ඉල්ලුම පුරෝකථනය: විකුණුම් පුරෝකථනය, සෘතුමයභාවය සහ ප්‍රවණතා විශ්ලේෂණය

ලාභ:

• ඓතිහාසික විකුණුම් දත්ත, සෘතුමය බලපෑම් සහ බාහිර සාධක ඒකාබද්ධ කිරීමෙන් කෘතිම බුද්ධි සහාය ඇතිව SKU පදනමක් මත කෙටුම්පත් ඉල්ලුම පුරෝකථනයක් නිෂ්පාදනය කිරීමේ හැකියාව.
• පුරෝකථන නිරවද්‍යතාවය (MAPE, පක්ෂග්‍රාහීව) අර්ථකථනය කිරීමේ හැකියාව සහ අධි තක්සේරුවේ සහ අවතක්සේරු කිරීමේ ව්‍යාපාරික ප්‍රතිවිපාක වෙන්කර හඳුනා ගැනීමේ හැකියාව
• කෘත්‍රිම බුද්ධිය මඟින් නිපදවන අනාවැකි අනාවැකියක් බව පවත්වා ගැනීමට හැකි වීම සහ කොටස් පිරිවැය සහ මුදල් ප්‍රවාහය සමඟින් අවසාන ඇණවුම් තීරණය කළමනාකරුට අයත් වේ.

සිල්ලර වෙළඳාමේ වඩාත්ම මිල අධික වැරදි දෙකක් තිබේ: ඕනෑවට වඩා තොග තබා ගැනීම සහ මුදල් රාක්කයේ රැඳී සිටීමට ඉඩ දීම, නැතහොත් ප්‍රමාණවත් තරම් තොග තබා නොගෙන පාරිභෝගිකයා හිස් අතින් තබයි. දෙකටම ඇත්තේ එකම මූලාශ්‍රය: අයහපත් ඉල්ලුම පුරෝකථනය කිරීම. මෙම ඒකකයෙන් ඔබ අතීත විකුණුම් වලින් අනාගතය පුරෝකථනය කරන බලවත් සහායකයෙකු ලෙස කෘතිම බුද්ධිය භාවිතා කරන්නේ කෙසේදැයි ඉගෙන ගනු ඇත. නමුත් අපි මුල සිටම කියමු: අනාවැකියක් යනු අනාවැකියක් නොව, සම්භාවිතා අනාවැකියකි. AI ඔබට අංකයක් ලබා දෙයි; එම අංකය ඇණවුම් කිරීමේ තීරණයක් බවට පරිවර්තනය කිරීම ඔබේ කාර්යයයි.

ඉල්ලුම පුරෝකථනය කිරීම: ඓතිහාසික දත්ත සහ බලපෑම් සාධක දෙස බැලීමෙන් අනාගතයේ දී භාණ්ඩයක් හෝ කාණ්ඩයක් කොපමණ ප්‍රමාණයක් අලෙවි කරනු ඇත්දැයි අනාවැකි කීමේ කාර්යය වේ.

SKU (කොටස් තබා ගැනීමේ ඒකකය): එය එක් එක් විවිධ නිෂ්පාදන-විචල්‍යයන් සඳහා තබා ඇති අද්විතීය කොටස් කේතය වේ. උදාහරණයක් ලෙස, "රතු, ප්රමාණය 42 සපත්තු" යනු SKU ය; එකම මාදිලියේ අංක 43 වෙනම SKU වේ.

පුරෝකථනය පෝෂණය කරන තොරතුරු මූලාශ්ර තුනක්

හොඳ පුරෝකථනයක් කරුණු තුනක් ඒකාබද්ධ කරයි:

1. ඓතිහාසික විකුණුම් (මූලික): පසුගිය මාස 12-24 තුළ නිෂ්පාදනයේ සතිපතා/මාසික විකුණුම්. AI මෙම ශ්‍රේණියෙන් "සාමාන්‍ය" මට්ටමක් උපුටා ගනී.
2. සෘතුමය සහ දින දර්ශන බලපෑම්: නිවාඩු, පාසල් වාරය, ගිම්හාන-ශීත, සති අන්ත, වැටුප් දිනය. උදාහරණයක් ලෙස, ගිම්හානයේදී අයිස් ක්රීම් වැඩි වන අතර ශීත ඍතුවේ දී මේස් වැඩි වේ.
3. බාහිර සාධක: ව්‍යාපාරය, මිල වෙනස් වීම, කාලගුණය, තරඟකරුවන්ගේ චලනය, විවෘත කිරීම/වසා දැමීම. මේවා ඇස්තමේන්තුව ඉහළට හෝ පහළට තල්ලු කරයි.

ඉඟිය: "අපි ගිය මාසේ 100ක් විකුණුවා" කියලා AI එකට කියන්න එපා. කියන්න, "අපි ගිය මාසේ 100ක් විකුණුවා, නමුත් 20% වට්ටමක් තිබුණා, එය නිවාඩු සතියක් විය." සන්දර්භය නොමැතිව, අනාවැකිය නොමඟ යවන සුළුය.

පියවරෙන් පියවර අනාවැකි උත්පාදනය

1. දත්ත සකස් කරන්න: නිර්නාමික, පිරිසිදු වගුවක්: දිනය, SKU, විකුණන ලද ප්‍රමාණය, මිල, ප්‍රවර්ධනය/ප්‍රවර්ධන නැත, ලබා ගත හැකි බව. තොග නොමැති දින සලකුණු කරන්න; එසේ නොවුවහොත්, කෘතිම බුද්ධිය සිතන්නේ එම දිනය "අඩු ඉල්ලුමක්" බවයි.
2. සන්දර්භය දෙන්න: වාරය, ඉදිරි සිදුවීම්, සැලසුම් කළ ව්‍යාපාර ලියන්න.
3. පුරෝකථනයක් ඉල්ලන්න: SKU හෝ කාණ්ඩය අනුව, නිශ්චිත කාල පරිච්ඡේදයක් සඳහා පුරෝකථනයක් සහ විශ්වාස අන්තරයක් (නරක/හොඳම අවස්ථාව) ඉල්ලන්න.
4. නිරවද්‍යතාවය මැනීම: ඔබගේ අතීත අනාවැකි යථාර්ථයට සසඳන්න (පහත MAPE).
5. එය තීරණයක් බවට පත් කරන්න: ඇස්තමේන්තුව ආරක්ෂිත තොග සහ අයවැය සමඟ ඒකාබද්ධ කර ඇණවුම් තීරණය කරන්න.

කියවීමේ පුරෝකථන නිරවද්‍යතාවය: MAPE සහ පක්ෂග්‍රාහීත්වය

MAPE (මධ්‍යන්‍ය නිරපේක්ෂ ප්‍රතිශත දෝෂය): සැබෑ විකුණුම් වලින් අනාවැකි වල සාමාන්‍ය ප්‍රතිශත අපගමනය පෙන්වයි. සූත්‍රය සරලයි: |සැබෑ - අනාවැකිය| එක් එක් කාලපරිච්ඡේදය සඳහා / සැබෑ ඔවුන්ගේ සාමාන්යය වේ.

• MAPE 10% → ඇස්තමේන්තු සාමාන්‍යයෙන් 10% කින් අපගමනය වේ, ඉතා හොඳයි.
• MAPE 40% → අනාවැකි විශ්වාස කළ නොහැකියි, පිළිවෙල තීරණය කිරීම සඳහා වැඩි බෆරයක් (ආරක්ෂිත තොගයක්) අවශ්‍ය වේ.

දිශානතිය (පක්ෂග්‍රාහී): ඔබේ පුරෝකථනය යතාර්ථය අඛණ්ඩව ඉහළින් (අධික ගබඩා කිරීමේ අවදානම) හෝ පහළින් (තොග තැබීමේ අවදානම) තිබේද? මේකත් බලන්න; MAPE දිශාව පෙන්වන්නේ නැත.

තත්ත්වය

අර්ථය

ව්යාපාර ප්රතිඵලය

නිරන්තර ඉහළ තක්සේරුව

ඔබ ඉල්ලුම අතිශයෝක්තියට නංවයි

අතිරික්ත තොග, දියවීම, ආන්තිකය අහිමි වීම

නිරන්තර අවතක්සේරු කිරීම

ඔබ ඉල්ලුම අවතක්සේරු කරයි

තොග ඉවරයි, අතපසු වූ විකුණුම්, අතෘප්තිය

ඉහළ MAPE, සමබර දිශාව

අවිනිශ්චිතතාවය ඉහළයි

ආරක්ෂිත තොග වැඩි කරන්න, නිතර සමාලෝචනය කරන්න

අඩු MAPE

නිවැරදි අනාවැකිය

සිහින් කොටස්, වඩා හොඳ මුදල්

කුඩා නඩු

නඩුව 1 — නැතිවූ සෘතුමයභාවය: සිල්ලර වෙළඳසැලක් පසුගිය වසරේ ජූලි විකුණුම් මත පදනම්ව පාසල් සටහන් පොත් ඇණවුම් කරයි (මසකට ඒකක 200). කෘතිම බුද්ධිය "අගෝස්තු-සැප්තැම්බර් පාසල් වාරය, පසුගිය වසරේ මෙම කාල සීමාව තුළ විකුණුම් හතර ගුණයකින් වැඩි විය" යන සන්දර්භය ලබා දුන් විට, අනාවැකිය ඒකක 200 වෙනුවට ඒකක 780 දක්වා වැඩි වේ. නිවැරදි අනුපිළිවෙලට ස්තූතියි, පාසල් වසර තුළ තොග අවසන් නොවේ; කලින් අවුරුද්දේ ගැලවුණු 60,000 TL පිරිවැටුම මේ අවුරුද්දේ අල්ලනවා.

නඩුව 2 — තොග අවසන් වූ දිනය ගණන් නොගැනීම: සති 3ක් සඳහා වෙළඳසැලක ජනප්‍රිය කෝපි තොගයක් නොමැති විය. අමු දත්ත දෙස බලන විට, කෘතිම බුද්ධිය එම සති "සතියකට විකුණුම් 5 ක්" ලෙස දකින අතර අඩු තක්සේරුවක් ලබා දෙයි. විශ්ලේෂකයා තොග නොමැති දින සලකුණු කර "මෙම සති ඉල්ලුම පිළිබිඹු නොකරයි" යැයි පවසන විට, අනාවැකිය සතියකට 45 දක්වා වැඩි වේ. සැබෑ ඉල්ලුම මතු වේ.

නඩුව 3 — ප්‍රචාරක බලපෑම සාමාන්‍යකරණය කිරීම: රෙදිපිළි දාමයක් 50% වට්ටම් සති අලෙවියක් (ඒකක 600) "සාමාන්‍ය" ලෙස සලකන අතර නිරන්තරයෙන් 600 ඇණවුම් කරයි. කෘතිම බුද්ධියට "මෙම අලෙවිය එක් වරක් ප්‍රචාරණයක් සමඟ සිදු කරන ලදී, සාමාන්‍ය සතිය 180" යැයි පැවසූ විට, අනාවැකිය නිවැරදි වේ. අධික තොගයේ අවදානම සහ පසුව සලකුණු කිරීමේ පාඩුව වළක්වනු ලැබේ.

පුරෝකථන ක්ෂිතිජය: ඔබට කොපමණ දුරක් දැකිය හැකිද?

පුරෝකථන ක්ෂිතිජය: අනාගතයට කොපමණ දුරක් පුරෝකථනය කර තිබේද යන්න. රීතිය සරලයි: ක්ෂිතිජය දිගු වන තරමට අවිනිශ්චිතතාවය වැඩි වේ. ඔබ ලබන සතියේ විකුණුම් සාපේක්ෂව නිවැරදිව පුරෝකථනය කරයි; මාස හයකට පසුව වඩා පුළුල් පරාසයක් සමඟ. එබැවින් ඇණවුම් තීරණයේ අවශ්‍යතාවයට අනුව අනාවැකි ක්ෂිතිජය තෝරන්න: කෙටි ක්ෂිතිජය සහ වේගයෙන් අවසන් වන නැවුම් නිෂ්පාදන සඳහා නිතර යාවත්කාලීන කිරීම; දිගු ක්ෂිතිජය සහ ආනයනය කරන ලද නිෂ්පාදනයක් සඳහා දිගු ක්ෂිතිජය සහ පුළුල් ආන්තික ආරක්ෂාව.

තවත් වැදගත් වෙනසක් වන්නේ නව නිෂ්පාදන පුරෝකථනයයි. නව SKU හි අතීත අලෙවියක් නොමැත; මෙම අවස්ථාවේදී, ඔබ AI ට සමාන නිෂ්පාදනවල ඉතිහාසය (ඇනලොග්), ප්‍රවර්ග සාමාන්‍යය සහ දියත් කිරීමේ සැලැස්ම ලබා දෙයි. "මෙම නිෂ්පාදනයට ඉතිහාසයක් නැත; සමාන නිෂ්පාදන X සහ Y වල පළමු සති 8 දෙස බලා මූලික ඇස්තමේන්තුවක් දෙන්න" යැයි පැවසීම හිස් තැන පිරවීමට සාධාරණ ක්‍රමයකි. කෙසේ වෙතත්, නව නිෂ්පාදන අනාවැකි සෑම විටම අවදානම් වේ; පළමු සති සඳහා සත්‍ය දත්ත ලබා ගත හැකි බැවින් ඉක්මනින් පුරෝකථනය සංශෝධනය කරන්න.

අවවාදයයි: ඇස්තමේන්තුව "එක වරක් කර එය අමතක කරන්න" ප්‍රතිකාරයක් ලෙස සලකන්න එපා. ඉල්ලුම පුරෝකථනය කිරීම සජීවී ක්‍රියාවලියකි; සෑම නව විකුණුම් සතියක්ම පුරෝකථනය යාවත්කාලීන කිරීමට අවස්ථාවකි. හොඳම පුරෝකථනය කරන්නන් වන්නේ දක්ෂම මාදිලිය නොව නිතර යාවත්කාලීන කරන එක භාවිතා කරන අයයි.

දුර්වල ක්ෂණික / ශක්තිමත් විමසුම

දුර්වල ක්ෂණික:

මට කියන්න මේ නිෂ්පාදනය ලබන මාසේ කීයක් විකුණනවද කියලා.

සන්දර්භය නැත; AI අහඹු අංකයක් සාදයි.

බලවත් විමසුම:

ඔබේ කාර්යභාරය: ඉල්ලුම සැලසුම් විශේෂඥ. දත්ත: SKU 4471 සඳහා පසුගිය මාස 18 සඳහා මාසික විකුණුම් ප්‍රමාණය සහ මිල සහ එම මාසයේ ප්‍රචාරණයක් තිබේද යන්න පහත දැක්වේ. සන්දර්භය: මෙම නිෂ්පාදනය ගිම්හාන සෙරෙප්පු; මැයි-අගෝස්තු මාසවලදී ඉල්ලුම උපරිම වේ. ලබන මාසය ජුනි මාසයයි. කිසිදු ව්‍යාපාරයක් සැලසුම් කර නැත. මිල නියම කර ඇත.කාර්යය: (1) ජුනි සඳහා අපේක්ෂිත විකුණුම් ප්‍රමාණය, (2) නරකම සහ හොඳම අවස්ථා පරාසය, (3) පුරෝකථනයට බලපාන ප්‍රධාන සාධක 2. රීතිය: අඩු ඉල්ලුමක් ලෙස තොගයෙන් බැහැර ලෙස සලකුණු කර ඇති මාස ගණන් නොකරන්න. ලබා දී ඇති දත්ත මත පමණක් පදනම් වේ. දත්ත: [වගුව අලවන්න]

පිටපත් කළ හැකි ක්ෂණික සැකිලි

1) SKU පදනම් වූ අනාවැකිය

ඔබේ කාර්යභාරය: ඉල්ලුම සැලසුම් විශේෂඥ. පහත සඳහන් නිර්නාමික මාසික විකුණුම් මාලාවෙන් [SKU] සඳහා අනාගත [කාලසීමාව] පුරෝකථනය ජනනය කරන්න. ප්‍රතිදානය: අපේක්ෂිත ප්‍රමාණය + නරකම/හොඳම පරාසය + 2 උපකල්පන. තොග නොමැති ලෙස සලකුණු කර ඇති කාල සීමාවන් බැහැර කරන්න. දත්ත: [පේස්ට්]

2) සෘතුමය රටා ඉවත් කිරීම

පහත 24-මාස විකුණුම් මාලාවේ පුනරාවර්තන සෘතුමය රටාව සොයන්න. ඉහළ මාස මොනවාද සහ පහළ මාස මොනවාද? මධ්‍යන්‍යයෙන් අපගමනය ප්‍රතිශතයක් ලෙස දෙන්න. එය වගු ආකාරයෙන් ඉදිරිපත් කරන්න. දත්ත: [පේස්ට්]

3) පුරෝකථන නිරවද්‍යතා ඇගයීම

පහත දැක්වෙන්නේ මගේ ඓතිහාසික ඇස්තමේන්තු සහ සැබෑ විකුණුම්. (1) MAPE ගණනය කරන්න, (2) මගේ පුරෝකථනය නිරතුරුව ඉහළ හෝ පහළ ප්ලාවනය වේ, (3) කොටස් සඳහා මෙයින් අදහස් කරන්නේ කුමක්ද? පියවරෙන් පියවර පෙන්වන්න. දත්ත: [ඇස්තමේන්තු, සත්‍ය තීරු]

4) උද්ඝෝෂණ බලපෑම උපුටා ගන්න

ප්‍රචාරක සති පහත විකුණුම් මාලාවේ සලකුණු කර ඇත. ඇස්තමේන්තු සාමාන්ය (ප්රචාරක නොවන) ඉල්ලුම; ප්‍රචාරක බලපෑම වෙනම සෝපාන ප්‍රතිශතයක් ලෙස දෙන්න. ඒ නිසා මට සාමාන්‍ය ඇණවුම් මට්ටම දැකීමට අවශ්‍යයි. දත්ත: [පේස්ට්]

පොදු වැරදි

• සන්දර්භය ලබා නොදීම: ව්‍යාපාරය, වාරය, මිල වෙනස් වීම නිශ්චිතව දක්වා නොමැති නම්, අනාවැකිය නොමඟ යවන සුළු වනු ඇත.
• තොගයෙන් බැහැර දින ඉල්ලුම ලෙස ගණන් කළ යුතුද යන්න: තොගයෙන් පිටත කාලසීමාව සැබෑ ඉල්ලුම සඟවයි; ලකුණ.
• ප්‍රවර්ධන විකුණුම් සාමාන්‍ය ලෙස පිළිගැනීම: එක් වරක් වැඩිවීම ස්ථිර යැයි සිතීම අතිරික්ත තොගයට හේතු වේ.
• තනි අංකයක් මත රඳා සිටීම: පරාසයක් (සිනාරියෝ) අවශ්‍ය නොවීම සහ තනි ලක්ෂ්‍යයක් මත විශ්වාසය තැබීම අවදානම සඟවයි.
• නිරවද්‍යතාව කිසිසේත් මනින්නේ නැත: MAPE සහ දිශාව නිරීක්ෂණය නොකළහොත්, අනාවැකිය නරක අතට හැරේ.
• ඇස්තමේන්තු සමඟ සෘජු ඇණවුම් කිරීම: මුදල්, ගබඩාව සහ කල් තබා ගැනීමේ පාලනයකින් තොරව ඇණවුම් කිරීම.

සාරාංශයකින්

හොඳ පුරෝකථනය අතීත විකුණුම්, සෘතුමයභාවය සහ බාහිර සාධක ඒකාබද්ධ කරයි. AI හට සන්දර්භය ලබා දීමට වග බලා ගන්න (ප්‍රචාරණය, වාරය, තොගයෙන් බැහැර දින). MAPE සහ පක්ෂග්‍රාහී දිශාව සමඟ පුරෝකථන නිරවද්‍යතාවය නිරීක්ෂණය කරන්න; ඉහළ අවිනිශ්චිතතාවයකදී ආරක්ෂිත තොග වැඩි කරන්න. අනාවැකියක් යනු අනාවැකියකි; අයවැය සහ සීමාවන් සමඟ අවසාන ඇණවුම් තීරණය ඔබ සතු වේ.

යෙදුම් කාර්යය

පසුගිය මාස 12-18 සඳහා ඔබේ හොඳම අලෙවි වන SKUs 5 හි විකුණුම් නිර්නාමික වගුවකින් ලබාගෙන තොගයෙන් බැහැර සහ ප්‍රචාරණ කාල සීමාවන් සලකුණු කරන්න. "1) SKU-පාදක පුරෝකථනය" ප්‍රේරකය සමඟ අනාගත පුරෝකථනයක් ජනනය කරන්න, ඉන්පසු "3) පුරෝකථන නිරවද්‍යතා ඇගයීම" සමඟින් ඔබේ අතීත අනාවැකිවල MAPE උපුටා ගන්න. ඔබේම ඇණවුම් තීරණය සමඟ ප්රතිඵලය සසඳන්න.

පිරික්සුම් ලැයිස්තුව

• [ ] මම මගේ විකුණුම් දත්ත නිර්නාමික කර පිරිසිදු කළෙමි.
• [ ] මම තොගයෙන් බැහැර සහ ප්‍රචාරක කාල සීමාවන් සලකුණු කළෙමි.
• [ ] මම AI වෙත වාරය සහ බාහිර සාධක සන්දර්භය ලබා දුනිමි.
• [ ] මට අවශ්‍ය වූයේ තනි අංකයක් නොව අවස්ථා පරාසයකි.
• [ ] මම MAPE සහ yaw දිශාව පරීක්ෂා කළෙමි.
• [ ] මම අයවැය සහ සීමාවන් මත පදනම්ව ඇණවුම් කිරීමේ තීරණය ගත්තා.