艾瑞网

电子商务

觉得新零售和传统零售没差,可能是这项技术没到位

来源:钛媒体APP    作者:      2017/11/14 8:25:31

导语:简单来说,就是根据以往销售数据结合未来一段时间内各种因素的影响,对商品的销量和销售额做出估计。


0.jpeg

每年的双十一过后,都是物流行业的一场大考。以往考验的是电商企业熬夜接单打包的销量、物流公司人员配置是否充分等等。当以上两点对于客户购物体验的提升达到阈值,考验的就是品牌和平台能否对供应链进行合理的调控,在库存和线上线下协调上减轻物流压力。

  这也是商业智能中的“终极问题”——销售预测。

  ZARA成功的秘诀,真的不只是很会抄

  究竟什么是销售预测?

  简单来说,就是根据以往销售数据结合未来一段时间内各种因素的影响,对商品的销量和销售额做出估计。

  在销售、市场和运营工作中,销售预测无处不在。往大了说,销售预测影响着企业的整体规划,往小了说销售预测影响着企业每一次营销活动的成本投入。

  在零售行业中,销售预测的重要性更加凸显。我们知道,零售行业的收益如何,取决于供应链能否良好的运转:没有压库存的压力也没有缺货的现象、不同的产品都被储存在自己销售情况最好区域的仓库中、新商品的生产和旧商品的售卖能形成衔接。

  双十一为例,整个品牌参与过程处处和销售预测相关。一家纸制品品牌需要知道自己库存中的哪些商品更适合促销活动,是刚需类的尿不湿或是消费升级类的湿厕纸;决定好选品后,还要依靠种种数据决定库存的分布和数量;最后要根据整体的活动的销量预测评估如何对库存进行补充,以免出现大促后无货可卖的情况。

  被称为快时尚奇迹的ZARA,就是利用强大的销售预测能力实现跟随流行趋势快速上新货,并且保持可观的毛利率的。

  对于消费者来说,我们看到的是ZARA几乎过两周就会上一次新品,让人忍不住掏出钱包,可ZARA背后的秘密,却藏在数据、算法和供应链中。

  从拍脑门到机器学习,销售预测该怎么做?

  在很多时候,我们预测销售的方式常常是一拍脑门编出个数字,或者凭借自己的经验做出推测。但真正的销售预测,是要经过严格的数据计算的,在新零售时代更是如此。

  销售预测的方法基本分为三大类,最常见的就是“拍脑门”的主观预测方法,当然,现实情况这种方法通常由咨询公司的专家团队执行。到后期大数据分析方法所占份额增大,利用变量和时间之间的相关性,通过对以往数据的总结来分析将来的数据。到现在,机器学习正在越来越多的进入销售预测领域,神经网络、决策树、线性回归等等我们非常熟悉的算法也能应用到这一领域之中。

  还拿上文的纸制品公司做例子,从技术角度看,预测销售究竟是怎么完成的。

  拿到往期数据后,第一件事就是要对数据进行清洗,把因为促销活动或商品缺货带来的数据变化提取出来单独处理,从而对历史数据趋势进行一个完整的认识。然后再提取产品的特征,比如包装、质地、用途等等。

  清洗完数据,提取完特征后,我们就得到了一批训练样本。这样我们就可以把2016年全年的销售数据作为训练集,而把2017年上半年的数据作为测试集。

  假如我们选择用随机森林方式建模,可以把产品特征、促销手段等等都看做连续变量,不同变量分布在树状图不同的枝丫上,再利用这些变量以回归的方式去解释销量。这样我们就可以清楚的看到,某一时段的销售额是如何受售价、产品特征等等因素的影响,并拟定出相关的模型。

  利用2016年的数据得出模型后,再用模型模拟2017年上半年的数据,对比真实数据加以调试,就可以去预测未来一段时间的数据了。在已知案例中,雀巢电商和京东合作过的销量预测项目,就是利用了消费者决策的随机森林模型。

  以上只是最简单的案例,在实际情况中还需要大量的编码、调参、优化迭代等等。而且能完美的模拟出测试数据,也并不代表能在未来做出准确的预测,其中还是少不了专家凭借经验去做出判断。

  午夜的无人车和快递柜,才是真“新零售”的模样

  以上谈到的,只是销售预测一贯的样子,只不过随着数据量的增大,机器学习算法在其中也有了用武之地。可真正让销售预测发生变化的,还是新零售模式的出现。

  首先,新零售意在协同线上和线下整体的渠道和数据,销售预测时要参考物流、线下店面和线上库存等等更多的因素。

  其次,渠道的统一、线下智能硬件和线上活动设置(智能推荐、定向优惠、收藏、购物车)都导致收集用户数据的端口越来越多,数据的复杂程度加大,特征也变得更多了。

  在未来,无人零售、无人物流等等渠道基础设施的升级,很有可能降低销售预测的试错成本并极大提升收益。

  在哈佛商学院即将出版的《预测机器:人工智能中的简单经济学》中提到了这样一个概念:随着数据收集越来越完善、预测模型精度越来越高,购物这件事很可能会从先购买再配送的方式变成“先配送再购买”的方式。

  比如,预测模型可以根据你平时购买纸巾的规律,判断出你最近又需要购买纸巾了。于是你在下班路上收到一条某直接品牌的定向优惠券短信,你家楼下的无人零售柜中也出现了一组纸巾。

  而企业甚至不再需要参与双十一这种压力山大的零售节日,只需要根据用户群体的需求,结合自己供应链的节奏对区域、渠道甚至个人进行个性化和定向化的运营。每天凌晨,无人物流车会路经一个个无人零售柜,拿走其中被退货的货物(到那时,所谓的退货可能只是预测错误),按照销售预测放入新的货品,等待着明天被消费者购买。

  这样的场面,听上去是不是有种按需分配的“共产主义”味道?

  总之理想情况是,当销售预测越来越准确,购物这件事越来越会从主动变成被动。

  这样的“被动”购物更符合我们对新零售的期盼——目前出现的这些线上线下协作、换个名字的自动售货机等等,难免有些换汤不换药的味道,除了打通渠道,更好的利用数据之外,新零售和旧零售之间的差异实在不大。

  可销售预测的发展,却有可能让新零售真正意义上拥有新零售之实。相信到那时,新零售才会像曾经的电商一样,具有颠覆旧模式的可能。

  • 合作伙伴

  • 官方微信
    官方微信

    新浪微博
    邮件订阅
    第一时间获取最新行业数据、研究成果、产业报告、活动峰会等信息。
     关于艾瑞| 业务体系| 加入艾瑞| 服务声明| 信息反馈| 联系我们| 广告赞助| 友情链接

Copyright© 沪公网安备 31010402000581号沪ICP备15057083号-1