经过了1个多月的探索与尝试，发觉服装行业的销售预测和一般零售行业的销售预测有着很大的差别，其本质原因是服装行业货品的销售pattern区别于一般零售行业，主要体现在以下两点：

1、     服装行业货品销售受季节影响非常显著，主要体现在销售的主推季会受气候波动而变化；

2、     服装行业货品的销售周期比传统零售要短很多，一年之内常常有2季：春夏和秋冬，货品不存在一般零售行业的原款升级换代的做法，一般零售行业的升级款会带有老款的销售模式，因此未来的销售比较准确，而在服装行业，新款与老款虽然属于同一系列，但新款却是一个几乎全新的产品，新款的未来销售模式很难从老款归纳出。

考虑服装行业的两大特点，其货品的销售预测不能按照一般零售行业的预测模式。

一般零售行业的销售预测以会以SKU为基本预测单元，基本的预测逻辑如下：

Step1：若SKU by Store颗粒度下销售有规律所寻，则直接按单门店单SKU预测作为补货需求单；若SKU by Store 颗粒度下销售现象过于随机杂乱，则转Step2。

Step2：汇总同城（同区域）所有门店该SKU的销售，进行时序预测（水平趋势+季节效应）；

Step3：计算历史若干期内，各门店销售额占同城（同区域）总销售额的比例，并用历史若干期的销售额比例预测未来一期的销售额比例；

Step4：用Step3预测出来的销售额比例分摊Step2预测出的总销售额，得到各个门店未来的SKU的需求；

此种预测模式适合销售周期有1-2年货类，单服装行业单个SKU的销售周期往往只有5-6个月，如此短的历史区间很难挖据出其中的销售pattern，且即使找出来SKU的变化规律，下一季又会有新款代替，老款的pattern未必适合新款，因此以SKU为基本预测单元的做法在服装行业不会取到较好的效果。因此需要转换思路。

我们需要寻找历史周期长，也有一定可用规律的统计指标来预测，然后通过某种摊分方法算出SKU的需求量这才是我们解决问题的正确方向。

我们发现可以用门店的总销售额可以作为基本预测单元，门店总销售额一方面具备连续性，且相对稳定 ;另一方面，门店总销售也会受季节影响，因此门店总销售额既解决了服装行业单款销售周期短的难题，同时还能反映服装行业销售的季节pattern（见下图1）。因此我们确定以门店总销售额为基本预测单元，具体实现如下：

图1 门店总销售额（按周汇总）

Step1：汇总门店所有款的销售额，以历史若干期的总销售采用时序（水平趋势+季节因素）预测未来若干期的门店总销售额；

Step2：计算出门店销售额的贡献比例，即先按照大类，算出各大类的占比。以历史若干期的比例采用时序（水平趋势+季节因素）预测未来若干期的门店各大类结构；

Step3：按照Step2的逻辑，逐层预测从大类到款的各层比例；

Step4：用Step3预测出来的各层比例摊分Step2的大类占比，并逐层做归一化处理，得到每款在总销售额的占比，从而得到了门店的销售结构；

Step5：用Step4得到门店销售结构摊分Step1得到的门店未来销售额，总而得到门店未来的每一款的预测。

服装行业预测总结