ИИ для прогнозирования спроса: как не закупить лишний товар

Каждый владелец интернет-магазина знает боль: закупил товар — а он не идёт. Деньги замёрзли в остатках. Или наоборот: хитовый товар кончился, а новая партия через три недели, теряем продажи и клиентов.

Традиционное прогнозирование по «прошлому месяцу» не работает в 2025 — сезонность меняется, инфляция, спрос скачет. Но нейросети умеют учитывать десятки факторов: историю продаж, цену, акции конкурентов, погоду, даже настроения в соцсетях. Конечно, идеального прогноза не даст никто, но снизить ошибку на 30–40% — вполне реально.

Какие данные скормить нейросети, чтобы прогноз был точным

Чем больше данных — тем лучше. Минимальный набор:

• Продажи по дням за последние 12–18 месяцев (желательно с указанием цены за единицу).
• Остатки на складе на каждый день (чтобы модель отличала «нет в продаже» от «нет спроса»).
• Маркетинговые активности: когда были рассылки, реклама, скидки.
• Календарь праздников и выходных.
• Дополнительно: курс валют, если товар импортный; погода в вашем регионе (для сезонных товаров).

Соберите это в CSV-файл. Даже Excel подойдёт. Не пугайтесь, если в каких‑то днях пропуски — большинство моделей это терпят.

Два способа прогнозирования: простой и сложный

Способ 1. Для малого бизнеса — нейросеть ChatGPT или YandexGPT с «ручным» вводом. Вы выгружаете данные за последние 12 месяцев, загружаете в нейросеть (например, через веб-интерфейс, скопировав таблицу) и даёте промпт: «На основе этих данных, спрогнозируй продажи товара “Кухонный комбайн Х” на следующие 3 месяца по неделям. Учти, что в марте будет акция “8 марта” и средняя цена снизится на 10%». Нейросеть выдаст прогноз в виде таблицы. Точность будет плюс-минус 30%, но это уже лучше, чем гадание. Занимает 30 минут.

Способ 2. Для среднего бизнеса — библиотеки машинного обучения (Prophet, CatBoost). Нанять аналитика или изучить самому на Python за пару вечеров. Прогнозы точнее (ошибка 10–20%) и можно автоматизировать. Например, Prophet от Facebook — умеет учитывать праздники, тренды, сезонность. Но это требует человека, который умеет запускать скрипты.

Способ 3. Готовые сервисы. «Forecasty», «Прогноз.рф», «Атом-Спрос». Цены от 3000 руб/мес. Хороши, если нет своих IT-ресурсов.

Кейс: как магазин игрушек сократил затоваривание на 25%

Сеть «Игрушки для умников» (7 магазинов + онлайн). До прогнозов закупали по принципу: «в прошлый новогодний сезон продали 5000 штук, значит и в этот столько же». Но сезон 2024/2025 оказался аномальным — покупатели сместили покупки на две недели позже из-за финансовой нестабильности. В итоге к 20 декабря склад был забит, продажи только начались, а потом уже не хватило времени распродать остатки.

Внедрили Prophet: обучили на данных за 2 года (продажи, дни недели, периоды акций, отмена локдауна). Прогноз на декабрь-январь дал более сглаженный пик, а также подсказал, что часть спроса перейдёт на январь (актуально для подарков «вдогонку»). Исходя из прогноза, закупили на 18% меньше популярных позиций и сделали большую партию тех, что не слишком сезонные. Затоваривание упало на 25%, а дефицита не возникло — ни одного обнулённого хита.

Затраты: один день работы аналитика (15 000 руб) и настройка парсинга данных из 1С. Оправдалось многократно.

Что можно прогнозировать прямо в Falcon Space

Если ваш сайт использует Falcon Space, у вас уже есть база данных с историей заказов, клиентов, товаров. Вы можете написать SQL-запрос, который формирует таблицу с продажами по дням. Затем настроить внешнее действие, которое вызывает скрипт прогнозирования (например, Python скрипт на том же сервере или API сервиса-прогноза). Результат прогноза записывается обратно в БД и показывается в личном кабинете менеджера по закупкам в виде графика. Так вся цепочка автоматизирована — от сбора данных до отображения.

Предупреждение: прогноз — не инструкция

Даже лучший ИИ не предскажет форс-мажор (сбой на складе поставщика, новость о вреде товара). Всегда используйте прогноз как «рекомендацию», а финальное решение принимает человек, смотря на текущий контекст. И не забывайте переобучать модель каждые 1-2 месяца — спрос меняется, и старый прогноз устаревает.

Если вы никогда не пробовали автоматическое прогнозирование, начните с самого простого: скопируйте данные продаж одного товара за год в Excel, откройте сервис Forecasty (бесплатный пробный период) и сравните прогноз с реальными продажами за прошлый месяц. Разница вас удивит.