Si yo no preveo la demanda estacional con tiempo, termino en uno de dos problemas: quiebre de stock o sobrestock. Y en Argentina eso pega directo en ventas, caja y costo de reposición.
En simple: para ordenar compras de temporada, yo necesito 5 cosas. Primero, marcar el período que voy a planificar y separar la demanda normal de los picos por promo. Después, limpiar 24 a 36 meses de ventas e inventario, medir en unidades por SKU y no en ARS, detectar meses o semanas con más presión de demanda, pasar ese dato a una compra concreta con stock de seguridad y punto de reorden, y seguir el desvío semana a semana para corregir antes de que sea tarde.
Si lo bajo a acciones, el proceso queda así:
Hay dos números que yo no perdería de vista:
Y hay una idea que ordena todo: si vendo en picos como Hot Sale, CyberMonday o Navidad, no alcanza con mirar ventas pasadas; tengo que traducir esos datos a fechas de compra, cobertura y stock de seguridad.
Eso es, en pocas palabras, lo que desarrolla esta nota.
5 Pasos para Prever la Demanda Estacional en E-commerce
El pronóstico empieza con datos de demanda limpios, no con supuestos. Trabajá con 24 a 36 meses de histórico; si tenés menos de 24, la estacionalidad queda floja. Recién con esa base podés medir el patrón estacional sin arrastrar ruido.
Hay un grupo de campos que no puede faltar: unidades vendidas por SKU, identificador de SKU o categoría, fecha de transacción, devoluciones, precios históricos y canal de venta. También sumá un calendario de promociones, descuentos y lanzamientos, con eventos como Hot Sale y CyberMonday, y recalibralo en el calendario cada año.
La granularidad ideal es diaria o semanal. Mensual sirve solo como piso mínimo. Eso te deja comparar SKU con SKU sin mezclar demanda real con promos o faltantes.
Cuando ya tenés los datos reunidos, toca limpiar lo que tuerce la serie:
En ARS, una suba de precios puede inflar los números aunque la demanda no haya crecido. Por eso, trabajá siempre con unidades por SKU como métrica principal y dejá los ingresos en ARS como una capa secundaria. Si no hacés eso, el pico real de un SKU puede quedar tapado por un cambio de precios.
| Campo | Mínimo |
|---|---|
| Extensión del histórico | 24 meses |
| Granularidad | Mensual |
| Métricas de ventas | Unidades vendidas por SKU |
| Datos contextuales | Calendario de promociones |
Con esta base limpia, el Paso 2 ya puede separar el patrón estacional del ruido.
Con los datos limpios del Paso 1, el siguiente paso es separar los SKU con demanda pareja de los que muestran picos estacionales. Esa diferencia cambia por completo cómo comprás, cuánto stock guardás y en qué momento te adelantás.
La forma más simple de hacerlo es calcular un índice de estacionalidad por SKU o por categoría. La cuenta es directa: dividís las unidades vendidas en un período puntual por el promedio mensual del año.
Si en agosto vendiste 183 unidades y el promedio mensual es 100, el índice da 1,83. Eso quiere decir que la demanda estuvo 83 % por encima de lo normal.
Así ves con más claridad qué SKU tenés que comprar antes y cuáles podés sostener con una reposición normal.
Antes de pasar a compras, no mires ese índice “en bruto”. Primero separalo en tendencia, estacionalidad y ruido.
Para leer bien los índices, conviene distinguir tres cosas: el crecimiento o la caída de fondo, los ciclos que se repiten y los desvíos aislados.
| Componente | Qué mide | Impacto en el inventario |
|---|---|---|
| Tendencia | Crecimiento o caída sostenida | Orienta decisiones de largo plazo |
| Estacionalidad | Ciclos recurrentes y predecibles (Navidad, verano o vuelta a clases) | Marca el momento y el volumen de las órdenes de compra estacionales |
| Ruido | Desvíos aislados que no deben mover el plan base | Tratarlos como casos aislados; no ajustar el plan base por ellos |
Dicho de otro modo: no es lo mismo vender más porque tu categoría viene creciendo hace meses que vender más por una semana atípica. Si mezclás ambas señales, terminás comprando de más o llegando tarde.
Con esta lectura, ya podés bajar el análisis a una tabla simple por SKU o por categoría clave.
| Mes | Promedio 3 años (unidades) | Índice | Acción |
|---|---|---|---|
| Enero | 1.200 | 0,75 | Reducir compras |
| Julio | 1.800 | 1,12 | Mantener operación base |
| Noviembre | 2.960 | 1,85 | Aumentar compras y capacidad |
| Diciembre | 3.280 | 2,05 | Máxima capacidad operativa |
Esta tabla te saca de la compra por intuición. En vez de decidir “porque el año pasado pasó algo parecido”, pasás a decidir con una señal concreta.
Usala para clasificar los SKU según prioridad de compra.
En el Paso 3, convertí estos índices en unidades, stock de seguridad y puntos de reorden.
Con la tabla de estacionalidad lista, ahora toca pasar de la señal a algo mucho más concreto: unidades, cobertura y órdenes de compra. Dicho simple, agarrás el índice estacional y lo transformás en una decisión de compra.
Tomá las ventas de las últimas dos temporadas comparables y ajustalas según el crecimiento del negocio. Esa proyección funciona como el piso de compra para el próximo pico.
Después, calculá cuánto comprar con esta fórmula:
Cantidad a ordenar = (Demanda diaria ajustada × (Tiempo de entrega + Días de cobertura objetivo)) + Stock de seguridad − Stock disponible
Donde:
Stock disponible = stock físico neto − reservas + inbound confirmado
Ese número marca la compra base. El stock de seguridad entra para cubrir el riesgo cuando las cosas no salen como esperabas.
El stock de seguridad es tu colchón cuando el proveedor se atrasa o la demanda se te va por arriba de lo previsto. En SKU de alta rotación, conviene sostener entre 7 y 14 días de cobertura extra; en los de baja rotación, entre 3 y 7 días.
Si importás desde Asia, cerrá la compra con tiempo para cubrir el lead time total. Si llegás tarde, probablemente termines dependiendo de flete aéreo, y eso puede subir el costo entre 8 % y 15 %.
Una vez definida la compra, el foco pasa al seguimiento semanal del Paso 4.
La tabla de abajo ayuda a elegir el nivel de cobertura según qué te pega más fuerte: quedarte corto o pasarte de largo.
| Factor | Sobrestock | Quiebre de stock |
|---|---|---|
| Flujo de caja | Capital inmovilizado en unidades sin vender | Perdés ventas e ingreso potencial |
| Costo de almacenamiento | Alto: más espacio ocupado y más costo de depósito | Bajo: se libera espacio en depósito |
| Ventas | Suele obligar a liquidaciones agresivas | Pérdida directa de facturación y conversión |
| Experiencia del cliente | Neutral: el producto está disponible | Negativa: frustración y pérdida de confianza |
| Riesgo operativo | Obsolescencia y daño físico del producto | Flete aéreo de emergencia o pérdida definitiva de la venta |
En los SKU de alta rotación, el quiebre de stock suele ser el peor escenario. En el resto del catálogo, el sobrestock también puede pegar fuerte, sobre todo si el producto queda viejo o pierde vigencia.
El pronóstico no se termina cuando lo dejás armado. De hecho, ahí empieza la parte más importante: mirar, semana a semana, qué proyectaste versus qué pasó de verdad, y corregir el rumbo sin esperar demasiado. Con el pronóstico y la compra ya definidos, este seguimiento evita que el plan se te vaya de las manos.
Medí siempre en unidades vendidas. Los SKU de categoría A y B piden revisión semanal. En cambio, los SKU de categoría C se pueden revisar cada dos semanas o una vez por mes.
En la práctica, conviene poner el foco en el 10–20 % de los SKU que explica el 70–80 % de las ventas o del margen. Dicho simple: no hace falta mirar todo con la misma intensidad. Mirá de cerca lo que mueve el negocio.
Para cada SKU prioritario, seguí estas métricas:
| Métrica | Para qué sirve | Referencia |
|---|---|---|
| Varianza de pronóstico (%) | Mide qué tan lejos estuviste de la realidad | < 15 % en categorías core |
| Días de cobertura | Cuántos días dura el stock al ritmo actual de ventas | vs. cobertura objetivo |
| Tasa de quiebre de stock | Oportunidades de venta perdidas en SKU A | < 5 % en los más vendidos |
Burbuxa puede sincronizar inventario, pedidos y clientes en tiempo real y disparar alertas de reposición.
Si la demanda queda por arriba del plan, adelantá las órdenes de compra. Y si los plazos ya no te dan, evaluá flete aéreo. Eso sí: ese recurso puede empujar el COGS entre 8 % y 15 %. A veces salva ventas; otras veces te come margen. Por eso hay que decidirlo con números, no por apuro.
Si la demanda queda por debajo del plan, hacé lo contrario: pausá o demorá órdenes pendientes, bajá la cobertura objetivo y pensá en bundles o descuentos selectivos para mover mercadería antes de que quede clavada en depósito. Un ejemplo simple: “Llevá 2, pagá 1” puede ayudar a destrabar stock sin tocar toda la grilla de precios.
Cada desvío tiene que quedar anotado junto con la acción tomada. Ese registro después sirve para ajustar el plan en la próxima revisión.
Estos desvíos te ayudan a decidir si conviene reordenar, pausar compras o tocar la cobertura. No hace falta un sistema complejo para arrancar. Con una tabla simple, semana a semana, ya podés ver el patrón:
| Semana | Unidades pronosticadas | Unidades reales | Varianza % | Acción tomada |
|---|---|---|---|---|
| S1 | 1.000 | 1.150 | +15 % | Dentro del margen; seguimiento diario. |
| S2 | 1.200 | 1.500 | +25 % | Reorden urgente; aumento de stock de seguridad. |
| S3 | 1.500 | 1.050 | −30 % | Bundle "Llevá 2, pagá 1"; reducción de la próxima OC. |
Al cierre de la temporada, registrá qué movió la demanda y qué decisión tomaste. Ese historial después te sirve para ajustar reglas, afinar compras y llegar mejor parado al próximo ciclo.
Después del control semanal del Paso 4, juntá esos desvíos y convertílos en reglas nuevas. Cerrar la temporada no es solo mirar qué pasó. Sirve para pasar de “nos equivocamos” a “la próxima compramos y stockeamos distinto”.
La métrica base es el WMAPE. Mide el error porcentual ponderado entre lo proyectado y lo vendido. Como guía, apuntá a menos del 15 % en categorías clave y menos del 25 % en categorías volátiles.
También conviene mirar el sesgo del pronóstico. Si una y otra vez sobreestimaste o subestimaste la demanda, no fue casualidad: hay un patrón para corregir.
| Métrica | Qué mide | Referencia |
|---|---|---|
| WMAPE | Error porcentual promedio ponderado en unidades | < 15 % en categorías clave; < 25 % en categorías volátiles |
| Sesgo de pronóstico | Si el equipo sobreestima o subestima de forma consistente | Idealmente cercano a 0 |
Poné el foco primero en los SKU A. Ahí un error pega más fuerte en la caja y en el riesgo de quiebre.
Antes de cambiar cualquier número, dejá por escrito por qué falló el pronóstico. Ese paso parece menor, pero suele ser el que más orden trae después.
Las causas más comunes suelen ser estas:
En moda y electrónica hay otro punto que no conviene pasar por alto: las devoluciones de enero pueden representar entre el 18 % y el 25 % de las ventas de diciembre. Tomalas como un ajuste para el próximo ciclo.
Cada ajuste tiene que terminar en una regla operativa. No alcanza con decir “hubo demora” o “la promo empujó ventas”. La idea es bajar ese aprendizaje a decisiones concretas: cuánto comprar, cuándo frenar compras y qué nivel de stock sostener.
Actualizá estas tres reglas con lo que aprendiste:
| Parámetro a actualizar | Cómo convertir el hallazgo en una regla |
|---|---|
| Lead time | Promedio real del pico + 20 % si hubo demoras |
| Fecha de corte de compra | Fecha objetivo − (lead time real + 10 días de buffer) |
| Factor promocional | Unidades en promo ÷ unidades en semana normal |
Con esas reglas, el pronóstico deja de quedar como un número suelto y se vuelve parte del trabajo de todos los ciclos.
Todo este proceso empieza antes del pico de demanda. Primero definís el horizonte, después limpiás los datos, medís en unidades, detectás patrones, convertís el pronóstico en compras y ajustás semana a semana. Al final, medís el error con WMAPE, registrás las causas y actualizás las reglas para la próxima temporada.
Un error de pronóstico en temporada alta impacta de lleno en la caja y en la disponibilidad. Así de simple. Ese es el ciclo que transforma datos en compras, y compras en producto disponible cuando el cliente lo busca.
Cada temporada bien medida deja reglas más precisas para la que viene. La ventaja no está en predecir perfecto. Está en corregir mejor, temporada tras temporada.
Si no contás con 24 meses de datos, igual podés hacer estimaciones útiles. Los modelos estadísticos más complejos piden más historial, sí, pero con 3 a 6 meses ya podés empezar a ver patrones básicos de demanda.
En ese escenario, el índice estacional va a ser estimativo. Una forma simple de arrancar es usar promedios móviles y ajustar tus proyecciones de inventario según lo que ya sabés del mercado y los datos reales que vaya generando tu tienda.
No es perfecto, pero sirve para no manejarte a ciegas mientras juntás más datos.
No metas las ventas de promociones y eventos especiales dentro de la demanda orgánica. En Argentina, fechas puntuales o promos bancarias pueden disparar picos fuera de lo normal. Por eso, conviene sacar esos días de los promedios móviles o mirarlos aparte con factores promocionales.
Si usás descomposición de series temporales, sumá el historial de precios y el calendario de campañas como variables de ajuste. Así evitás que el pronóstico se tuerza y podés planificar mejor el inventario.
Primero, segmentá el inventario según sus ciclos de demanda: artículos de verano, productos para fiestas y básicos de todo el año. Después, poné el foco en los SKUs con alta sensibilidad estacional, porque sus picos de demanda se concentran en momentos muy puntuales.
Si manejás más de 10 o 20 productos, agruparlos por líneas te puede simplificar bastante la previsión. En vez de mirar cada ítem por separado, podés detectar patrones con más claridad y tomar decisiones de stock con mejor criterio.
Burbuxa te ayuda a integrar datos de ventas e inventario para identificar esos patrones y ajustar el stock de manera más precisa.
