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店铺配置
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

间歇需求分型与滚动预测竞赛的采购基线选择法

根据SKU需求是否稀疏选择候选模型,再按真实采购决策周期进行滚动回测,可以获得比统一套用均值更可靠的采购需求基线。
领域:数据分析供应链方法、数据分析方法待人工复核待人工确认
可执行性
90
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预测工作流迁移)

类目:母婴非安全关键用品, 家居收纳, 日用消费品

审核分解

来源可信度:15/20

步骤清晰度:23/25

结构化程度:19/20

边界清晰度:14/15

执行可行性:19/20

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

与安全库存和ABC分层方法不同,聚焦采购需求预测模型选择;需核验项目、数据长度和缺货记录。

构建序列检查、模型竞赛、滚动回测和预测卡生成流程;版本化保存数据截点、参数及误差,采购订单须人工批准。

执行步骤

  1. 1.构建SKU等间隔销量序列,区分真实零销量、缺失记录和缺货期间受限销量。
  2. 2.按零销量占比、非零需求间隔和需求波动描述SKU,单列新品及结构突变商品。
  3. 3.设置简单均值或朴素预测作为基线,并根据需求特征选择少量统计和间歇需求候选模型。
  4. 4.使预测跨度与实际采购决策覆盖期一致,采用多个历史截点滚动回测,禁止未来信息泄漏。
  5. 5.同时比较预测误差、累计偏差和业务加权损失;样本不足时保留简单基线。
  6. 6.输出未来需求预测及模型选择理由,结合现存、在途和MOQ由采购人员形成订单。

判断指标

  1. 1.MAE及可定义时的MASE
  2. 2.累计预测偏差
  3. 3.缺货与积压成本加权的回测损失
  4. 4.相对朴素基线的改善幅度
  5. 5.多个回测窗口的模型稳定性

输入数据要求

  1. 1.SKU日或周销量历史
  2. 2.缺货、促销及上下架事件
  3. 3.采购覆盖期、现存和在途数量
  4. 4.MOQ及缺货、积压成本估计
  5. 5.US与非US订单分层标识

排除规则

  1. 1.排除Electronics和High-return fashion。
  2. 2.历史不足或全零序列不强行拟合复杂模型。
  3. 3.缺货造成的零销量不得直接解释为零需求。
  4. 4.未区分市场的销量不得输出US专属预测。
  5. 5.重大产品改版后不得无条件沿用旧模型。

风险与适用边界

  1. 1.销量不是未受约束的真实需求,缺货会造成低估。
  2. 2.促销、上新和平台流量变化可能导致模型失效。
  3. 3.通用预测库不内置淘宝、拼多多活动机制,也不保证采购收益。
  4. 4.需求预测不能直接等同采购量,仍需审核库存、MOQ、保质期和现金约束。

来源摘要与执行说明

StatsForecast提供统计预测、间歇需求模型及时间序列交叉验证工具,可迁移为淘宝、拼多多商家的SKU需求预测流程。来源贡献多模型比较与滚动验证步骤;缺货标记、US数据分层、成本权重和采购审批由本报告补充。本方法选择需求预测基线,不计算安全库存;本次未核验仓库最近更新。

输出格式:SKU预测卡:需求分型、候选模型、回测区间、误差、偏差、最终模型、预测量、异常标记、人工采购意见。

执行示例:对面向US的低频家居耗材周销量比较朴素预测与间歇需求模型,以采购覆盖期进行滚动回测,仅在稳定优于基线时采用新模型。