Настройка предиктивной аналитики продаж на 1С-Битрикс

Настройка предиктивной аналитики продаж на 1С-Битрикс

Предиктивная аналитика продаж — это прогноз будущих продаж на основе исторических данных. Для интернет-магазина это отвечает на вопросы: сколько единиц товара X продастся в следующем месяце, в какой период ожидать пик продаж, какие товары нужно закупить заранее. В Битрикс исторические данные есть — нужно построить конвейер их обработки.

Данные для прогноза

Из Битрикс доступны все необходимые временные ряды:

• Продажи по дням: b_sale_order_basket JOIN b_sale_order с группировкой по DATE_INSERT::date
• Просмотры товара: b_catalog_viewed_product по DATE_VISIT::date
• Добавления в корзину: b_sale_basket по DATE_INSERT::date
• Конверсия: отношение заказов к просмотрам по периодам

Базовый запрос для временного ряда продаж по товару:

SELECT
    DATE(o.DATE_INSERT) AS sale_date,
    SUM(ob.QUANTITY)    AS qty_sold,
    SUM(ob.PRICE * ob.QUANTITY) AS revenue
FROM b_sale_order_basket ob
JOIN b_sale_order o ON o.ID = ob.ORDER_ID AND o.CANCELED = 'N'
WHERE ob.PRODUCT_ID = :product_id
  AND o.DATE_INSERT >= NOW() - INTERVAL '365 days'
GROUP BY DATE(o.DATE_INSERT)
ORDER BY sale_date;

Простые методы прогнозирования без ML

Скользящее среднее — прогноз на следующий период = среднее продаж за последние N недель аналогичного периода. Реализуется чистым SQL.

Сезонное сглаживание — умножаем базовый прогноз на сезонный коэффициент. Коэффициент считается как отношение продаж конкретного месяца к среднемесячным за год по историческим данным.

Линейный тренд — если продажи растут на 5% каждый месяц, экстраполируем тренд. Коэффициент тренда: регрессия методом наименьших квадратов по исторической выборке.

Эти алгоритмы реализуются в PHP без внешних библиотек — достаточно массивов данных из БД.

Хранение прогнозов

Создайте таблицу bl_sales_forecast:

Агент раз в неделю пересчитывает прогнозы на следующие 4–8 недель для всех активных товаров.

Дашборд прогнозов в административном разделе

В разделе «Магазин → Аналитика» добавьте страницу прогнозов. Компонент читает bl_sales_forecast и отображает:

• График план/факт для выбранного товара за последние 3 месяца
• Топ-20 товаров с наибольшим прогнозируемым спросом на следующую неделю
• Товары, у которых прогнозируемый спрос превышает текущий остаток — сигнал к закупке

График строится через Chart.js или ApexCharts, данные подгружаются AJAX из контроллера AdminForecastController.

Интеграция с управлением запасами

Когда прогноз показывает, что через 2 недели потребуется 50 единиц товара, а на складе только 10 — создаётся рекомендация к закупке. Агент сравнивает bl_sales_forecast.predicted_qty с b_catalog_store_product.AMOUNT и записывает рекомендации в bl_reorder_suggestions — эта же таблица используется в услуге автоматического заказа у поставщиков.

Что настраиваем

• SQL-запросы для построения временных рядов продаж из b_sale_order_basket
• Алгоритмы прогнозирования (скользящее среднее + сезонные коэффициенты) в PHP-классе SalesForecastEngine
• Агент еженедельного пересчёта прогнозов с записью в bl_sales_forecast
• Дашборд в административном разделе с графиком план/факт
• Интеграцию прогнозов с модулем управления запасами через bl_reorder_suggestions