Optymalizacja preorderu:
Zamawianie z danymi zamiast intuicji
Jak model dwuetapowy (LightGBM + LSTM), korzystając z sygnałów trendów, zamówień targowych i danych pogodowych, poprawia dokładność preorderu o 23% - a po 2 tygodniach sezonu ponownie zmniejsza błąd prognozy o połowę.
01 Problem - zamówienia w ciemno, 6 miesięcy przed dostawą
Dlaczego 35% jeansów ląduje w końcu w wyprzedaży
Firma modowa z 1800 SKU (jeansy, koszulki, koszule, bluzy) musi złożyć preorder u dostawców 6–8 miesięcy przed dostawą. W tym momencie nie istnieją dane pogodowe ani wskaźniki sprzedaży na nadchodzący sezon - tylko próbki, intuicja kupców i porównania z poprzednim rokiem.
Wynik: 35% towaru trafia na koniec sezonu po cenach wyprzedażowych (średni rabat: 42%). Jednocześnie 12% bestsellerów wyprzedaje się już w połowie sezonu - a ponowna produkcja przy lead-time 8–12 tygodni nie wchodzi w grę. Między overstockiem a stockoutem leży sweet spot, który mogą trafić tylko dane.
02 Podstawa danych - 4 sezony, 1800 SKU, 18 rynków
Co Państwa system magazynowy już wie o Państwa klientach
Dział zakupów musi zamówić towar letni w styczniu z dostawą w sierpniu - nie wiedząc, czy lato będzie ciepłe, czy jeansy wide-leg będą dalej modne, czy trend z TikToka w marcu nie wywróci wszystkiego. Klasyczny preorder opiera się na poprzednim roku ±10%, uzupełnionym opinią kupców. To już nie wystarcza.
03 Analiza eksploracyjna - gdzie preorder chybia
Wzorce, które Państwa dział zakupów zna - ale nie potrafi skwantyfikować
Jeansy wide-leg mają odchylenie preorderu na poziomie 48% - prawie co druga sztuka planowana błędnie. Powód: artykuły trendowe nie mają stabilnej bazy z poprzedniego roku. Podstawowe koszulki odchylają się tylko o 12% - tutaj logika poprzedniego roku działa. Model musi pracować więc kategorio-specyficznie, nie z jednolitą metodą.
04 Feature engineering - co poprawia preorder
Zewnętrzne sygnały, które istnieją już 6 miesięcy przed startem sezonu
Sęk w tym, że model działa w dwóch etapach. Etap 1 (preorder, 6 miesięcy wcześniej) korzysta z 12 długoterminowych sygnałów. Etap 2 (korekta in-season, od tygodnia 2) koryguje preorder na podstawie pierwszych realnych danych sprzedaży - i rekomenduje redystrybucje między rynkami, błyskawiczne dodruki lub wczesne markdowny.
05 Model - dwuetapowa prognoza popytu
Rekomendacja preorderu + korekta in-season w jednym systemie
Sam preorder (Etap 1) jest już o 23% dokładniejszy niż obecna metoda zakupów. Ale prawdziwa dźwignia leży w Etapie 2: po zaledwie 2 tygodniach danych sprzedaży LSTM koryguje prognozę do 11,2% WAPE - umożliwiając terminowe redystrybucje. Bestseller w Monachium, który słabo idzie w Hamburgu? System wykrywa to w tygodniu 2 i przesuwa 200 sztuk. Rzeczywista poprawa zależy od jakości danych i tempa adopcji w dziale zakupów. W praktyce wyniki pierwszego roku zazwyczaj plasują się w dolnej części przedziału — z rosnącym impactem w kolejnych latach dzięki lepszej bazie danych i dostrajaniu modelu.
06 Wpływ biznesowy - rachunek preorderu
Co lepsze preordery oznaczają w euro
| Kategorie | Stück/Saison | Overstock aktuell | Overstock Modell | Einsparung | Hebel |
|---|---|---|---|---|---|
| Jeans Wide Leg (Trend) | 320.000 | 48% | 26% | €2,4M | Trend-Signale via Social |
| T-Shirt Graphic | 256.000 | 42% | 24% | €1,1M | Pinterest Save Rate |
| Hoodie | 384.000 | 31% | 19% | €0,9M | Wetter-Langzeitprognose |
| Jeans Slim Fit (NOS) | 704.000 | 18% | 12% | €1,4M | Carry-Over-Stabilität |
| T-Shirt Basic (NOS) | 576.000 | 12% | 8% | €0,6M | In-Season Umverteilung |
Pokazany wynik €9,8M opiera się już na ostrożnym szacunku — zazwyczaj w pierwszym roku osiągalne jest 50–60% potencjału, z rosnącym impactem w kolejnych latach. Największa dźwignia leży w kategoriach trendowych (wide leg, graphic tees): tutaj obecna dokładność planowania jest najgorsza, a sygnały zewnętrzne (Google Trends, media społecznościowe) dają największą wartość dodaną.
07 Kolejne kroki
Od analizy do wdrożenia
Przepuszczenie Państwa ostatnich 4 sezonów przez model. Czy model trafiłby lepiej w preorder? Backtesting z rzeczywistymi liczbami.
Następny sezon: preorder dla 100 fokusowych SKU z rekomendacją modelu vs. 100 SKU bez. Porównanie A/B po zakończeniu sezonu.
Od tygodnia 2: bieżące porównanie preorderu z rzeczywistą sprzedażą. Automatyczne rekomendacje redystrybucji, błyskawicznych dodrukow i wczesnych markdownów.