Добивки:
- Разберете ја улогата на вештачката интелигенција и НЛП во извлекувањето тренд сигнали од социјалните медиуми, податоците за пребарување и историјата на продажба
- Способност за конфигурирање на прогнозирање на побарувачката и поставување на сценарија врз основа на SKU со методи на временски серии
- Способност за проверка на трендот и прогнозирање на резултатите со реализација на продажбата, податоци за акциите и деловно расудување
Модата по својата природа се обложува на иднината. Колекцијата се планира со месеци однапред, ткаенината се нарачува добро однапред, производството се врши пред продавницата. Ако прогнозата е погрешна, постојат два вида на страдање: преголеми залихи (непродадени стоки, попуст, уништување) и недоволно залихи (не се продава стока, пропуштен приход). ВИ помага да се намали оваа несигурност: извлекува сигнали за трендови од социјалните медиуми, податоци за пребарување и историја на продажба и ја предвидува побарувачката по производ. Но, модата е човечко однесување; Ниту еден модел не може да гарантира вирален момент или економски шок. Во оваа единица, ќе разговараме за анализа на трендови и предвидување на побарувачката на дисциплиниран начин.
Од каде доаѓа сигналот за тренд?
Суровината за анализа на трендовите се различни извори на податоци. Социјални медиуми и визуелни платформи: која боја, силуета, мотив се зголемува во видливост. Податоци за пребарување: она што луѓето го бараат е сигнал за рана намера. Историја на продажба: што се продава во вашата продавница, кога, во кој регион. Тренд услуги (на пр. публикации од индустријата): предвидувања со експертски коментар. Податоци за конкуренција/пазар: што објавуваат конкурентите.
Вештачката интелигенција овде прави две работи. Извлекува тема и чувство од текст и ознаки со обработка на природен јазик (NLP) („разговорот за оваа боја се зголемува, тонот е позитивен“). Ги собира трендовите на бои, шаблони и силуети од слики преку анализа на слики. Сите овие се сигнали, а не доказ. Сигналот е бучен; Мобилноста на една платформа не може да биде возвратена од друга база на клиенти.
Совет: Секогаш филтрирајте го сигналот за тренд врз основа на вашата база на клиенти и податоци за продажба. Трендот на пораст на глобалната платформа можеби нема да важи во вашиот регион и ценовен сегмент. „Сите го прават ова“ не е стратегија.
Прогноза на побарувачката: SKU, временски серии и неизвесност
Прогнозирањето на побарувачката обично се прави на ниво на SKU (единица за чување акции; специфична комбинација со големина на боја на одреден производ). Основниот пристап е анализа на временски серии: предвидување на иднината од моделот на минатите продажби со текот на времето (тренд, сезона, циклус). Оваа работа ја вршат класичните методи (просек во движење, експоненцијално измазнување, ARIMA) и методите на машинско учење.
Критична точка: добрата проценка не е единствен број, туку опсег и веројатност. Наместо „1.200 од овој SKU ќе се продаваат“, „80% шанса од 950-1.450“ е многу покорисна бидејќи ви овозможува да ја донесете одлуката за акции врз основа на апетитот за ризик. Најсилниот начин да се потврди резултатот на моделот е заднинско тестирање: обука на моделот со податоци од минатиот датум и споредување со следната реална продажба. Ако моделот не предвидел добро во минатото, тој е несигурен во иднина.
За нови производи (без историја на продажба) прогнозирањето е потешко; Историјата (аналогниот) и сигналот за тренд на слични производи се користат заедно, но неизвесноста е голема и тоа мора да се прифати.
Чекор по чекор: Тренд и прогнозирање на работниот тек
- Собира и чисти податоци. Продажба, враќање, акции, календар на кампањи и сигнали за трендови.
- Разликувајте помеѓу сезонската и трендот. Колку од продажбата е сезона, а колку е реален тренд.
- Генерирање на предвидување (интервал). Очекувана вредност и интервал на доверба според SKU.
- Заден тест. Измерете ја историската точност на моделот; Ако е лошо, вратете се на едноставниот модел.
- Поправете со деловното расудување. Рачно додавајте познати настани (нова продавница, кампања, проблем со снабдувањето) на моделот.
- Гледајте и ажурирајте. Ревидирај ја прогнозата како што доаѓаат реалните продажби (постојана прогноза).
Три мини случаи: според бројките
Случај 1 - Намалување на вишокот залихи. Еден бренд произведуваше премногу група бои секоја сезона и ги продаваше со 40% попуст на крајот на сезоната. Потврдената проценка на SKU со историски продажби покажа дека тие препроизведуваат за неколку големини, а не дека ја потпродаваат побарувачката во таа боја. Кога дистрибуцијата на големината беше коригирана, стапката на намалена продажба се намали од 40% на 26%.
Случај 2 - Погрешен сигнал. Еден тим стави неонска нијанса во колекцијата што експлодираше низ социјалната платформа; Глобалниот сигнал беше силен. Но, нивната база на клиенти (класичен, зрел сегмент) не го прифати овој тон; Партијата беше задржана. Воведено е правило за филтрирање на тренд сигналот за следната сезона со сопствени податоци за продажба. Поука: сигналот е погрешен без сегменти.
Случај 3 - Вредноста на прогнозирањето на интервалот. Кога купувачот поставил нарачка врз основа на прогнозата за точка „продаде 1.000 единици“, моделот даде опсег од 80% од 700-1.400. Купувачот го виде ризикот и ја задржа првата нарачка на 800 и планираше брзо надополнување според продажниот тренд; Избегна и прекумерно и недоволно залихи. Декември донесе попаметни одлуки од непарните броеви.
Слаба навестување / Силен навестување
Слаба навестување:
Кажи ми што ќе се продава следната сезона.
Моќен потсетник:
Вашата улога: аналитичар за модно планирање. Подолу се дадени податоците за месечните продажби за последните 3 години (SKU, количина), календарот на кампањата и белешките за трендовите за оваа сезона. Задача: 1) Одделете ја сезонската и трендот, објаснете накратко. 2) Дајте прогноза за следната сезона за соодветните SKU; НЕ ТОЧНО, туку како интервал на доверливост од 80%.3) Како ми препорачувате да го тестирам вашето предвидување? Податоци: [табела]
Моќниот промпт поттикнува предвидување на интервал, предлог за заден тест и филтер за сегменти; Не наметнува прецизна прецизност.
Шаблони за копирање
1) Распаѓање на сезонски:
Одделете го трендот, сезонската и неправилната компонента во оваа месечна продажна серија и накратко коментирајте за секоја од нив. Наведете нумеричко резиме наместо графичко. Серија: [податоци]
2) Прогноза на интервал:
Создадете прогноза за следниот [n] период за следниот SKU. Наведете ја очекуваната вредност и 80% интервал на доверба за секој период. Јасно наведете ги вашите претпоставки. Историја: [податоци]
3) Поставување на бектест:
Напишете план за назад тестирање на модел за предвидување на побарувачката: разлика за обука/тест, метрика на грешка (на пр. MAPE), праг на прифаќање. Предложете и едноставен модел на силогизам (наивен). Контекст: [производ, големина на податоци]
4) Филтер за тренд-сегмент:
Оценете ги овие тренд сигнали според нашиот сегмент на клиенти (возраст, цена, стил): кои се силни, кои се ризични/неважни? Додадете оправдување за секој и предложете валидација со податоци за продажба. Сигнали: [листа]
Табела за извор и доверливост
Извор на податоци
Што сигнализира?
моќ
граница
Сопствена историја на продажба
реална побарувачка
високо
Не во новиот производ
податоци за повици
рана намера
средно
Можеби нема да се врати на купување
социјалните медиуми
Видливост/емоција
средно
Отстапување на сегментот, бучава
Тренд услуги
експертско предвидување
средно
Јавен, отворен за секого
Податоци за конкурент/пазар
Позиционирање
средно
одложен, делумен
Внимание: Ниту едно предвидување не ја гарантира иднината. Вирален момент, временска прогноза, економски шок или криза со снабдување може да го измамат дури и најдобриот модел. Користете ја проценката како алатка за веројатност; Немојте слепо да се придржувате до еден број и да го ревидирате планот како што доаѓа вистинската продажба.
Вообичаени грешки
- Слепо верувајќи точно предвидување. Опсегот и веројатноста донесуваат попаметни одлуки.
- Примање на сигналот за тренд без филтрирање на сегменти. Глобалниот тренд можеби нема да важи за вашата публика.
- Не правејќи заднинско тестирање. Модел кој бил лош во минатото е несигурен во иднина.
- Погрешно сезонско за тренд. Погрешувањето на сезонскиот раст со постојан раст води до хиперпродукција.
- Не ревидирање на планот. Прогнозата треба да се ажурира кога ќе дојде реалната продажба.
Сумирано
Анализата на модните трендови и прогнозирањето на побарувачката е напор да се намали неизвесноста на облогот за иднината. Вештачката интелигенција ги извлекува трендовите од сигналот со повеќе извори (социјални медиуми, пребарување, продажба) и произведува прогноза за побарувачка од SKU; Но, сигналот мора да помине низ филтерот за сегменти, предвидувањето мора да биде распоредено и повторно тестирано. Моделот е алатка на можноста, а не пророк; конечната одлука за акции и апетитот за ризик остануваат во деловното расудување.
Задача за апликација
Создадете фиктивна (или вистинска) тригодишна месечна продажна серија за SKU. Применете ги шаблоните за „разложување на сезоната“ и „прогнозирање на интервал“ од оваа единица. Погледнете го опсегот на прогнозата даден од вештачката интелигенција и објаснете во параграф каде во опсегот вие, како купувач, би ја поставиле првата нарачка и зошто (апетит за ризик). Напишете и во една реченица како би го тестирале ова предвидување.
листа за проверка
- [ ] Ги оценувам предвидувањата со опсег и веројатност, а не со точка.
- [ ] Ги филтрирам сигналите за трендови со мојот сопствен сегмент на клиенти.
- [ ] Ги потврдувам моделите преку заднинско тестирање.
- [ ] Разликувам помеѓу сезонската и постојаниот тренд.
- [ ] Го ревидирам планот како што доаѓа вистинската продажба.