Селлер заказал партию 800 единиц нового SKU перед чёрной пятницей. Реальный спрос оказался 250: 550 единиц зависли на складе на 4 месяца, заморозили 1,1 млн ₽. Другой селлер заказал 200 единиц того же товара. Распродал за 6 дней. Алгоритм маркетплейса увидел остаток 0 и понизил карточку. Упущенная выручка 2,3 млн ₽. В обоих случаях проблема одна: отсутствие прогноза спроса. В 2026 году встроенная аналитика площадок и AI-помощники упростили задачу, но базовые методы прогнозирования по-прежнему лежат на селлере. Разбираем рабочие подходы, страховой запас, метрику MAPE и закон 289-ФЗ.
Зачем нужен прогноз
Прогноз спроса это расчётное предсказание количества заказов по конкретному SKU за будущий период. Селлер использует его для трёх задач.
- Закупка у поставщика: размер партии, дата заказа, объём предоплаты. Без прогноза селлер заказывает «по интуиции», ошибаясь на 30-100 % в обе стороны.
- Управление складом: распределение остатков по FBO и FBS, частота поставок на склад маркетплейса, лимиты хранения. Перегруз склада дорог, недогруз бьёт по индексу.
- Планирование рекламы: бюджет в зависимости от прогноза продаж. Реклама без понимания целевого объёма раздувает ДРР и сжигает маржу.
- Финансовое планирование: cash flow по месяцам, налоги, выплаты сотрудникам. Прогноз продаж основа всей финансовой модели селлера.
- Контроль ассортимента: какие SKU оставлять, какие выводить из матрицы. Без прогноза селлер тянет неликвид и теряет деньги на хранении.
Прогноз спроса в 2026 году это не опция для крупных компаний, а инструмент выживания для селлера с ассортиментом от 30 SKU. Связанные вопросы выбора ассортимента разобраны в материале ассортиментная матрица селлера.
Методы прогноза
Четыре основных подхода с разной сложностью и точностью.
- Скользящее среднее (SMA): усреднение продаж за последние 3-12 месяцев. Подходит для стабильного спроса, считается в обычной таблице. Слабость: игнорирует сезонность и тренды.
- Экспоненциальное сглаживание (ES): больший вес присваивается последним данным. Быстрее реагирует на изменения спроса. Требует подбора параметра сглаживания (типично 0,1-0,3).
- Линейная регрессия: учитывает тренд категории (рост или падение). Расширение SARIMA позволяет включить сезонность. Подходит для средне- и долгосрочного планирования на горизонт 6-12 месяцев.
- Машинное обучение (LSTM, XGBoost): учитывает сезонность, праздники, конкуренцию, внешние события. Требует минимум 18-24 месяцев истории и 1000+ SKU для обучения.
- Гибрид: на практике селлер комбинирует методы. SMA для стабильных позиций, ES для волатильных, регрессия для сезонных.
Для малого селлера (до 500 SKU, история 6-12 месяцев) достаточно SMA плюс ручной коррекции на сезон. Средний (500-3000 SKU) уходит в ES и регрессию. Крупный (3000+ SKU) использует ML через специализированные сервисы или собственную аналитику.
Данные для расчёта
Качество прогноза прямо зависит от качества входных данных.
- История продаж: минимум 12 месяцев, оптимум 24. Брать сырые заказы или отгруженные единицы, не выручку в рублях (цена меняется, искажает картину).
- Календарь событий: НГ, 8 марта, 23 февраля, 1 сентября, чёрная пятница, 11.11, гендерные праздники. Каждое событие даёт всплеск 2-5x в профильных категориях.
- Тренды категории: рост или падение интереса в нише. Yandex Wordstat и встроенная аналитика маркетплейса показывают динамику запросов за 6-12 месяцев.
- Действия конкурентов: крупные акции лидеров категории отбирают спрос у соседних карточек на 1-2 недели. Отслеживать через ценовой мониторинг.
- Логистика и доставка: время от вашего склада до клиента влияет на конверсию. Долгие сроки доставки снижают фактический спрос на 10-20 %.
Для маркируемых категорий с 1 октября 2026 года добавляется ещё один поток данных: движение товара в системе «Честный знак». Эти сведения помогают подтвердить реальные продажи без искажений возвратами и пересортицей.
Сезонность по категориям
Каждая категория имеет свой профиль сезонности, который нужно закладывать в прогноз.
- Одежда и обувь: пики март-май (тёплый сезон) и август-сентябрь (возврат в город, 1 сентября). Провал в июле, продажи падают на 30-40 %.
- Электроника и гаджеты: максимум в ноябре-декабре (чёрная пятница, новогодние подарки). Второй пик в августе перед школой.
- Детские товары: сентябрь (подготовка к школе) и декабрь (подарки). В июле-августе спад до 50 %.
- Косметика и уход: первый пик в феврале-марте (8 марта), второй в ноябре-декабре. Дополнительная волна в мае-июне (пляжный сезон).
- Товары для дома и сада: апрель-май (дачный сезон) и сентябрь-октябрь (подготовка к зиме). Бытовая химия и хозтовары без выраженной сезонности.
Для сезонных категорий прогноз нужно строить отдельно для пика и для несезона. Усреднение по году даёт критически большую ошибку: в пике закупка недостаточна, вне сезона избыточна.
Аналитика в кабинетах
Встроенные инструменты площадок в 2026 году дают базовый прогноз без сторонних сервисов.
- WB Партнёры: отчёт «Аналитика продаж» (заказы, выручка, возвраты, средний чек за период до 12 месяцев), воронка продаж (показы, корзина, заказы), рекомендации по поставкам.
- Ozon Аналитика: «Статистика заказов» с разбивкой по дням, неделям, месяцам. Прогноз заказов на 30 дней с рекомендацией объёма поставки. С 2026 года интеграция с AI-рекомендациями.
- ЯМ Партнёрский кабинет: статистика заказов и конверсий с задержкой 1-2 дня. Тренды по категории площадка показывает в обобщённом виде, без детализации по SKU конкурентов.
- Общий принцип: встроенные отчёты подходят для контроля и базовых решений, для глубокого прогноза по 500+ SKU нужны отдельные таблицы или сервисы.
- Доступ к данным сужается: с октября 2025 года площадки закрыли публичные данные об остатках и ставках конкурентов. Анализ соседей возможен только через косвенные признаки (флаги, цена, рейтинг).
Для малого селлера встроенной аналитики обычно достаточно. Для среднего и крупного нужны выгрузки в Excel и собственные расчёты по своим SKU, без сравнения с конкурентами.
Страховой запас
Запас сверх прогноза, который компенсирует ошибки расчёта и задержки поставщиков.
- Базовая норма: 15-30 % от среднемесячного прогноза. Для стабильных товаров достаточно 15-20 %, для волатильных и сезонных 30-50 %.
- Формула: Safety Stock = Z × σ × √L. Здесь Z коэффициент уровня сервиса (1,64 для 95 % покрытия, 2,33 для 99 %), σ стандартное отклонение спроса, L время поставки в днях.
- Зачем нужен: компенсирует задержки поставщиков (неделя+), всплески спроса (медиа-упоминания, тренды), ошибки прогноза (если недооценили спрос).
- Цена страховки: дополнительные расходы на хранение и оборотный капитал. Окупаются за счёт сохранения позиций в выдаче при всплесках спроса.
- Когда увеличивать: перед сезонными пиками (ЧП, НГ) до 50-70 %, перед запуском новинок до 70-100 % из-за высокой неопределённости.
Грамотный страховой запас отличает зрелого селлера от новичка. Слишком маленький приводит к нулевым остаткам и падению карточки. Слишком большой замораживает оборотный капитал, что особенно болезненно для бизнеса с маржой 15-25 %. Тема хранения и тарифов подробно разобрана в материале хранение товара на FBO в 2026.
Метрика MAPE
Стандартный показатель точности прогноза.
- Что такое MAPE: Mean Absolute Percentage Error, средняя процентная ошибка между прогнозом и фактом. Формула: MAPE = среднее (|факт − прогноз| / факт) × 100 %.
- Целевые значения: 10-20 % для стабильных товаров, 20-35 % для сезонных, 40 % и выше для новинок без истории.
- Слабые места: метрика асимметрична при низких продажах (1-2 шт. в месяц), даёт искажённую картину. Для малых SKU лучше использовать MAD (Mean Absolute Deviation).
- Альтернатива: смотреть не процент ошибки, а денежные потери от overforecast (заморозка капитала) и underforecast (упущенная выручка). Хороший прогноз минимизирует сумму потерь, не процент.
- Bias check: важно, чтобы overforecast и underforecast примерно сбалансировались. Систематическое завышение или занижение это сигнал ошибки в модели.
Селлер с MAPE 15-25 % и нулевым bias считается достигшим зрелости прогноза. Без измерения MAPE невозможно сравнивать модели и улучшать точность.
Типовые ошибки
Систематические проблемы, которые встречаются у большинства селлеров.
- Переоценка спроса (overforecast): прогноз выше факта на 30 % и более. Результат: заморозка оборотного капитала, рост расходов на хранение, неликвид. Каждый месяц задержки съедает 2-5 % стоимости товара.
- Недооценка спроса (underforecast): прогноз ниже факта на 30 % и более. Результат: пустые остатки, падение позиций в выдаче, упущенная выручка. Восстановление позиций после нулевого остатка занимает 7-14 дней.
- Игнорирование сезонности: усреднение по году вместо разбивки на пик и несезон. Критически плохо работает для одежды, детских товаров, косметики и сезонных категорий.
- Прогноз на основе выручки в рублях: цена меняется, выручка искажается, прогноз не работает. Нужно прогнозировать в штуках, потом умножать на актуальную цену.
- Отсутствие пересчёта: прогноз сделан один раз и не обновляется. Спрос меняется за месяц, прогноз нужно пересчитывать каждые 2-4 недели.
Главная установка: прогноз это живой процесс, а не финальная цифра. Каждый месяц сравнение с фактом, пересчёт, корректировка. Без этого даже самая сложная модель деградирует за 2-3 месяца.
AI-помощники 2026
В 2026 году встроенные AI-инструменты площадок стали стандартом.
- Wildberries: AI-рекомендации по поставкам в WB Партнёры. Алгоритм считает прогноз на 30-60 дней на основе истории, сезонности и активности категории. Точность сопоставима с базовыми сервисами аналитики.
- Ozon: AI-помощник в кабинете Ozon Аналитика. Даёт рекомендации по объёму поставки, цене и рекламе. Интеграция с Трафаретами для автоматизации рекламы.
- Яндекс Маркет: объявлены AI-инструменты с 2026 года, на момент мая 2026 практическая работа в стадии бета-тестирования.
- Закон 289-ФЗ и AI: с 1 октября 2026 маркетплейсы обязаны передавать данные о продажах селлера в ФНС ежемесячно. AI-системы интегрируются с этим потоком для дополнительной валидации.
- Ограничения AI: для новинок без истории и низкочастотных SKU встроенные AI работают слабо. Селлер должен дополнять ручной экспертизой.
AI-помощники не отменяют ответственности селлера за прогноз. Они ускоряют рутину, но решение по партии и закупке принимает человек на основе совокупности факторов. Связь прогноза с управлением остатками разобрана в материале синхронизация остатков на маркетплейсах.
Чек-лист
Восемь шагов для построения работающего прогноза спроса в 2026 году.
- Собрать историю продаж по каждому SKU за 12-24 месяца в штуках, не в рублях.
- Выбрать метод по размеру ассортимента: SMA для до 500 SKU, ES для 500-3000, регрессия и ML для 3000+.
- Заложить сезонность по категории: пики и провалы по месяцам с учётом праздников и календаря.
- Использовать встроенную аналитику площадок (WB Партнёры, Ozon Аналитика, кабинет ЯМ) для базовых отчётов.
- Рассчитать страховой запас 15-30 % от прогноза, 30-50 % для сезонных позиций, 50-70 % для новинок.
- Измерять точность через MAPE, цель 15-25 % при сбалансированных over- и underforecast.
- Пересчитывать прогноз каждые 2-4 недели на основе свежих продаж.
- Подключать AI-помощников для базовых рекомендаций, дополнять ручной экспертизой по новинкам и сезонам.
Прогноз спроса в 2026 году это сочетание встроенной аналитики площадок, простых статистических методов и экспертизы селлера. Бизнес без прогноза работает в режиме гадания и теряет 20-30 % выручки на ошибках закупки. Бизнес с настроенным прогнозом сохраняет оборотный капитал, держит позиции в выдаче и стабильно растёт через сезонные пики.
Хотите персональный разбор вашего магазина? Оставьте заявку на аудит, и мы предложим следующий шаг по вашей ситуации.