头条创作挑战赛
服装公司该如何为每款SKU确定订货量？
参与：冷芸时尚中级买手群群友
时间：2022年10月28日
庄主：Yi han-成都-买手设计师
▼以下的冷芸时尚圈讨论是就行业问题的讨论及总结。这些分享属于集体智慧的结晶。（它们并不代表冷芸个人观点）。希望通过此种方式能让更多行业人士受益！
以下讨论主要参考了期刊文Product age based demand forecast model for fashion retail，作者：Rajesh Kumar Vashishtha、Vibhati Burman、Rajan Kumar、Srividhya Sethuraman、Abhinaya R Sekar、Sharadha Ramanan
｜一｜
服装公司为什么要对下季
商品进行准确的预测？
订货量一直以来是服装公司的头等大事。为什么要对下一季商品进行准确预测呢？
结合几位行业内芸友的讨论，对下一季商品进行准确预测的重要性体现在：
1、精准预测可以在前期确定好每一款的库存。定好主推款，才知道其他工作该如何进行？
2、有计划、有方向，才知道路该怎么走。有了销售预测，采购计划，才能了解现金流是否能支撑，并如何应对，也能进一步制定推广计划。
3、进行商品预测是为了不错失销售机会的同时也不积压库存，最大限度地用好资金。
过度的库存会导致现金流短缺，并因为最终可能不得不焚烧库存而污染环境，不当的库存还会导致错失销售机会。因此尽量科学地预测产品需求量是非常重要的。
｜二｜
影响商品订货量的因素有哪些？
芸友们根据自己的实际经历进行了讨论，并且将目前遇到的影响因素总结如下：
1.私营企业老板容易拍脑袋，定好的计划说改就改。
2.公司销售预计过于乐观，为了实现目标，产品备多了库存。
3.消费者消费行为的变化。
4.市场宏观状况，该品牌所在大类目是处于增长期还是衰退期。
5.行业技术变革。
6.流行趋势变化影响。
7.天气预测。
8.快反供应链匹配度。
9.看各品类，性别，系列线，款式，颜色等等的历史销售。
10.当前现货库存情况决定下季的订量。
11.渠道需求：需考量各渠道的销售需求，汇总起来。
12.采购成本价的影响。
13.其他突发事件，比如疫情期间导致物流的不可控等因素。
｜三｜
预测下季商品需求时，
现有的预测模型有哪些？
都有哪些弊端？
服装销售预测的方法有哪些？我们如何运用大数据将销售做得更好？
在冷芸老师的这篇文章中有很多种预测方法，详细的预测方法可能在大家平时工作中也没有运用过。
1.传统统计预测（基于线性时间预测）
运用Exponential smoothing（指数平滑模型）、ARIMA模型、Regression models线性回归模型。
这类模型是基于上一年的销售数据得出的预测，要求时序数据稳定，但这类模型的弊端是只能捕捉线性关系，不能捕捉非线性关系。
2.贝叶斯法则
Machine Learning (ML) 机器学习和Neural Networks (NN) 神经网络。Machine Learning是人工智能的核心，使计算器具有智能的根本途径。
这类模型比传统预测效果好，但是其弊端是针对时尚类产品，商品生命周期短，无历史数据，结果也会受到影响。
3.Artificial Intelligence(AI)人工智能、ArtificialNeural Networks(ANN)人工神经网络、Fuzzy Logic模糊逻辑
这类模型的弊端在于需要大量时间训练机器学习。
以上的模型必须要有销售的历史数据，规律的销售模式，较长的生命周期才能更好的预测。
｜四｜
基于产品上市周数的预测
模型的优势及预测方法
1.什么是基于产品上市周数的预测模型？
以下两张图是文章中基于产品上市周数的预测模型举例。
（图片来源：所参考期刊文）
图中的横坐标age"在文中指上市以来的周数，这两个品类有共同的属性，文中提到它们的生命周期都很短。
2.与其他预测模型相比，基于产品上市周数的预测模型有哪些新特点？其优势是什么？
基于产品上市周数的预测模型是指将一个商品在商店里的销售情况建模，关于它的上市周数、属性、销售价格、时间和商店特征，并加入了新的特征工程（产品上市以来的周数、假期／特殊事件、颜色、袖长、穿着场景）。
3.基于产品上市周数预测模型的预测方法？
如何运用基于产品上市周数的预测模型的预测方法？首先，文中提出有一个训练图。
（图片来源：所参考期刊文）
图片下方是机器翻译的内容。这张图是利用过去的业绩和属性进行店铺分类，这是一个独创的店铺分类法，有区别于传统分类。通常传统的店铺是按照业绩体量，店铺所在区域面积或正价店、折扣店类型进行分类。我们用文中这种独特的方法可以对店铺更加准确的分类，但我们还没有做到很清晰地收集系统数据，更多是依靠负责人的经验，而个人经验会有很大的主观性。这个训练流程结束后得到每个集群的基于产品上市以来的ML/DL模型训练结果。接下来就是测试阶段。
（图片来源：所参考期刊文）
产品上市以来的周数、假期特殊事件的数量、颜色、袖长、穿着场景、尺寸剖析、商品品类都是我们要考虑进去的因素。这个模型可以预测商品推出的最佳时间。
｜五｜
基于产品上市周数的预测模
型如何在实际案例中运用？
1.在女装连衣裙和童装中的运用
（图片来源：所参考期刊文）
上图中的这个年龄指的是产品上市以来的周数。
（图片来源：所参考期刊文）
这是基于产品上市周数的预测模型如何在女装连衣裙和童装中的运用。通过这两张图大家可以看出基于年龄的ML和DL模型在童装和女装连衣裙的运用中效果都优于baseline xgboost和baseline dl模型等平均预测模型。
冷芸老师提出RMSE与MAE是统计学常用的公式，前者是均方根误差，后者是平均绝对误差。这些统计并不复杂，excel也可以计算。如果大家想继续在买手和商品道路上走向专业道路，统计是需要学习的。因为数据越来越重要，统计学会成为每个人必备的基本知识。但不用记住复杂公式，因为计算机会自动计算，自己只要知道何时用什么统计方法即可。统计学需要数学基础，如果觉得难需要再去学高等数学，学数学无论是否做数据分析都有好处，并且可以训练人的逻辑思维。
文字整理：张怀楷
文字编辑：陈畅
美术编辑：李宁
特别声明：文章来源用户上传并发布，本站只提供信息存储服务，不拥有所有权，内容仅供参考。