科学补货策略-科学补货实验报告

淘之家给大家介绍科学补货策略的哦

淘之家

这是一篇讲述预测的文章,基于不同的业务背景选择不同的方法

基于日销的补货测算(适合日销偏稳定的)

基于时序的补货测算(适合具有明显周期性的)

基于活动补货测算(适合日销偏弱,活动偏强的)

一、基于日销补货测算

这个主题在2017年12月6号在公众号发过文章,具体算法可点击文章标题进入阅读。

首先,这种方法适用于店铺日销偏平稳的店铺

科学补货策略-科学补货实验报告

每天的数据波动是正常的,但总体不会出现规律和大起大落的情况。上图前半部分是因为活动导致销量波动,活动结束后趋于平稳,而且在补货周期和销售周期内没有活动计划。

难点是不同的SKU的补货周期不同,要实现高效率的补货测算如果用Excel函数将非常复杂,因此我选择的工具是Power Pivot,是效率最高,实现相对较为容易,最容易的是Power Query可以全程可视化操作。

科学补货策略-科学补货实验报告

以下的几个SKU的补货周期是21天(也就是从工厂下单到入库需要21天),根据最近21天的销量减去现有的库存量,就是要补货的最小量,多少天后要补货是根据库存和补货周期的计算,这张表需要每天更新数据,可以每天监控可能要补货的SKU,库存一周期备货量是到货后还能卖一个补货周期天数的量,一般以这个为准。

科学补货策略-科学补货实验报告

二、基于时序的补货测算

当销售趋势出现规律性的时候,如果是下图这种7天规律的,补货周期大于7天的时候,可以用时序预测的方法,当然也可以用基于日销的方法,因为周期性已经涵盖在补货周期天数里面的。

科学补货策略-科学补货实验报告

当SKU的销量趋于上升趋势的时候,比如在产品中前期时,还不稳定,而且呈现一定的增长趋势,那样就无法基于之前N天的销量来测算补货数量了,否则补货量将无法满足周期的销售。

下面我们预测下图数据,预测21天的数据,到2017年11月13日

科学补货策略-科学补货实验报告

基于时序的预测,需要用到FORECAST.ETS函数

这个函数共4个参数

第一个参数是要预测的日期

第二个参数是历史的数据

第三个参数是历史数据对应的日期

第四个参数是周期长度,为7表示周期为7天(7天为周期是通过观察图表和经验得来,淘宝7天为一个商品的流量周期)

科学补货策略-科学补货实验报告

预测结果是每7天稳步上升,由于前面3个(7天)周期中都有两个峰值,所以后面的预测图形都具有这个特征。

科学补货策略-科学补货实验报告

前21天的销量为9207,预测未来21天销量为18140

三、基于活动补货测算

活动的数据在图形中属于异常值,特别是一天的活动,就特别像是一个离群点。以上两种方法完全不适应于活动的测算,活动销量的测算需要考虑的因素更为丰富。

对于S级别的活动,备货量是跟小二谈的了

对于聚划算、淘抢购等常见的A级活动预测可以通过历史数据建立回归方程测算,对于参加大促的中小商家也适用此方法。

科学补货策略-科学补货实验报告

备注:场次表示从0点到23点的13个场次,店铺类型1为集市店,2为天猫店,店铺销售额为近30天销售额(不包含活动当天)

这些数据会存在水分,商家为了完成业绩会补单,对于我们预测来讲这个数据是会影响结果的。可以通过同行了解大概的比例,如果无法了解就自己预判,预判的范围在20-60%之间,如果你说大家上个淘抢购要刷个90%的单子,那这个的可能性不大。

从你报名活动到活动上线,中间有8-13天的时间,这是给补货的时间,如果补货周期极短,那就无所谓了,但是如果补货周期较长,最保险的方法当然是报名前就要预估好大致的销量,这样可以按照报名件数进行备货。

其实记录完数据后,就会发现已经有一个大致的范围了,最低卖了多少,最高卖了多少,鉴于货值要在15万左右,80多的客单价,报名件数至少要1500左右,但是为什么大家价格差不多,但是销量各异呢?

[店铺类型],天猫跟淘宝还是有区别的

[店铺销售额],决定了原始客群的大小

[场次],对销售有直接影响

[是否有有相似产品上活动],这个避免不了,没有相似产品上活动是一件小概率事件

[产品的内功],可以量化,但是量化难度较大,需要找消费者给产品描述页打分

本例用上图中记录好的数据建模,其他影响因素暂时忽略

科学补货策略-科学补货实验报告

备注:该工作流是用Smartmining(类似SPSS Modeler)构建的,模型选用高斯过程回归(已经封装好的模型)。

通过变量重要性可以观察到各个变量对目标(销量)的影响程度,依次是店铺类型 店铺销售额 价格 场次,这个是这些数据产生的规律,会因此产品品类和统计数据时间、数量产生差异。

科学补货策略-科学补货实验报告

模型在训练集上的预测结果,跟真实销量非常接近。

科学补货策略-科学补货实验报告

输入新的数据,第6场(13:00场次),天猫店,价格是89.9,店铺销售额是25.8万

科学补货策略-科学补货实验报告

预测结果是1345(单位:件)

科学补货策略-科学补货实验报告

这个结果可以通过行业的水分比例缩减,建议比例定在30-40%的范围,结果是807-942之间。

这个是预测SPU的结果,如果是SKU也是一样的方法,需要统计活动当天单品的SKU库存的变化量,通过类似的方式再进行建模,预测出不同SKU的活动销量。

预测的魅力究竟如何?

下面3张图是去年3月13号我徒弟在YY直播预测2017年双十一的销售额时,我们在群里讨论的聊天记录,最可能的两个数字1626亿和1688亿,最终是1682亿收官。

科学补货策略-科学补货实验报告科学补货策略-科学补货实验报告科学补货策略-科学补货实验报告

作者简介:零一,自媒体人,9年电商从业经验,数据分析师 开发工程师,专注电商数据分析和人工

智能,著有《美丽的电商运营日记》《Excel BI 之道》《淘宝、天猫电商数据分析与挖掘实战》《Python3爬虫、数据清洗和可视化实战》

零一做最专业的电商数据分析

本文来自网友投稿,不代表淘之家立场,如若转载,请注明出处

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022年4月10日 11:23
下一篇 2022年4月10日 15:43

相关推荐

发表评论

您的电子邮箱地址不会被公开。

微信