KI-Bestandsverwaltung und Nachfrageprognose für E-Commerce

Die KI-Bestandsverwaltung hat drei Kernaufgaben: Vorhersage der zukünftigen Nachfrage auf der Grundlage vergangener Verkäufe und externer Signale, Berechnung, wann und wie viel nachbestellt werden muss, und Kennzeichnung von Lagerbeständen, die sich nicht bewegen, damit Sie sie räumen können, bevor sie zu toten Lagerbeständen werden. Die KI verwaltet nicht Ihr Lager, verhandelt nicht mit Lieferanten und kümmert sich nicht um Retouren.

Es verarbeitet Daten und empfiehlt Maßnahmen. Ein nützliches KI-Bestandssystem stellt eine Verbindung zu Ihrer E-Commerce-Plattform her, liest die Verkaufsgeschwindigkeit nach SKU, berücksichtigt Saisonalität und Vorlaufzeit und gibt ein einfaches Dashboard aus: Bestellen Sie diese SKU in 12 Tagen neu, diese SKU ist überfüllt und diese SKU wurde seit 90 Tagen nicht verkauft.

Ein unbrauchbares System liefert Ihnen komplexe Prognosen mit Konfidenzintervallen, auf die Sie nicht reagieren können, erfordert datenwissenschaftliches Fachwissen zur Interpretation und kostet mehr als die Bestandsprobleme, die es löst. Für die meisten Geschäfte mit einem Jahresumsatz von weniger als 1 Million Dollar besteht das Problem nicht in der Prognose von Raffinesse.

Es geht darum, überhaupt eine Prognose zu haben.

KI-Bestandsprognosen sind nur so gut wie die Daten, die Sie ihr zuführen. Der minimal nutzbare Datensatz umfasst: tägliche Verkäufe nach SKU für mindestens 12 Monate, täglich aktualisierte Lagerbestände nach SKU, Lieferantenvorlaufzeiten in Tagen für jede SKU, Kosten pro Einheit einschließlich Versand und Zölle sowie Saisonalitätsmarkierungen wie Feiertage, Werbeaktionen und Produkteinführungen.

Optionale, aber wertvolle Daten: Marketingausgaben nach SKU oder Kategorie, externe Nachfragesignale wie Google Trends für Ihre Produktkategorie, Wetterdaten, wenn Ihre Produkte wetterabhängig sind, und Lagerbestände bei Mitbewerbern, wenn Sie diese verfolgen können. Ohne saubere historische Verkaufsdaten kann KI keine Prognosen abgeben.

Wenn Ihr Shopify- oder WooCommerce-Shop ungenaue Bestandszahlen aufweist, empfiehlt die KI Nachbestellungen auf der Grundlage von Phantombeständen oder übersieht Fehlbestände, die durch Überverkäufe verdeckt werden. Korrigieren Sie Ihre Daten, bevor Sie ein KI-Tool kaufen.

Die häufigsten Probleme mit Bestandsdaten sind: negative Bestandszahlen aufgrund von Überverkäufen, SKUs mit unterschiedlichen Varianten, die als ein Produkt gezählt werden, Retouren, die nicht von der Verkaufsgeschwindigkeit abgezogen werden, und Lieferantenvorlaufzeiten, die nur im Kopf eines Käufers existieren.

Shopify verfügt über eine integrierte Bestandsverfolgung, aber keine native KI-Prognose. Sie benötigen eine Drittanbieter-App oder ein externes Tool, das über eine API angebunden ist.

Zu den relevanten Shopify-Inventar-Apps gehören Stocky für grundlegende Bedarfsprognosen und Bestellungen, Inventory Planner für Multichannel-Prognosen und Nachschub sowie Fabrikatör für erweiterte Bestandsplanung mit KI. Bei WooCommerce ist die Bestandsverwaltung auf Plugins angewiesen.

Die native WooCommerce-Liste ist einfach. Plugins wie ATUM Inventory Management für WooCommerce, Zoho Inventory und DEAR Inventory fügen Prognoseebenen hinzu.

Überprüfen Sie bei der Bewertung eines Tools: Liest es Shopify- oder WooCommerce-Bestelldaten in Echtzeit oder täglich synchronisiert, berücksichtigt es Lieferantenvorlaufzeiten, die Sie pro SKU konfigurieren können, verarbeitet es Produktvarianten als separate SKUs oder gruppiert, lässt es sich in Ihren Bestellworkflow integrieren und benachrichtigt es Sie per E-Mail oder Slack, wenn ein Nachbestellpunkt erreicht wird. Kaufen Sie kein Tool nur für Prognosen.

Kaufen Sie es für den gesamten Arbeitsablauf: Prognose erstellen, Nachbestellung empfehlen, Bestellung generieren und Wareneingang verfolgen.

Der Bestellpunkt ist der Lagerbestand, der eine neue Bestellung auslöst. Er wird wie folgt berechnet: durchschnittlicher Tagesumsatz multipliziert mit der Vorlaufzeit in Tagen plus Sicherheitsbestand.

Sicherheitsbestände dienen als Puffer für Nachfragespitzen und Lieferantenverzögerungen. KI hilft, indem sie den durchschnittlichen Tagesumsatz genauer berechnet als ein Tabellendurchschnitt.

Es gewichtet die jüngsten Verkäufe stärker, berücksichtigt die Saisonalität und berücksichtigt Werbeaktionen. Beispiel für das Papierfilterpaket von Peak Brew: Der durchschnittliche Tagesumsatz der letzten 90 Tage beträgt 12 Einheiten, die Vorlaufzeit des Lieferanten beträgt 14 Tage und der Sicherheitsbestand beträgt 50 Einheiten für einen 4-Tage-Puffer.

Der Nachbestellpunkt entspricht 12 mal 14 plus 50, also 218 Einheiten. Wenn der Lagerbestand 218 erreicht, bestellen Sie mehr.

KI verbessert dies, indem sie erkennt, dass die täglichen Verkäufe im vierten Quartal auf 25 Einheiten ansteigen, sodass der Nachbestellpunkt auf 25 mal 14 plus 50 steigen sollte, was 400 Einheiten während der Weihnachtszeit entspricht. Ohne KI passen Sie Tabellenkalkulationen manuell an.

Mit KI wird der Nachbestellpunkt automatisch basierend auf fortlaufenden Verkaufsdaten aktualisiert. Das Risiko besteht darin, sich zu sehr darauf zu verlassen.

Wenn ein Produkt neu ist, keine Verkaufshistorie hat oder von einem einmaligen Ereignis wie einer Erwähnung durch einen Influencer betroffen ist, kann es sein, dass sich die KI verrechnet. Die menschliche Überprüfung der von der KI empfohlenen Nachbestellmengen ist in den ersten 90 Tagen jedes neuen Produkts obligatorisch.

Bei toten Lagerbeständen handelt es sich um Lagerbestände, die in einem von Ihnen festgelegten Zeitraum, normalerweise 90 bis 180 Tage, nicht verkauft wurden. Es bindet Bargeld, belegt Lagerfläche und wird oft mit Verlust verkauft.

KI erkennt tote Lagerbestände früher als die manuelle Überprüfung, da sie jede SKU kontinuierlich überwacht und eine abnehmende Geschwindigkeit erkennen kann, bevor der Artikel den Schwellenwert für tote Lagerbestände erreicht. Die Eingabeaufforderung für Ihre Bestands-KI: Markieren Sie alle SKUs mit einer Verkaufsgeschwindigkeit unter 1 Einheit pro Woche in den letzten 60 Tagen.

Berechnen Sie für jede gekennzeichnete SKU die verbleibenden Lagerbestände in Tagen mit der aktuellen Geschwindigkeit und schlagen Sie eine Räumungsaktion vor: Bündeln Sie das Produkt mit einem schnell verkauften Produkt, gewähren Sie einen Rabatt von 20 bis 40 Prozent für eine begrenzte Werbeaktion oder stellen Sie es ein und verkaufen Sie es. Die KI kann nicht entscheiden, welche Aktion richtig ist.

Ein Bundle ist sinnvoll für eine langsam verkaufte Mühle, die gut mit einem beliebten Tropfer kombiniert werden kann. Für saisonale Artikel, die ihren Höhepunkt überschritten haben, ist ein Rabatt sinnvoll.

Bei Produkten mit anhaltenden Qualitätsproblemen oder einer Marge von Null ist eine Abkündigung sinnvoll. Wenn der Glass Server bei Peak Brew innerhalb von 60 Tagen 3 Einheiten im Vergleich zu 100 Einheiten auf Lager verkauft hat, markiert die KI dies.

Der Mensch entscheidet, ob er es mit dem Tropfer als Starterset bündelt, eine begrenzte 30-Prozent-Rabattaktion durchführt oder die SKU aus dem Sortiment nimmt. Die KI liefert die Warnung und die Mathematik.

Der Betreiber gibt das Urteil ab.

Bei der saisonalen Nachfrage bieten KI-Prognosen den größten Mehrwert. Die manuelle Saisonplanung basiert auf den Umsätzen des letzten Jahres und einer Schätzung.

KI-Saisonprognosen berücksichtigen: Wachstumsrate im Jahresvergleich, monatliche Nachfragekurven, Rampenmuster vor den Feiertagen und Renditequoten nach den Feiertagen. Der Workflow für die Saisonvorbereitung: Führen Sie 12 Wochen vor der Hauptsaison eine KI-Prognose für Ihre 20 Prozent der SKUs nach Umsatz durch, die am höchsten sind.

Die Prognose sollte folgende Ergebnisse liefern: erwartete Verkaufszahlen für jede Woche der Saison, empfohlene Bestellmengen mit Lieferterminen sowie Lagerraum- oder 3PL-Kapazitätsprüfung. Für die Weihnachtszeit im 4.

Quartal von Peak Brew könnte die KI prognostizieren: Übergießer werden im November dreimal so gut verkauft, Papierfilter verkaufen sich im Dezember aufgrund von Geschenkkäufen fünfmal so gut und Schwanenhalskessel verzeichnen vor Weihnachten einen zweiwöchigen Spitzenwert. Auf dieser Grundlage empfiehlt die KI: Bestellen Sie bis zum 15.

Oktober 500 Tropfer mit einer Vorlaufzeit von drei Wochen, bestellen Sie bis zum 1. November 2000 Filterpakete mit einer Vorlaufzeit von zwei Wochen und halten Sie 100 Wasserkocher für Expressversandbestellungen Mitte Dezember in Reserve.

Der Mensch prüft: Kann der Lieferant bis zu diesen Terminen liefern, ist Lagerfläche verfügbar und unterstützt der Cashflow die Lagerinvestitionen? KI prognostiziert die Nachfrage.

Menschen verwalten die Realität der Lieferkette.

Die KI-Bestandsverwaltung hat harte Grenzen. Neue Produkte ohne Verkaufshistorie können nicht vorhergesagt werden.

Nutzen Sie für Markteinführungen Vorbestellungsdaten, Wartelistenanmeldungen und vergleichbare Produktanalogien anstelle von KI-Prognosen. Externe Schocks wie Fabrikschließungen von Zulieferern, Verspätungen im Verschiffungshafen oder virale Nachfragespitzen in den sozialen Medien können nicht vorhergesagt werden.

Diese erfordern eine menschliche Notfallplanung. Es kann nicht für subjektive Faktoren wie die Markenwahrnehmung optimiert werden, bei denen der Besitz eines Artikels auf Lager ein Signal für Zuverlässigkeit ist, selbst wenn er sich nur langsam verkauft.

Es kann keine komplexen Multi-SKU-Pakete verarbeiten, bei denen die Nachfrage nach einer Komponente vom Verkauf eines anderen Pakets abhängt. Und es kann nicht mit Lieferanten verhandeln.

Die Nachbestellungsempfehlung ist eine Zahl. Es ist eine Beziehung, den Lieferanten dazu zu bringen, pünktlich und zum richtigen Preis zu liefern.

Die gefährlichste Einschränkung ist Selbstüberschätzung. Eine KI-Prognose mit einem Konfidenzintervall von 95 Prozent ist immer noch eine Prognose, keine Garantie.

Der Bediener, der der Prognose blind vertraut und aufhört, die Lagerbestände manuell zu überprüfen, wird von einem Fehlbestand überrascht.

Verwenden Sie diese Kriterien, wenn Sie KI-Inventartools für Ihren Shopify- oder WooCommerce-Shop bewerten. Datenintegration: Stellt das Tool eine direkte Verbindung zu Ihrem Shop her und aktualisiert es täglich oder in Echtzeit.

SKU-Verarbeitung: Werden Varianten als separate SKUs behandelt oder gruppiert? Können Sie die Gruppierung überschreiben?

Prognosegenauigkeit: Veröffentlicht der Anbieter Genauigkeitsmetriken oder bietet er einen Testzeitraum an, in dem Sie KI-Prognosen mit tatsächlichen Werten vergleichen können? Wenn Sie die Genauigkeit nicht testen können, kaufen Sie nicht.

Nachbestellungs-Workflow: Generiert das Tool Bestellungen oder nur Empfehlungen? Können Sie Bestellungen direkt an Lieferanten senden?

Warnsystem: Benachrichtigt es Sie per E-Mail, Slack oder Dashboard, wenn Nachbestellpunkte erreicht sind oder tote Lagerbestände erkannt werden. Kostenstruktur: Die Preisgestaltung basiert auf der SKU-Anzahl, dem Bestellvolumen oder dem Umsatz.

Für ein Geschäft mit 200 Artikeln müssen Sie damit rechnen, 50 bis 200 Dollar pro Monat für ein kompetentes KI-Inventurtool zu zahlen. Kostenlose Tools verfügen in der Regel über keine Prognosen und sind lediglich Bestandszähler.

Vermeiden Sie Tools, die datenwissenschaftliches Fachwissen, komplexe Modellkonfiguration oder benutzerdefinierte Integrationsentwicklung für einen Standard-Shopify-Shop erfordern. Das richtige Tool für die meisten Geschäfte ist eines, das sich in weniger als einer Stunde verbindet, mit Ihrem bestehenden Bestellprozess funktioniert und Ihnen ohne Statistikabschluss umsetzbare Zahlen liefert.