在零售电商场景中，销量预测的难点往往不在模型本身，而在于促销节奏、门店差异与库存约束之间的耦合。本期实验室围绕「促销日历驱动的多步销量预测」做了一组实验性探索，目标是把预测结果直接转化为可执行的门店补货建议，而不是停留在准确率指标上。
方法上，我们以商品—门店—日为单位构建样本，将促销类型、折扣深度、档期长度、历史动销、缺货标记与节假日位置作为输入特征，采用分位数回归输出未来7天的需求区间，而不是单点值。这样做的原因是：缺货与促销叠加时需求分布明显右偏，单点预测容易低估峰值。实验在三个品类的历史数据上回测，促销档期内的预测偏差较基线方法下降约两成，非促销期基本持平。
要点一：把「缺货截断」显式建模。历史销量在缺货期间并不代表真实需求，我们通过可售时长对样本做加权修正，减少了促销后误判为需求下滑的情况。
要点二：预测到补货的映射仍偏保守。当前以分位数区间的中高位作为补货建议，下一步计划引入门店仓容与调拨时效约束，让建议量更贴近实际可执行范围。
本文所述为实验室阶段性验证结果，具体指标随品类与数据质量存在差异，欢迎同行交流指正。
评论