服裝行業預測總結

經過了1個多月的探索與嘗試，發覺服裝行業的銷售預測和1般零售行業的銷售預測有著很大的差別，其本質緣由是服裝行業貨品的銷售pattern區分于1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，1年以內常常有2季：春夏和秋冬，貨品不存在1般零售行業的原款升級換代的做法，1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，新款與老款雖然屬于同1系列，但新款卻是1個幾近全新的產品，新款的未來銷售模式很難從老款歸納出。

斟酌服裝行業的兩大特點，其貨品的銷售預測不能依照1般零售行業的預測模式。

1般零售行業的銷售預測以會以SKU為基本預測單元，基本的預測邏輯以下：

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于隨機雜亂，則轉Step2。

Step2：匯總同城（同區域）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（同區域）總銷售額的比例，并用歷史若干期的銷售額比例預測未來1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；

此種預測模式合適銷售周期有1⑵年貨類，單服裝行業單個SKU的銷售周期常常只有5⑹個月，如此短的歷史區間很難挖據出其中的銷售pattern，且即便找出來SKU的變化規律，下1季又會有新款代替，老款的pattern未必合適新款，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。

我們需要尋覓歷史周期長，也有1定可用規律的統計指標來預測，然后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1方面具有連續性，且相對穩定 ;另外一方面，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困難，同時還能反應服裝行業銷售的季節pattern（見下圖1）。因此我們肯定以門店總銷售額為基本預測單元，具體實現以下：

圖1 門店總銷售額（按周匯總）

Step1：匯總門店所有款的銷售額，以歷史若干期的總銷售采取時序（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，即先依照大類，算出各大類的占比。以歷史若干期的比例采取時序（水平趨勢+季節因素）預測未來若干期的門店各大類結構；

Step3：依照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的大類占比，并逐層做歸1化處理，得到每款在總銷售額的占比，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款的預測。

生活不易，碼農辛苦
如果您覺得本網站對您的學習有所幫助,可以手機掃描二維碼進行捐贈