需求预测引擎如何助力线下零售业降本增效？

在当下经济明显进入存量博弈的阶段，大到各经济体，小到企业，粗放的增长模式已不适宜持续，以往高增长的时代已经成为过去，亟需通过变革发掘新的增长点。对于竞争激烈的线下零售行业而言，则更需如此。

零售行业一般涉及的环节众多，包括商品选品、采购、库存、渠道、促销等等。如何寻找核心点打通整条链路上的各环节，提升经营效率，增加盈利呢？我们给出的答案就是 围绕人的精准需求预测。

人是新零售人货场的核心，也是线下零售企业最重要的资源。通过以精准需求预测为中心，拉通供应链上各环节，产生协同效应以提升经营效率。 精准的需求预测，能帮助零售企业变以往粗放被动的经营方式为精准主动的经营方式，做到比顾客更懂顾客，从而更好地服务客户及挖掘顾客价值，最终增加盈利。

线下零售行业很多环节的需求决策，例如生鲜行业每个类目每日进货量、服饰行业中的企划选款与订货量等，往往依赖人工总结经验规律，而人工经验的精准性不够会导致诸如服饰行业中，选款定量造成的畅销品断货滞消品积压问题、生鲜行业中货损严重问题等。

奇点云在上述行业中积累了较为丰富的需求预测落地经验，帮助它们建立需求拉动的敏捷供应链，提升经营效率。下部分我们将重点介绍我们的需求预测平台。

奇点云需求预测平台

数字化能力

要实现精准需求预测，数据能力 (包括数据采集加工、数据治理、数据资产及数据建模等) 是其关键支撑。在当下，数据已经成为各行各业重要的生产资料，其重要性再怎么强调也不为过。对线下零售行业而言，顾客数据是其最重要的虚拟资产，是需要投入资源重点经营的。 奇点云结合自研的 DataSimba 大数据服务平台和业界领先的视觉智能引擎 ， 全面获取线上线下顾客数据，并识别汇总同一顾客数据，为下阶段顾客精准需求预测打下坚实的数据基础。

AI 算法能力

要做到精准的需求预测是极具挑战的事，影响需求的因素众多，包括商品品类信息、价格、折扣、促销、节假日、天气、季节、地域差异等等。以促销为例，促销活动会导致需求的剧烈波动，从图中可以看到，促销打折在假期及平日，周末，早晚均有不同的表现。

奇点云预测引擎是建立在数据中台之上，通过业务建模对齐业务数据评估指标，将需要预估判断的业务痛点转化为预测类的算法问题。以业务评估指标为导向，结合不同分类准确度指标（如召回、精度、F1-Score）及不同回归拟合准确度指标（如 MSE、MAPE、WAPE）等，对时序序列算法（ARIMA、Holt-Winter、fbProphet）、 机器学习算法（SVM、GBDT、lightGBM、xgboost、catboost）及深度学习算法（RNN、LSTM 等）进行 baseline 建模，再根据不同的场景、数据分布情况进行分层建模及模型融合，最后根据部署环境进行综合选择上线模型。完整的需求预测流程如下图：

案例

基于上文奇点云预测引擎的方案及架构，奇点云在生鲜、服饰及烟草等领域积累了较多的预测实战经验，下面结合一个生鲜行业具体案例介绍 预测引擎如何助力线下零售业降本增效。

某社区连锁超市企业，其生鲜销售额占比超过一半。生鲜对新鲜度要求很高，这就需要保持合适的店内排面库存和在途库存。

原先它的生鲜需求量是基于人工经验来预估的，一般为了保证尽量不缺货，提升顾客的消费体验，往往会过高的估计进货量，这会导致未及时销售的蔬菜水果等只能低价处理或者清理掉，耗损率很高。

奇点云在深入了解客户业务现状及需求后，与客户一起梳理对齐关键业务指标（如正毛利率、损耗率等），在此基础上，结合会员、销售、损耗评估、缺货还原等业务数据以及节假日、天气、附近商圈居民区等数据，对无约束的需求进行了预测。以正毛利率这个指标为例，在上线测试对比中， 奇点云算法模型上线的门店正毛利率从上线前的 87% 提升到了上线后 92%，且上线后基本稳定在 90% 以上 ，其它未上线门店的正毛利率则继续在 87% 左右，部分门店甚至在 80% 以下，且波动极大。下图是蔬菜类目下其中一个小类（销量占总体 2% 左右）的试运行前两周的关键指标提升情况：

从上图可以看出，通过使用奇点云需求预测引擎，业务关键指标得到了较好的改善，客户整体盈利得到提升，这也正是奇点云通过 AI 赋能线下零售企业，让商业更智能的目的所在。

结语

客户的需求是终点，以终为始，我们以顾客需求预测为切入点来帮助企业降本增效，目前也取得了不错的开端，未来我们也会持续提升服务能力，实现让商业更智能的使命。

作者：明觉、松峦 @奇点云