电商经营工作台经营决策中枢
经营路径

情报 → 判断 → 选品 → 上架

经营主流程

AI 情报
每日 AI 情报开源项目与 Skills
今日工作台方法库经营 Agent任务记录PDD 采价记录候选商品上架商品
AI 视频
项目生成任务视频作品提醒与费用额度与模型服务账户异常处理成员管理
价格换算物流价格浏览器任务订单管理
智能客服
在线客服入口客户入口管理客服会话售后确认客服知识

治理与复盘

规则库规则建议运行日报任务控制台策略配置
登录

经营与 AI 决策视角

电商经营工作台
AI情报工作台选品池上架
返回方法库

方法详情

滚动回测与缺货标记约束的补货预测法

在排除缺货造成的需求截断后,用滚动回测选择适合不同销量形态的预测基线,可以比统一按最近平均销量补货更可靠地支持采购决策。
领域:供应链供应链方法待人工复核待人工确认
可执行性
89
CEO:待人工复核

决策路径

系统审核结论

待人工复核

决定是否展示创建经营任务入口。

我的处理状态

待人工确认

只代表人工跟进意图,不会单独解锁创建入口。

下一步

先完成人工复核

先处理审核结论,别把人工标记误当成任务入口。

来源

平台:GitHub(code_repository、open-source workflow)

作者/项目:Nixtla / StatsForecast

去重使用的来源链接:

https://github.com/Nixtla/statsforecast

适用范围

市场:US

平台:淘宝、拼多多(参考StatsForecast方法迁移)

类目:非电子类家居日用, 非电子类母婴用品, 其他非高退货时尚类目

审核分解

来源可信度:16/20

步骤清晰度:23/25

结构化程度:18/20

边界清晰度:14/15

执行可行性:18/20

我的处理状态

当前:待人工确认。处理状态用于记录人工判断;是否能创建经营任务,仍以页面上方“系统审核结论”为准。

下一步:先处理系统审核结论

当前 CEO 审核状态是「待人工复核」。只有标记为「可创建任务」的方法才会展示创建入口。

去方法审核队列处理查看可创建任务的方法

如果这个方法已经人工确认可执行,需要在审核队列把 CEO 审核结论推进到「可创建任务」;只改下方人工决策状态不会打开创建入口。

CEO 审核结论

流程可结构化,但须核验来源、库存数据及US履约路径后才能进入试运行。

建立只读预测Agent,定时处理授权导出文件,保存数据版本、回测结果和约束冲突;采购下单必须人工确认。

执行步骤

  1. 1.按店铺、SKU和日期统一销量、退款、库存可售状态及促销记录,区分零销量与缺货日。
  2. 2.按需求频率和销量波动分组;新品及历史不足SKU进入人工估算队列。
  3. 3.设置与采购交期加补货复核周期一致的预测窗口,对季节性朴素基线和适用模型进行滚动回测。
  4. 4.结合预测偏差和模拟缺货成本选模型;对间歇性需求避免只使用百分比误差排名。
  5. 5.以交期内需求估计和人工确定的安全缓冲计算目标库存,再扣减可用库存与可信在途量。
  6. 6.应用起订量、箱规、保质期和现金预算约束,输出待采购人员确认的建议。

判断指标

  1. 1.滚动回测MAE及有足够销量时的WAPE
  2. 2.预测偏差
  3. 3.历史模拟缺货天数
  4. 4.平均库存资金占用
  5. 5.相对朴素基线的成本改善

输入数据要求

  1. 1.授权导出的日级SKU销量、退款和缺货记录
  2. 2.库存、在途订单、供应商交期及交期波动
  3. 3.起订量、箱规、成本和保质期
  4. 4.经确认的US业务履约路径及对应运输时间

排除规则

  1. 1.排除Electronics、High-return fashion。
  2. 2.缺货记录严重缺失的SKU不直接进入自动补货。
  3. 3.新品、重大规格变更和一次性大促不得直接套用常规历史模型。
  4. 4.未明确US业务路径或产品准入要求的SKU不生成可执行采购单。

风险与适用边界

  1. 1.销量不是完整需求,缺货和平台流量变化会造成预测偏差。
  2. 2.开源模型不包含淘宝、拼多多的活动规则及实际采购约束。
  3. 3.间歇性需求模型的区间估计能力需要逐项核查,不能默认所有模型都提供可靠预测区间。
  4. 4.本次未检查仓库最近提交、当前版本和安装示例。

来源摘要与执行说明

StatsForecast提供统计预测模型、间歇性需求模型和时间序列交叉验证能力,可迁移为淘宝、拼多多SKU销量预测流程。来源贡献模型比较与历史回测工具;采购交期、起订量及缺货处理属于本报告提出的经营适配,不能当作项目已验证的经营规则。链接及最新示例本次未实时核验。

输出格式:SKU级补货建议表:模型、回测窗口、误差、需求预测、库存位置、建议数量、约束冲突与人工确认项。

执行示例:对一组非电子收纳用品,用多个历史采购窗口比较朴素预测与候选模型,再按实际交期、箱规和预算生成补货草案;缺货记录不完整的SKU单独标记。