La previsione della domanda è la pratica di utilizzare dati storici di vendita, stagionalità e segnali di mercato per prevedere la quantità di un prodotto che i clienti desidereranno in un determinato momento. Nell'e-commerce, questa previsione influenza direttamente le decisioni relative alle scorte e alla pubblicità: quanto stock tenere, quando aumentare o diminuire le offerte e quando un prodotto stagionale dovrebbe essere promosso intensamente o eliminato completamente dalle campagne. Se eseguita correttamente, sostituisce le congetture sulla domanda futura con un piano basato sui dati che il rivenditore può attuare in anticipo, anziché reagire solo dopo che i numeri si sono già mossi.

Perché la previsione della domanda è importante per la pianificazione delle scorte e della pubblicità

Ordinare troppe scorte immobilizza liquidità in magazzino che potrebbe dover essere svenduta in seguito, mentre ordinarne troppo poche significa perdere vendite proprio quando la domanda raggiunge il picco: entrambi i risultati derivano da previsioni inesistenti o non affidabili. Sul fronte pubblicitario, le campagne lanciate dopo che la domanda ha già raggiunto il picco perdono la parte più preziosa della finestra di vendita, un problema simile a quello affrontato da Civil nel suo tentativo di aumentare il ROAS del 36% rendendo ogni campagna creativa in tempo per la campagna stessa : prevedere la domanda stagionale con sufficiente anticipo in modo che la creatività e le campagne siano pronte prima dell'apertura della finestra di vendita, non dopo. I feed che integrano la domanda prevista possono anche fornire informazioni automatiche per le offerte e la gestione del budget, anticipando la spesa prima di un picco previsto anziché doverla recuperare a metà stagione.

Come funziona la previsione della domanda

I modelli di previsione in genere combinano l'andamento storico delle vendite di un prodotto con modelli stagionali più ampi e analisi di mercato esterne, come variazioni della domanda a livello di categoria, attività della concorrenza o macro-tendenze che la cronologia di un singolo SKU non rivelerebbe da sola. I risultati confluiscono solitamente in due ambiti: i sistemi di gestione dell'inventario, che li utilizzano per impostare i punti di riordino e i livelli di scorte di sicurezza con largo anticipo rispetto alla curva di domanda prevista, e i motori di determinazione dinamica dei prezzi, che possono adeguare il prezzo in modo incrementale man mano che le vendite effettive si discostano dalle previsioni. I team che si occupano dei feed spesso visualizzano le previsioni stesse come etichetta o attributo personalizzato del prodotto, in modo che le regole delle campagne possano reagire direttamente a un determinato livello di domanda, senza richiedere a un operatore di segnalare manualmente quali prodotti stanno per diventare stagionalmente rilevanti.

Esempio: Previsione della domanda in un feed di prodotto

<item>
  <g:id>SKU-25671</g:id>
  <title>Kids Rain Boots - Yellow, Size 12</title>
  <link>https://example-shop.com/products/kids-rain-boots-yellow-12</link>
  <g:price>32.00 USD</g:price>
  <g:availability>in stock</g:availability>
  <g:custom_label_0>forecast_demand_high_spring</g:custom_label_0>
  <g:sale_price>27.00 USD</g:sale_price>
  <g:sale_price_effective_date>2026-03-01T00:00/2026-04-15T23:59</g:sale_price_effective_date>
</item>

Migliori custom_label_0 il valore segnala questo articolo come previsto che vedrà un'elevata domanda in vista della primavera, mentre programmato sale_price_effective_date Ciò dimostra che il team addetto alla definizione dei prezzi aveva già programmato una promozione in modo che coincidesse con la finestra temporale prevista, anziché attendere la conferma dei dati di vendita prima di reagire.

Concetti correlati

La previsione della domanda crea valore solo quando è collegata all'esecuzione: la gestione delle scorte utilizza le previsioni per impostare i livelli di magazzino in anticipo rispetto al fabbisogno, e la determinazione dinamica dei prezzi le utilizza per adeguare i prezzi in base all'andamento della domanda reale rispetto alle previsioni. Le previsioni stesse raramente si basano esclusivamente sullo storico delle vendite di un singolo prodotto; di solito si fondano su un'analisi di mercato più ampia che tiene conto delle tendenze di categoria e di fattori esterni che i dati di un singolo SKU non sarebbero in grado di rilevare.