AI-автоматизація E-commerce · WMS-платформа
Fiftify

Fiftify: AI-прогноз попиту та автозамовлення

Модель прогнозу попиту всередині Fiftify WMS: рахує точку перезамовлення для кожного SKU на кожному складі й сама формує чернетки закупівель замість ручних таблиць закупівельника.

Термін 10 тижнів
Рік 2026
Сайт fiftify.com
Ключовий результат
-28%

позицій, що йшли в out-of-stock, за перші три місяці після впровадження

Задача та рішення

Задача

Клієнти Fiftify, мультиканальні продавці (Shopify, Amazon, eBay, роздріб), планували закупівлі вручну: закупівельник вигружав залишки в таблицю, дивився продажі за минулий місяць і на око вирішував, що замовляти. Наслідок був подвійний: заморожені гроші в неліквіді й регулярні out-of-stock на топових позиціях саме в сезон.

Потрібна була модель, яка враховує сезонність, промо й різні терміни постачання. Головне, щоб вона жила всередині щоденного робочого процесу WMS, а не в окремому BI-звіті, у який ніхто не заходить.

Рішення

Побудували сервіс прогнозування на Python (LightGBM) поверх історії продажів і рухів товару з Fiftify. Модель тренується на рівні SKU і складу і враховує сезонність, дні тижня, промо-календар, канал продажу та дефіцитні періоди, щоб out-of-stock не читався як падіння попиту.

На виході прогноз на 8 тижнів, страховий запас і точка перезамовлення для кожної позиції. Fiftify формує з них чернетки замовлень постачальникам, а закупівельник лише підтверджує.

Сервіс живе окремо (FastAPI, черга на Redis, щоденний retrain у Docker) і спілкується з WMS через внутрішній API. Якість тримаємо на WAPE і порівнюємо з ручним планом на контрольній групі SKU.

Стек технологій

Python LightGBM pandas FastAPI PostgreSQL Redis Docker Shopify Admin API
Подивитись наживо
fiftify.com
Відкрити сайт
Готові почати?

Ваш магазин стане наступним кейсом?

Розкажіть про проєкт, і ми повернемось із оцінкою.