Нейросеть для прогноза спроса в FMCG берёт на себя разбор истории продаж: находит сезонность, выделяет растущие и падающие позиции, готовит черновой план закупок и комментарий простым языком. Начинают с одной товарной группы и одной точки данных, а с попытки предсказать весь ассортимент разом. В основе — обычная языковая модель, которой вы даёте историю продаж в таблице.
Где ИИ помогает
Нейросеть для прогноза спроса FMCG разбирает вашу историю продаж: выделяет сезонность, считает средний расход по позициям, готовит черновой план закупок и объясняет логику простым языком. Финальное решение по объёмам и деньгам держит человек, потому что модель уверенно ошибается в цифрах и не знает того, чего нет в ваших данных.
В работе с производителями и продавцами FMCG я вижу одну и ту же боль вокруг закупок. Закажешь много — товар лежит на складе, морозит деньги и портится по сроку. Закажешь мало — полка пустая, продажи уходят к конкуренту. Прогноз при этом чаще держится в голове закупщика или в одной перегруженной таблице, и стоит человеку уйти в отпуск, как процесс рассыпается.
Языковая модель снимает черновую часть этой работы. Вы выгружаете историю продаж по позициям за прошлые периоды и просите модель разобрать её: где спрос ровный, где растёт, где проседает в межсезонье. Она считает средний расход, замечает повторяющиеся пики под праздники и сезон, собирает черновой план закупок на следующий период. Главное — модель объясняет логику словами, поэтому закупщик видит не голую цифру, а понятное обоснование.
Отдельная сильная сторона — скорость и повторяемость. Раньше разбор продаж по сотне позиций занимал у человека день и делался раз в квартал. Теперь вы прогоняете свежую выгрузку через модель за час и получаете обновлённую картину каждую неделю. Это превращает прогноз из редкого ритуала в рабочий инструмент, который подсказывает закупщику, на что обратить внимание прямо сейчас.
- Разбор истории продаж: средний расход, сезонные пики и провалы по позициям
- Черновой план закупок на период с объяснением логики простым языком
- Сигналы о позициях, которые залёживаются или, наоборот, уходят в дефицит
- Сводка спроса по точкам и каналам в единый понятный отчёт
Первые шаги
Старт начинается с одной товарной группы и чистой истории продаж, а с мечты предсказать весь ассортимент. Возьмите 10-20 ходовых позиций, по которым у вас есть аккуратные данные за прошлые периоды, и отдайте их модели на разбор. Через неделю станет ясно, совпадает ли её черновой прогноз с тем, что подсказывает чутьё закупщика. Вы рискуете одной группой, а всем складом.
- Выгрузите историю продаж по выбранной группе за прошлые периоды в одну таблицу
- Приведите данные к порядку: одна строка — позиция и период, без пустот и дублей
- Откройте чат с языковой моделью, дайте таблицу и попросите разобрать сезонность и средний расход
- Попросите черновой план закупок на следующий период с объяснением, откуда взялись цифры
- Сравните прогноз модели с фактом прошлого периода и с оценкой закупщика
- Закрепите рабочий запрос в промпт-шаблон и прогоняйте свежую выгрузку каждую неделю
Возьмите разбор сезонности по ходовым позициям. Это задача с проверяемым результатом: модель показывает пики и провалы, а вы сверяете их с прошлым годом, который и так помните. Совпало — доверие к инструменту растёт. Разошлось — вы сразу видите, где данных мало или они грязные.
Чем пользоваться
Для старта хватает обычного чата с сильной языковой моделью и аккуратной таблицы продаж. Модель разбирает историю, считает сезонность и собирает черновой план прямо в диалоге. Специальные системы прогнозирования с математическими моделями и подключением к учётной системе нужны позже, когда товаров тысячи и точность важна до единицы. Начинать с дорогой системы до проверки на одной группе — верный способ слить бюджет на инструмент, который команда не освоит.
| Задача | Чем закрыть | Когда усложнять |
|---|---|---|
| Разбор сезонности | Чат с языковой моделью и таблица продаж | Когда позиций тысячи — подключают специализированную систему прогноза |
| Черновой план закупок | Модель считает по истории и объясняет логику | Когда нужна точность до единицы и связка со складом |
| Регулярная сводка по точкам | Промпт-шаблон плюс свежая выгрузка раз в неделю | Когда точек много — настраивают автоматическую выгрузку через n8n |
| Сигналы о дефиците и залёжах | Запрос к модели по текущим остаткам и продажам | Когда нужны автоматические оповещения в реальном времени |
Российский бизнес упирается в вопрос доступа к зарубежным моделям и в чувствительность данных: продажи и остатки лучше держать в безопасности. Здесь работают и отечественные решения, и зарубежные через корректный доступ, а для закрытых данных рассматривают локальную модель. Конкретный выбор зависит от объёма данных и требуемой точности — это как раз тема разбора процессов.
Стоимость на старте держится в рамках десятков долларов в месяц за подписку на модель, точную цифру сверьте на сайте сервиса — тарифы меняются. Для разбора одной группы и еженедельной сводки этого хватает с запасом. Специализированная система прогнозирования стоит заметно дороже и окупается позже, когда ассортимент большой и цена ошибки в закупке измеряется деньгами, которые система реально экономит.
Границы инструмента
Модель ошибается уверенно и здесь это опаснее всего. Она способна выдать красивую цифру прогноза, которая выглядит обоснованной, но взята из воздуха или из неверно прочитанной таблицы. Это свойство языковых моделей называют галлюцинациями. Языковая модель работает с текстом и закономерностями, а с настоящей статистикой, поэтому к её числам относятся как к черновику закупщика, а как к готовому плану. Любая цифра, под которую вы тратите деньги, проходит через проверку человеком.
Модель видит только вашу историю продаж. Она не знает про акцию конкурента на следующей неделе, перебои у поставщика, скачок цены на сырьё или новость, которая меняет спрос. Эти факторы держит в голове человек. Прогноз модели — отправная точка, поверх которой закупщик накладывает то, что в данных отсутствует.
Полезно заранее договориться, что модель прогнозирует, а что остаётся за человеком. Базовый спрос по ровным позициям с понятной сезонностью — модель считает прилично. Новинки без истории, товары с резкими скачками, позиции под разовые контракты — это зона, где её прогноз ненадёжен и решение принимает закупщик. Эта граница защищает склад от закупки по выдуманной цифре.
- Цифры прогноза: модель даёт черновик, объём под закупку утверждает человек
- Качество данных: грязная история продаж даёт уверенно неверный прогноз
- Внешние факторы: акции конкурентов, перебои, цены на сырьё модель учесть не может
- Новинки без истории: прогноз по ним ненадёжен, решение остаётся за закупщиком
Главная защита от ошибок модели — проверка прогноза на прошлом периоде и узкая задача на старте. Прежде чем доверять цифрам, прогоните модель по данным, исход которых вы уже знаете, и сравните. Когда на ходовых позициях её разбор совпадает с фактом, доверие растёт само. Расширяйте охват постепенно, удерживая контроль над цифрами на каждом шаге. Полезно держать одного человека, который раз в неделю сверяет прогноз с фактом и правит запрос. Так инструмент становится точнее, а закупщик перестаёт принимать решения вслепую.
Куда двигаться
Когда разбор одной группы работает и совпадает с фактом, бизнес расширяет охват: от ходовых позиций ко всему ассортименту, от ручной выгрузки раз в неделю к регулярной сводке. Так за несколько недель закупщик получает черновой прогноз по всем основным позициям и тратит время на решения, а на сведение цифр. Это и есть нормальный путь — по одной группе, с проверкой на факте.
Заодно команда учится готовить данные и формулировать запрос сама. Поначалу промпт-шаблон мы пишем вместе со мной под вашу историю продаж, дальше закупщик сам правит его под новые группы и сезоны. Этот навык остаётся с бизнесом навсегда: даже когда вы дорастёте до специализированной системы прогноза, команда уже умеет читать цифры и проверять их, а слепо доверять любой выдаче.
Сложность здесь в чистоте данных и в трезвом отношении к цифрам модели. Самый частый провал — бизнес отдаёт модели грязную выгрузку, получает красивый, но неверный прогноз и либо слепо закупает по нему, либо разочаровывается во всём подходе. На разборе процессов мы вместе смотрим на вашу историю продаж и закупочный цикл и выбираем группу, на которой прогноз окупится и которой можно доверять.