Все покупатели берут одно и то же. У вас тоже так?

Блин... Я эту теорию "непрерывных поставок" вдоль и поперек облазил, когда пытался создать матмодель складского запаса и формирования заказов у поставщика при условии, что от даты заказа до даты поступления на склад проходит 3 меясца, а не 3-5 дней, как в теории :)) (да, все товары по ABC-XYZ уже давно были проанализированы...)

Создал, надо заметить :) Правда, она немного отличалась от классики, но работала отлично несколько лет.

Ну и да, про ассортиментные матрицы тоже не надо - видел я лично, как они у одного очень крупного непродуктового ритейлера формируются. И хорошо знаю, какой процент уходит в распродажи :)

Да, добавлю - мы же тут обсуждаем случаи, которые значимы у отдельного продавца, а не у оптовика. У оптовика, вполне возможно, все это укладывается в рамки статпогрешности.

Мало ли кто и что видел. Если равняться на рашн бузинесс - можно еще и не такие выводы делать. Про цепочки, перед глазами, есть реально работающий бизнес (ритейл определненного профиля) по франшизе, все отлично работает.

Так оно и должно работать, я разве чего-то другое говорил? Это вполне практическая вещь.

Другого бизнеса у нас нет :) Тот, который "не рашн", тоже через некоторое время становится таковым...

Вот, еще на эту же тему нашел :)

С этим не поспоришь:) А давайте конкретный пример рассмотрим. Есть у меня небольшой интернет-магазин, один из товаров продаваемых в нем - детская непромокаемая одежда. Есть данные за два года.

Сам товар сезонный. Пики продаж приходятся на весну (последняя декада марта - апрель) и осень (последняя декада сентября - октябрь). В пики, иногда продается до нескольких десятков комплектов одежды в день, иногда возникает дефицит. В остальное время - продажи вялотекущие, с некоторыми подъемами в течение лета

Само понятие "сезона" - нам ни чего не даст, да и для периодов продаж А и Б - неценовые факторы влияющие на значительное увеличение спроса будут отличаться. В первом случае (весна) - важно чтобы таял снег, т.е продажи на прямую будут зависеть от температуры на улице и таяния снега. Во втором случае - от количества дней с осадками (как только начинается дожди продажи резко взлетают). Таким образом, в краткосрочных периодах, мы можем использовать прогнозы как для формирования складских запасов так и для планирования рекламной активности, опирпаясь на прогнозы погоды.

Схожий пример, продажи во время весна -осень теплиц под сотовый поликарбонат, сотового поликарбоната, полипропилена. Конечно в этих примерах - неценовые факторы - достаточно очевидны, и в случае ТС могут оличаться, но здесь нужно смотреть на конкретные овары, так как и модели потребительского поведения и модели выбора товаров, от товара к товару могут значительно отличаться

А как это систематизировать?

Вот и приходится делать закупки от балды, в итоге, на складе то густо, то пусто. Тем более, что у меня от заказа, до получения может пройти и 2 месяца. Как планировать?

Если в сторону паранойи идти, то посмотрите ещё фильм Роковое число 23 🍿

Archi66,

За 2 года вы знаете сколько за сезон точно можно товар продать.

Вы не можете такой складской запас организовать?

Четверьг, ещё мне кажется, что у вас просто небольшой оборот как по посещаемости, так и по количеству заказов.

Попробую пояснить, надеюсь кто-то более умный укажет на термин, какой-то закон(описание закономерности) или теорию о которой я сейчас напишу.

Например, конверсия интернет-магазина 1%
Это значит, что
1. У магазина с посещаемостью 100 000 человек в сутки 1 000 заказов. Если смотреть на график заказов, то можно будет определить сезонность, выходные дни, маркетинговую активность и т.д.

2. У магазина с посещаемостью 50 человек - это не значит, что каждые 2 дня железобетонно падает заказ, но в месяц с 1 500 человек 15 заказов может и наберется. Пытаясь строить график по дням и анализировать его, будет непросто понять (вообще не понять) закономерность, если вы не предпринимали какие-то новые действия или совершали слишком большое количество действий.

При больших цифрах многое сглаживается, при малых цифрах один неизвестный параметр может разворотить систему )

Ну да, есть в этом здравая мысль. Статистики недостаточно для анализа.

В итоге, просто совпадения? Но как они закономерны, прям Апофени́я какая-то возникает :)

В том то и дело, что это не статистика, а рандом. У вас, уверен, не 2-3 таких товара (которые берут "раз в 3 месяца"). И то что такой случай произошел с одним из них (с одним из сотни, нескольких сотен, или даже тысяч - ?) - простая закономерность. Для статистики нужна выборка по большому объему данных. ИМХО! :p

тоже соглашусь с minalexpro, что здесь играет роль закон больших чисел. На маленьких - это не стата, а случайные отклонения. Закончился товар у конкурентов/поставщиков, люди прошерстят весь ТОП и доберутся до вашего магазина - обычное дело. Тендер где-то запустили и какие-то позиции совпадают с вашим товаром - сразу жди несколько запросов на одно и тоже.