服装行业预测总结

经过了1个多月的探索与尝试，发觉服装行业的销售预测和1般零售行业的销售预测有着很大的差别，其本质缘由是服装行业货品的销售pattern区分于1般零售行业，主要体现在以下两点：

1、     服装行业货品销售受季节影响非常显著，主要体现在销售的主推季会受气候波动而变化；

2、     服装行业货品的销售周期比传统零售要短很多，1年以内常常有2季：春夏和秋冬，货品不存在1般零售行业的原款升级换代的做法，1般零售行业的升级款会带有老款的销售模式，因此未来的销售比较准确，而在服装行业，新款与老款虽然属于同1系列，但新款却是1个几近全新的产品，新款的未来销售模式很难从老款归纳出。

斟酌服装行业的两大特点，其货品的销售预测不能依照1般零售行业的预测模式。

1般零售行业的销售预测以会以SKU为基本预测单元，基本的预测逻辑以下：

Step1：若SKU by Store颗粒度下销售有规律所寻，则直接按单门店单SKU预测作为补货需求单；若SKU by Store 颗粒度下销售现象过于随机杂乱，则转Step2。

Step2：汇总同城（同区域）所有门店该SKU的销售，进行时序预测（水平趋势+季节效应）；

Step3：计算历史若干期内，各门店销售额占同城（同区域）总销售额的比例，并用历史若干期的销售额比例预测未来1期的销售额比例；

Step4：用Step3预测出来的销售额比例分摊Step2预测出的总销售额，得到各个门店未来的SKU的需求；

此种预测模式合适销售周期有1⑵年货类，单服装行业单个SKU的销售周期常常只有5⑹个月，如此短的历史区间很难挖据出其中的销售pattern，且即便找出来SKU的变化规律，下1季又会有新款代替，老款的pattern未必合适新款，因此以SKU为基本预测单元的做法在服装行业不会取到较好的效果。因此需要转换思路。

我们需要寻觅历史周期长，也有1定可用规律的统计指标来预测，然后通过某种摊分方法算出SKU的需求量这才是我们解决问题的正确方向。

我们发现可以用门店的总销售额可以作为基本预测单元，门店总销售额1方面具有连续性，且相对稳定 ;另外一方面，门店总销售也会受季节影响，因此门店总销售额既解决了服装行业单款销售周期短的困难，同时还能反应服装行业销售的季节pattern（见下图1）。因此我们肯定以门店总销售额为基本预测单元，具体实现以下：

图1 门店总销售额（按周汇总）

Step1：汇总门店所有款的销售额，以历史若干期的总销售采取时序（水平趋势+季节因素）预测未来若干期的门店总销售额；

Step2：计算出门店销售额的贡献比例，即先依照大类，算出各大类的占比。以历史若干期的比例采取时序（水平趋势+季节因素）预测未来若干期的门店各大类结构；

Step3：依照Step2的逻辑，逐层预测从大类到款的各层比例；

Step4：用Step3预测出来的各层比例摊分Step2的大类占比，并逐层做归1化处理，得到每款在总销售额的占比，从而得到了门店的销售结构；

Step5：用Step4得到门店销售结构摊分Step1得到的门店未来销售额，总而得到门店未来的每款的预测。

生活不易，码农辛苦
如果您觉得本网站对您的学习有所帮助,可以手机扫描二维码进行捐赠