생산할 의류 수를 결정하는 것은 의류 브랜드가 내리는 가장 중요한 결정 중 하나입니다.
너무 적게 주문하면 인기 있는 제품이 다음 배송이 도착하기 전에 매진될 수 있습니다. 너무 많이 주문하면 브랜드에 과도한 재고, 가격 인하, 판매되지 않은 제품에 대한 자금이 묶이게 될 수 있습니다.
그렇기 때문에 생산량은 전년도 판매량 이상이나 구매자의 직관에 기초하여 결정해야 합니다.
실용적인 의류 예측 프로세스에서는 실제 수요, 재고 가용성, 계절성, 프로모션, 리드 타임, 안전 재고, 크기 분포 및 사용 가능한 예산을 살펴봅니다..
목표는 새 재고가 제공되는 기간 동안 고객이 구매할 가능성이 있는 수량을 추정한 다음 브랜드가 해당 수요를 지원하는 데 필요한 재고의 양을 결정하는 것입니다.
OEM 의류 제조업체의 경우 이 예측은 결국 스타일, 색상 및 크기별로 분류된 생산 주문이 됩니다.
처음에는 예측이 간단해 보입니다.
브랜드가 작년에 특정 스타일을 1,000개 판매했다면 올해도 1,000개를 더 주문할 수 있습니다.
문제는 과거 판매가 항상 실제 고객 수요를 나타내지는 않는다는 것입니다.
일주일에 100벌이 팔리는 티셔츠를 상상해 보세요. 4주 후에는 미디엄 사이즈가 매진됩니다. 고객은 계속해서 Medium을 찾고 있지만 브랜드는 더 이상 가지고 있지 않은 것을 판매할 수 없습니다.
판매 기록을 보면 4주 후에 수요가 감소한 것으로 나타날 수 있습니다.
실제로는 해당 제품을 사용할 수 없게 되었습니다.
제공된 연구에서는 이를 수요 검열 이라고 설명합니다 . 제품의 재고가 없는 경우 고객이 여전히 제품을 구매하고 싶어하더라도 관찰된 판매량은 0으로 떨어질 수 있습니다. 이러한 원시 수치를 직접 사용하면 향후 생산량을 과소평가할 수 있습니다.
이는 위험한 순환을 만듭니다.
인기 상품 → 매진 → 판매 데이터가 약해짐 → 다음 주문량이 너무 적음 → 상품이 다시 매진됨
한편, 느리게 움직이는 제품은 재고를 유지하고 판매 데이터를 계속 생성할 수 있습니다.
따라서 좋은 예측은 다음 질문에서 시작됩니다.
제품이 출시되었을 때 고객이 실제로 무엇을 구매하고 싶었습니까?
첫 번째 단계는 예측되는 스타일, 색상, 사이즈에 대한 과거 판매 데이터를 수집하는 것입니다.
유용한 정보는 다음과 같습니다.
판매된 단위
판매일
재고 있음
품절 기간
가격 변동
프로모션
제품 출시
계절 기간
사이즈별 매출
채널별 매출
데이터가 더 자세할수록 예측이 더 유용해질 수 있습니다.
수년간의 판매 내역을 보유한 브랜드는 단 몇 달 간의 데이터만 보유한 브랜드보다 반복되는 패턴을 더 쉽게 식별할 수 있습니다.
그러나 더 많은 데이터가 자동으로 더 나은 예측을 의미하는 것은 아닙니다.
데이터는 올바르게 해석되어야 합니다.
어떤 브랜드의 판매 기간이 30일이라고 가정해 보겠습니다.
이 제품은 20일 동안 판매되었으며 400개가 판매되었습니다.
브랜드가 단순히 계산하는 경우:
400 ¼ 30 = 하루 13.3개
이는 제품이 전체 기간 동안 해당 비율로 판매되었을 수 있다고 가정합니다.
그러나 10일 동안 제품을 사용할 수 없는 경우 사용 가능 기간 동안 관찰된 판매율은 다음과 같습니다.
400 ¼ 20 = 20개/일 사용 가능
두 번째 수치는 수요 추정을 위한 더 나은 출발점을 제공할 수 있습니다.
연구에서는 품절 기간을 수요가 없는 것으로 처리하는 대신 SKU가 실제로 사용 가능했던 기간을 사용하여 실제 판매율을 계산할 것을 권장합니다.
이 프로세스를 흔히 이라고 합니다. 수요 비제약 .
기본 아이디어는 간단합니다.
고객이 상품을 구매할 수 없는 경우 해당 날짜가 자동으로 고객이 원하지 않는 날로 해석되어서는 안 됩니다.
과거 판매가 정리되면 브랜드에는 기준 예측이 필요합니다.
기준선은 주요 프로모션이나 비정상적인 급증과 같은 특별 이벤트가 추가되기 전의 정상적인 수요 추정치입니다.
제품마다 다른 예측 방법이 필요할 수 있습니다.
수요가 상대적으로 안정적인 기본 제품의 경우 이동 평균이 유용한 출발점이 될 수 있습니다.
예를 들어, 일년 내내 꾸준히 판매되는 기본 검정색 티셔츠에는 정교한 예측 시스템이 필요하지 않을 수 있습니다.
브랜드는 최근 매출을 조사하고 대표 평균을 설정할 수 있습니다.
매출이 지속적으로 증가하거나 감소한 경우 예측에서 해당 추세를 고려해야 합니다.
예를 들어, 핵심 속옷 스타일이 여러 시즌에 걸쳐 꾸준히 성장한 경우 단순히 이전 평균을 사용하면 미래 수요를 과소평가할 수 있습니다.
선형 추세 모델은 이러한 유형의 상황에 유용할 수 있습니다.
일부 제품은 예측 가능한 계절 패턴을 따릅니다.
수영복, 겨울 속옷, 보온 의류 및 기타 계절 제품은 일년 내내 매우 다른 판매 패턴을 가질 수 있습니다.
따라서 예측에서는 다음을 구별해야 합니다.
정상적인 성장 또는 쇠퇴
그리고
반복되는 계절적 수요
이 연구에서는 지수평활 및 ETS 모델이 오류, 추세 및 계절성을 설명할 수 있기 때문에 유용한 예측 접근 방식으로 식별합니다.
대부분의 소규모 브랜드의 경우 복잡한 예측 알고리즘을 선택하는 것보다 원리를 이해하는 것이 더 중요합니다.
대규모 세일은 제품을 평소보다 훨씬 더 인기 있게 보이게 만들 수 있습니다.
일반적으로 한 브랜드가 일주일에 100개의 스타일을 판매한다고 상상해 보세요.
30% 할인 캠페인 기간 동안 250개 판매됩니다.
250을 새로운 표준으로 사용하면 매우 공격적인 생산 예측이 생성됩니다.
다음과 같은 경우에도 동일한 문제가 발생할 수 있습니다.
반짝 세일
인플루언서 캠페인
주요 광고 캠페인
휴일 프로모션
신제품 출시
일시적인 가격 인하
연구에서는 기본 기준 수요에서 판촉 효과를 분리한 다음 적절한 경우 계획된 판촉 효과를 향후 예측에 다시 추가할 것을 권장합니다.
예를 들어:
정상 수요: 주당 100개
예상 판촉 증가: +40%
판촉 중 예측: 주당 약 140개
정확한 상승도는 가능할 때마다 브랜드 자체의 과거 데이터에서 나와야 합니다.
의류 수요는 계절과 밀접한 관련이 있습니다.
고객 요구는 다음과 같은 이유로 변경될 수 있습니다.
온도
기후
휴가
개학 기간
여행 시즌
프로모션 캘린더
패션 시즌
따라서 브랜드는 예측을 구축할 때 유사한 기간을 비교해야 합니다.
예를 들어, 12월 매출을 사용하여 계절별 제품에 대한 7월 수요를 예측하면 매우 잘못된 결과가 나올 수 있습니다.
브랜드는 다음과 같이 질문해야 합니다.
이 제품 또는 유사한 제품은 전년도 같은 시즌에 무엇을 판매했습니까?
생산 리드타임이 길면 계절성이 특히 중요해집니다.
공장에서 맞춤형 주문을 생산하고 배송하는 데 몇 달이 걸린다면 브랜드는 실제 판매 시즌이 시작되기 훨씬 전에 수요를 예측해야 합니다.
새로운 스타일은 직접적인 판매 내역이 없기 때문에 예측 문제를 야기합니다.
브랜드는 작년에 존재하지 않았던 제품에 대한 작년 매출을 계산할 수 없습니다.
연구에서는 속성 기반 클러스터링과 유사 품목 매핑을 사용할 것을 권장합니다. 신제품에 기획자는 무에서 숫자를 추측하는 대신 중요한 특성을 공유하는 기존 제품과 신제품을 비교할 수 있습니다.
관련 속성에는 다음이 포함될 수 있습니다.
제품 카테고리
실루엣
직물 구성
원단 무게
가격
목표 마진
색상
패턴 복잡성
예를 들어, 한 브랜드가 새로운 280 GSM 프렌치 테리 후드티를 출시한다고 가정해 보겠습니다.
유사한 이전 후드티를 볼 수 있습니다.
원단 무게
건설
가격
대상고객
맞다
색상 위치 지정
이러한 제품은 단순히 임의의 수량을 선택하는 것보다 더 유용한 출발점을 제공할 수 있습니다.
신제품은 기존 제품보다 불확실성이 더 큽니다.
따라서 브랜드는 다음을 고려할 수 있습니다.
초기 생산량 감소
선주문
초기 고객 관심
유사 제품의 과거 실적
유연한 보충
가능한 경우 생산 주기 단축
이렇게 하면 실제 수요가 명확해지기 전에 너무 많은 재고를 투입할 위험을 줄일 수 있습니다.
수요 예측은 문제의 절반에 불과합니다.
브랜드는 또한 알아야 합니다. 재고를 교체하는 데 걸리는 시간도 .
한 브랜드가 한 달에 500개를 판매할 것으로 예상한다고 가정해 보겠습니다.
보충에 2주가 걸린다면 브랜드에는 한 가지 재고 문제가 있습니다.
보충에 4개월이 걸린다면 브랜드는 매우 다른 문제를 안게 됩니다.
연구에서는 공장 생산 시간이 전체 공급망 리드 타임으로 간주되어서는 안 된다는 점을 강조합니다. 총 리드타임에는 자재 조달, 샘플링 및 승인, 대량 생산, 운송, 통관 및 인바운드 처리가 포함될 수 있습니다.
단순화된 의류 공급망은 다음과 같습니다.
자재 조달
↓
샘플링 및 승인
↓
대량 생산
↓
운송
↓
통관 및 입국 처리
↓
창고 가용성
브랜드는 전체 기간에 걸쳐 재고 수요를 예측해야 합니다.
이는 재료 준비에 상당한 시간이 추가될 수 있는 맞춤형 직물 및 맞춤형 색상의 경우 특히 중요합니다.
예측은 여전히 추정일 뿐입니다.
실제 수요는 예상보다 높을 수 있습니다.
생산이 계획보다 오래 걸릴 수도 있습니다.
안전 재고는 이러한 불확실성에 대한 완충 장치를 제공합니다.
이 연구에서는 위험의 두 가지 주요 원인을 식별합니다.
수요 변동성
리드타임 변동성
예를 들어, 한 브랜드가 재고를 보충하는 데 걸리는 시간 동안 1,000개를 판매할 것으로 예상한다고 가정해 보겠습니다.
수요가 갑자기 늘어나거나 생산이 지연된다면 1,000개로는 부족할 수도 있다.
안전 재고는 추가적인 보호를 제공합니다.
'항상 10% 추가 생산'과 같은 간단한 규칙이 편리해 보일 수 있습니다.
그러나 제품마다 위험 수준이 다릅니다.
연중 수요가 예측 가능한 안정적인 검정색 티셔츠는 매출 예측이 매우 어려운 계절별 패션 스타일과는 다른 완충 장치가 필요할 수 있습니다.
연구에서는 수익 중요도와 수요 예측 가능성 에 따라 다양한 예측 및 안전 재고 전략을 사용할 것을 권장합니다.ABC-XYZ 분류를 사용하여
기본 개념은 전체 통계 분석을 수행하지 않고도 유용합니다.
고가치 + 예측 가능한 제품: 가용성을 신중하게 보호합니다.
고가치 + 예측 불가능한 제품: 수요를 면밀히 모니터링하고 신속하게 조정합니다.
가치가 낮고 예측할 수 없는 제품: 재고를 너무 많이 묶지 마십시오.
이는 브랜드가 가장 중요한 곳에 재고 투자를 지출하는 데 도움이 됩니다.
브랜드가 예상 수요와 안전 재고를 알게 되면 언제 또 다른 생산 주문을 해야 하는지 결정할 수 있습니다.
이것이 재주문 지점(ROP) 입니다.
개념적으로:
재주문점 = 리드타임 예상수요 + 안전재고
예를 들어, 브랜드가 보충 리드 타임 동안 1,500개를 판매할 것으로 예상하고 안전 완충 장치로 추가로 300개를 원하는 경우:
ROP = 1,800 단위
사용 가능한 재고 위치가 해당 수준에 도달하면 브랜드는 다음 보충 주문 시작을 고려해야 합니다.
연구에서는 재주문 지점을 총 리드 타임과 안전 재고 전반에 걸친 예상 수요를 기반으로 새로운 구매 주문을 촉발하는 재고 임계값으로 설명합니다.
중요한 점은 타이밍이다.
제조업체가 제품을 보충하는 데 몇 주 또는 몇 달이 필요한 경우 브랜드는 제조업체에 연락하기 전에 재고가 0이 될 때까지 기다려서는 안 됩니다.
브랜드에 5,000개의 조각이 필요하다는 사실을 알더라도 각 크기별로 몇 개의 조각을 생산해야 하는지 공장에 알려주는 것은 아닙니다.
생산 주문은 다음과 같아야 할 수 있습니다.
XS: 350
S: 900
M: 1,900
L: 1,300
XL: 550
정확한 비율은 브랜드의 고객 기반과 과거 매출에 따라 달라집니다.
이를 이라고 합니다. 크기 곡선 .
연구는 여기서 중요한 문제를 강조합니다. 즉, 인기 있는 사이즈가 조기에 매진되면 원시 판매 비율이 왜곡될 수 있다는 것입니다.
Medium이 반복적으로 매진되었다고 가정해 보겠습니다.
과거 판매량은 실제로 고객이 원하는 숫자가 아니라 브랜드가 판매할 수 있었던 중형 제품의 숫자를 나타낼 수 있습니다.
따라서 브랜드는 각 사이즈가 실제로 출시된 기간 동안 사이즈별 수요를 분석해야 합니다.
사이즈는 핏, 편안함, 고객 만족도와 밀접하게 연관되어 있기 때문에 이는 속옷의 경우 특히 중요합니다.
따라서 생산 예측은 두 가지 질문에 답해야 합니다.
총 몇 개를 만들어야 하나요?
그리고
이러한 조각은 크기에 따라 어떻게 배포되어야 합니까?
수요 예측은 매우 큰 생산 요구 사항을 생성할 수 있습니다.
브랜드는 여전히 해당 재고를 제조하고 보유할 여유가 있는지 판단해야 합니다.
재무 계획이 프로세스에 들어가는 곳입니다.
연구에서는 OTB(Open-to-Buy)를 기업이 지원할 수 있는 재고 지출 금액과 상향식 SKU 예측을 조정하는 데 도움이 되는 재정적 제약으로 설명합니다.
소규모 의류 브랜드의 경우 개념을 단순화할 수 있습니다.
필요한 재고를 예측한 다음 사용 가능한 현금과 재고 예산이 이를 지원할 수 있는지 확인하세요.
예측에 따르면 20,000개를 주문할 것으로 예상되지만 기업이 12,000개만 안전하게 자금을 조달할 수 있는 경우 브랜드는 우선순위를 정해야 합니다.
다음을 선택할 수 있습니다.
핵심 제품 보호
느리게 움직이는 스타일 줄이기
색상 심도 줄이기
더 적은 수의 SKU 출시
더 작은 초기 주문을 사용하십시오
우선순위가 낮은 제품 지연
나중에 또 다른 생산 실행을 계획하세요
예측이 순전히 수학적 연습이 아닌 비즈니스 결정이 되는 곳입니다.
수요, 계절성, 리드 타임, 안전 재고, 크기 곡선 및 예산을 검토한 후 브랜드는 생산 요구 사항을 결정할 수 있습니다.
단순화된 작업 흐름은 다음과 같습니다.
과거 판매
↓
품절 왜곡 제거
↓
기준 수요 구축
↓
계절성과 계획된 프로모션에 맞게 조정
↓
생산 및 배송 리드타임을 고려하세요.
↓
적절한 안전 재고 추가
↓
재주문 시점 결정
↓
크기 곡선 적용
↓
재고 예산 확인
↓
생산 주문 발행
이 연구는 제약 없는 과거 수요에서 시작하여 제조업체에 발행된 고정 구매 주문으로 끝나는 유사한 7단계 계획 프로토콜을 요약합니다.
제조업체의 관점에서 보면 좋은 생산 예측은 결국 명확한 구매 주문이 되어야 합니다.
공장은 다음을 받을 수 있습니다.
스타일
색상
총 수량
크기 분석
재료 사양
포장 요구 사항
배송일
배송 요구 사항
품질 요구 사항
이 정보의 품질은 생산 계획에 영향을 미칩니다.
예를 들어 제조업체는 특정 스타일을 10,000개 생산할 수 있지만 생산 일정은 여전히 특정 크기, 색상 분류, 원단 가용성, 트림, 납품 기한 및 기타 요구 사항에 따라 달라집니다.
이것이 바로 예측과 제조가 긴밀하게 연결되어 있는 이유입니다.
브랜드의 수요 계획은 판매할 수량과 시기를 결정합니다..
제조업체의 생산 계획에 따라 해당 요구 사항을 실제 의류로 전환하는 방법이 결정됩니다..
완벽한 예측은 없습니다.
예측의 목적은 불확실성 속에서 더 나은 결정을 내리는 것입니다.
실제 수요가 예상보다 높을 경우 브랜드는 다음을 경험할 수 있습니다.
품절
판매 손실
비상 생산
빠른 배송
고객 불만
수요가 예상보다 낮을 경우 브랜드는 다음과 같은 상황에 직면할 수 있습니다.
초과 재고
할인
마크다운 손실
창고 비용
판매되지 않은 제품에 현금이 묶여 있음
따라서 최고의 예측 시스템은 실제 판매를 지속적으로 모니터링합니다.
새로운 정보가 제공되면 예측이 변경되어야 합니다.
예를 들어:
초기예측 → 실제판매 → 수요예측 업데이트 → 생산계획 수정
이는 수명주기가 짧은 패션 제품에 특히 유용합니다.
속옷 브랜드가 일년 내내 판매되는 핵심 스타일을 가지고 있다고 상상해 보세요.
과거 데이터에 따르면 품절을 감안하면 해당 제품은 일반적으로 한 달에 약 800개 정도 판매됩니다..
브랜드는 시즌별로 약 20%의 매출 증가를 예상하고 있다.
이는 대략 다음과 같은 예상 수요를 제공합니다.
800 × 1.20 = 월 960개
제조업체 및 물류 프로세스는 주문부터 재고 확보까지 3개월이 소요됩니다.
따라서 브랜드는 대략 다음을 계획해야 합니다.
960 × 3 = 2,880개
그런 다음 수요 및 공급 위험에 따라 적절한 안전 버퍼를 추가합니다.
브랜드가 또 다른 320개의 제품이 적절한 계획 버퍼를 제공하기로 결정했다고 가정해 보겠습니다.
재고 요구 사항은 대략 다음과 같습니다.
2,880 + 320 = 3,200개
마지막 단계는 예상 크기 곡선에 따라 해당 조각을 나누는 것입니다.
이는 보편적인 공식이 아닌 단순화된 예입니다. 실제 예측에서는 가격, 프로모션, 재고 가용성, 계절성, 리드 타임 변동성 및 제품 수명주기의 변화를 고려해야 합니다.
중요한 점은 순서입니다.
수요 → 판매기간 → 리드타임 → 리스크 완충 → 규모분포 → 생산수량
브랜드는 생산 계획을 개선하기 위해 고급 AI 예측 시스템이 필요하지 않습니다.
더 나은 데이터 규율로 시작할 수 있습니다.
각 스타일과 크기를 사용할 수 없게 되는 경우를 기록하세요.
그렇지 않으면 낮은 판매량이 낮은 수요로 오인될 수 있습니다.
비정상적인 매출 급증이 자동으로 새로운 기준이 되지 않도록 주요 할인 및 캠페인을 기록하세요.
총 스타일 수준 판매 수치는 사이즈 간의 중요한 차이를 숨길 수 있습니다.
실제 주문이 구매 주문에서 창고 수령까지 걸리는 시간을 기록합니다.
각 판매 기간이 끝나면 예상 수요와 실제 결과를 비교합니다.
새 제품에 과거 데이터가 있는 것처럼 가장하기보다는 유사한 제품 및 속성을 참조로 사용하십시오.
새로운 정보가 예상 수요를 변경하면 예측도 변경되어야 합니다.
생산 수량이 결정되면 제조업체는 명확한 주문이 필요합니다.
맞춤형 의류 프로젝트의 경우 유용한 정보는 다음과 같습니다.
스타일 번호
컬러웨이
총 수량
크기 분석
원단 사양
트림 요구 사항
포장 요구 사항
품질 기준
목표 납기일
배송지
명확한 생산 순서는 브랜드와 공장 간의 오해 가능성을 줄여줍니다.
또한 이를 통해 제조업체는 직물, 재단, 재봉 용량 및 기타 생산 자원을 보다 효과적으로 계획할 수 있습니다.
장기적인 OEM 관계의 경우 과거 생산 데이터도 유용할 수 있습니다.
실제 생산 리드타임, 자재 소비, 품질 문제, 주문 수량 모두 향후 계획을 개선하는 데 도움이 될 수 있습니다.
정확한 생산 수량을 보장할 수 있는 단일 숫자는 없습니다.
강력한 예측은 여러 정보를 결합합니다.
과거 판매 기록은 무슨 일이 일어났는지 브랜드에 알려줍니다.
재고 부족 분석은 판매 데이터에서 놓쳤을 수 있는 수요를 파악하는 데 도움이 됩니다.
계절성과 프로모션은 비정상적인 변화를 설명합니다.
리드타임은 재고를 얼마나 미리 계획해야 하는지를 결정합니다.
안전 재고는 불확실성으로부터 보호합니다.
크기 곡선은 총 수요를 실제적인 생산 분석으로 전환합니다.
예산 제한은 재고 계획을 재정적으로 현실적으로 유지합니다.
이러한 요소들은 함께 제조할 의류 수를 결정하는 데 있어 훨씬 더 강력한 기반을 만듭니다.
의류 브랜드의 경우 가장 유용한 변화는 다음과 같은 경우가 많습니다.
'지난번에 이렇게 많이 팔았으니 같은 양으로 주문하자.'
에게:
'고객이 실제로 수요한 금액은 얼마이며, 그 수요는 어떻게 변할 것이며, 보충할 수 있을 때까지 시간을 감당하려면 얼마나 많은 재고가 필요합니까?'
이 질문은 더 나은 생산 결정으로 이어집니다.
그리고 OEM 제조업체의 경우 고객 요구와 실제 생산 계획 간의 보다 명확한 연결을 생성합니다..
좋은 생산 계획은 구매 주문 이전에 시작됩니다. 수요 예측이 좋을수록 고객이 원할 때 올바른 제품, 크기 및 수량을 사용할 수 있는 가능성이 높아집니다.
