零售需求预测AI实验：时序基础模型与促销因子融合

需求预测是数据分析实验室本季度的重点实验方向。我们以某连锁便利业态18个月的门店级销售数据为样本，对比传统梯度提升模型与时序基础模型，重点考察促销、节假日等外生因子的引入方式对预测精度的影响。阶段性结果：· 在含促销的SKU上，融合促销力度、持续天数与历史价格弹性特征的混合模型，周度预测MAPE由31.4%降至24.8%；长尾SKU改善有限，仍以分层预测加安全库存策略兜底。· 时序基础模型在未微调设定下已接近调参后的轻量模型，但在促销峰值处普遍低估约15%，需引入促销先验做后校准。下一步将扩展价格弹性与天气特征，并在两家试点门店开展补货量对照验证，评估预测精度向库存周转率传导的实际收益。方法细节整理后将在实验室页面公开。