. Wanneer locaties onafhankelijk verhuizen, vergt de gebundelde buffer veel werk en is het opsplitsen ervan kostbaar. Toen ze samen kwamen, bespaarde het bundelen je nooit veel. De formule voor het dimensioneren van de buffer en de keuze voor het serviceniveau daarachter zijn bekend de veiligheidsvoorraadgids.

Voordat u rond de eigen tooling van Shopify gaat plannen: het heeft geen veld voor bestelpunten per locatie en het helpcentrum documenteert geen prognoses per locatie of enige planning voor voorraadtoewijzing. Het stuurt bestellingen door naar de voorraad die al bestaat. Er wordt niet aanbevolen hoeveel van een inkomende zending waarheen moet gaan, er wordt geen balans opgemaakt en er wordt geen melding gemaakt van een locatie die op het punt staat leeg te raken, terwijl een andere al maanden dekking heeft. Routing is een beslissing op het moment van uitvoering, en niet een planningsbeslissing.

Een beoordelingsroutine

Welke aanpak je ook kiest, het vervalt. Voor de meeste winkels is een maandelijkse pass over vier zaken voldoende.

Vier gebeurtenissen zouden een beoordeling vooruit moeten helpen: het openen of sluiten van een locatie, het wijzigen van een routeringsregel, het in- of uitschakelen van een locatie voor online afhandeling, en een verandering van leverancier die de doorlooptijd verschuift.

Als je dit met de hand in een echte catalogus doet, blijven de meeste winkels staan, dus het is de moeite waard om precies te zijn over wat software verwijdert. StockCue prognoses en waarschuwingen op SKU-niveau in uw winkel, met seizoensinvloeden, voor elk abonnement, inclusief Gratis, en Growth voegt een verklaarbare uitsplitsing toe van elke aanbevolen hoeveelheid. Dat is de gecentraliseerde helft van dit bericht. Het voorspelt niet locatie per locatie en heeft vandaag geen bestelpunten per locatie. Voorraadtellingen op meerdere locaties beginnen op Starter en overdrachten zijn een schaalfunctie. Het toewijzingsbesluit blijft van u.

Veelgestelde vragen

Moet ik elke Shopify-locatie afzonderlijk voorspellen?

Alleen als de locatie voldoende volume heeft om de eigen verkoopgeschiedenis leesbaar te maken en er een echte reden is om af te wijken van de rest van de winkel. Voor de meeste winkels met twee of drie locaties en één duidelijk dominant is het voorspellen van het winkeltotaal en het opsplitsen ervan op basis van het vraagaandeel van elke locatie stabieler, omdat de gecombineerde reeksen op alle gegevens worden toegepast. De handel is reactievermogen: een vaste splitsing blijft fout totdat iemand de verhouding met de hand bijwerkt.

Hoeveel verkoopgeschiedenis heeft een locatie nodig voordat de eigen prognose de moeite waard is?

Er is geen maandtelling die de moeite waard is om te citeren, en elk getal dat je hebt gezien is eerder iemands vuistregel dan een bevinding. De bruikbare test is de eigen wekelijkse reeks van de locatie: meet het verschil tussen de hoogste en laagste week en vergelijk dat verschil met het wekelijkse gemiddelde. Als de schommeling een groot deel van het gemiddelde bedraagt, bestaat de reeks voornamelijk uit ruis en zal een deel van de winkelvoorspelling deze verslaan. Als de locatie in eenheden en tweeën wordt verkocht met blanco weken, is het een intermitterende reeks en heeft deze een geheel andere methode nodig.

Vertekenen overdrachten tussen locaties mijn verkoopgegevens?

Een overdracht verplaatst de voorraad, zodat deze in uw voorraadaanpassingsgeschiedenis terechtkomt in plaats van in uw verkoopcijfers, en er geen vraag naar beide locaties toeneemt. De echte vervorming komt van de orderrouting. Shopify geeft prioriteit aan locaties waar alle artikelen op voorraad zijn, dus als de ene locatie opraakt, worden de bestellingen die zouden zijn verzonden door een andere locatie opgevuld, en de geschiedenis van die locatie absorbeert een vraag die nooit de eigen was.

Betekent het hebben van meer locaties dat ik in totaal meer veiligheidsvoorraad nodig heb?

Voor hetzelfde serviceniveau wel, en dit is het standaardresultaat in de voorraadtheorie. Eén buffer die gecombineerde variabiliteit dekt, is kleiner dan de som van afzonderlijke buffers, omdat een zware week op de ene locatie alleen kan worden geabsorbeerd door een rustige week op een andere locatie als de units op dezelfde plek staan. Hoeveel extra je nodig hebt, hangt af van hoe onafhankelijk de locaties zijn: als ze samenkomen, leverde het bundelen je sowieso niet veel op.