领星ERP智能预测上线：智能补货销量预测

2025-10-29作者：郑亦凡版本：V5.7阅读约 6 分钟

没有一种预测方法能同时适配新品、爆款和清仓品，承认差异才是准确的前提。领星ERP 在 4 月 1 日上线的智能补货模块中，按商品生命周期分四段建模，叠加季节性与促销因子，输出未来 30 天的销量预测。内测的 148 家店铺预测误差 MAPE 为 18.4%，缺货天数下降 31%，库存周转天数减少 6.2 天。

旧版用一条曲线预测所有商品，新品没有历史数据只能拍脑袋，爆款又容易被平均值拉低。团队用 26 万个 SKU 的历史销量做回测，发现统一模型的误差在新品期高达 42%，在成熟期只有 14%。领星ERP 数据产品经理郑亦凡说：“没有一种预测方法能同时适配新品、爆款和清仓品，承认差异才是准确的前提。”四段模型由此而来。

四段生命周期建模

四段生命周期分别是新品期、成长期、成熟期与清仓期。新品期用同类目均值加相似商品曲线，置信度低，预测偏保守；成长期用近 14 天增速外推，并限制单日增幅上限；成熟期用加权移动平均加季节系数；清仓期直接按处理计划递减，不参与补货建议。系统每周自动判定商品所处阶段，也允许人工修正。

季节性因子按品类维护。系统取过去两年同月销量与年均值的比值，作为月度系数，再叠加平台大促日历，例如 7 月 Prime Day、11 月黑五与 12 月圣诞。内测中有卖家在 10 月把圣诞装饰的系数设为 2.4，备货量比常规高出 1.4 倍，12 月中旬售罄率 91%，没有出现节后压货。

季节性与促销因子

促销因子由运营填写，系统会校验合理性。运营在活动计划里录入预期倍数与折扣力度，系统对比历史同类活动的实际提升，若填写值偏离历史均值 50% 以上会提示复核。内测期间共拦截 37 次明显高估的填写，避免了约 18 万元的过量备货。活动结束后，实际倍数会自动回填，作为下次的参考。

回测结果显示，四段模型整体 MAPE 为 18.4%，成熟期最低为 13.7%，新品期最高为 29.6%。与统一模型相比，缺货天数下降 31%，周转天数减少 6.2 天，滞销库存占比从 11.4% 降到 7.2%。分品类看，家居与户外改善最明显，服饰因为款式迭代快，仍需人工调整，系统会标注“高波动”。

回测结果与周转改善

补货建议与采购、调拨联动。系统按预测销量与可用库存算出缺口，再结合供应商交期、起订量与仓容给出采购建议；若缺口可以靠其他仓调拨解决，则优先给调拨建议。内测中有卖家把 38% 的补货需求改成跨仓调拨，采购金额下降 12%，同时把在途时间从 32 天压缩到 6 天。

预测结果每天更新，但建议不会频繁变动。系统设置“建议稳定期”，同一 SKU 的采购建议在 3 天内只允许小幅调整，避免采购员每天看到不同的数字。内测店铺的采购单修改率从 34% 降到 11%，采购员对系统的信任度明显提升。稳定期长度可以按品类设置，快消类可以缩短到 1 天。

针对多站点卖家，系统按站点分别预测再合并采购，避免用一个站点的销量代表全部市场。内测中有卖家的同款产品在德国站日销 42 件、法国站 8 件，合并采购后按站点分配，法国站的滞销占比从 19% 降到 6%。站点分配比例会随预测更新，每两周调整一次，减少人为拍板带来的偏差。

预测模块还提供“假设分析”：卖家可以模拟促销提前、物流延迟或汇率变化对销量的影响，系统给出三档情景下的建议备货量。内测中有卖家在旺季前模拟“海运延迟 10 天”，提前把 30% 的货改走空运，避免了断货。假设分析的结果可以保存为方案，方便在备货会上对比讨论，而不是只给一个数字。

对于资金有限的团队，系统提供“按预算备货”模式：先设定采购金额上限，模型在约束下优先保障高周转 SKU，低周转 SKU 自动延后。内测中有卖家把月度采购预算定为 60 万元，系统给出的方案比人工方案多覆盖 14 个动销 SKU。约束条件可以随时调整，调整后建议会重新计算并标注变化原因。

“没有一种预测方法能同时适配新品、爆款和清仓品，承认差异才是准确的前提。”

领星ERP 数据产品负责人 郑亦凡

预测的价值不在于精确到个位，而在于把不确定性摆到桌面上。想验证效果，可以选 50 个 SKU 做一个月对照，记录预测值与实际销量，月底看误差集中在哪个阶段，再调整模型参数。对于新品较多的团队，建议把新品期的安全库存调高，用一点库存成本换取不断货，通常比事后补救便宜。

相关阅读

领星ERP模块发布：SKU管理批量维护领星ERP风控上线：订单审核规则前置领星ERP生态共建：跨境ERP生态开放