S2.1｜需求预测：不断货也不压货
【战略价值】需求预测是供应链所有决策的起点
适用阶段：Phase 1-3（首批销售数据产生后 / 持续运营期）
适用角色：☑️ 运营负责人 ☑️ 供应链经理 ☑️ 数据分析师 ☑️ 创始人（审批）
边界说明：本 SOP 聚焦于销量预测模型搭建、季节性分析和新品预测方法。库存水位计算和补货点设定请参考 S2.2，生产排期请参考 S2.3。S1.3 的产出物"签署的供应商合同"是本 SOP 的输入之一，因为供应商的产能约束和交期承诺直接影响预测的可执行性。
需求预测是供应链的"方向盘"——所有后续的库存规划、补货决策、生产排期、物流安排，都建立在"我们未来能卖多少"这个判断之上。
很多出海品牌的需求预测方式是：老板拍脑袋、运营凭感觉、财务看去年。这种方式在 SKU 少于 10 个、月销量稳定时勉强能用，但一旦遇到新品上线、大促活动、季节切换、市场扩张，就会频繁出现断货或压货。
根据 EasyReplenish 的研究，采用系统化需求预测的电商品牌平均能减少 20-30% 的库存持有成本，同时将缺货率降低 50% 以上（来源：EasyReplenish, E-Commerce Demand Forecasting 2025）。Flieber 的数据也表明，多渠道品牌在整合所有销售渠道数据后，预测准确率平均提升 35%（来源：Flieber, Demand Planning for Multichannel Brands）。
本 SOP 的交付物：一套可落地的需求预测模型 + 季节性系数表 + 新品预测框架 + 促销量化公式。
如果不做这一步的后果：
- 断货损失翻倍——不只是丢失当期销售额，Amazon 断货后排名暴跌，恢复到原位需要 2-4 周额外广告费，实际损失是断货期间销售额的 2-3 倍
- 资金被库存锁死——库存周转率低于 3 次/年的品牌，通常需要外部融资才能维持增长，现金流被积压库存吞噬（来源：Cahoot, Inventory Turnover Ratio for Ecommerce）
- 供应商关系恶化——没有预测数据，频繁催急单或突然砍单，工厂会把你列为"不靠谱客户"，旺季优先排其他品牌的单
- 决策层面信息盲区——创始人不知道下个月该备多少货、该准备多少现金，每次补货都像赌博
核心思路 (Core Logic)
核心原理：三层预测模型（Base + Seasonal + Pulse）
需求预测不是一个单一公式，而是三层叠加：
总预测 = 基线需求（Base）+ 季节性波动（Seasonal）+ 脉冲事件（Pulse）
┌─────────────────────────────────────────────┐
│ 📈 脉冲事件 Pulse（大促、网红带货、PR 事件） │
├─────────────────────────────────────────────┤
│ 🔄 季节性波动 Seasonal（节假日、气候、行业周期）│
├─────────────────────────────────────────────┤
│ 📊 基线需求 Base（日常稳态销量） │
└─────────────────────────────────────────────┘
| 层级 | 数据来源 | 预测方法 | 更新频率 |
|---|---|---|---|
| 基线需求 | 过去 90-180 天日销数据 | 移动平均 / 指数平滑 | 每周 |
| 季节性系数 | 过去 1-2 年同期数据 | 季节性指数计算 | 每季度 |
| 脉冲事件 | 营销日历、促销计划 | 历史促销提升倍数 | 事件前 4-6 周 |
普通做法 vs. 我们的标准
| 维度 | ❌ 普通做法 | ✅ Clearshadows 标准 |
|---|---|---|
| 预测依据 | 老板拍脑袋"上个月卖了 1000 单，这个月应该差不多" | 三层模型：基线 + 季节系数 + 脉冲修正 |
| 数据范围 | 只看一个渠道（如只看 Amazon） | 整合全渠道数据（Amazon + 独立站 + 线下） |
| 新品预测 | "先备 500 个试试" | 类比法 + 预售数据 + 广告点击率反推 |
| 促销预测 | "去年黑五翻了 3 倍，今年应该也差不多" | 按促销类型建立历史提升系数库 |
| 预测回顾 | 从不回看预测准不准 | 每月计算预测准确率（MAPE），持续优化模型 |
| 工具使用 | Excel 手算 | 专业预测工具 + Excel 备份 |
💡 老K说
"我见过最贵的'预测'是某品牌创始人在 Q4 旺季前拍脑袋备了 50 万美金的货，结果实际只卖了 30%，剩下 35 万美金的库存在仓库躺了 8 个月。后来清仓亏了 60%。如果他花一天时间做个基线预测 + 季节性修正，至少能把备货量控制在合理范围内。需求预测不需要 100% 准确，比拍脑袋准 30% 就能省几十万。"
"另一个常见误区是只看平均值。Shopify 的季节性预测指南明确指出，季节性预测公式是'基线需求 × 季节性指数'，而不是简单的去年同期销量。因为你的基线可能已经增长了 50%，直接套去年数据会严重低估（来源：Shopify, Forecasting for Seasonal Businesses 2025）。"