Нейросети для прогнозирования продаж: чтобы и хватало и не залеживалось

У каждого селлера есть свой кошмарный сценарий. Для одних — утреннее уведомление «товар закончился на складе», а за ним — обвал позиций в выдаче, который потом придётся поднимать неделями. Для других — отчёт за квартал, где строка «хранение на складе» съела всю маржу, потому что три поддона сезонного товара так и не разъехались. Оба сценария — следствие одной проблемы: неточное прогнозирование спроса.

Человеческая интуиция, Excel-таблицы с формулами и «примерно-на-глазок» работали, пока ассортимент умещался в голове. Но когда SKU — сотни, площадок — несколько, а сезоны, акции и конкуренты создают хаос переменных, нужен инструмент другого уровня. Нейросети для прогнозирования продаж — это не модное слово, а практичный ответ на вопрос, который стоит денег: сколько товара закупить, чтобы хватило, но не осталось.

---

1. Почему прогнозирование продаж — самая дорогая ошибка в ecommerce

Цена out of stock

Когда товар заканчивается на складе маркетплейса, происходит цепная реакция: карточка теряет позиции в выдаче, конкуренты забирают ваш трафик, рекламный бюджет сгорает впустую (кампания крутится, а покупать нечего), покупатель уходит и, возможно, не возвращается. Восстановление позиций после out of stock занимает от одной до четырёх недель — и требует дополнительных вложений в рекламу.

Цена оверстока

Обратная ситуация не менее болезненна. Избыток товара — это замороженный капитал, который мог бы работать. Плюс расходы на хранение: на Ozon тарифы за хранение растут с каждым днём, особенно для крупногабаритных товаров. А если товар сезонный — через пару месяцев его придётся распродавать со скидкой или утилизировать.

Масштаб проблемы

Потери, которые не видны в отчётах

Большинство селлеров не считают упущенную выгоду от out of stock и не калькулируют полную стоимость оверстока. Недополученные продажи, рекламные бюджеты, потраченные на пустые карточки, штрафы за хранение, скидки при ликвидации — если сложить всё это за год, сумма может составить 15–30% оборота.

Почему «на глазок» больше не работает

При ассортименте в 10 товаров продавец удерживает картину в голове. При 100 — уже нет. При 500+ — физически невозможно отслеживать динамику продаж каждого SKU с учётом сезонности, конкурентов, акций и рекламной активности. Именно здесь начинается территория нейросетей.

---

2. Как нейросети прогнозируют продажи: базовая механика

Что «видит» нейросеть

Нейросеть для прогнозирования — это модель, которая анализирует исторические данные о продажах и находит в них закономерности: тренды роста или снижения, сезонные циклы, влияние дня недели, корреляцию с внешними факторами. На основе этих закономерностей модель строит прогноз — сколько единиц товара вы продадите в следующую неделю, месяц, квартал.

Данные, которые нужны для прогноза

Минимальный набор: история продаж за 3–6 месяцев по каждому SKU с детализацией по дням. Идеальный набор: история продаж, цены (ваши и конкурентов), рекламные расходы, позиции в выдаче, остатки на складе, даты участия в акциях, внешние события (праздники, погода). Чем больше релевантных данных — тем точнее прогноз.

Как работает прогноз

Нейросеть выделяет несколько «слоёв» информации: долгосрочный тренд (товар набирает популярность или угасает), сезонный паттерн (рост к зиме, спад летом), недельный цикл (пики продаж по понедельникам и пятницам), событийные всплески (распродажи, акции) и случайный шум. Разложив продажи на эти компоненты, модель прогнозирует каждый из них отдельно и собирает итоговый прогноз.

---

3. Доступные инструменты: от ChatGPT до специализированных платформ

ChatGPT и Claude: быстрый анализ без программирования

Самый доступный способ начать — загрузить данные о продажах в нейросеть и попросить проанализировать. Это не полноценное прогнозирование, но уже значительно лучше, чем «на глазок».

Промт для быстрого прогноза:

«Вот данные по продажам моего товара на Ozon за последние 90 дней (таблица: дата, количество продаж, цена, рекламный расход). Проанализируй: 1) Общий тренд — растут или падают продажи. 2) Есть ли недельный цикл — какие дни недели лучше. 3) Влияет ли изменение цены на продажи. 4) Спрогнозируй продажи на следующие 30 дней. 5) Рекомендуй оптимальный запас на месяц с учётом страхового запаса».

Google Sheets + AI-плагины

Для тех, кто работает в таблицах, существуют AI-расширения для Google Sheets: SheetAI, GPT for Sheets и другие. Они позволяют применять нейросетевой анализ прямо в ячейках таблицы — без выгрузки данных и переключения между инструментами.

Специализированные платформы

Yandex DataLens, Forecast Pro, Amazon Forecast (для технически продвинутых) — платформы, которые строят полноценные прогнозные модели. Для крупных селлеров с тысячами SKU — оправданная инвестиция. Для малого бизнеса — чаще избыточно.

Python-библиотеки: для тех, кто умеет в код

Prophet, NeuralProphet и другие

Бесплатные open-source библиотеки Prophet (от Meta) и NeuralProphet позволяют строить качественные прогнозы продаж за несколько десятков строк кода. Порог входа — базовые знания Python. Результат — модель, которую можно обучить на ваших данных и обновлять еженедельно.

Когда стоит использовать код

Если у вас более 50 SKU и вы обновляете прогноз регулярно — автоматизация через Python окупается. Скрипт, который еженедельно подтягивает данные из личного кабинета, обновляет модель и выдаёт рекомендации по закупкам, — это актив, экономящий часы работы каждую неделю.

Нужен ли для этого программист

Не обязательно штатный. Разовая настройка скрипта — задача для фрилансера на 10–20 часов работы. Дальше — обновление данных и перезапуск, что может делать менеджер по инструкции. Инвестиция в автоматизацию, которая возвращается экономией на хранении и предотвращением out of stock.

---

4. Прогнозирование с учётом сезонности: как не попасть в ловушку

Сезонность на маркетплейсах: сложнее, чем кажется

Сезонность — не просто «зимой покупают шапки, летом — купальники». На маркетплейсах накладывается несколько слоёв сезонности: товарная (связанная с самим продуктом), рекламная (связанная с акциями площадки — 11.11, Чёрная пятница, 8 Марта), конкурентная (в высокий сезон приходят новые продавцы), алгоритмическая (площадка начинает продвигать сезонные товары заранее).

Как нейросеть работает с сезонными данными

Промт для сезонного анализа:

«Вот данные по продажам за 12 месяцев (таблица). Товар: [описание]. Выяви сезонные паттерны: 1) Месяцы пиков и спадов. 2) Как далеко до пика начинается рост спроса. 3) Насколько предсказуем сезонный цикл — повторяется ли он из года в год. 4) Рекомендации по срокам закупки: когда начать запасаться к сезону и какой объём заложить».

Типичные сезонные ловушки

Закупка на пике вместо подготовки к пику

Когда продажи уже пошли вверх — закупать поздно: товар придёт через 2–4 недели, а пик может к тому моменту пройти. Нейросеть показывает, за сколько недель до пика начинается рост, — и это ваш сигнал к закупке.

Оверсток после сезона

Если не рассчитать точку «схлопывания» спроса, после сезона вы останетесь с нераспроданными остатками, которые будут занимать склад и генерировать расходы. AI помогает определить момент, когда нужно начинать снижать закупки — ещё до того, как продажи пойдут вниз.

---

5. Влияние рекламы на прогноз: как не обмануть себя

Органика vs рекламный трафик

Критически важное разделение: какая часть продаж — органическая, а какая — рекламная? Если вы отключите рекламу, сколько товара будете продавать? Без ответа на этот вопрос прогноз может оказаться катастрофически завышенным: вы закупите товар под текущие объёмы, урежете рекламный бюджет — и обнаружите, что половина продаж исчезла.

Промт для разделения каналов

«Вот два отчёта: 1) Продажи по дням за 60 дней. 2) Рекламные расходы по дням за те же 60 дней. Определи: 1) Корреляцию между рекламным расходом и продажами. 2) Базовый уровень продаж без рекламы (дни с минимальным расходом). 3) Эластичность: на сколько продаж увеличивается каждая дополнительная тысяча рублей рекламы. 4) Прогноз продаж при трёх сценариях: текущий бюджет, бюджет +30%, бюджет -30%».

Сценарное планирование

Прогноз — не одно число, а диапазон. Лучшие практики: строить три сценария — оптимистичный, базовый и пессимистичный. Закупка — под базовый сценарий с возможностью быстрого дозаказа при реализации оптимистичного. Это страхует и от out of stock, и от оверстока.

Чтобы сценарное планирование работало, нужна чёткая юнит-экономика: при каком объёме продаж вы в плюсе, при каком — в нуле, при каком — в минусе.

---

6. Прогнозирование для нескольких площадок: Ozon + Wildberries + другие

Почему нельзя прогнозировать «в общем»

Один и тот же товар на разных площадках продаётся с разной динамикой: на Ozon может быть стабильный спрос, на Wildberries — пики вокруг акций, на Яндекс Маркет — медленный, но растущий тренд. Общий прогноз «по всем каналам» скрывает эти различия и ведёт к ошибкам в распределении стоков.

Раздельный прогноз с единым управлением

Стройте отдельные прогнозы для каждой площадки, но управляйте закупками централизованно. Нейросеть может работать с данными всех каналов одновременно: «Вот продажи товара X на Ozon, WB и Яндекс Маркет за 90 дней. Спрогнозируй отдельно для каждой площадки. Рассчитай общую потребность в закупке и рекомендуй распределение по складам».

Перераспределение между площадками

Гибкое управление стоками

Если на одной площадке товар продаётся быстрее прогноза, а на другой медленнее — перераспределите остатки. Нейросеть помогает выявить этот дисбаланс заблаговременно, до того как на одной площадке случится out of stock, а на другой — оверсток.

---

7. Учёт внешних факторов: погода, праздники, события

Факторы, которые человек упускает

Нейросеть может учесть переменные, которые человек забывает или не считает значимыми: температуру воздуха (для одежды и сезонных товаров), праздничные и предпраздничные дни, дни выплаты зарплат (25-е и 10-е числа — пики продаж на маркетплейсах), школьные каникулы (товары для детей), крупные спортивные или культурные события.

Как добавить внешние данные в прогноз

«Вот данные по продажам зонтов за 6 месяцев и данные о среднесуточной температуре и количестве осадков за тот же период. Определи: 1) Есть ли корреляция между погодой и продажами. 2) С каким лагом (в днях) погода влияет на продажи. 3) Как использовать прогноз погоды для прогнозирования продаж на следующие 14 дней».

Праздники и акции площадок

Календарь как инструмент прогнозирования

Составьте годовой календарь событий, влияющих на ваши продажи: даты акций маркетплейсов (11.11, Чёрная пятница, гендерные праздники), отраслевые события, государственные праздники. Загрузите этот календарь вместе с историей продаж — и нейросеть покажет, насколько каждое событие влияет на спрос и как к нему готовиться.

---

8. От прогноза к закупке: переводим числа в действия

Формула оптимального запаса

Прогноз продаж — это полдела. Вторая половина — перевести прогноз в конкретный заказ поставщику. Формула: оптимальный запас = прогноз продаж за период поставки + страховой запас – текущий остаток на складе. Период поставки — время от заказа у поставщика до момента, когда товар готов к продаже на маркетплейсе.

Промт для расчёта закупки

«Вот прогноз продаж на 30 дней по каждому SKU (таблица). Срок поставки от поставщика: X дней. Срок доставки на склад маркетплейса: Y дней. Текущие остатки: [таблица]. Рассчитай для каждого SKU: 1) Через сколько дней закончится текущий остаток. 2) Оптимальный объём закупки. 3) Крайнюю дату заказа у поставщика. 4) Приоритет: красный (закончится менее чем за 7 дней), жёлтый (7–14 дней), зелёный (более 14 дней)».

Автоматизация цикла «прогноз → закупка»

Для крупных селлеров имеет смысл автоматизировать весь цикл: еженедельная выгрузка данных → обновление прогноза → расчёт рекомендаций по закупке → формирование заказа поставщику. Нейросеть обрабатывает данные, а человек принимает финальное решение — подтвердить рекомендацию или скорректировать.

---

9. Типичные ошибки при использовании AI для прогнозов

Ошибка №1: доверять прогнозу слепо

Нейросеть экстраполирует прошлое. Если в прошлом не было события, которое произойдёт в будущем (выход нового конкурента, вирусный тренд, изменение алгоритма площадки), — прогноз его не учтёт. Используйте AI-прогноз как основу, но корректируйте его своим знанием рынка.

Ошибка №2: мало данных

Прогноз на основе двух недель продаж — не прогноз, а шум. Для устойчивых закономерностей нужно минимум 60–90 дней данных. Для сезонного товара — идеально 12 месяцев, чтобы модель «увидела» полный цикл.

Ошибка №3: игнорировать изменения

Модель обучена на прошлых данных. Если вы изменили цену, запустили новую рекламу или вышли на новую площадку — прогноз нужно пересматривать. Старая модель не знает о новых условиях и будет давать устаревшие рекомендации.

Ошибка №4: прогнозировать «средний товар»

У каждого SKU — своя динамика

Не усредняйте. Товар А может расти, товар Б — падать, товар В — быть стабильным. Прогноз нужен для каждого SKU отдельно. Общий прогноз «по категории» создаёт иллюзию понимания, но не даёт точных рекомендаций по закупке конкретных позиций.

---

10. Прогнозирование как конкурентное преимущество

Почему точный прогноз = больше прибыли

Селлер с точным прогнозом тратит меньше на хранение (нет оверстока), не теряет продажи из-за out of stock, закупает по лучшим ценам (заранее, а не срочно), распределяет рекламный бюджет под реальный спрос. В совокупности это даёт 10–20% прироста к чистой прибыли — без увеличения оборота.

Скорость адаптации

На маркетплейсе побеждает тот, кто реагирует быстрее. Тренд на новый товар — вы уже закупили. Сезон начинается — у вас полный склад. Конкурент вышел из стока — вы забираете его трафик. Нейросеть не даёт гарантий, но даёт скорость: вы видите тренды раньше, чем они становятся очевидными.

Масштабирование без хаоса

Прогнозирование как фундамент роста

При 10 SKU можно управлять стоками интуитивно. При 100 — нужна система. При 500+ — система с AI-прогнозированием становится не преимуществом, а необходимостью. Бизнес, который масштабируется без прогнозирования, масштабирует не только продажи, но и хаос.

И здесь проявляется ключевой принцип: прогнозирование — не изолированная задача. Оно связано со всем: с рекламной стратегией (реклама влияет на спрос), с ценообразованием (цена влияет на объём), с контентом (качество карточки влияет на конверсию). Настоящая сила прогнозирования раскрывается, когда оно встроено в общую систему управления бизнесом на маркетплейсе — где каждое решение принимается на основе данных и усиливает остальные.

---

Шпаргалка: промты для прогнозирования

---

Заключение

Прогнозирование продаж — одна из тех задач, где нейросети дают немедленный, измеримый результат. Не абстрактный «рост эффективности», а конкретные рубли: сэкономленные на хранении, заработанные на предотвращённых out of stock, сохранённые благодаря правильному распределению рекламного бюджета.

Начните просто: выгрузите данные за три месяца, загрузите в ChatGPT с промтом из этого руководства, получите первый прогноз. Сравните его с реальностью через месяц. Откалибруйте. Повторите. С каждой итерацией точность будет расти — а вместе с ней уверенность в каждом решении о закупке.

И помните главное правило: лучший прогноз — тот, который превращается в действие. Числа в таблице ничего не стоят. Стоит — правильный заказ поставщику, сделанный вовремя и в нужном объёме.