AI для прогнозирования спроса на маркетплейсах: инструменты 2026
Кассовый разрыв из-за перезакупа — или потеря продаж из-за обнуления остатков. Это две стороны одной проблемы: неточный прогноз спроса. В 2026 году селлеры с оборотом от 500 000 ₽/мес уже не могут позволить себе планировать поставки «по ощущениям» — конкуренция слишком высокая, а стоимость ошибки слишком большая. Разбираем, как работает AI-прогнозирование применительно к маркетплейсам, какие инструменты реально полезны и как использовать их правильно.
Почему Excel и «прошлый год» больше не работают
Планирование поставок по средним продажам прошлого года — это как ехать, глядя в зеркало заднего вида. Модель не учитывает изменение конкурентной среды, новые карточки в категории, сдвиг алгоритмов маркетплейса и внешние события.
Что меняет AI по сравнению с ручным анализом:
- Обрабатывает одновременно десятки факторов: тренд категории, сезонность, акции конкурентов, остатки на складах по регионам, историю заказов за 2–3 года
- Выделяет «чистый» сезонный коэффициент — без влияния разовых выбросов (акций, дефицита у конкурентов)
- Обновляет прогноз в реальном времени при появлении новых данных
- Рассчитывает доверительный интервал: не просто «продадите 300 штук», а «с вероятностью 80% — от 240 до 360 штук»
По данным McKinsey, компании, внедрившие AI-прогнозирование, сокращают ошибку планирования на 20–50% по сравнению с ручными методами. Для маркетплейс-бизнеса это прямо конвертируется в деньги: меньше замороженного капитала в лишних остатках и меньше упущенных продаж при нехватке товара.
под контролем
Как AI-прогноз работает изнутри: без лишней теории
Большинство инструментов для маркетплейсов используют комбинацию нескольких алгоритмов машинного обучения. Понимать математику необязательно, но понимать, что именно система «видит» — нужно.
Временные ряды (ARIMA, SARIMA) — классика. Алгоритм находит закономерности в исторических продажах: тренд, сезонность, цикличность. Хорошо работает при стабильном спросе с выраженными сезонными пиками — например, для дачных товаров или зимней одежды.
Градиентный бустинг (XGBoost, LightGBM) — более современный подход. Учитывает не только историю продаж, но и внешние факторы: изменение цены, появление новых конкурентов в категории, даты акций. Лучше справляется с нелинейными зависимостями.
LSTM-нейросети — рекуррентные сети с долгосрочной памятью. Запоминают «контекст»: например, что за 3 недели до Нового года спрос начинает расти, а не за 1 неделю. Применяются в продвинутых системах для прогноза на горизонт 4–8 недель.
MPStats, например, берёт за основу данные категорий с января 2020 года и строит прогноз тренда на месяц вперёд, отдельно выделяя доверительный интервал. Если фактические продажи выходят за его границы — система фиксирует это как аномальный выброс, который не стоит закладывать в прогноз следующего периода.
Ozon использует собственные ML-модели для расчёта «Потребности в товарах» — отчёта, который показывает продавцу, сколько и в какие региональные склады нужно поставить с учётом сезонности, остатков и товаров в пути. Это встроенный инструмент, доступный в личном кабинете продавца в разделе «Аналитика».
Инструменты рынка: сравнение по задачам
По состоянию на апрель 2026 года на рынке доступны несколько классов инструментов — они решают разные задачи и рассчитаны на разный масштаб бизнеса.
| Инструмент | Основная функция AI | Подходит для | Тариф от |
|---|---|---|---|
| MPStats | Прогноз тренда категории и поставок по SKU | Оборот от 500 000 ₽/мес | 5 000 ₽/мес |
| Seller24 | Прогноз спроса + расчёт маржинальности | Средний бизнес | 2 400 ₽/мес |
| Stat4Market | Прогноз поставок, движение остатков | Работа с несколькими складами | от 3 000 ₽/мес |
| JVO | AI-рекомендации по росту + управление рекламой | Автоматизация операций | от 5 000 ₽/мес |
| Eggheads | Корпоративный прогноз по 1000+ SKU | Крупный бизнес, производители | Индивидуально |
| Ozon «Потребность» | Встроенный прогноз поставок по регионам | Все продавцы на Ozon | Бесплатно |
| WB «Дефицит товара» | Данные о нехватке по категориям | Выбор ниши и расширение | Бесплатно (ЛК) |
Инструменты маркетплейсов — бесплатные и недооценённые. В личном кабинете WB Партнёры есть раздел «Что продавать на Wildberries → Дефицит товара»: выгрузка показывает категории, где спрос превышает предложение прямо сейчас. Это не AI в строгом смысле, но это реальные данные платформы о неудовлетворённом спросе — лучший сигнал для расширения ассортимента.
Как использовать AI-прогноз для расчёта поставки: практическая механика
Просто подключить инструмент и смотреть на красивые графики — не работает. Прогноз нужно интегрировать в процесс планирования. Вот как это делается на практике.
Шаг 1: Определите горизонт прогнозирования под ваш бизнес
Горизонт зависит от цикла поставки. Если вы закупаете в Китае — горизонт минимум 45–60 дней (производство + доставка). Если работаете с российским производителем — 14–21 день. Прогноз нужен на горизонт = время поставки + страховой запас на 15–20 дней.
Шаг 2: Получите прогноз продаж от системы
В MPStats откройте раздел «Категории → [ваша категория] → Прогнозы AI». Синяя линия — прогнозная выручка, серая область — доверительный интервал. Если интервал очень широкий (например, от 100 до 500 штук при среднем в 300) — модель не уверена, и закупку лучше делать консервативно.
Шаг 3: Скорректируйте на коэффициент сезонности
MPStats и Seller24 показывают коэффициент сезонности по месяцам. Например, если в вашей категории ноябрь — это 2,3× от базового уровня продаж, а сейчас август — учтите это при расчёте закупки.
Формула расчёта поставки:
Поставка = (Прогноз продаж/день × Дни цикла поставки × Коэффициент сезонности) − Текущие остатки − Товар в пути
Пример: прогноз — 15 единиц/день, цикл поставки 30 дней, коэффициент сезонности 1,4, остатки 80 единиц, в пути 40 единиц.
Поставка = (15 × 30 × 1,4) − 80 − 40 = 630 − 120 = 510 единиц
Шаг 4: Добавьте страховой запас
Даже лучший прогноз имеет погрешность. Для новой ниши закладывайте +25–30% страхового запаса. Для зрелого SKU с устойчивыми продажами — +10–15%. Чем шире доверительный интервал модели, тем больше страховой запас.
Шаг 5: Проверьте оборачиваемость
Нормальная оборачиваемость для WB — 30–45 дней. Для Ozon — 45–60 дней (из-за более медленного движения товара). Если вы привезёте запас на 90 дней — платите за хранение сверх нормы. Если на 15 дней — рискуете обнулить остатки в пик.
ABC-XYZ анализ как фундамент для AI-прогноза
AI-прогноз работает хорошо только там, где есть достаточно исторических данных. Для новых SKU с историей менее 60 дней точность будет низкой.
Поэтому перед внедрением прогнозирования нужно разделить ассортимент:
ABC-анализ (по выручке):
- A — топ-20% SKU, дающие 80% выручки → приоритет прогнозирования
- B — следующие 30% → планировать через коэффициент к A-товарам
- C — остальные 50% → минимальные запасы, не тратить ресурс AI на детальный прогноз
XYZ-анализ (по предсказуемости спроса):
- X — стабильный спрос (вариация до 10%) → классические временные ряды работают отлично
- Y — умеренная вариация (10–25%) → нужно дополнительно учитывать внешние факторы
- Z — нестабильный спрос (свыше 25%) → AI здесь помогает, но закладывайте большой страховой запас
Например, для категории «кухонные гаджеты»: консервный нож — это X-товар со стабильным спросом, прогноз будет точным. Модный «вращающийся стакан» — Z-товар, тренд может схлопнуться за 4–6 недель. AI поможет отследить момент снижения спроса по динамике категории, но страховой запас должен быть минимальным.
В Seller24 и MPStats ABC-XYZ анализ строится автоматически по вашим SKU — это раздел «Управление ассортиментом». Достаточно экспортировать результат и использовать как приоритизацию для работы с прогнозами.
Где AI-прогноз не работает: честный список ограничений
Продавать AI как «волшебную кнопку» — значит готовить разочарование. Есть ситуации, где алгоритм даёт сбой:
- Новый товар без истории продаж — модели не на чем учиться. Первые 30–60 дней планируйте консервативно: 60–70% от прогноза аналогичного товара в той же категории
- Резкое изменение конкурентной среды — например, крупный игрок зашёл в нишу с демпингом. Исторические данные не отражают новую реальность, нужно ручная корректировка
- Вирусные хайп-товары — пик продаж за 2–3 недели, потом резкое падение. AI-модели плохо прогнозируют такие «спайки»: по историческим данным подобного паттерна нет
- Изменение алгоритмов маркетплейса — если платформа меняет ранжирование или запускает новый рекламный инструмент, продажи могут резко измениться. Модель это не предвидит
Признак хорошего AI-инструмента — не отсутствие ошибок, а наличие доверительного интервала и явное указание точности модели. Если сервис говорит «точность 98%» без оговорок — это маркетинг, а не честная аналитика.
Откройте прямо сейчас раздел «Аналитика → Потребность в товарах» в личном кабинете Ozon или «Что продавать → Дефицит» в WB Партнёры. Это бесплатные встроенные инструменты, которыми пользуются менее 20% продавцов — просто потому что не знают об их существовании. Проверьте, не попадают ли ваши топ-10 SKU в категории с дефицитом: если да, это сигнал увеличить поставку уже на следующем цикле закупки.
