La previsione della domanda è la pratica di usare dati storici di vendita, stagionalità e segnali di mercato per prevedere quanto un prodotto sarà richiesto dai clienti in un momento futuro. Nell'e-commerce questa previsione alimenta direttamente le decisioni su inventario e pubblicità: quanto stock tenere, quando alzare o abbassare le offerte e quando un prodotto stagionale va spinto con forza oppure escluso del tutto dalle campagne. Se fatta bene, sostituisce le congetture sulla domanda futura con un piano basato sui dati su cui un retailer può agire in anticipo, invece di reagire quando i numeri si sono già mossi.
Perché la previsione della domanda è importante per la pianificazione di inventario e annunci
Ordinare troppo stock immobilizza liquidità in un inventario che potrebbe dover essere scontato più avanti, mentre ordinarne troppo poco significa rinunciare a vendite proprio nel momento di picco della domanda: entrambi gli esiti dipendono da una previsione che non esisteva o di cui non ci si fidava. Sul fronte pubblicitario, le campagne lanciate quando la domanda è già esplosa perdono la parte più preziosa della finestra di vendita, un problema vicino a quello affrontato in come Civil ha aumentato il ROAS del 36% preparando ogni creatività in tempo per la campagna: prevedere la domanda stagionale abbastanza presto da avere creatività e campagne pronte prima dell'apertura della finestra, non dopo. I feed che incorporano la domanda prevista possono anche orientare automaticamente le offerte e la distribuzione del budget, anticipando la spesa prima di un picco previsto invece di rincorrerlo a metà stagione.
Come funziona la previsione della domanda
I modelli di previsione combinano in genere l'andamento storico delle vendite di un prodotto con pattern stagionali più ampi e con l'analisi di mercato esterna: variazioni della domanda a livello di categoria, attività dei concorrenti o macro-tendenze che lo storico di un singolo SKU non rivelerebbe da solo. Il risultato confluisce di solito in due punti: i sistemi di gestione dell'inventario, che lo usano per fissare punti di riordino e scorte di sicurezza ben prima della curva di domanda prevista, e i motori di prezzo dinamico, che possono regolare il prezzo in modo graduale man mano che le vendite reali vanno sopra o sotto la previsione. I team che gestiscono i feed spesso espongono la previsione stessa come custom label o attributo del prodotto, così le regole delle campagne possono reagire direttamente a un livello di domanda, senza che qualcuno debba segnalare a mano quali prodotti stanno per diventare rilevanti per la stagione.
Esempio: la 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>Il valore custom_label_0 segnala che per questo articolo è prevista una domanda elevata in vista della primavera, mentre il sale_price_effective_date programmato mostra che il team pricing ha già fatto coincidere una promozione con quella finestra prevista, invece di aspettare di reagire quando i dati di vendita l'avessero confermata.
Concetti correlati
La previsione della domanda crea valore solo quando si collega all'esecuzione: la gestione dell'inventario usa la previsione per fissare i livelli di stock in anticipo rispetto al fabbisogno, e il prezzo dinamico la usa per regolare il prezzo man mano che la domanda reale si confronta con la previsione. Le previsioni stesse raramente si basano solo sullo storico vendite di un singolo prodotto: di solito poggiano su una più ampia analisi di mercato che tiene conto delle tendenze di categoria e dei fattori esterni che i dati di un singolo SKU non coglierebbero.
