TMT观察网_独特视角观察TMT行业

每年的雙十一過后，都是物流行業的一場大考。以往考驗的是電商企業熬夜接單打包的銷量、物流公司人員配置是否充分等等。當以上兩點對于客戶購物體驗的提升達到閾值，考驗的就是品牌和平臺能否對供應鏈進行合理的調控，在庫存和線上線下協調上減輕物流壓力。

　　這也是商業智能中的“終極問題”――銷售預測。

　　ZARA成功的秘訣，真的不只是很會抄

　　究竟什么是銷售預測？

　　簡單來說，就是根據以往銷售數據結合未來一段時間內各種因素的影響，對商品的銷量和銷售額做出估計。

　　在銷售、市場和運營工作中，銷售預測無處不在。往大了說，銷售預測影響著企業的整體規劃，往小了說銷售預測影響著企業每一次營銷活動的成本投入。

　　在零售行業中，銷售預測的重要性更加凸顯。我們知道，零售行業的收益如何，取決于供應鏈能否良好的運轉：沒有壓庫存的壓力也沒有缺貨的現象、不同的產品都被儲存在自己銷售情況最好區域的倉庫中、新商品的生產和舊商品的售賣能形成銜接。

　　雙十一為例，整個品牌參與過程處處和銷售預測相關。一家紙制品品牌需要知道自己庫存中的哪些商品更適合促銷活動，是剛需類的尿不濕或是消費升級類的濕廁紙；決定好選品后，還要依靠種種數據決定庫存的分布和數量；最后要根據整體的活動的銷量預測評估如何對庫存進行補充，以免出現大促后無貨可賣的情況。

　　被稱為快時尚奇跡的ZARA，就是利用強大的銷售預測能力實現跟隨流行趨勢快速上新貨，并且保持可觀的毛利率的。

　　對于消費者來說，我們看到的是ZARA幾乎過兩周就會上一次新品，讓人忍不住掏出錢包，可ZARA背后的秘密，卻藏在數據、算法和供應鏈中。

　　從拍腦門到機器學習，銷售預測該怎么做？

　　在很多時候，我們預測銷售的方式常常是一拍腦門編出個數字，或者憑借自己的經驗做出推測。但真正的銷售預測，是要經過嚴格的數據計算的，在新零售時代更是如此。

　　銷售預測的方法基本分為三大類，最常見的就是“拍腦門”的主觀預測方法，當然，現實情況這種方法通常由咨詢公司的專家團隊執行。到后期大數據分析方法所占份額增大，利用變量和時間之間的相關性，通過對以往數據的總結來分析將來的數據。到現在，機器學習正在越來越多的進入銷售預測領域，神經網絡、決策樹、線性回歸等等我們非常熟悉的算法也能應用到這一領域之中。

　　還拿上文的紙制品公司做例子，從技術角度看，預測銷售究竟是怎么完成的。

　　拿到往期數據后，第一件事就是要對數據進行清洗，把因為促銷活動或商品缺貨帶來的數據變化提取出來單獨處理，從而對歷史數據趨勢進行一個完整的認識。然后再提取產品的特征，比如包裝、質地、用途等等。

　　清洗完數據，提取完特征后，我們就得到了一批訓練樣本。這樣我們就可以把2016年全年的銷售數據作為訓練集，而把2017年上半年的數據作為測試集。

　　假如我們選擇用隨機森林方式建模，可以把產品特征、促銷手段等等都看做連續變量，不同變量分布在樹狀圖不同的枝丫上，再利用這些變量以回歸的方式去解釋銷量。這樣我們就可以清楚的看到，某一時段的銷售額是如何受售價、產品特征等等因素的影響，并擬定出相關的模型。

　　利用2016年的數據得出模型后，再用模型模擬2017年上半年的數據，對比真實數據加以調試，就可以去預測未來一段時間的數據了。在已知案例中，雀巢電商和京東合作過的銷量預測項目，就是利用了消費者決策的隨機森林模型。

　　以上只是最簡單的案例，在實際情況中還需要大量的編碼、調參、優化迭代等等。而且能完美的模擬出測試數據，也并不代表能在未來做出準確的預測，其中還是少不了專家憑借經驗去做出判斷。

　　午夜的無人車和快遞柜，才是真“新零售”的模樣

　　以上談到的，只是銷售預測一貫的樣子，只不過隨著數據量的增大，機器學習算法在其中也有了用武之地。可真正讓銷售預測發生變化的，還是新零售模式的出現。

　　首先，新零售意在協同線上和線下整體的渠道和數據，銷售預測時要參考物流、線下店面和線上庫存等等更多的因素。

　　其次，渠道的統一、線下智能硬件和線上活動設置（智能推薦、定向優惠、收藏、購物車）都導致收集用戶數據的端口越來越多，數據的復雜程度加大，特征也變得更多了。

　　在未來，無人零售、無人物流等等渠道基礎設施的升級，很有可能降低銷售預測的試錯成本并極大提升收益。

　　在哈佛商學院即將出版的《預測機器：人工智能中的簡單經濟學》中提到了這樣一個概念：隨著數據收集越來越完善、預測模型精度越來越高，購物這件事很可能會從先購買再配送的方式變成“先配送再購買”的方式。

　　比如，預測模型可以根據你平時購買紙巾的規律，判斷出你最近又需要購買紙巾了。于是你在下班路上收到一條某直接品牌的定向優惠券短信，你家樓下的無人零售柜中也出現了一組紙巾。

　　而企業甚至不再需要參與雙十一這種壓力山大的零售節日，只需要根據用戶群體的需求，結合自己供應鏈的節奏對區域、渠道甚至個人進行個性化和定向化的運營。每天凌晨，無人物流車會路經一個個無人零售柜，拿走其中被退貨的貨物（到那時，所謂的退貨可能只是預測錯誤），按照銷售預測放入新的貨品，等待著明天被消費者購買。

　　這樣的場面，聽上去是不是有種按需分配的“共產主義”味道？

　　總之理想情況是，當銷售預測越來越準確，購物這件事越來越會從主動變成被動。

　　這樣的“被動”購物更符合我們對新零售的期盼――目前出現的這些線上線下協作、換個名字的自動售貨機等等，難免有些換湯不換藥的味道，除了打通渠道，更好的利用數據之外，新零售和舊零售之間的差異實在不大。

　　可銷售預測的發展，卻有可能讓新零售真正意義上擁有新零售之實。相信到那時，新零售才會像曾經的電商一樣，具有顛覆舊模式的可能。