服裝行業預測總結

標籤：blog   http   ar   sp   on   div   2014   問題   log   

經過了1個多月的探索與嘗試，發覺服裝行業的銷售趨勢預測和一般零售行業的銷售趨勢預測有著很大的差別，其本質原因是服裝行業貨品的銷售pattern區別於一般零售行業，主要體現在以下兩點：

1、     服裝行業貨品銷售受季節影響非常顯著，主要體現在銷售的主推季會受氣候波動而變化；

2、     服裝行業貨品的銷售周期比傳統零售要短很多，一年之內常常有2季：春夏和秋冬，貨品不存在一般零售行業的原款升級換代的做法，一般零售行業的升級款會帶有老款的銷售模式，因此未來的銷售比較準確，而在服裝行業，新款與老款雖然屬於同一系列，但新款卻是一個幾乎全新的產品，新款的未來銷售模式很難從老款歸納出。

考慮服裝行業的兩大特點，其貨品的銷售趨勢預測不能按照一般零售行業的預測模式。

一般零售行業的銷售趨勢預測以會以SKU為基本預測單元，基本的預測邏輯如下：

Step1：若SKU by Store顆粒度下銷售有規律所尋，則直接按單門店單SKU預測作為補貨需求單；若SKU by Store 顆粒度下銷售現象過於隨機雜亂，則轉Step2。

Step2：匯總同城（同地區）所有門店該SKU的銷售，進行時序預測（水平趨勢+季節效應）；

Step3：計算歷史若干期內，各門店銷售額占同城（同地區）總銷售額的比例，並用曆史若干期的銷售額比例預測未來一期的銷售額比例；

Step4：用Step3預測出來的銷售額比例分攤Step2預測出的總銷售額，得到各個門店未來的SKU的需求；

此種預測模式適合銷售周期有1-2年貨類，單服裝行業單個SKU的銷售周期往往只有5-6個月，如此短的曆史區間很難挖據出其中的銷售pattern，且即使找出來SKU的變化規律，下一季又會有新款代替，老款的pattern未必適合新款，因此以SKU為基本預測單元的做法在服裝行業不會取到較好的效果。因此需要轉換思路。

我們需要尋找曆史周期長，也有一定可用規律的統計指標來預測，然後通過某種攤分方法算出SKU的需求量這才是我們解決問題的正確方向。

我們發現可以用門店的總銷售額可以作為基本預測單元，門店總銷售額一方面具備連續性，且相對穩定 ;另一方面，門店總銷售也會受季節影響，因此門店總銷售額既解決了服裝行業單款銷售周期短的難題，同時還能反映服裝行業銷售的季節pattern（見1）。因此我們確定以門店總銷售額為基本預測單元，具體實現如下：

圖1 門店總銷售額（按周匯總）

Step1：匯總門店所有款的銷售額，以曆史若干期的總銷售採用時序（水平趨勢+季節因素）預測未來若干期的門店總銷售額；

Step2：計算出門店銷售額的貢獻比例，即先按照大類，算出各大類的佔比。以曆史若干期的比例採用時序（水平趨勢+季節因素）預測未來若干期的門店各大類結構；

Step3：按照Step2的邏輯，逐層預測從大類到款的各層比例；

Step4：用Step3預測出來的各層比例攤分Step2的大類佔比，並逐層做歸一化處理，得到每款在總銷售額的佔比，從而得到了門店的銷售結構；

Step5：用Step4得到門店銷售結構攤分Step1得到的門店未來銷售額，總而得到門店未來的每一款的預測。

服裝行業預測總結