Планирование поставок с учётом СВД
СВД = среднее время доставки
M5.3 Планирование поставок с учётом СВД
Цель
За 10-15 минут получить таблицу «План отгрузок на 30 дней» по каждому SKU и каждому кластеру маркетплейса, с учётом среднего времени доставки, остатков на складах и реальных складских запасов.
Зачем это нужно
Поставки на маркетплейс - самая «денежная» ошибка селлера. Ошибиться в две стороны одинаково больно:
- Недогрузить → товар вываливается из выдачи в этом кластере, падают продажи, теряем место в поиске, конкуренты занимают нишу.
- Перегрузить → деньги замораживаются в стоке, плюс платите за хранение, плюс на Ozon падает «привлекательность» товара с большим нерыночным остатком.
Правильный план отгрузок учитывает:
- Где покупают (кластеры доставки).
- Откуда сейчас доставляется (кластеры отгрузки) и сколько это занимает часов по нормативу Ozon.
- Сколько товара реально осталось на каждом кластере хранения (FBO).
- Сколько товара на вашем складе физически.
Без ChatGPT это считается в Excel через ВПР и сводные таблицы - 2-3 часа на матрицу из 30 SKU × 23 кластера. ChatGPT делает за 10 минут, если шаблоны подготовлены. Это компромисс: чуть хуже, чем готовая Excel-автоматизация, но лучше, чем считать руками.
СВД = Среднее Время Доставки. На Ozon это нормативное время доставки от кластера-отправителя до кластера-получателя в часах. Используется для ранжирования: чем меньше СВД, тем выше товар в выдаче для конкретного региона. На Wildberries СВД нет - там вместо него коэффициенты складов и логистики.
Что понадобится
- ChatGPT Plus (модель o3 / GPT-4).
- Личный кабинет Ozon - два отчёта:
- «Аналитика» → «География» → «Продажи» - данные за последние 28 дней с разбивкой по кластерам.
- «Аналитика» → «Отчёты» → «Управление остатками» - текущие остатки по складам.
- Учёт вашего склада (Excel, может отсутствовать) - что у вас физически лежит на складе, не на маркетплейсе.
- Excel/Google Sheets для снятия закрепления столбцов.
Пошаговая инструкция
Шаг 1. Скачать два отчёта из личного кабинета Ozon
- «Аналитика» → «География» → «Продажи»: оставить стандартные настройки, нажать «Скачать». Файл называется
Average Delivery.xlsx, внутри два листа - «По кластерам» (продажи за 28 дней) и «Нормативный срок доставки» (матрица «кто-куда» в часах). - «Аналитика» → «Отчёты» → «Управление остатками»: нажать «Скачать отчёт». Файл
stocks_report.xlsx- текущие остатки по складам.
Шаг 2. Снять закрепление столбцов в Excel
Откройте оба файла. Вкладка «Вид» → «Снять закрепление». ChatGPT плохо работает с закреплёнными столбцами и часто их не видит. Если используете Google Sheets - шаг пропустите, там закрепления нет.
Сохраните файлы.
Шаг 3. Подготовить учёт своего склада (опционально)
Если есть Excel с физическими остатками на вашем складе - приведите в формат: колонки «Ozon ID» и «Остаток на складе». Если такого файла нет - шаг пропустите, ChatGPT посчитает план без учёта вашего склада (только по остаткам маркетплейса).
Шаг 4. Вставить промпт
Полный текст - в разделе «Промпты урока». Промпт описывает:
- Структуру входных файлов (Average Delivery, stocks_report, учёт склада).
- Алгоритм расчёта (среднесуточные продажи × 30, учёт остатков, пропорциональное сокращение).
- Правило: минимум 20 шт. на любой кластер, даже если продаж не было.
- Формат вывода: Markdown-таблица + Excel-файл
shipping plan.xlsx.
Шаг 5. Загрузить файлы
Приложите Average Delivery.xlsx + stocks_report.xlsx + (опционально) Учет склада.xlsx. ChatGPT начнёт с распознавания кластеров из матрицы «Нормативный срок доставки» (строка 2 + столбцы B2:X2).
Шаг 6. Проверить кластеры и продажи
GPT выдаст план с количеством на каждый кластер. Первое, что проверяем:
- Кластеры не повторяются.
- Сумма продаж по кластерам в плане GPT = сумме в исходной таблице.
Сверьте 2-3 SKU вручную. Пример из урока: GPT показал «Урал - 21 продаж», но в исходной таблице «Урал - 8 отгружено». Отгружено ≠ Продано. Если есть расхождение - уточните GPT: «В строке N у тебя 21 продаж в кластере Урал, а в таблице 8 отгружено. Где ошибка?»
Шаг 7. Проверить остатки FBO
GPT берёт остатки из stocks_report.xlsx. Сверьте 2-3 SKU с реальными значениями в личном кабинете Ozon. Если GPT показывает 1 шт., а у вас 2 склада по 1 шт. - это та же сумма, просто отображение. Если цифра не бьётся - укажите конкретную строку.
Шаг 8. Проверить количество «необходимо отгрузить»
Самая частая ошибка GPT: при 12 продажах, среднем времени доставки 38 часов, остатке FBO 2 шт. он пишет «необходимо отгрузить 0». Логика нарушена - товар точно нужно поставить. Уточните: «В строке N: 12 продаж, СВД 38 ч, остаток FBO 2. Ты пишешь "отгрузить 0". Почему? Если планируем логистику так, чтобы товара хватило на 30 дней, ты уверен, что прав?»
GPT пересчитает. Если множит ошибку - попросите полный пересчёт с обновлёнными правилами.
Шаг 9. Получить финальный файл
После 2-3 корректировок GPT вернёт:
- Markdown-таблицу с планом по каждому SKU × кластеру.
- Excel-файл
shipping plan.xlsxс двумя листами: «План» и «Методика и формулы». - Кнопку «Скачать файл».
Шаг 10. Адаптировать под Wildberries (если работаете на WB)
На WB нет СВД, но есть коэффициенты складов. В промпте замените:
- Уберите шаг с матрицей «Нормативный срок доставки».
- Добавьте скриншот с коэффициентами складов из личного кабинета WB.
- Скажите GPT: «Проанализируй продажи в каждом кластере и коэффициенты складов. Распредели план отгрузок с приоритетом на склады с наименьшим коэффициентом».
Промпты урока
Промпт «План отгрузок на 30 дней с учётом СВД» (полный)
Ты - помощник-аналитик по логистике маркетплейса Ozon.
Твоя задача - на основании загружаемых мною Excel-файлов построить таблицу «План отгрузок на 30 дней» с расчётом нужного количества каждой позиции по всем кластерам Ozon.
Входные файлы (загружаю в любом порядке):
1. Average Delivery.xlsx
- Лист «По кластерам» - данные за последние 28 дней:
A=Артикул, B=SKU/ID, C=Название товара, D=Схема продаж (FBO/FBS),
E=Кластер отгрузки, F=Кластер доставки, G=Нормативный срок доставки,
H=Отгружено товаров всего.
- Лист «Нормативный срок доставки» - матрица «кто-куда»:
A4-A26 (вниз) - Кластеры отгрузки.
B2:X2 (вправо) - Кластеры доставки.
На пересечении - нормативное время доставки в часах.
2. stocks_report.xlsx
A=Артикул, B=Название, C=SKU/ID, E=Кластер хранения, K=Доступный остаток в продаже.
3. Учет склада.xlsx (может отсутствовать)
На листах учёта складов в названии номенклатуры указывается «Название, SKU».
Столбцы с остатками показывают физические запасы по каждому складу.
Алгоритм действий:
1. Считай все доступные кластеры из строки 2 и столбцов B2:X2 листа «Нормативный срок доставки». Если по какому-то кластеру ни одной продажи не было, в итоговом плане всё равно ставь 20 шт. (минимальная отгрузка).
2. Для каждого товара:
a. Собери все его отгрузки за 28 дней (лист «Average Delivery»).
b. Для каждой пары «кластер-отправитель → кластер-получатель» возьми нормативное время доставки из матрицы.
c. Рассчитай среднее нормативное время доставки товара: Σ(время × кол-во) / Σкол-ва по всем отправкам.
d. Определи среднесуточные продажи по каждому кластеру-получателю: кол-во / 28.
e. Базовый план = среднесуточные продажи × 30.
3. Если stocks_report.xlsx есть:
a. Учти текущие остатки по кластерам.
b. Если суммарного запаса товара меньше требуемого на 30 дней, сократи план пропорционально долям потребности кластеров.
c. Если файла нет - пропорционально ничего не сокращай, просто используй расчёт п. 2e.
4. Если Учет склада.xlsx есть: проверь реальные складские остатки.
- Если они ещё больше ограничивают товар (меньше, чем в stocks_report), снова пропорционально урежь объём.
- Если файла нет - пропусти этот шаг.
5. Итоговая таблица:
| Товар | SKU | Артикул | Кластер | Продаж в кластере | Среднее время доставки, ч | Остаток FBO | Необходимо отгрузить | Комментарий |
Выводи все строки-кластеры на каждый SKU, даже если там 0 продаж (ставь 20 шт. по правилу выше).
В комментарии укажи, сокращён ли объём из-за дефицита склада и на сколько.
6. Формат вывода:
- Покажи сводную таблицу в Markdown (весь просчёт сразу, не экономь токены).
- Сформируй единый файл shipping plan.xlsx (лист 1 - «План», лист 2 - «Методика и формулы»).
- Предложи ссылку/кнопку «Скачать файл».
7. Везде округляй количества до целых вверх, время доставки - до целых часов.
8. Если какого-то обязательного листа/столбца не хватает, выведи понятное предупреждение, но продолжай работу на доступных данных.
По завершении верни краткий отчёт:
- Сколько товаров обработано.
- Сколько позиций оказались ограничены остатками.
- Максимальное и среднее нормативное время доставки после планирования.
Чек-лист «урок усвоен»
Что делать с результатом
Использовать shipping plan.xlsx как директивный документ на ближайшую поставку. Передать файл логисту/менеджеру по закупкам с дедлайном 7 дней на формирование отгрузок. Через 30 дней повторить анализ и сверить: совпал ли план с фактом, не было ли out-of-stock на отдельных кластерах. Цель через 60 дней - снизить число кластеров с out-of-stock на 50%, без роста замороженного в стоке капитала.
Типовые проблемы
| Симптом | Причина | Решение |
|---|
| GPT не видит закреплённые столбцы | Excel их держит | «Вид» → «Снять закрепление», пересохранить |
|---|
| GPT путает «отгружено» и «продано» | Берёт столбец H как продажи | Уточнить: «H - отгружено, не продажи. Продажи считай из отдельного столбца» |
|---|
| GPT пишет «отгрузить 0» при больших продажах | Не учёл пропорцию «продажи × 30 - остаток» | «Пересчитай строку N: при 12 продажах и остатке 2 на 30 дней нужно отгрузить Х» |
|---|
| GPT не нашёл лист «Нормативный срок доставки» | Имя отличается в новой выгрузке | Указать точное имя листа вручную |
|---|
| Кластеры дублируются в плане | Распознал дважды | «Убери дубликаты кластеров, оставь по одному» |
|---|
| На WB нет СВД - GPT ломается | Промпт заточен под Ozon | Убрать шаги про матрицу «кто-куда», дать скриншот коэффициентов складов WB |
|---|
| GPT оставил колонку «Комментарий» заполненной | Не сказал убрать | «Оставь колонку "Комментарий" пустой - заполню вручную» |
|---|
Полезные ссылки
- Ozon: Аналитика по географии продаж - в личном кабинете продавца
- Ozon: Управление остатками - в личном кабинете продавца
- Wildberries: коэффициенты складов - в личном кабинете, раздел «Логистика»
Дальше
→ Бонусный модуль