揭秘天猫商家销量预测神器!准确度超90%,现实版“水晶球”来了

简介:

还有差不多40天就是天猫618,广东小熊电器有限公司总经理李一峰在忙碌备战中隐隐有些不安。如果销量预测相差比较大,可能会导致缺货或货物积压。

小熊电器面临的挑战,也是绝大多数品牌商家的痛点。天猫为此推出了全球首个销售精准预测平台,预测消费正在成为可能。

5月8日,2018天猫TES(天猫消费电子生态峰会)上,天猫智慧供应链发布行业首个可精准预测销量的产品“水晶球”。这个“水晶球”,可以为品牌提供未来滚动365天,基于货品、货品分仓等维度的销售预测。

“水晶球”的公众首秀,是针对海尔、美的、西门子、kindle等10大品牌在4月9日至5月6日期间的店铺销量进行预测。这个时间段包括了五一大促。4月9日,数据提请公证处公证,28天后,真实销量出炉,“水晶球”平均预测准确度达到91%。

这是全球第一家精准预测线上销售预测的平台。浙江大学管理学院教授、供应链研究所所长霍宝锋评论,消费电子类产品需求相对弹性,“水晶球”能在以店铺为单位,28天为周期,预测准确度达到90%以上,“是非常了不起的。”

天猫智慧供应链想做的事情

小熊电器是生活小家电行业的佼佼者。去年双11,小熊电器在天猫平台一天销量57万台,销售额突破7300万元,并在多士炉、酸奶机、煮蛋器等8大品类中获全淘销量第一。

e7ddca2b0514fbf27f50091259e296806787c663

去年双11,小熊电器在多士炉等8大品类斩获颇丰。

不过,销量预测不准,可能带来缺货或库存,都会直接带来品牌商成本的增加和利润的损失。无怪乎小熊电器总经理李一峰说,“促销节点的销售预测,是小熊电器供应链管理中面临的一大挑战。”

精准预测销售,在供应链上赋能商家,则是天猫智慧供应链想做的事情。天猫资深算法专家周虎成表示,预测在供应链中是“牵一发而动全身”,对商家或者品牌商而言,可以指导其进行更准确的生产企划,采购计划,销售计划以及仓配履约计划,并进一步影响价格计划、营销计划。

但销量预测是一个世界性难题。而且,预测的准确度与行业、产品周期紧密相关。一般而言,越是需求刚性,例如食盐、牙膏等快消品,预测难度越小。此外,时间周期越长,越难预测。

“水晶球”和算法团队

据公开资料,天猫智慧供应链起步于2014年双11后,历经多次更新迭代,预测准确度不断提升。

去年年底,天猫就曾选取西门子、飞利浦、方太、小熊等10个不同行业的品牌旗舰店及专卖店进行销售预测。不久后的年货节期间,则以行业(大电、小电、数码)维度进行预测,准确率最高达到95%。这些可谓“水晶球”的大型“实战”。

周虎成带领一个15人算法团队,就在“水晶球”下了很大功夫。

采访过程中,记者多次听到天猫小二对这个团队成员“背景”的惊叹——周虎成曾是微软亚洲研究院研究员,另外14位成员中,有5个博士,7个毕业于清华北大。目前,团队已有超过5个专利在申请当中,还准备发表相关学术论文。

仅仅是创新算法的预测角度,他们就经历了上百次的尝试,更遑论不同特征因子的选用。

源源不断的数据,化作数千个商业因子,涌进“水晶球”,经由巨量的计算,“吐”出一串关于未来的数字。

“水晶球”的一大优势,还在于比较擅长预测由大促引发的“脉冲式”消费。“我们可以提供多维度、多时间周期的消费预测。”周虎成说。

只有“水晶球”是不够的

新的问题,新的机会,也随之而来。

李一峰表示,小熊电器品类多,涉及几百个供应商,供应链条长。即便商业预测问题能够比较好地解决,前端能够准确预测需求波动,但“刺激”传导至生产端时,速度就不得不降下来,等待原材料到位、合作伙伴跟上脚步。

因此,在整合供应商之前,小熊电器只能以库存作为“缓冲”。

这是小熊电器的“妥协”。阿里供应链研究中心负责人游五洋(花名:希疆)介绍,据内部测算,以毛利20%的品类作为代表,库存每造成降价1%,对净利润的损失就是20%;而产品脱销带来的损失可能更大。

游五洋说,供应链管理提升无非两点,提升预测准确度和提高供应链反应速度,更重要的,“大幅提升预测准确度,还能给商家留下改善供应链反应速度的空间。”

正因为此,除了“水晶球”,天猫智慧供应链还有另一个非常重要的部分,就是智慧物流。阿里去年发布的智慧供应链中台2.0版本,已经可以通过算法,在天猫双11期间,帮助商家综合考虑各区需求预测,实现有限库存的全国调拨和库存分配,以平衡各区域的供给和需求。

e7ddca2b0514fbf27f50091259e296806787c663

阿里智慧供应链中台

创建了供应链算法团队的天猫算法技术资深专家邓玉明(花名:粤谦)介绍,天猫智慧供应链还融入了仿真技术,针对行业的全品相,模拟消费者下单、采购补货、预约入库等业务环节,直接观察业务决策的合理性。

此次天猫TES大会上,天猫消费电子事业部总经理杨光(花名:吹雪)透露,尽管去年才形成精准预测的成熟产品,但过去几年天猫通过与部分品牌商的深度合作,在销售预测、协同补货和生产上已经进行了一系列探索。

“水晶球”的想象力

商业预测的“钥匙”,正被算法专家们掌握。行业、类目、品牌、店铺、商品,数据颗粒度从粗到细,日、周、月、年,预测时间周期也不断拉长。

“水晶球”的预测能力,已经处于世界先进水平。如前所述,店铺的月销售额预测准确度可达90%以上,SKU维度的周销售量精确度也比传统预测高几倍。

依靠误差很小的预测数值,天猫智慧供应链不只希望支持品牌方采购补货、规划生产,还希望未来可以推动品牌方开仓、搬仓的计划。

在霍宝锋看来,“水晶球”全面整合了库存预测和需求预测,是供应链预测的一次突破。当然,“水晶球”尚处在起步阶段,未来的进一步整合,需要天猫平台与品牌商之间达成拥有一致目标的战略联盟;在货品、价格、库存等多方面信息共享;最后,实现流程协调。

“当平台和商家都在往前跑的时候,二者间的衔接很重要。” 天猫消费电子事业部供应链中心总经理张赞(花名:亦浓)也提到,数据模型的搭建只是一部分,准确的预测还要靠各种商业因子的输入。

这些商业因子的来源,包括基于消费需求的研究,用户分层和需求的主动满足,模型中包括用户信息、流量趋势、曝光精准度、点击、转化、复购等一系列数据,同时也包括品牌商的价格策略、平台的营销计划等。“只有算法、平台、品牌商三者融合,才能真正实现销售预测的本质且引领消费趋势。”张赞说。

发布“水晶球”之后,天猫智慧供应链接下来要做的工作之一,是将算法平台变成产品界面,与品牌商深度协同。

cad5274f8b271be394731916a9dc8351c09ba1b3

去年,包括洗碗机在内的四大新品类增长迅速。

“水晶球”乃至天猫智慧供应链的想象力不止于此。据介绍,最能切入品牌商痛点的销售量预测是“水晶球”发展的第一阶段,未来凭借丰富的消费者特征数据和全面的行业数据,“水晶球”不仅会给出销量预测,还将勾勒潜藏在消费者行为中的消费趋势,挖掘“蓝海产品”。

仅在天猫消费电子行业,就在大数据分析辅助下,创造出了洗碗机、睡眠仪等多个新鲜品类的需求。

预测永远是不准的,这是供应链人公认的法则。但预测的准确度可以不断提升,实现比较精准的预测。

“我们想通过努力,去探寻预测算法的边界。”周虎成说。


原文发布时间为:2018-05-9

本文作者:王诗琪

本文来自云栖社区合作伙伴“天下网商”,了解相关信息可以关注“天下网商”。

相关文章
|
27天前
|
机器学习/深度学习 人工智能 搜索推荐
【电商搜索】现代工业级电商搜索技术-中科大-利用半监督学习改进非点击样本的转化率预测
【电商搜索】现代工业级电商搜索技术-中科大-利用半监督学习改进非点击样本的转化率预测
72 1
|
5月前
|
分布式计算 数据可视化 Python
豆瓣短评大数据分析:探索用户观影趋势与情感倾向
豆瓣短评大数据分析:探索用户观影趋势与情感倾向
|
5月前
|
机器学习/深度学习 监控 算法
支付宝商业化广告算法优化
支付宝商业化广告算法优化
213 0
|
6月前
|
机器学习/深度学习 数据采集 算法
数据分享|R语言机器学习预测案例合集:众筹平台、机票折扣、糖尿病患者、员工满意度
数据分享|R语言机器学习预测案例合集:众筹平台、机票折扣、糖尿病患者、员工满意度
|
6月前
|
监控 数据挖掘 API
案例研究:如何通过淘宝天猫商品销量数据分析竞争对手
淘宝天猫的商品销量数据接口主要用于商品数据分析和监控业务,通过这些接口可以获取商品的实时销量、30天销量以及总销量等详细信息。以下是关于这一数据接口的详细介绍:
|
6月前
|
机器学习/深度学习 人工智能 算法
从《繁花》到现实,现代版“宝总”如何通过智能手段预测股市?
如果宝总生在现代,在大数据、人工智能等前沿技术日新月异的今天,一定会通过科学的方法和智能工具来洞悉市场动态、分析趋势变化。
从《繁花》到现实,现代版“宝总”如何通过智能手段预测股市?
|
机器学习/深度学习 搜索推荐 算法
推荐系统[八]算法实践总结V0:腾讯音乐全民K歌推荐系统架构及粗排设计
推荐系统[八]算法实践总结V0:腾讯音乐全民K歌推荐系统架构及粗排设计
推荐系统[八]算法实践总结V0:腾讯音乐全民K歌推荐系统架构及粗排设计
|
机器学习/深度学习 数据采集 存储
AI带你省钱旅游!精准预测民宿房源价格!
本文基于Airbnb在大曼彻斯特地区的房源数据,构建机器学习模型,进行数据分析与挖掘建模,预测民宿房源的价格走势。当然,同样的方法模式也可以应用在国内平台。
2193 2
AI带你省钱旅游!精准预测民宿房源价格!
|
机器学习/深度学习 数据采集 人工智能
机器学习实战 | 综合项目-电商销量预估
本篇内容基于Kaggle数据科学竞赛Rossmann store sales,梳理和总结基于Python解决电商建模的全过程:包括数据探索分析、数据预处理与特征工程、建模与调优。
4611 1
机器学习实战 | 综合项目-电商销量预估
|
算法 数据挖掘 搜索推荐
人群优选算法模型,如何挖掘品牌潜客?
本文主要对品牌目标人群优选算法及相关实践结论进行介绍。
2534 0