PDF《案例：上新结束后,预测怎么做？》

15 个同类产品中的位置,用Excel 中的函数 Percentile( )即可发现,这对应的倍数是 0.55.也就是 说,对于该产品,大家预计后续

4 周的平均需求是上新促销期间的 0.55 倍.如果上新期间的周平 均是

100 个,那上新结束后

4 周的平均需求预测就是

55 个.基于这个预测,以及在库、在途库 存,我们就可以决定下一批的补货数量. 图4:从数据开始,由判断结束,做好新品预测 或许有人会说,那为什么不直接问那些销售经理、产品经理、电商经理,上新促销结束后, 这个产品的需求会掉下来多少百分比,或者多少数量,不就得了,而且更直观?这得从 不怕不 识货,就怕货比货 说起:这些专家们基于经验在做判断,其实是 不识货 的,比如确切地告 诉你,某个产品上新促销结束后,需求究竟会回落多少;

但他们有过类似产品的经验, 货比 货 更在行,在产品试销一段时间后,每个人大抵都会有点概念,相对以前的同类产品,这个产 品的后续销售会更好还是更差,好的话会比多大比例的产品好,差的话会比多大比例的产品差. 这就是如果我们直接问,你认为上新促销结束后,销量会下降到原来的百分之几十,销售、 产品、电商经理等很难判断,因为很多人并不跟具体数字打交道.比如案例中,虽然人人都知道 第5页(共5页) 上新促销结束后,销量会回落,但如果不对这

15 个产品做细致的分析,有谁会知道平均销量会下 跌43%?那让他们估计确切数字,就只能是瞎猜了,预测准确度很低. 反观这套方法论,分析过往新产品上新结束后的需求变动是 从数据开始 ,这样大致能量 化各种上新活动对销量的影响幅度;

搜集跨职能团队的评估,尽量客观、全面地征集不同专业人 员的看法,汇总平均是 由判断结束 .两者结合,得到 准确度最高的错误的预测 . 在实际操作中,我们要训练跨职能小组,让他们做出合适的判断.比如比较的对象是特定系 列的,还是所有的产品;

是最近一年上新的,还是所有的;

是比较需求回落的幅度,还是需求的 绝对量.人员多了,背景各不相同,经历也是大不一样,要特别注意大家理解上的不同,降低胡 乱预测,垃圾进垃圾出的风险. 再就是要持续反思,持续改善.比如预测做好了,跨........