導(dǎo)語(yǔ)
服裝銷售行業(yè)中常常會(huì)有因?yàn)殇N售預(yù)測(cè)不準(zhǔn)確而帶來(lái)的庫(kù)存積壓、利潤(rùn)損失和缺貨問(wèn)題，這些看似簡(jiǎn)單的問(wèn)題卻可能會(huì)影響到供應(yīng)鏈、客戶服務(wù)甚至是品牌效應(yīng)。

正因?yàn)殇N售預(yù)測(cè)至關(guān)重要，本次坐莊中莊主想要為大家介紹一些科學(xué)的銷售預(yù)測(cè)方法，并與大家討論怎樣利用好現(xiàn)有的智能大數(shù)據(jù)，幫助我們做好服裝銷售工作？

討論來(lái)自中級(jí)買手群
主題：服裝銷售預(yù)測(cè)的方法有哪些？
我們?nèi)绾芜\(yùn)用大數(shù)據(jù)將銷售做得更好？

莊主：西西-無(wú)錫-買手
莊主簡(jiǎn)介：西西，來(lái)自江蘇無(wú)錫，大學(xué)畢業(yè)后長(zhǎng)期從事銷售工作，2010年起在上海開(kāi)始學(xué)習(xí)電子商務(wù)，后因公司內(nèi)部問(wèn)題再次回到無(wú)錫。因看到自己身邊的電商人榜樣，受到激發(fā)，想要學(xué)習(xí)一個(gè)新行業(yè)的新產(chǎn)品，所以加入買手行業(yè)學(xué)習(xí)。

討論大綱

一、服裝銷售行業(yè)銷售預(yù)測(cè)的重要性

二、服裝銷售預(yù)測(cè)方法
1.傳統(tǒng)統(tǒng)計(jì)方法的類型和缺點(diǎn)
2.人工智能方法的類型和缺點(diǎn)
3.人工智能方法和傳統(tǒng)統(tǒng)計(jì)方法的混合分析方法

三、怎樣利用現(xiàn)有的智能大數(shù)據(jù)，幫助我們做好服裝銷售工作？
1.進(jìn)行新產(chǎn)品的銷售預(yù)測(cè)，需要準(zhǔn)備哪些信息？
2.怎么更好地靈活調(diào)整新品的實(shí)際銷售？
3.公域流量競(jìng)爭(zhēng)：如何利用淘寶、抖音的大數(shù)據(jù)？
4.私域流量競(jìng)爭(zhēng)：如何利用微信大數(shù)據(jù)？

以下討論僅代表討論者個(gè)人觀點(diǎn)，并不代表本公眾號(hào)及冷蕓的觀點(diǎn)。

//////////

01
服裝銷售行業(yè)銷售預(yù)測(cè)的重要性

Q:請(qǐng)問(wèn)大家在工作中遇到過(guò)哪些因?yàn)殇N售預(yù)測(cè)不準(zhǔn)確帶來(lái)的麻煩？

A1 銷售沒(méi)有達(dá)到原來(lái)的預(yù)期，以至于產(chǎn)生大量庫(kù)存。

A2 突發(fā)情況影響銷售預(yù)測(cè)，譬如這次突發(fā)的疫情，全年預(yù)算全部作廢。

A3 曾經(jīng)遇到過(guò)因?yàn)殚T店變化遭受到影響的情況。門店無(wú)法繼續(xù)經(jīng)營(yíng)，但又沒(méi)有找到下一個(gè)可替代的。

正如大家所指出的，服裝銷售行業(yè)中常常會(huì)有因?yàn)殇N售預(yù)測(cè)過(guò)多或過(guò)少，而帶來(lái)的庫(kù)存積壓、利潤(rùn)損失和缺貨問(wèn)題，這些問(wèn)題看似簡(jiǎn)單，但卻容易引起牛鞭效應(yīng)，從而影響到我們的供應(yīng)鏈、我們的生產(chǎn)、我們的客戶服務(wù)等各方各面。

最直接結(jié)果可能會(huì)造成資金鏈短缺，而從長(zhǎng)遠(yuǎn)來(lái)看，對(duì)于一些品牌來(lái)說(shuō)，銷售預(yù)測(cè)不準(zhǔn)確甚至?xí)绊懙狡放菩?yīng)。

正因?yàn)殇N售預(yù)測(cè)至關(guān)重要，人們才在一直在積極探索更加科學(xué)的方法，提高銷售預(yù)測(cè)的準(zhǔn)確性。服裝行業(yè)供應(yīng)鏈?zhǔn)且粋€(gè)相對(duì)較長(zhǎng)的供應(yīng)鏈，包括原材料生產(chǎn)廠商、服裝加工廠商、分銷商、物流商、批發(fā)商、零售商等眾多環(huán)節(jié)。

產(chǎn)品的生命周期有長(zhǎng)有短，產(chǎn)品本身也受到色彩、季節(jié)、流行趨勢(shì)等等眾多因素的影響。如何能夠把握好這一鏈條中緊緊相扣的每一環(huán)？我們還需要從眾多因素中著手找到適合的辦法。


02
服裝銷售預(yù)測(cè)方法

Q: 目前大家工作中會(huì)接觸到哪些銷售預(yù)測(cè)方法？

A1 我們線上通常會(huì)根據(jù)往年的銷售淡旺季歷史數(shù)據(jù)和推廣計(jì)劃來(lái)預(yù)測(cè)，也會(huì)參考行業(yè)趨勢(shì)。另外，根據(jù)往季的產(chǎn)品復(fù)盤，圍繞著消費(fèi)者需求來(lái)生產(chǎn)也是我們會(huì)采用的方法。

A2 我們會(huì)結(jié)合24節(jié)氣看上貨波段、款量數(shù)量等，還有參考大數(shù)據(jù)的結(jié)果，比如阿里數(shù)據(jù)。

A3 我們還會(huì)用表格看款式、顏色、季節(jié)、風(fēng)格等來(lái)預(yù)測(cè)。

上述蕓友們提到的均為預(yù)測(cè)時(shí)參考的具體的數(shù)據(jù)，而非預(yù)測(cè)的方法。很多服裝行業(yè)的從業(yè)者可能因?yàn)槿狈α私?，也?huì)存在這樣混淆不清的情況，因此，更有必要為大家詳細(xì)介紹銷售預(yù)測(cè)的具體的方法。


1.傳統(tǒng)統(tǒng)計(jì)方法的類型和缺點(diǎn)

我們以往工作中接觸的大多都是傳統(tǒng)的統(tǒng)計(jì)方法，比如數(shù)據(jù)搜集、數(shù)據(jù)統(tǒng)計(jì)、數(shù)據(jù)計(jì)算等等。文獻(xiàn)《Sales Forecasting for Fashion Retailing Service Industry: A Review》指出，“傳統(tǒng)統(tǒng)計(jì)方法依賴時(shí)間序列數(shù)據(jù)，要求數(shù)據(jù)具有現(xiàn)實(shí)、真實(shí)的特點(diǎn)，來(lái)反映某一現(xiàn)象的變化規(guī)律。

這也是歷史銷售數(shù)據(jù)分析，包括銷售同比、環(huán)比、成交單價(jià)、采購(gòu)成本、毛利率、庫(kù)存周轉(zhuǎn)周期等等以流水方式記錄下來(lái)所形成的數(shù)據(jù)?！?br>
其特點(diǎn)是預(yù)測(cè)整體過(guò)程中僅借助于他人的分析結(jié)果作為一個(gè)參考，而自己并非預(yù)測(cè)的參與者。

1.1

傳統(tǒng)統(tǒng)計(jì)方法的類型

在《Sales Forecasting for Fashion Retailing Service Industry: A Review》中提到了以下幾種銷售預(yù)測(cè)方法：

（1）線性回歸法

線性回歸法是一種常用的分析技術(shù)，主要研究一個(gè)隨機(jī)變量和多個(gè)變量之間的線性關(guān)系，當(dāng)輸入變量發(fā)生變化時(shí)，輸出變量值也隨之發(fā)生變化。其方程式為：y=ax+b。

《Sales Forecasting for Fashion Retailing Service Industry: A Review》中提到此方法的主要步驟如下：

a.確定幾個(gè)特定的變量之間是否存在相關(guān)關(guān)系，如果存在找到他們之間合適的數(shù)學(xué)表達(dá)方式。
b.根據(jù)一個(gè)或幾個(gè)變量的值，預(yù)測(cè)或控制另一個(gè)變量的取值。
c.進(jìn)行因素分析，在對(duì)于共同影響一個(gè)變量的許多變量之間，找出哪些是重要因素，哪些是次要因素，這些因素之間是什么樣的關(guān)系等等。

我對(duì)這個(gè)方法有一些自己的理解，以預(yù)測(cè)年銷售預(yù)計(jì)為例，影響年銷售預(yù)計(jì)的所有變量，如季節(jié)、顏色、款式都是影響銷售值的變量。

我們要從歷史數(shù)據(jù)中找到他們存在的某些規(guī)律，分析次要原因、主要原因，包括他們之間存在的數(shù)量關(guān)系，來(lái)預(yù)測(cè)未來(lái)的數(shù)據(jù)。


（2）移動(dòng)平均法

根據(jù)文獻(xiàn)《Sales Forecasting for Fashion Retailing Service Industry: A Review》，移動(dòng)平均法可以理解為是用一組最近的實(shí)際數(shù)據(jù)值來(lái)預(yù)測(cè)未來(lái)一期或幾期內(nèi)產(chǎn)品的需求量和產(chǎn)能等數(shù)據(jù)的方法。這種方法適用于即期預(yù)測(cè)，當(dāng)產(chǎn)品需求穩(wěn)定且不存在季節(jié)因素時(shí)，這個(gè)方法很有用。

如何理解移動(dòng)平均法呢？比如我們知道一款基礎(chǔ)T這周的銷售額，我需要預(yù)測(cè)下周的銷售數(shù)據(jù)，這時(shí)就可以直接參考這一周的銷售額。這種方法適用于這一類的短期預(yù)測(cè)。


（3）加權(quán)平均法

加權(quán)平均的計(jì)算公式為：各數(shù)值*相應(yīng)單位數(shù)，然后加總求和得到總體值，再除以總的單位數(shù)，即權(quán)重相同的加權(quán)平均。

用一道百度文庫(kù)中關(guān)于存貨核算類型的例題來(lái)舉例：
A產(chǎn)品34元一個(gè)，買了10個(gè)，B產(chǎn)品45元一個(gè)，買了20個(gè)，問(wèn)：買了A產(chǎn)品和B產(chǎn)品的平均價(jià)格是多少？

注：這時(shí)不能用算術(shù)平均，即直接（34+45）/2，因?yàn)樗麄冑I的數(shù)量不一樣。我們需要做的是計(jì)算他們的平均價(jià)格，只能用所買的數(shù)量作為權(quán)數(shù)，進(jìn)行加權(quán)平均。列式如下：（34×10+45×20）/（10+20）= 1240 /30 = 41.33元/個(gè)。
這種方法就是加權(quán)平均法。


（4）指數(shù)平滑法

另外，文獻(xiàn)《Sales Forecasting for Fashion Retailing Service Industry: A Review》還提到了指數(shù)平滑法，文中說(shuō)明該法主要用于生產(chǎn)預(yù)測(cè)，這種方法需要更新上一時(shí)間的計(jì)算結(jié)果，并使用當(dāng)前時(shí)間的數(shù)據(jù)中包含的新信息，也就是利用新舊信息來(lái)共同實(shí)現(xiàn)預(yù)測(cè)。

這種方法是適合中短期銷售的預(yù)測(cè)方法，也是我們現(xiàn)在比較常用的方法之一。

在齋藤孝浩的《如此不同,如此成功:優(yōu)衣庫(kù) VS ZARA》一書中，我們可以了解日本品牌優(yōu)衣庫(kù)在銷售預(yù)測(cè)與銷售管理工作上的結(jié)合。

書中提到，優(yōu)衣庫(kù)會(huì)把每周每種商品的計(jì)劃銷量累加起來(lái)，得到年度計(jì)劃銷量，每種商品訂貨數(shù)量的依據(jù)非常明確。銷售管理上，把每周實(shí)際銷量和每周計(jì)劃銷量進(jìn)行對(duì)比。

優(yōu)衣庫(kù)這種結(jié)合方式使得銷售進(jìn)度管理變得簡(jiǎn)單，而且實(shí)際銷售和預(yù)測(cè)銷售之間的偏離狀況我們也能一目了然。

以這種方法為根據(jù)，負(fù)責(zé)人能夠?qū)ψ约贺?fù)責(zé)商品的銷量情況和未來(lái)市場(chǎng)進(jìn)行預(yù)測(cè)，不斷考慮需要追加的商品數(shù)量并且削減實(shí)際銷量低于預(yù)期的商品數(shù)量，重新設(shè)計(jì)每周銷售業(yè)績(jī)和未來(lái)的市場(chǎng)需求，從而反饋到生產(chǎn)工廠。

在優(yōu)衣庫(kù)這一案例中，我提取的重點(diǎn)是銷售預(yù)測(cè)工作的精細(xì)。首先年計(jì)劃是由周計(jì)劃組成，且每周會(huì)合適銷售預(yù)測(cè)和實(shí)際銷售情況隨時(shí)進(jìn)行調(diào)整，并且優(yōu)衣庫(kù)是按照所有商品的品種、顏色、尺碼的最小庫(kù)存制定周銷售計(jì)劃的。

一些人可能會(huì)擔(dān)心這樣的模式對(duì)供應(yīng)鏈管理要求過(guò)于嚴(yán)格而導(dǎo)致在實(shí)際工作中，與生產(chǎn)工廠合作方面可能會(huì)面臨比較大的壓力。例如在批量生產(chǎn)數(shù)量與次數(shù)協(xié)商以及交貨期是否準(zhǔn)時(shí)方面出現(xiàn)問(wèn)題，導(dǎo)致影響原定的周計(jì)劃。

但優(yōu)衣庫(kù)這樣的品牌能夠根據(jù)一周預(yù)測(cè)銷售和實(shí)際銷售的數(shù)據(jù)，得出庫(kù)存是否夠、是需要追單還是暫緩，而不是一次性下單，這樣的方法正適合于優(yōu)衣庫(kù)多生產(chǎn)基本款、銷售量比較穩(wěn)定的特點(diǎn)。

以我對(duì)行業(yè)的觀察來(lái)看，前幾年大家多在供應(yīng)鏈上競(jìng)爭(zhēng)，而這個(gè)供應(yīng)鏈不限制是生產(chǎn)廠家還是代理商家。但是去年開(kāi)始，更多的商家在生產(chǎn)環(huán)節(jié)的供應(yīng)鏈上競(jìng)爭(zhēng)，尤其是面對(duì)今年的特殊情況，有很多商家在年后出現(xiàn)斷貨缺貨的困境。

當(dāng)下，很少有服裝企業(yè)可以做到上面案例中的柔性供應(yīng)。但換一個(gè)角度來(lái)看，做不到的也正是我們需要去努力的方向。這幾年柔性供應(yīng)成為了行業(yè)熱門話題，越來(lái)越多的企業(yè)開(kāi)始學(xué)習(xí)相關(guān)的知識(shí)，相信未來(lái)我們能在這方面有所突破。


（5）貝葉斯分析法

貝葉斯分析法不僅利用前期的數(shù)據(jù)信息，還加入了決策者的經(jīng)驗(yàn)和判斷等信息，將客觀與主管因素結(jié)合起來(lái)，對(duì)異常情況發(fā)生具有較多的靈活性。（參考自文獻(xiàn)《Sales Forecasting for Fashion Retailing Service Industry: A Review》）


1.2
傳統(tǒng)統(tǒng)計(jì)方法的缺點(diǎn)

傳統(tǒng)的統(tǒng)計(jì)方法簡(jiǎn)單、快速，在服裝行業(yè)中被廣泛使用，但是傳統(tǒng)統(tǒng)計(jì)也存在一些問(wèn)題:

（1）從上面的幾個(gè)專業(yè)統(tǒng)計(jì)方法可以看出，傳統(tǒng)統(tǒng)計(jì)雖然簡(jiǎn)單快速，但在選擇方法的判斷上需要我們具備一定的專業(yè)知識(shí)。

（2）傳統(tǒng)統(tǒng)計(jì)方法在實(shí)際運(yùn)用中分析性能較差，通常結(jié)果缺乏準(zhǔn)確性。

（3）服裝銷售受時(shí)尚潮流，季節(jié)性等多種因素的影響，它高度不規(guī)則的格局，決定了純傳統(tǒng)統(tǒng)計(jì)的方法無(wú)法達(dá)到理想結(jié)果。

那么，在運(yùn)用傳統(tǒng)統(tǒng)計(jì)方法進(jìn)行服裝銷售預(yù)測(cè)的時(shí)候，怎么去彌補(bǔ)銷售預(yù)測(cè)與實(shí)際銷售的明顯差異？

我認(rèn)為最實(shí)際的彌補(bǔ)辦法就是不斷調(diào)整預(yù)測(cè)或者根據(jù)預(yù)定數(shù)量生產(chǎn)，同時(shí)在選取往年的數(shù)據(jù)時(shí)不能間隔過(guò)長(zhǎng)，這樣是比較安全的預(yù)測(cè)方法。


2.人工智能方法的類型和缺點(diǎn)

近些年來(lái)隨著互聯(lián)網(wǎng)技術(shù)推廣，在AI人工智能技術(shù)支持下，新的數(shù)據(jù)分析方式促進(jìn)了服裝銷售預(yù)測(cè)質(zhì)量的提升。

2.1
人工智能方法的類型

在《Sales Forecasting for Fashion Retailing Service Industry: A Review》一文中列出并解釋了以下幾種純?nèi)斯ぶ悄芊椒ǎ?br>
（1）ANN（Artifical Neural Network，人工神經(jīng)網(wǎng)絡(luò)）

這是目前被廣泛使用的模型。它能對(duì)信息進(jìn)行大規(guī)模并行處理，善于聯(lián)想、概括、類比和推理，有很強(qiáng)的容錯(cuò)性和自學(xué)習(xí)特征，善于從大量統(tǒng)計(jì)資料中分析提取宏觀統(tǒng)計(jì)規(guī)律，幾種人工智能分析比較效果看ANN效果最好。


（2）Fuzzy(模糊集系統(tǒng))

Fuzzy(模糊集系統(tǒng))是一種在服裝銷售預(yù)測(cè)方面基于顏色，時(shí)間，尺寸等重要的產(chǎn)品變量構(gòu)建新的多元模糊模型，在輸入的數(shù)據(jù)中有識(shí)別非線性關(guān)系（不確定的屬性）的能力，可以有效預(yù)測(cè)銷售。

它是自然界復(fù)雜性的典型性質(zhì)之一，更接近客觀事物的本質(zhì)，它也是目前廣泛使用的人工智能方法。

除以上兩種廣泛使用的人工智能方法，還有ENN（Expand Nonstop network,加大點(diǎn)對(duì)點(diǎn)不轉(zhuǎn)機(jī)網(wǎng)絡(luò)模型）它優(yōu)于傳統(tǒng)的SARIMA模型（季節(jié)性自回歸單整移動(dòng)系統(tǒng)），可以顯示產(chǎn)品的低需求性和弱季節(jié)性特。

另外，ELM（Extreme Learning Machine,快速預(yù)測(cè)模型，預(yù)測(cè)極快的方法，但是不穩(wěn)定）和EELM（ELM的擴(kuò)展，通過(guò)多次重復(fù)計(jì)算來(lái)預(yù)測(cè)結(jié)果）也是普遍使用的人工智能方法。（以上部分引用自文獻(xiàn)參考《服裝零售的銷售預(yù)測(cè)》）

據(jù)我個(gè)人了解，目前雖然行業(yè)內(nèi)有一些大公司已經(jīng)開(kāi)始使用以上這幾種人工智能的預(yù)測(cè)方法，但是大部分的企業(yè)仍然選擇采用傳統(tǒng)的預(yù)測(cè)方法。


2.2
人工智能方法的缺點(diǎn)

人工智能統(tǒng)計(jì)方法能夠迅速計(jì)算出結(jié)果，但是在前期需要有大量的數(shù)據(jù)統(tǒng)計(jì)工作，因?yàn)閿?shù)據(jù)量越大，人工智能測(cè)算的結(jié)果才能越準(zhǔn)確，這十分耗費(fèi)時(shí)間與精力。

同時(shí)，如果我們對(duì)人工智能的計(jì)算邏輯不是很了解，那么有時(shí)可能無(wú)法得出我們所期待的結(jié)果。


3.人工智能方法和傳統(tǒng)統(tǒng)計(jì)方法的混合分析方法

相比于要求較高的純?nèi)斯ぶ悄芊椒ê腿狈_性的傳統(tǒng)統(tǒng)計(jì)方法，將人工智能與傳統(tǒng)方法的結(jié)合的服裝銷售預(yù)測(cè)方法做到了取長(zhǎng)補(bǔ)短，繼而可以獲得更好的應(yīng)用效果。

混合方法服裝零售預(yù)測(cè)在《Sales Forecasting for Fashion Retailing Service Industry: A Review》一文中也有詳盡的介紹，在這里為大家展示部分方法如下，請(qǐng)點(diǎn)擊大圖查看：

需要注意的是，在實(shí)際操作中我們更多是在系統(tǒng)中設(shè)定好參數(shù)，定期的采集我們所需要的數(shù)值和變量，然后等待系統(tǒng)自動(dòng)分析。

這些底層的邏輯和方法是指引我們貫穿思考的點(diǎn)和檢驗(yàn)方式，最后還是會(huì)導(dǎo)出品牌最需要的數(shù)據(jù)和簡(jiǎn)單的結(jié)論。AI應(yīng)該在人類理性范圍內(nèi)的部分做完所有工作，而人則需要在感性部分有判斷的部分進(jìn)行自我決策。

另外，現(xiàn)有的預(yù)測(cè)模型大多適用于中長(zhǎng)期預(yù)測(cè)，對(duì)于短期預(yù)測(cè)與即期預(yù)測(cè)并沒(méi)有過(guò)多的研究，但就服裝行業(yè)的性質(zhì)而言，短期預(yù)測(cè)是非常重要的，比如上面提到的優(yōu)衣庫(kù)的案例。

現(xiàn)實(shí)中，基于模糊邏輯模型（Fuzzy）以及傳統(tǒng)的統(tǒng)計(jì)方法相比其他方法，可以比較好地應(yīng)用到短期服裝零售預(yù)測(cè)。



03
怎樣利用現(xiàn)有的智能大數(shù)據(jù)，幫助我們做好服裝銷售工作？

在線上銷售中，有一種為大家所熟知的形式——天貓旗艦店訂貨會(huì)，它能夠?qū)崿F(xiàn)在訂貨完成后一天時(shí)間里，通過(guò)歷年銷售數(shù)據(jù)篩選出爆款，以及篩選出那些我們雖然無(wú)法判斷出是否爆款，但卻足夠新穎的設(shè)計(jì)款。

在此之后，再由商家在淘寶進(jìn)行測(cè)款，僅用一天時(shí)間就能判斷商品是否暢銷，從而決定是否加單。同時(shí)也能實(shí)現(xiàn)較高的精準(zhǔn)度。

嚴(yán)格來(lái)說(shuō)，這個(gè)例子并不屬于線下實(shí)際的預(yù)測(cè)范圍內(nèi)，但它是現(xiàn)階段服裝行業(yè)大數(shù)據(jù)利用得很好的范例。

首先我們進(jìn)行測(cè)款，然后進(jìn)行基于算法的流量推送。后者在整個(gè)過(guò)程中占有很大的地位，沒(méi)有基于算法的流量推送，就無(wú)法準(zhǔn)確抓住銷售熱點(diǎn)，展開(kāi)銷售。

總的來(lái)說(shuō)，線上銷售只要掌握一定程度的算法邏輯，就能較容易地實(shí)現(xiàn)業(yè)績(jī)良好的銷售，但對(duì)于線下銷售而言，這樣的掌握是不夠的。


1.進(jìn)行新產(chǎn)品的銷售預(yù)測(cè)，需要準(zhǔn)備哪些信息？

剛剛提到的方法可以預(yù)測(cè)的產(chǎn)品類型包括新產(chǎn)品和現(xiàn)有產(chǎn)品。新產(chǎn)品的預(yù)測(cè)由于缺少開(kāi)始數(shù)據(jù)，因此它的預(yù)測(cè)比較復(fù)雜困難。而在實(shí)際工作中，一般在做新產(chǎn)品的銷售預(yù)測(cè)時(shí)，我們需要準(zhǔn)備哪些信息呢？

首先，我們需要捕捉數(shù)據(jù)特征，新品的預(yù)測(cè)要根據(jù)消費(fèi)者的畫像來(lái)進(jìn)行，通過(guò)細(xì)分客戶的年齡、愛(ài)好、職業(yè)等特征得到更準(zhǔn)確的結(jié)果。

其次，很多商家會(huì)結(jié)合往季的款式銷售數(shù)據(jù)以及當(dāng)季流行趨勢(shì)來(lái)進(jìn)行預(yù)測(cè)。

在預(yù)測(cè)速度方面，傳統(tǒng)統(tǒng)計(jì)方法可以很快輸出預(yù)測(cè)結(jié)果，人工智能模型需要更長(zhǎng)的時(shí)間，在當(dāng)下的“快時(shí)尚“時(shí)代，預(yù)測(cè)結(jié)果通常需要在很短的時(shí)間內(nèi)出來(lái)。

這時(shí)，之前提到的人工智能方法和傳統(tǒng)統(tǒng)計(jì)方法的混合分析方法的優(yōu)越性就得以凸顯，如果未來(lái)這樣的方法能夠普及，對(duì)于新品我們就能夠做出更精確、及時(shí)的預(yù)測(cè)。


2.怎么更好地靈活調(diào)整新品的實(shí)際銷售？

“快時(shí)尚”的節(jié)奏下最容易遇到的問(wèn)題就是預(yù)測(cè)的不準(zhǔn)確，一次下單量太多可能會(huì)出現(xiàn)滯銷，但下單量如果太小又可能面臨脫銷，加單來(lái)不急的情況。

大家雖然小心翼翼，但還是擺脫不了庫(kù)存的壓力。因?yàn)閹?kù)存和銷量是相伴相存的，如果想要讓銷量有所起色，我們就必須要有出現(xiàn)庫(kù)存的心理準(zhǔn)備。

現(xiàn)在有這樣一種操作方法：商家們把一部分產(chǎn)品分配給自己的工廠加工，一部分由代工廠負(fù)責(zé)，剩余的一部分則在市場(chǎng)上直接拿貨貼牌。

然而，即使商家們采用了這樣的辦法，同時(shí)控制款量，保證自己生產(chǎn)的是熱銷款，在生產(chǎn)的部分還會(huì)時(shí)常出現(xiàn)缺貨現(xiàn)象。

《服裝零售的銷售預(yù)測(cè)》中的調(diào)查研究還顯示：

（1）色彩作為重要的時(shí)尚元素，與庫(kù)存和生產(chǎn)計(jì)劃高度相關(guān)，但極少有研究顏色預(yù)測(cè)的方法，同時(shí)，涉及服裝設(shè)計(jì)及設(shè)計(jì)元素對(duì)銷售預(yù)測(cè)的影響這方面的研究還比較少。

（2）服裝銷售預(yù)測(cè)系統(tǒng)中，日歷因素有非常重要的影響。比如節(jié)假日，這些具體日子的需求不穩(wěn)定，但是增長(zhǎng)較平時(shí)非?？焖伲y以預(yù)測(cè)，這也是一個(gè)值得探索的話題。

大家可以著眼于文獻(xiàn)中提出的這兩點(diǎn)嘗試自我突破，這是銷售預(yù)測(cè)中欠缺的部分，同時(shí)也是機(jī)遇所在。

在這里，我與大家分享幾張圖片，來(lái)源于《商業(yè)模式新生代》中描述的影響商業(yè)模式的關(guān)鍵外部因素：

3.公域流量競(jìng)爭(zhēng)：如何利用淘寶、抖音的大數(shù)據(jù)？

淘寶平臺(tái)自帶的付費(fèi)工具是及其有效的數(shù)據(jù)分析工具，比如在“生意參謀”中的“流量縱橫”里，商家可以看到所在的類目中最近客戶搜索的關(guān)鍵詞。

如果是做女裝的商家，那么TA可以在細(xì)分到針織類產(chǎn)品的類目中看到關(guān)鍵詞，通過(guò)優(yōu)化關(guān)鍵詞來(lái)吸引自然流量。另外，商家還能夠看到細(xì)分欄目中，過(guò)去一年、兩年、某個(gè)季度的銷售增長(zhǎng)情況，對(duì)當(dāng)時(shí)增長(zhǎng)的款式鎖定后，再進(jìn)行測(cè)款。

其次，付費(fèi)的“直通車”也可以幫助商家與其他店鋪去競(jìng)爭(zhēng)關(guān)鍵詞，達(dá)到引流的效果。

除了上述工具之外，還有剛剛提到的“阿里指數(shù)”。商家同樣可以運(yùn)用“關(guān)鍵字查詢”。通過(guò)關(guān)鍵字預(yù)測(cè)，不僅可以根據(jù)客戶的需求來(lái)預(yù)測(cè)短期需求及未來(lái)趨勢(shì)，還可以通過(guò)一段長(zhǎng)時(shí)間的跟進(jìn)分析，預(yù)測(cè)未來(lái)的新興市場(chǎng)。

下面為大家介紹一些案例。

阿里案例：淘寶店鋪成功賣家的操作流程

（1）70%的工作在上架前。分析自己產(chǎn)品的競(jìng)爭(zhēng)力，獲取與自己競(jìng)爭(zhēng)相當(dāng)對(duì)手的產(chǎn)品，根據(jù)銷量、單價(jià)、轉(zhuǎn)化率、產(chǎn)品特征、貨源地、成本與質(zhì)量等分析對(duì)手的優(yōu)點(diǎn)與缺點(diǎn)，通?；ㄙM(fèi)半個(gè)月到一個(gè)月。接下來(lái)則是進(jìn)行商品策劃。

（2）10%的工作在上架后兩周。重視點(diǎn)擊率、收藏率和轉(zhuǎn)化率等基礎(chǔ)數(shù)據(jù)，接下來(lái)是通過(guò)促銷方式做基礎(chǔ)銷量與評(píng)價(jià)。

（3）20%的工作在優(yōu)化。
在生意參謀中分析經(jīng)營(yíng)數(shù)據(jù)，包括每天的流量，每天銷售額，關(guān)鍵詞搜索進(jìn)入，然后根據(jù)數(shù)據(jù)修改標(biāo)題，引入成交量較大的關(guān)鍵詞。修改頁(yè)面，提高點(diǎn)擊率與轉(zhuǎn)化率。改進(jìn)客服水平，提升轉(zhuǎn)化率。同時(shí)還需要與自己的供應(yīng)鏈溝通，不斷改善產(chǎn)品。

還需要錦上添花——付費(fèi)推廣，這是最后10%的工作。

抖音案例：針對(duì)具體區(qū)域測(cè)試爆款
去年下半年，一位皮草服裝銷售商面臨庫(kù)存積壓嚴(yán)重的問(wèn)題，于是TA開(kāi)始嘗試在抖音銷售。經(jīng)過(guò)一段時(shí)間的銷售測(cè)試后，他們發(fā)現(xiàn)了客戶主要來(lái)源地，當(dāng)即決定直接到該地開(kāi)設(shè)實(shí)體店。

在實(shí)踐了這個(gè)想法之后，當(dāng)?shù)氐氖袌?chǎng)很快就打開(kāi)了。原本成堆的庫(kù)存給他帶來(lái)了開(kāi)拓市場(chǎng)的商機(jī)。

我們可以看到，上面案例中的商家都對(duì)數(shù)據(jù)做出了迅速、靈敏的反應(yīng)，這啟發(fā)我們?cè)诮?jīng)營(yíng)的過(guò)程當(dāng)中要培養(yǎng)對(duì)數(shù)據(jù)的敏銳意識(shí)，同時(shí)學(xué)習(xí)他們利用數(shù)據(jù)的方法，并將利用的過(guò)程流程化、規(guī)范化，進(jìn)行合理的安排。


4.私域流量競(jìng)爭(zhēng)：如何利用微信大數(shù)據(jù)？

通過(guò)人工整理，微信可以很好地將客戶進(jìn)行分類管理并捕捉TA們的特征，養(yǎng)成屬于自己的數(shù)據(jù)庫(kù)，再根據(jù)自身客戶的特點(diǎn)做銷售預(yù)測(cè)。同時(shí)，對(duì)于新品的投入我們完全可以通過(guò)精準(zhǔn)客戶的調(diào)查報(bào)告來(lái)做銷售預(yù)測(cè)。

“耐克擁有4000W+的“Nike+”社群，它不僅是值得稱道的客戶關(guān)系管理數(shù)據(jù)庫(kù)，還是一個(gè)運(yùn)動(dòng)娛樂(lè)部?！癗ike+”數(shù)據(jù)庫(kù)提供了產(chǎn)品如何、在哪里被使用的確切信息，讓耐克在材料供應(yīng)商和分銷渠道等方面做出更好的商業(yè)決策。”（《引用《奧格威說(shuō)廣告》)

上面的NIKE社群管理是微信社群管理同樣可以借鑒的思路，我們需要學(xué)會(huì)建立自己的“客戶關(guān)系管理數(shù)據(jù)庫(kù)”，精準(zhǔn)觸及到具有不同特點(diǎn)的消費(fèi)群體和客戶類型。

值得注意的是，結(jié)合目前的整個(gè)經(jīng)濟(jì)形勢(shì)，和國(guó)內(nèi)產(chǎn)能過(guò)剩的情況，我們有必要做好清晰的保守的銷售預(yù)計(jì)。

無(wú)論是微信、抖音，還是淘寶，都是一種渠道和方式，立足產(chǎn)品本身才能為銷售打下良好的基礎(chǔ)，好的產(chǎn)品布局一旦打開(kāi)是不缺乏推手

Q: 大家覺(jué)得應(yīng)該先有貨品還是先有流量？

A1 : 我認(rèn)為應(yīng)該兩手抓，不能消耗在一個(gè)渠道上。

A2 : 我認(rèn)為取決于在什么渠道，如果本身要打造渠道，就要流量?jī)?yōu)先。借助強(qiáng)大的渠道，應(yīng)該是先有流量。

A3 :很多網(wǎng)紅是有了粉絲、有了流量后才開(kāi)始做服裝，幾乎可以說(shuō)是十個(gè)網(wǎng)紅有九個(gè)都選擇服裝領(lǐng)域來(lái)開(kāi)始自己之后的事業(yè)。

在此次疫情危機(jī)之下，不少商家找來(lái)一堆產(chǎn)品，為了上架而上架，但流量卻不盡如人意，商品銷量很難有起色。類似地，商場(chǎng)也存在這樣的情況，疫情期間不少商場(chǎng)試圖通過(guò)抖音帶貨，但成交的訂單卻很少。

大家不妨問(wèn)問(wèn)自己，在此之前，有做抖音號(hào)的維護(hù)嗎？有嘗試吸引粉絲嗎？有分享什么內(nèi)容嗎？如果只是隨性地運(yùn)營(yíng)，偶爾發(fā)商場(chǎng)活動(dòng)宣傳推廣，如何增加粉絲轉(zhuǎn)換率呢？

在微信的社交平臺(tái)和抖音等短視頻平臺(tái)中，所有的粉絲都是一個(gè)慢慢養(yǎng)的過(guò)程，一個(gè)需要時(shí)間經(jīng)歷、不斷篩選維護(hù)的過(guò)程。有互動(dòng)才能產(chǎn)生交集，加深這個(gè)交集是需花費(fèi)很多功夫的。

如果在之前沒(méi)有進(jìn)行用戶培育的話，想要一下子實(shí)現(xiàn)銷量的爆發(fā)是不現(xiàn)實(shí)的。這個(gè)又返回到我們今天的話題——銷售預(yù)測(cè)，不能盲目地為追求數(shù)據(jù)而忘記其他的方方面面。

數(shù)據(jù)本身更注重技術(shù)而不是消費(fèi)者體驗(yàn)，它確實(shí)改變了企業(yè)老板的思維方式。

但是，很少有消費(fèi)者談到他們的生活因?yàn)榇髷?shù)據(jù)改變很多，因?yàn)榇蠖鄶?shù)人的關(guān)注點(diǎn)都放在了數(shù)據(jù)的收集和分析上，沒(méi)有好好運(yùn)用這些信息來(lái)改善消費(fèi)者的生活。

奧格威說(shuō)到：真正有用的數(shù)據(jù)會(huì)帶來(lái)洞察，這樣的數(shù)據(jù)越多越好。來(lái)自數(shù)據(jù)的洞察有三種不同的類型：
（1）觀察型：數(shù)據(jù)可以展示某樣?xùn)|西表現(xiàn)如何。
（2）改善型：數(shù)據(jù)可以解密為何這個(gè)有用，那個(gè)無(wú)用。
（3）靈感型：數(shù)據(jù)可以激發(fā)創(chuàng)意 。

而數(shù)據(jù)激發(fā)創(chuàng)意靈感有三種具體方式：

（1）數(shù)據(jù)可以顯示要與誰(shuí)交談，并解釋原因。
（2）數(shù)據(jù)可以把你指向特定人群，并顯示這類人群的動(dòng)機(jī),以及如何接觸他們。
（3）數(shù)據(jù)可以幫助生成正確的信息，在合適的時(shí)間使用合適的方式傳遞給對(duì)的人。
（引用自《奧格威談廣告》）
奧格威是我本人很欣賞的廣告人，他對(duì)數(shù)據(jù)的看法相信能給廣大商家以啟迪，也是對(duì)本文的完美總結(jié)與收束。

人工智能模型是一種工具，它使工作變得快速、高效、智能，但是它大量的輸入數(shù)據(jù)需要人去把握，數(shù)據(jù)的真實(shí)性如何？數(shù)據(jù)的數(shù)量是否足夠？

人的能動(dòng)性是無(wú)法忽視的，如何將工作越來(lái)越細(xì)化、越精準(zhǔn)、越專業(yè)化、能夠不停隨環(huán)境的變化而實(shí)時(shí)變化，是對(duì)人的重大考驗(yàn)，也是對(duì)數(shù)據(jù)預(yù)測(cè)準(zhǔn)確性提升的關(guān)鍵點(diǎn)。

人工智能的強(qiáng)大計(jì)算能力意味著算法可以做更多的事情，但是原則沒(méi)變，人們?nèi)栽诩m結(jié)最根本的問(wèn)題——分析什么數(shù)據(jù)，為什么分析？這個(gè)方面值得我們?nèi)ビ眯难芯俊?br>
參考文獻(xiàn)：（Liu N , Ren S , Choi T M , et al. Sales Forecasting for Fashion Retailing Service Industry: A Review[J]. Mathematical Problems in Engineering, 2013, 2013(pt.14):738675.1-738675.9.）

編輯：Colon Wang
審核：Cherika Chen