Previsión de demanda en Shopify: tus informes miran atrás, la campaña mira adelante.

Qué hace en previsión de demanda en shopify.

¿Qué es la previsión de demanda en Shopify?

Es la estimación de cuántas unidades de cada variante se venderán en cada ubicación durante las próximas semanas. Se calcula con los pedidos pasados de la tienda, las campañas que ya has hecho y el ritmo de los últimos días, y sirve para decidir cuánto pedir y cuándo antes de que el producto se agote.

Shopify guarda cada pedido con su fecha, su variante, su ubicación y sus descuentos, que es justo la materia prima de una previsión. Lo que no hace de serie es convertir esa historia en una estimación hacia delante. Para eso hay que calcularla fuera y leerla dentro, y de eso va esta página.

Si buscas la explicación general sin Shopify, está en la guía de <a href="/control-de-stock/guias/prevision-de-demanda/">previsión de demanda</a>. Aquí hablamos de lo que cambia cuando el programa de base es una tienda Shopify.

¿Qué calcula Shopify de serie para saber cuánto vas a vender?

En los informes de inventario de Shopify aparecen varias cifras que se parecen a una previsión. Según su ayuda, «Inventory sold daily by product» da las unidades medias vendidas al día por variante en el periodo elegido. «Inventory remaining per product» estima los días que le quedan a cada variante a partir de su cantidad final y de las ventas medias diarias de los últimos 28 días. «ABC product analysis» clasifica las variantes en A, B o C por su parte de ingresos en los últimos 28 días, y «Products by sell-through rate» divide lo vendido entre lo vendido más lo que sigue en stock, con los últimos 30 días disponibles.

Hay además un informe de «Month-end inventory snapshot» con las unidades de cada variante al cierre de cada mes, incluidas las comprometidas y las no disponibles, y informes de ajustes de inventario que recogen cada cambio hecho a mano, por apps, por transferencias o por envíos de pedidos. Son datos muy útiles y los usamos. La ayuda de Shopify no indica en esas páginas qué plan hace falta para cada informe, así que conviene comprobarlo en tu tienda.

Lo importante es el patrón: todas esas cifras se calculan con una ventana de 28 o 30 días hacia atrás. Son una fotografía del pasado reciente.

• Ventas diarias medias por variante: te dice a qué ritmo vendes ahora.
• Días de inventario restantes: stock entre esa media de 28 días.
• ABC por ingresos de 28 días: qué variantes pesan más ahora.
• Tasa de venta de 30 días: qué parte de lo disponible has vendido.
• Cierre mensual de inventario: la foto del stock a final de cada mes.

¿Dónde se queda corta esa previsión?

El fallo no está en el cálculo, que es correcto, sino en la ventana. Una media de 28 días sirve cuando el mes que viene se parece al anterior. En una tienda con campañas no se parece. En octubre una variante vende dos unidades al día y «días de inventario restantes» dice 21 días. Pero si el Black Friday empieza dentro de doce días, esa variante no durará 21 días, durará tres días de campaña.

Pasa lo contrario después de una promoción. Si en las últimas cuatro semanas has hecho una venta flash con un código del 30 %, la media recoge el pico y el informe dice que una variante vende el triple de lo normal. Compras de más y el sobrante se queda meses en la ubicación con peor rotación.

Hay un tercer caso, el de las tallas agotadas. Si la talla 38 estuvo sin stock tres semanas, sus ventas diarias en ese periodo son cero. El informe interpreta que nadie la quiere, la media baja y la próxima compra sale corta. Es el mismo error que se arrastra año tras año y que hace que siempre falte lo que más gusta.

Y queda lo evidente. Un informe de Shopify no sabe cuánto tarda tu proveedor, ni cuántas unidades vienen en una caja, ni que tienes cuatro ubicaciones con ventas distintas. Te enseña el estado, no la decisión.

¿Cómo se prevé la demanda encima de tu Shopify?

En tu tienda se crea una app personalizada, que según la ayuda de Shopify es una app hecha exclusivamente para una tienda y que da acceso a sus datos por las APIs. Se gestiona desde el Dev Dashboard, y quien la crea necesita el rol de desarrollador de apps. Se le dan permisos de lectura sobre pedidos, productos e inventario, y nada más. El programa carga el historial completo una vez y después recibe los pedidos nuevos a medida que entran.

Con esos pedidos hace cuatro cosas que los informes no hacen. Separa las líneas con descuento de las de precio normal. Reconstruye el stock de cada día hacia atrás, para saber en qué semanas una variante estuvo agotada y no contar esas semanas como demanda baja. Aprende el calendario de la tienda: cuánto subió cada producto en cada campaña pasada, no en general sino por familia y por variante. Y lo corrige con el ritmo de las dos últimas semanas, que es lo que cuenta cuando este año va distinto.

El resultado es, para cada variante en cada ubicación, una estimación semana a semana con un rango. Ese rango se enseña en el <a href="/control-de-stock/prevision-de-demanda/">panel de previsión</a>, junto a la venta real, para que quien decide vea cuánta fe poner en cada línea. Un producto con cuarenta pedidos al mes tiene un rango estrecho; uno recién lanzado, ancho y marcado como confianza baja.

Un ejemplo con números

Es un ejemplo inventado, para ver la mecánica, con una marca de calzado con tienda online y seis tiendas. La bota chelsea del 40 tiene 42 pares en el almacén de Getafe. Sus ventas de los últimos 28 días fueron 56 pares, dos al día. El informe de Shopify dice 21 días de inventario restantes. El proveedor tarda 25 días en servir.

La campaña del año pasado, con la misma bota, vendió unas tres veces el ritmo normal durante los cuatro días de Black Friday. Este año el ritmo previo va un 10 % por encima. La previsión da, hasta la campaña, doce días a dos pares al día (24 pares, quedan 18) y en campaña unos seis pares diarios, con un rango de cinco a siete. Con 18 pares a seis al día, la variante se agota al tercer día de campaña, en torno al día 15.

El informe estándar dice 21 días y el pedido «se hace dentro de un par de semanas». La previsión dice que con 25 días de plazo ya llegas tarde y que el pedido debía salir hace diez días. La propuesta del programa es pedir ya, con una cantidad que cubra la campaña y la semana siguiente, y marcar que si el proveedor no puede, conviene mover pares desde las tiendas con peor rotación. Nada de esto lo detecta una media de 28 días.

Si hubiera un código del 30 % en esa ventana, el programa lo habría descontado antes de calcular el ritmo normal. Si la talla 40 hubiera estado agotada una semana de las cuatro, esa semana no habría contado como cero.

¿Qué datos hacen falta de tu Shopify?

Pedidos de al menos un año con fecha, variante, cantidad, ubicación de preparación y descuento aplicado. Mejor dos años si has hecho campañas, para ver dos veces el mismo Black Friday. El inventario actual por variante y ubicación, y si lo hay, el historial de ajustes, que sirve para reconstruir cuándo estuvo agotado cada producto.

Hace falta también el plazo real de cada proveedor y el tamaño del bulto. Con eso se puede traducir la previsión a una cantidad de compra. Si tu catálogo está en Shopify y el coste o el proveedor en otro programa o en un Excel, se junta en el diagnóstico.

El programa no necesita ni el correo de tus clientes ni sus direcciones. Se trabaja con cantidades, variantes y fechas. Los datos se alojan en la Unión Europea, con copia diaria, y se pueden exportar completos cuando quieras.

¿Qué NO hace?

No adivina lo que no se ha visto nunca. Si lanzas una categoría nueva o una campaña con una acción que no habías hecho, el programa avisa de que el rango es ancho y de que parte de productos parecidos. No sustituye al criterio de quien conoce el producto y puede decir que este año habrá un influencer.

No cambia tus precios, no lanza descuentos y no decide qué productos vender. No toca tu tienda salvo permiso concreto y escrito. Y no promete un porcentaje de mejora: lo que se enseña es el error medido con tus datos.

¿Cómo se comprueba y cómo se empieza?

Se empieza con la <a href="/control-de-stock/simulacion-con-tus-datos/">simulación con tus datos</a>: repetimos el Black Friday o las rebajas pasadas, semana a semana y con lo que se sabía cada día, y comparamos la previsión con lo que vendiste. Es el backtest. Si no mejora a tu forma actual de pedir, lo ves tú antes de contratar nada.

Después, uno o dos meses en modo sombra: el programa prevé cada semana, tú pides como siempre y se mide la diferencia. Solo entonces se plantea que escriba algo en Shopify, y siempre con tu aprobación. El arranque lleva entre tres y seis semanas. El primer paso es una demo de 30 minutos por videollamada o el <a href="/control-de-stock/analisis-gratuito/">análisis gratuito</a>.

¿Te suena alguno de estos casos?

• Si tu proveedor tarda más de lo que dura la campaña Importación con 60 días de plazo o fabricación propia con tres semanas: cuando ves en los informes que una variante se agota, ya es tarde para pedir. La previsión avisa con el plazo del proveedor por delante.
• Si vendes mucho en dos o tres momentos del año Una marca de calzado o de decoración vende mucho en noviembre y rebajas. La media de 28 días de octubre dice que sobra de todo. La previsión sabe lo que viene.
• Si lanzas colecciones con muchas tallas y colores Cada temporada hay cientos de variantes que no existían. Hay que repartir la primera compra entre tallas con lo que han vendido las colecciones anteriores, no a partes iguales.
• Si vendes por la web, en tienda física y en marketplaces Cada canal tira de productos distintos. Los pedidos de los canales conectados a Shopify entran con su origen, y el programa aprende qué canal sube con qué campaña.
• Si usas mucho códigos de descuento y envíos gratis Las promociones deforman la media. Con las ventas con descuento separadas, la previsión del producto a precio normal deja de inflarse cada vez que mandas una newsletter.
• Si ya comparaste varias apps de previsión del catálogo y todas hacen una media móvil con otro nombre. Aquí la previsión se prueba con tus campañas pasadas antes de contratar, y el código queda a tu nombre.

Previsión que se comprueba con tu campaña, no una media con buen diseño.

Los informes de Shopify y las apps de inventario más sencillas dividen el stock entre las ventas de las últimas semanas. Es útil para saber cómo estás hoy y engañoso para saber cómo estarás en tres semanas. Esto es un modelo que aprende el calendario de tu tienda, separa promociones y stock a cero, y se valida repitiendo tus campañas pasadas antes de usarse en vivo.

• Lee pedidos e inventario por la API con una app personalizada, sin tocar tu tienda.
• Previsión por variante y ubicación, con rango y no con una cifra única.
• Promociones y semanas con stock a cero tratadas aparte.
• Se comprueba antes con tus campañas pasadas y después en modo sombra.